SISTEM INFORMASI MANAJEMEN

Dasar Intelegensi Bisnis: Database dan Manajemen Informasi

Dosen Pengampu:
Drs. Kastawan Mandala, M.M.
Ida Ayu Putri Laksmidewi Purba, S.E., M.M

Disusun Oleh:
Kelompok 6
1. Dewa Ayu Sri Arimas Dewi 2007521006 / 03
2. Luh Gede Rahma Wira Andini 2007521026 / 06
3. Anak Agung Istri Mas Kirana 2007521181 / 21
Dewi
4. Jotana Kassapa 2007521182 / 22

PROGRAM STUDI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS UDAYANA
2023
 KATA PENGANTAR

Puji syukur tim penulis panjatkan kehadirat Tuhan Yang Maha Esa karena berkat
limpahan rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan makalah yang
berjudul “Dasar Intelegensi Bisnis: Database dan Manajemen Informasi”. Adapun
tujuan dari pembuatan makalah ini adalah untuk memenuhi tugas kelompok mata kuliah
Sistem Informasi Manajemen.
Pada kesempatan ini penulis menyampaikan rasa terima kasih kepada Bapak Drs.
Kastawan Mandala, M.M dan Ibu Ida Ayu Putri Laksmidewi Purba, S.E., M.M., selaku
Dosen Pengampu Mata Kuliah Sistem Informasi Manajemen Universitas Udayana yang
telah memberikan tugas ini sehingga dapat menambah wawasan dan pengetahuan
mengenai dasar intelegensi bisnis perusahaan.
Penulis menyadari bahwa makalah ini masih jauh dari kata sempurna baik dari
bentuk penyusunan maupun materinya. Oleh karena itu, penulis mengharapkan kritik
dan saran dari pembaca guna dijadikan perbaikan untuk di masa yang akan datang.
Semoga makalah ini dapat bermanfaat bagi pembaca.
Denpasar, 10 Oktober 2023

Penulis,

ii
 DAFTAR ISI

KATA PENGANTAR...............................................................................................................ii
DAFTAR ISI.............................................................................................................................iii
BAB I...........................................................................................................................................1
PENDAHULUAN......................................................................................................................1
1.1 Latar Belakang...................................................................................................................1
1.2 Rumusan Masalah..............................................................................................................2
1.3 Tujuan................................................................................................................................2
BAB II.........................................................................................................................................3
PEMBAHASAN.........................................................................................................................3
2.1 Permasalahan dalam Mengelola Sumber Daya Data.........................................................3
2.2 Potensi dan Kekuatan DBMS Khususnya DBMS Relasional............................................5
2.3 Prinsip Utama Dalam Penciptaan Database.....................................................................11
2.4 Alat dan Teknologi Dasar Untuk Akses Informasi Dari Database Untuk
Meningkatkan Performa Bisnis…………………………………………………………14
2.5 Kebijakan Informasi, Administrasi Data Dalam Pengelolaan Sumber Daya Data..........21
BAB III......................................................................................................................................24
PENUTUP.................................................................................................................................24
3.1 Kesimpulan......................................................................................................................24
3.2 Saran.................................................................................................................................25
DAFTAR PUSTAKA...............................................................................................................26

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Sistem inforrmasi manajemen merupakan bagian yang tak terpisahkan dari
suatu organisasi dimana sistem informasi yang menghasilkan hasil keluaran (output)
dengan menggunakan masukan (input) dan berbagai proses yang diperlukan untuk
memenuhi tujuan tertentu dalam suatu kegiatan manajemen. Sebuah sistem informasi
yang efektif menyediakan informasi yang akurat, tepat waktu, dan relevan bagi
penggunanya sehingga dapat digunakan untuk pengambilan keputusan. Sistem
manajemen basis data merupakan sebuah tatanan (keterpaduan) yang terdiri atas sejumlah
komponen-komponen fungsional (komputer) yang saling berhubungan secara bersama-
sama, bertujuan untuk memenuhi suatu proses atau pekerjaaan tertentu. Sistem ini
merupakan gabungan antara basis data dan kumpulan program atau perangkat lunak
DBMS (database management system).
DBMS (database management system) adalah program aplikasi yang dibuat dan
bekerja dalam satu sistem. DBMS didesain untuk membantu dalam hal pemeliharaan dan
utilitas kumpulan data dalam jumlah besar. DBMS dapat menjadi alternatif penggunaan
secara khusus untuk aplikasi, misalnya penyimpanan data dalam field dan menulis kode
aplikasi yang spesifik untuk pengaturannya. Kumpulan file (table) yang saling
berhubungan dalam di sebuah komputer dan sekumpulan program yang memungkinkan
beberapa pemakai dan atau program lain untuk mengakses dan memanipulasi file-file
atau tabel-tabel tersebut.
Database dan Sistem Database menjadi komponen utama dalam kehidupan
masyarakat modern saat ini. Berbagai aktivitas manusia secara tidak langsung
berhubungan dengan database (contonya Bank, reservasi, perpustakaan, supermarket,
dll). Contoh interaksi diatas yang disebut sebagai aplikasi database tradisional, dimana
hampir semua informasi yang disimpan dan diakses berupa data teks maupun numerik.
Saat ini, database multimedia dapat menyimpan data gambar, video dan suara. GIS
(Geographic Information System), untuk menyimpan dan menganalisa data peta, data
cuaca serta gambar satelit.
Data warehouse dan OLAP (On-Line Analytical Processing), adalah sistem yang
digunakan pada beberapa perusahaan untuk meng- ekstract dan menganalisa informasi
yang berguna, dari database yang besar untuk kepentingan pengambilan keputusan

1
(decision making). Teknologi Real-time dan active database, digunakan dalam
mengontrol proses industri dan manufaktur. Saat ini, database masih mencari berbagai
teknik yang digunakan pada www dalam meningkatkan pencarian informasi (information
retrieval) dengan cepat dan tepat, yang dibutuhkan user di internet.

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas, adapun rumusan masalah dari makalah ini
sebagai berikut:
1. Apa saja permasalahan dalam mengelola sumber daya data?
2. Apa saja potensi dan kekuatan DBMS khususnya DBMS relasional?
3. Bagaimana prinsip utama dalam penciptaan database?
4. Apa saja alat dan teknologi dasar untuk akses informasi dari database untuk
meningkatkan performa bisnis?
5. Apa yang dimaksud dengan kebijakan informasi, administrasi data dalam
pengelolaan sumber daya data?

1.3 Tujuan
Berdasarkan rumusan masalah di atas, adapun tujuan dari makalah ini
diantaranya:
1. Mampu mengidentifikasikan permasalahan dalam mengelola sumber daya
data.
2. Mampu memahami potensi dan kekuatan DBMS khususnya DBMS
relasional.
3. Mampu memahami prinsip utama dalam penciptaan database.
4. Mampu mengenali alat dan teknologi dasar untuk akses informasi dari
database untuk meningkatkan performa bisnis.
5. Mengetahui pentingnya kebijakan informasi, administrasi data dalam
pengelolaan sumber daya data.

2
 BAB II
PEMBAHASAN

2.1 Permasalahan dalam Mengelola Sumber Daya Data

Sistem informasi yang efektif memberikan informasi yang akurat, tepat waktu,
dan relevan kepada pengguna. Informasi yang akurat bebas dari kesalahan. Informasi
tepat waktu ketika tersedia bagi pengambil keputusan saat dibutuhkan. Informasi menjadi
relevan bila berguna dan sesuai untuk jenis pekerjaan dan keputusan yang
memerlukannya. Anda mungkin terkejut mengetahui bahwa banyak bisnis tidak
memiliki informasi yang tepat waktu, akurat, atau relevan karena data dalam sistem
informasi mereka telah diatur dan dipelihara dengan buruk. Itulah mengapa manajemen
data sangat penting. Untuk memahami masalahnya, mari kita lihat bagaimana sistem
informasi mengatur data dalam file komputer dan metode tradisional manajemen file.
2.1.1 Masalah Dengan Lingkungan File Tradisional
Di sebagian besar organisasi, sistem cenderung tumbuh secara independen
tanpa rencana di seluruh perusahaan. Akuntansi, keuangan, manufaktur, sumber daya
manusia, dan penjualan dan pemasaran semuanya mengembangkan sistem dan file data
mereka sendiri. Gambar 2.1.1 mengilustrasikan pendekatan tradisional untuk pemrosesan
informasi. Setiap aplikasi, tentu saja, membutuhkan file dan program komputernya
sendiri untuk beroperasi. Misalnya, area fungsional sumber daya manusia mungkin
memiliki file induk kepegawaian, file penggajian, file asuransi kesehatan, file pensiun,
file milis, dan seterusnya sampai ada puluhan, mungkin ratusan, file dan program. Di
perusahaan secara keseluruhan, proses ini menyebabkan beberapa file induk dibuat,
dipelihara, dan dioperasikan oleh divisi atau departemen yang terpisah. Karena proses ini
berlangsung selama 5 atau 10 tahun, organisasi dibebani dengan ratusan program dan
aplikasi yang sangat sulit untuk dipelihara.

3
 Sistem komputer mengatur data dalam hierarki yang dimulai dengan bit, yang
mewakili 0 atau 1. Bit dapat dikelompokkan untuk membentuk byte untuk mewakili satu
karakter, angka, atau simbol. Byte dapat dikelompokkan untuk membentuk field, dan
field terkait dapat dikelompokkan untuk membentuk record. Catatan tersebut
dikumpulkan untuk membentuk file, dan file dapat diatur ke dalam database dan untuk
dikelola. Masalah yang dihasilkan adalah redundansi dan inkonsistensi data,
ketergantungan program-data, tidak fleksibel, keamanan data yang buruk, dan
ketidakmampuan untuk berbagi data antar aplikasi.
2.1.1.1 Ketergantungan Program Data
Ketergantungan program-data mengacu pada penggabungan data yang disimpan
dalam file dan program khusus yang diperlukan untuk memperbarui dan memelihara file
tersebut sehingga perubahan dalam program memerlukan perubahan pada data. Setiap
program komputer tradisional harus menggambarkan lokasi dan sifat data yang
digunakannya. Dalam lingkungan file tradisional, setiap perubahan dalam program
perangkat lunak dapat memerlukan perubahan data yang diakses oleh program tersebut.
Satu program dapat dimodifikasi dari kode pos lima digit menjadi sembilan digit. Jika file
data asli diubah dari kode pos lima digit menjadi sembilan digit, maka program lain yang
memerlukan kode pos lima digit tidak akan berfungsi dengan baik lagi. Perubahan seperti
itu dapat menghabiskan biaya jutaan dolar untuk diterapkan dengan benar.
2.1.1.2 Kurangnya Fleksibilitas
Sistem file tradisional dapat mengirimkan laporan terjadwal rutin setelah upaya
pemrograman yang ekstensif, tetapi tidak dapat mengirimkan laporan ad hoc atau
menanggapi kebutuhan informasi yang tidak terduga secara tepat waktu. Informasi yang
dibutuhkan oleh permintaan ad hoc ada di suatu tempat dalam sistem tetapi mungkin
terlalu mahal untuk mengambil. Beberapa programmer mungkin harus bekerja selama
berminggu-minggu untuk mengumpulkan item data yang diperlukan dalam file baru.
2.1.1.3 Keamanan yang Buruk
4
 Karena hanya ada sedikit kendali atau pengelolaan data, akses dan penyebaran
informasi mungkin tidak terkendali. Manajemen mungkin tidak memiliki cara untuk
mengetahui siapa yang mengakses atau bahkan membuat perubahan pada data organisasi.
2.1.1.4 Kurangnya Berbagi dan Ketersediaan Data
Karena potongan informasi dalam file yang berbeda dan bagian organisasi yang
berbeda tidak dapat dihubungkan satu sama lain, hampir tidak mungkin informasi
dibagikan atau diakses pada waktu yang tepat. Informasi tidak dapat mengalir secara
bebas melintasi area fungsional yang berbeda atau bagian yang berbeda dari organisasi.
Jika pengguna menemukan nilai yang berbeda dari bagian informasi yang sama dalam
dua sistem yang berbeda, mereka mungkin tidak ingin menggunakan sistem ini karena
mereka tidak dapat mempercayai keakuratan data mereka

2.2 Potensi dan Kekuatan DBMS Khususnya DBMS Relasional

Teknologi database memotong banyak masalah organisasi file tradisional.
Definisi yang lebih ketat dari basis data adalah kumpulan data yang diatur untuk
melayani banyak aplikasi secara efisien dengan memusatkan data dan mengendalikan
data yang berlebihan. Daripada menyimpan data dalam file terpisah untuk setiap aplikasi,
data tampak bagi pengguna sebagai disimpan hanya di satu lokasi. Sebuah database
tunggal melayani beberapa aplikasi. Misalnya, alih-alih perusahaan menyimpan data
karyawan dalam sistem informasi terpisah dan file terpisah untuk personel, penggajian,
dan tunjangan, perusahaan dapat membuat satu basis data sumber daya manusia umum.
2.2.1 Sistem Manajemen Database
Sistem manajemen basis data (DBMS) adalah perangkat lunak yang memungkinkan
organisasi untuk memusatkan data, mengelolanya secara efisien, dan menyediakan akses
ke data yang disimpan oleh program aplikasi. DBMS bertindak sebagai antarmuka antara
program aplikasi dan file data fisik. Ketika program aplikasi memanggil item data, seperti
gaji kotor, DBMS menemukan item ini dalam database dan menyajikannya ke program
aplikasi. Menggunakan file data tradisional, programmer harus menentukan ukuran dan
format setiap elemen data yang digunakan dalam program dan kemudian memberitahu
komputer di mana mereka berada. DBMS membebaskan programmer atau pengguna
akhir dari tugas memahami di mana dan bagaimana data sebenarnya disimpan dengan
memisahkan pandangan logis dan fisik data. NSpandangan logis menyajikan data seperti
yang akan dirasakan oleh pengguna akhir atau spesialis bisnis, sedangkan tampilan fisik
menunjukkan bagaimana data sebenarnya diatur dan terstruktur pada media penyimpanan

5
fisik. Perangkat lunak manajemen database membuat database fisik tersedia untuk
pandangan logis yang berbeda yang dibutuhkan oleh pengguna. Misalnya, untuk database
sumber daya manusia yang diilustrasikan pada Gambar 6.3, spesialis tunjangan mungkin
memerlukan tampilan yang terdiri dari nama karyawan, nomor jaminan sosial, dan status
kesehatan cakupan asuransi. Seorang anggota departemen penggajian mungkin
memerlukan data seperti nama karyawan, nomor jaminan sosial, gaji kotor, dan gaji
bersih. Data untuk semua tampilan ini disimpan dalam satu database, di mana mereka
dapat lebih mudah dikelola oleh organisasi.

Basis data sumber daya manusia tunggal menyediakan banyak tampilan data yang
berbeda, tergantung pada kebutuhan informasi pengguna. Diilustrasikan di sini adalah
dua pandangan yang mungkin, satu menarik bagi spesialis tunjangan dan satu menarik
bagi anggota departemen penggajian perusahaan.
2.2.1.1 DBMS Memecahkan Masalah Lingkungan File Tradisional
Sebuah DBMS mengurangi redundansi dan inkonsistensi data dengan
meminimalkan file terisolasi di mana data yang sama diulang. DBMS mungkin tidak
memungkinkan organisasi untuk menghilangkan redundansi data sepenuhnya, tetapi
dapat membantu mengontrol redundansi. Bahkan jika organisasi memelihara beberapa
data yang berlebihan, menggunakan DBMS menghilangkan inkonsistensi data karena
DBMS dapat membantu organisasi memastikan bahwa setiap kemunculan data yang
berlebihan memiliki nilai yang sama. DBMS memisahkan program dan data,
memungkinkan data berdiri sendiri. Deskripsi data yang digunakan oleh program tidak
harus ditentukan secara rinci setiap kali program yang berbeda ditulis. Akses dan
ketersediaan informasi akan ditingkatkan dan biaya pengembangan dan pemeliharaan
program berkurang karena pengguna dan pemrogram dapat melakukan kueri ad hoc basis

6
data untuk banyak aplikasi sederhana tanpa harus menulis program yang rumit. DBMS
memungkinka organisasi untuk mengelola data secara terpusat, penggunaannya, dan
keamanannya. Berbagi data di seluruh organisasi lebih mudah karena data disajikan
kepada pengguna dalam satu lokasi daripada terfragmentasi dalam banyak sistem dan file
yang berbeda.
2.2.1.2 DBMS Relasional
DBMS kontemporer menggunakan model database yang berbeda untuk melacak
entitas, atribut, dan hubungan. Jenis DBMS yang paling populer saat ini untuk PC serta
untuk komputer yang lebih besar dan mainframe adalah DBMS relasional. Database
relasional mewakili data sebagai tabel dua dimensi (disebut relasi). Tabel dapat disebut
sebagai file. Setiap tabel berisi data tentang entitas dan atributnya. Microsoft Access
adalah DBMS relasional untuk sistem desktop, sedangkan DB2, Oracle Database, dan
Microsoft SQL Server adalah DBMS relasional untuk mainframe besar dan komputer
kelas menengah. MySQL adalah DBMS open source yang populer. Database relasional
mengatur data tentang pemasok dan suku cadang (lihat Gambar 6.4). Database memiliki
tabel terpisah untuk entitas SUPPLIER dan tabel untuk entitas PART. Setiap tabel terdiri
dari grid kolom dan baris data. Setiap elemen data individu untuk setiap entitas disimpan
sebagai bidang terpisah, dan setiap bidang mewakili atribut untuk entitas tersebut. Bidang
dalam database relasional juga disebut kolom. Untuk entitas PEMASOK, nomor
identifikasi pemasok, nama, jalan, kota, negara bagian, dan kode pos disimpan sebagai
bidang terpisah dalam tabel PEMASOK dan setiap bidang mewakili atribut untuk entitas
PEMASOK. Informasi aktual tentang pemasok tunggal yang berada dalam tabel disebut
baris. Baris biasanya disebut sebagai catatan, atau dalam istilah yang sangat teknis,
sebagai tupel. Data untuk entitas PART memiliki tabel tersendiri.

7
 Bidang untuk Supplier_Number dalam tabel SUPPLIER secara unik
mengidentifikasi setiap record sehingga record dapat diambil, diperbarui, atau diurutkan.
Ini disebut bidang kunci. Setiap tabel dalam database relasional memiliki satu bidang
yang ditetapkan sebagai kunci utama. Bidang kunci ini adalah pengidentifikasi unik
untuk semua informasi. Sebuah database relasional mengatur data dalam bentuk tabel dua
dimensi. Diilustrasikan di sini adalah tabel untuk entitas SUPPLIER dan PART yang
menunjukkan bagaimana mereka mewakili setiap entitas dan atributnya.
Supplier_Number adalah kunci utama untuk tabel SUPPLIER dan kunci asing untuk tabel
PART.
Operasi DBMS Relasional
Dalam database relasional, tiga operasi dasar seperti yang ditunjukkan pada Gambar
6.5 digunakan untuk mengembangkan serangkaian data yang sangat berguna, yaitu
select, join, dan project.
a) Operasi select menampilkan suatu bagian yang berisi seluruh rekaman pada
suatu file berdasarkan kriteria yang telah ditentukan. Sebagai contoh kita
ingin menampilkan record (baris) pada table PART di mana Nomor_Suku
Cadangnya adalah 137 atau 150.
b) Operasi join mengombinasikan table-tabel yang memiliki keterkaitan untuk
menyediakan informasi yang lebih lengkap kepada pengguna ketimbang satu
table saja. Dalam contoh, kita ingin menggabungkan bagian table PART dan

8
 table SUPPLIER yang telah diringkas sementara (di mana hanya part dengan
nomor_suku cadangnya adalah 137 atau 150 saja yang akan ditampilkan) ke
dalam satu table baru.
c) Operasi project menampilkan kolom-kolom dari suatu table berdasarkan
kriteria tertentu, yang memungkinkan pengguna untuk menampilkan table
baru yang berisi informasi-informasi yang betul-betul diperlukan. Contohnya,
kita ingin mengutip dari table baru tersebut kolom-kolom tertentu sebagai
berikut: Nomor_Suku Cadang, Nama_Suku Cadang, Nomor_Pemasok,
Nama_Pemasok.

Gambar 6.5 Tiga Operasi Dasar pada DBMS Relasional

Salah satu contoh DBMS relasional yaitu industri ritel. Industri ritel sangat
bergantung pada manajemen inventaris yang akurat dan efisien untuk memastikan
kepuasan pelanggan dan meminimalkan kehabisan stok atau kelebihan stok. Basis
data relasional memainkan peran penting dalam mengelola dan mengatur sejumlah
besar data inventaris untuk bisnis ritel. Pengecer menggunakan sistem manajemen
basis data relasional (RDBMS) untuk menyimpan dan mengelola informasi produk,
kategori, pemasok, tingkat inventaris, dan transaksi penjualan. Basis data ini
membantu pengecer melacak tingkat stok di berbagai lokasi, mengelola pengisian
ulang, dan mengevaluasi kinerja produk dari waktu ke waktu. Misalnya, database
mungkin menyertakan tabel berikut:
1) Produk : ID Produk (kunci utama), nama, deskripsi, kategori, harga,
gambar, dan atribut khusus produk lainnya
2) Kategori : ID Kategori (kunci utama), nama, dan deskripsi
3) Pemasok : ID Pemasok (kunci utama), nama, alamat, dan informasi kontak

9
4) Inventaris : ID Inventaris (kunci utama), ID produk (kunci asing), ID lokasi
toko (kunci asing), tingkat stok, dan pembaruan terakhir
5) Transaksi Penjualan: ID Transaksi (kunci utama), ID pelanggan (kunci asing),
ID produk (kunci asing), kuantitas, dan tanggal
Dengan membangun hubungan antara tabel-tabel ini, pengecer dapat dengan
cepat menghasilkan laporan dan menganalisis data mengenai tingkat inventaris,
kinerja penjualan, dan kebutuhan pemesanan ulang stok. Informasi ini membantu
membuat keputusan yang tepat mengenai manajemen inventaris, mengurangi biaya,
dan memastikan kepuasan pelanggan.
Inti dari DBMS relasional adalah sistem database ini menghubungkan table atau
file yang satu dengan file lainnya, sehingga pengguna data dapat mengambil data
dari dua atau lebih file secara sekaligus. Selain DBMS relasioal, terdapat juga DBMS
yang tidak relasional, dimana DBMS ini dapat dioperasikan pada organisasi yang
memiliki data fleksibel dan untuk mempermudah pengubahan data.
Potensi DBMS:
a) Meminimalisir redundansi dan inkonsistensi data.
Dengan system data yang terpusat maka kemungkinan terjadinya redundansi
data akan lebih rendah. Walaupun perusahaan memiliki data yang redundan,
perusahaan dapat menggunakan data redundan ini untuk melihat konsistensi dari
data yang ada.
b) Mempermudah akses dan ketersediaan informasi.
Dengan kemudahan akses ini biaya pengembangan dan pemeliharaan program
pun akan berkurang karena programmer dan pengguna data dapat menggunakan
database yang ada dengan efektif.
c) DBMS memungkinkan organisasi untuk mengelola data, penggunaan, dan
keamanannya secara terpusat. Berbagi data di seluruh organisasi lebih mudah
karena data disajikan kepada pengguna layaknya dalam satu lokasi yang
terpusat.
2.2.2 Kemampuan Sistem Manajemen Database
Sebuah DBMS mencakup kemampuan dan alat untuk mengatur, mengelola,
dan mengakses data dalam database. Yang paling penting adalah bahasa definisi
data, kamus data, dan bahasa manipulasi data.
1) DBMS memiliki definisi data kemampuan untuk menentukan struktur isi
database. Ini akan digunakan untuk membuat tabel database dan untuk
10
 menentukan karakteristik bidang di setiap tabel.
2) Informasi tentang database ini akan didokumentasikan dalam kamus data.
Akamus data adalah file otomatis atau manual yang menyimpan definisi elemen
data dan karakteristiknya. Microsoft Access memiliki kemampuan kamus data
dasar yang menampilkan informasi tentang nama, deskripsi, ukuran, jenis,
format, dan properti lain dari setiap bidang dalam tabel (lihat Gambar 6.6).
Kamus data untuk database perusahaan besar dapat menangkap informasi
tambahan, seperti penggunaan, kepemilikan (siapa dalam organisasi yang
bertanggung jawab untuk memelihara data), otorisasi, keamanan, dan individu,
fungsi bisnis, program, dan laporan yang menggunakan setiap elemen data.

Microsoft Access memiliki kemampuan kamus data dasar yang

menampilkan informasi tentang ukuran, format, dan karakteristik lain dari
setiap bidang dalam database. Ditampilkan di sini adalah informasi yang
disimpan dalam tabel SUPPLIER. Ikon kunci kecil di sebelah kiri
Supplier_Number menunjukkan bahwa itu adalah bidang kunci.
3) Sebagian besar DBMS memiliki bahasa tersendiri yang disebut bahasa
manupulasi data yang digunakan untuk menambah, mengubah, menghapus, dan
mengambil data pada database. Bahasa ini mengandung perintah yang
memungkinkan pengguna dan spesialis pemrograman untuk
mengekstrak/menyaring data dari database untuk memenuhi kebutuhan
informasi. Bahasa manipulasi data yang paling mutakhir saat ini adalah
Structured Query Language atau SQL.

2.3 Prinsip Utama Dalam Penciptaan Database

11
 Prinsip kerja dari database sama dengan sebuah lemari arsip, terutama adalah
untuk pengaturan data/arsip serta untuk kemudahan dan kecepatan dalam pengambilan
kembali data/arsip. Perbedaannya hanya terletak pada media penyimpanan yang
digunakan. Jika lemari arsip menggunakan lemari besi atau kayu, maka database
menggunakan media penyimpanan elektronis seperti harddisk.
Prinsip paling utama dari sebuah pegelolaan basis data adalah bahwa setiap data
tidak boleh ada pengulangan atau data yang sama persis dengan data sebelumnya. Yang
kedua, dalam basis data harus teratur, mudah dikelola dan akhirnya sebuah basis data
yang baik mampu melindungi data yang disusun dari kecurangan yang dilakukan oleh
pemakai. Khususnya melindungi dari penyusupan oleh pihak ketiga, yang bertujuan
untuk mendapat keuntungan sendiri.
Untuk membuat database, Anda harus memahami hubungan antar data, jenis data
yang akan dipelihara dalam database, bagaimana data akan disimpan.

Diilustrasikan di sini adalah pernyataan SQL untuk kueri untuk memilih pemasok untuk
suku cadang 137 atau 150.

Diilustrasikan di sini adalah bagaimana kueri pada Gambar 6.7 akan dibangun
menggunakan alat pembuatan kueri Microsoft Access. Ini menunjukkan tabel, bidang, dan
kriteria pemilihan yang digunakan untuk kueri.
Entitas yang Dinormalisasi - Diagram Hubungan
Desain database konseptual menggambarkan bagaimana elemen data dalam
database akan dikelompokkan. Proses desain mengidentifikasi hubungan antara elemen

12
data dan cara yang paling efisien untuk mengelompokkan elemen data bersama-sama
untuk memenuhi kebutuhan informasi bisnis. Proses ini juga mengidentifikasi elemen
data yang berlebihan dan pengelompokan elemen data yang diperlukan untuk program
aplikasi tertentu. Kelompok data diatur, disempurnakan, dan disederhanakan sampai
pandangan logis keseluruhan dari hubungan di antara semua data dalam database muncul.
Dalam model bisnis tertentu di sini, pesanan dapat memiliki lebih dari satu bagian tetapi
setiap bagian disediakan hanya oleh satu pemasok. Jika kita membangun relasi yang
disebut ORDER dengan semua field yang disertakan di sini, kita harus mengulang
namanya dan alamat pemasok untuk setiap suku cadang yang dipesan, meskipun pesanan
suku cadang tersebut berasal dari satu pemasok. Hubungan ini mengandung apa yang
disebut kelompok data berulang karena bisa ada banyak bagian dalam satu pesanan ke
pemasok tertentu. Cara yang lebih efisien untuk mengatur data adalah dengan memecah
ORDER menjadi relasi yang lebih kecil, yang masing-masing menggambarkan satu
entitas. Jika kita melangkah selangkah demi selangkah dan menormalkan relasi ORDER,
kita muncul dengan relasi yang diilustrasikan pada Gambar 6.10.

Relasi yang tidak dinormalisasi berisi grup yang berulang. Misalnya, ada banyak
suku cadang dan pemasok untuk setiap pesanan. Hanya ada korespondensi satu-ke-satu
antara Order_Number dan Order_Date.

Setelah normalisasi, relasi asli ORDER telah dipecah menjadi empat relasi yang
lebih kecil. Relasi ORDER dibiarkan dengan hanya dua atribut dan relasi LINE_ITEM
memiliki kunci gabungan, atau gabungan, yang terdiri dari Order_Number dan
Part_Number.

13
 Desainer database mendokumentasikan model data mereka dengan diagram
hubungan entitas, diilustrasikan pada Gambar 6.11. Diagram ini menggambarkan
hubungan antara entitas SUPPLIER, PART, LINE_ITEM, dan ORDER. Kotak-kotak
mewakili entitas. Garis yang menghubungkan kotak mewakili hubungan. Garis yang
menghubungkan dua entitas yang diakhiri dengan dua tanda pendek menunjukkan
hubungan satu-ke-satu. Sebuah garis yang menghubungkan dua entitas yang berakhir
dengan kaki gagak di atasnya dengan tanda pendek menunjukkan hubungan satu-ke satu
banyak. Gambar 6.11 menunjukkan bahwa satu ORDER dapat berisi banyak
LINE_ITEM. (BAGIAN dapat dipesan berkali-kali dan muncul berkali-kali sebagai item
baris dalam satu pesanan.) Setiap BAGIAN hanya dapat memiliki satu PEMASOK, tetapi
banyak BAGIAN dapat disediakan oleh PEMASOK yang sama. Jika bisnis tidak
mendapatkan model datanya dengan benar, sistem tidak akan dapat melayani bisnis
dengan baik. Sistem perusahaan tidak akan seefektif mungkin karena mereka harus
bekerja dengan data yang mungkin tidak akurat, tidak lengkap, atau sulit untuk diambil.

2.4 Alat dan Teknologi Dasar Untuk Akses Informasi Dari Database Untuk
Meningkatkan Performa Bisnis
Bisnis menggunakan database untuk melacak transaksi dasar, seperti pembayaran
pemasok, memproses pesanan, melacak pelanggan, dan membayar karyawan. Tetapi
mereka juga membutuhkan database untuk menyediakan informasi yang akan membantu
perusahaan menjalankan bisnis dengan lebih efisien, dan membantu manajer dan
karyawan membuat keputusan yang lebih baik. Jika sebuah perusahaan ingin mengetahui
produk mana yang paling popular atau siapa pelanggannya yang paling menguntungkan,
jawabannya terletak pada data.
2.4.1 Tantangan Dalam Menangani Besarnya Volume Data
Data besar tidak mengacu pada jumlah tertentu, namun biasanya mengacu pada data
di kisaran petabyte dan exabyte. Dengan kata lain, miliaran hingga triliunan rekaman,
semuanya berasal dari sumber yang berbeda. Data besar diproduksi dalam jumlah jauh

14
lebih banyak dan jauh lebih cepat daripada data tradisional. Data besar menggambarkan
kumpulan data dengan volume yang sangat besar sehingga melampaui kemampuan
DBMS (Database Management System) untuk menangkap, menyimpan, dan
menganalisis. Bisnis tertarik pada data yang besar karena mereka dapat mengungkapkan
lebih banyak pola dan anomali yang menarik daripada kumpulan data yang lebih kecil,
yang berpotensi memberikan wawasan baru tentang perilaku pelanggan, pola cuaca,
aktivitas pasar keuangan, atau fenomena lainnya. Namun, untuk memperoleh nilai bisnis
dari data ini, organisasi membutuhkan teknologi dan alat baru yang mampu mengelola
dan menganalisis data non-tradisional beserta data tradisional mereka.
2.4.2 Infrastruktur Intelijen Bisnis
Pada perusahaan besar, data yang dibutuhkan mungkin terfragmentasi ke dalam
sistem-sistem yang terpisah seperti penjualan, produksi, akuntansi, atau bahkan berasal
dari sumber eksternal seperti demografis, dan data pesaing. Kebutuhan akan data yang
berkapabilitas besar memerlukan infrastruktur bisnis yang terkini dan memiliki rangkaian
perangkat untuk memperoleh informasi-informasi yang diperlukan dari berbagai jenis
data yang berbeda dalam organisasi. Kemampuan-kemampuan tersebut meliputi data
warehouse, data marts, hadoop, in-memory computing, serta platform analitis.
1) Data Warehouse dan Data Mart
Perangkat tradisional untuk menganalisis data perusahaan sampai dengan 20 tahun
yang lalu adalah data warehouse. Data warehouse adalah data yang menyimpan arus dan
data historis yang berpotensi menarik bagi pengambil keputusan di seluruh perusahaan.
Data berasal dari banyak sistem transaksi operasional inti, seperti sistem untuk penjualan,
akun pelanggan, dan manufaktur, dan termasuk data dari transaksi situs Web. Data
warehouse mengekstrak arus dan data historis dari beberapa sistem operasional di dalam
organisasi. Data ini digabungkan dengan data dari sumber eksternal dan diubah dengan
mengoreksi data yang tidak akurat dan tidak lengkap serta merestrukturisasi data untuk
pelaporan dan analisis manajemen sebelum dimuat ke dalam data gudang. Data
warehouse membuat data tersedia bagi siapa saja untuk diakses sesuai kebutuhan, tetapi
tidak dapat diubah. Sebuah sistem data warehouse juga menyediakan berbagai ad hoc
dan alat kueri standar, alat analisis, dan fasilitas pelaporan grafis.
Perusahaan sering membangun data warehouse bagi perusahaannya, yang mana sebuah
pusat data warehouse melayani seluruh divisi dan bagian dari organisasi, atau mereka
menciptakan data warehouse yang berukuran lebih kecil dan terdesentralisasi (tersebar)
yang disebut dengan data mart. Data mart adalah bagian dari data warehouse yang
15
diringkas atau dikhususkan untuk penanganan jenis-jenis data tertentu pada database
yang terpisah untuk kelompok pengguna yang telah ditentukan. Sebagai contoh, sebuah
perusahaan mungkin mengembangkan data mart bagi divisi penjualan dan pemasaran
untuk menangani informasi pelanggan.
2) Hadoop
Hadoop adalah perangkat kerja open source yang dikelola oleh Apache Software
Foundation yang memungkinkan pendistribusian proses data berkapabilitas besar secara
paralel pada komputer-komputer berbiaya murah. Ini memecahkan masalah data besar
menjadi bagian-bagian yang lebih kecil, kemudian mendistribusikannya ke ribuan titik
pemrosesan komputer, lalu mengombinasikan hasilnya menjadi rangkaian data yang lebih
kecil untuk mempermudah proses analisis. Hadoop dapat digunakan untuk menemukan
penawaran tiket penerbangan terbaik di internet, mencari alamat sebuah restoran,
melakukan pencarian pada Google, atau terhubung dengan teman di Facebook.
Hadoop terdiri atas beberapa layanan pokok yakni: Hadoop Distributed File System
(HDFS) untuk penyimpanan file data dan MapReduce untuk pemrosesan data paralel
dengan tampilan grafis tinggi. HDFS menghubungkan secara bersamaan file-file sistem
pada sejumlah titik dalam sebuah cluster Hadoop untuk kemudian diubah menjadi file
sistem tunggal berukuran besar. MapReduce buatan Hadoop terinspirasi oleh MapReduce
buatan Google dalam memecah rangkaian pemrosesan data berukuran besar dan
menyebarkan pekerjaan-pekerjaan tersebut ke berbagai titik dalam sebuah cluster. Hbase,
database non-relasional buatan Hadoop, menyediakan akses cepat ke data yang
tersimpan pada HDFS dan platform transaksional untuk mengoperasikan aplikasi-aplikasi
real-time berskala tinggi.
Hadoop beroperasi pada cluster server yang tidak mahal, serta prosesornya dapat
ditambahkan atau dikurangi sesuai kebutuhan. Perusahaan menggunakan Hadoop untuk
menganalisis data dengan volume yang sangat besar serta memfragmentasi area untuk
data yang terstruktur maupun yang tidak terstruktur sebelum disimpan ke dalam data
warehouse.
Hadoop dapat menangani jenis data apa pun dengan kapasitas besar, termasuk data
transaksi terstruktur, data dengan struktur yang agak longgar seperti masukan dari
Facebook dan Twitter, data-data yang kompleks seperti log file pada server Web, data
audio dan video yang tidak terstruktur. Hadoop beroperasi pada cluster server yang tidak
mahal, serta prosesornya dapat ditambahkan atau dikurangi sesuai kebutuhan. Perusahaan
menggunakan Hadoop untuk menganalisis data dengan volume yang sangat besar serta
16
memfragmentasi area untuk data yang terstruktur maupun yang tidak terstruktur sebelum
disimpan ke dalam data warehouse.
3) Komputasi dalam Memori
Cara lainnya untuk memfasilitasi analisis data yang besar adalah dengan
menggunakan komputasi dalam memori (in-memory computing) yang sangat
mengandalkan pada memori utama dari komputer (computer's main memory— RAM)
untuk data penyimpanan (DBMS yang konvensional menggunakan sistem penyimpanan
disk). Pada pemrosesan dalam memori akan memungkinkan bagi serangkaian data yang
sangat besar, sebesar ukuran data mart atau data warehouse yang kecil, untuk meletakkan
seluruhnya dalam memori. Penghitungan bisnis yang rumit yang biasanya memerlukan
waktu berjam-jam atau berhari-hari akan dapat diselesaikan dalam hitungan.
Produk-produk komersial terkemuka bagi komputasi dalam memori meliputi, High
Performance Analytics Appliance (HANA) dari SAP dan Oracle Exalytics. Masing-
masing menyediakan serangkaian komponen perangkat lunak yang terintegrasi, meliputi
perangkat lunak database dalam memori dan perangkat lunak analitis yang terspesialisasi,
yang menjalankan perangkat keras untuk pekerjaan komputasi dalam memori.
4) Platform Analitik
Para vendor database komersial telah mengembangkan platform analitis (analytic
platforms) berkecepatan tinggi yang terspesialisasi dengan menggunakan baik teknologi
terkait maupun yang tidak terkait yang dioptimalkan untuk menganalisis kumpulan data
yang besar. Platform analitis ini, seperti misalnya IBM Netezza dan Oracle Exadata,
menampilkan sistem perangkat keras dan perangkat lunak yang telah dikonfigurasi
sebelumnya yang secara spesifik dirancang untuk pemrosesan permintaan dan analitis.
Sebagai contoh, IBM Netezza menampilkan database yang terintegrasi secara ketat,
server, dan komponen-komponen penyimpanan yang menangani pertanyaan analitis yang
rumit 10 hingga 100 kali lebih cepat daripada sistem tradisional. Platform analitis juga
memasukkan sistem dalam memori dan NoSQL sistem manajemen database non-
relasional.
2.4.3 Perangkat Analitik: Hubungan, Pola, dan Tren
Ketika data telah direkam dan diorganisasikan dengan menggunakan teknologi
intelijen bisnis, tersedia bagi analisis lebih lanjut dengan menggunakan perangkat lunak
untuk men-query dan melaporkan database, analisis data multidimensional (online
analytical processing—OLAP), dan data mining.
1) Pemrosesan Analisis Online (OLAP)
17
 OLAP mendukung analisis data yang multidimensional sehingga memungkinkan
bagi para pengguna untuk melihat data yang sama dalam cara-cara yang berbeda dengan
menggunakan banyak dimensi. Masing- masing aspek dari informasi produk, penetapan
harga, biaya, wilayah, atau periode waktu mewakili dimensi yang berbeda. OLAP
memungkinkan bagi para pengguna untuk memperoleh jawaban-jawaban secara online
atas pertanyaan-pertanyaan khusus, misalnya hal tersebut dalam jumlah waktu yang
cukup cepat, bahkan ketika data disimpan dalam database yang sangat besar, seperti
angka penjualan selama beberapa tahun.

Gambar diatas memperlihatkan suatu model multidimensional yang dapat diciptakan

untuk mewakili produk, wilayah, penjualan aktual, dan penjualan yang diproyeksikan.
Suatu matriks mengenai penjualan secara aktual dapat ditumpuk pada bagian atas dari
matriks penjualan yang diproyeksikan untuk membentuk sebuah kubus dengan 6 sisi. Jika
memutar kubus 90 derajat satu arah, maka sisi yang ditunjukkan akan menjadi produk
versus penjualan aktual dengan penjualan yang diproyeksikan. Jika memutar kubus 90
derajat lagi, maka akan melihat wilayah versus penjualan aktual dengan penjualan yang
diproyeksikan. Jika memutar 180 derajat dari sudut pandang awal, maka akan melihat
penjualan yang diproyeksikan dan produk versus wilayah.
2) Data Mining
Data mining memberikan wawasan tentang data perusahaan yang tidak dapat
diperoleh dengan OLAP dengan menemukan pola dan hubungan tersembunyi dalam
database yang besar kemudian menarik kesimpulan dari penemuan tersebut untuk
memprediksikan perilaku pada masa yang akan datang. Pola-pola dan aturan-aturan
digunakan untuk membimbing dalam pengambilan keputusan dan meramalkan dampak
dari keputusan-keputusan tersebut. Jenis informasi yang dapat diperoleh dari data mining,

18
meliputi asosiasi, urutan, klasifikasi, cluster, dan peramalan.
 Asosiasi merupakan kejadian yang dikaitkan dengan suatu peristiwa tunggal.
Sebagai contoh, penelitian mengenai pola pembelian di supermarket akan
mengungkapkan bahwa, ketika keripik jagung dibeli, maka minuman cola akan
dibeli sebanyak 65 persen, tetapi ketika terdapat promosi, maka cola yang dibeli
meningkat menjadi 85 persen. Informasi tersebut dapat membantu manajer
membuat keputusan yang lebih baik karena mereka telah mempelajari
keuntungan dari suatu promosi.
 Dalam Urutan/In sequences, maka peristiwa-peristiwa akan dikaitkan
berdasarkan dari waktu ke waktu. Misalnya, jika sebuah rumah dibeli, terdapat
65 persen kemungkinan sebuah kulkas baru akan dibeli juga dalam dua minggu,
dan 45 persen kemungkinan sebuah oven akan dibeli dalam waktu sebulan
setelah rumah itu dibeli.
 Klasifikasi, membahas pola-pola yang menggambarkan kelompok yang mana
suatu barang yang dimiliki dengan memeriksa barang yang ada, yang telah
diklasifikasikan dan dengan menarik kesimpulan dari serangkaian aturan.
Sebagai contoh, bisnis seperti misalnya kartu kredit atau perusahaan telepon
akan khawatir kehilangan para pelanggannya yang loyal. Klasifikasi dapat
membantu untuk menemukan karakteristik dari para pelanggan yang memiliki
kecenderungan untuk berhenti dan dapat meyediakan suatu model untuk
membantu para manajer dalam memprediksikan siapakah para pelanggan
tersebut sehingga para manajer dapat merancang kampanye-kampanye khusus
untuk mempertahankan para pelanggan tersebut.
 Pengklasteran (clustering) bekerja dengan cara yang sama seperti klasifikasi
ketika belum ada grup yang dibentuk. Alat bantu data mining dapat menemukan
pengelompokan yang berbeda di dalam data, seperti menemukan daya tarik
kelompok atas kartu bank atau membagi suatu database ke dalam kelompok
pelanggan berdasarkan pada demografis dan tipe dari investasi pribadi.
 Meskipun mengaplikasikan ini melibatkan prediksi, namun permalan ini
menggunakan prediksi dengan cara yang berbeda. Dimana, aplikasi ini
menggunakan serangkaian nilai yang ada untuk meramalkan hal-hal yang akan
terjadi. Misalnya, permalan mungkin menemukan pola dalam data untuk
membantu manajer memperkirakan nilai masa depan dari suatu variabel, seperti

19
 angka penjualan.
3) Teks Mining dan Web Mining
Data yang tidak terstruktur, sebagian besar dalam bentuk file teks, diyakini
menyumbang lebih dari 80 persen informasi organisasi yang berguna dan merupakan
salah satu sumber utama data besar yang ingin dianalisis oleh perusahaan. Email, memo,
transkrip pusat panggilan, tanggapan survei, kasus, dan lain sebagainya memiliki nilai
yang penting untuk menenmukan pola dan hubungan yang dapat membantu karyawan
dalam membuat keptusan organisasi yang lebih baik. Teks Mining berperan untuk
membantu bisnis dalam menganalisis data-data tersebut. Teks Mining ini dapat
menyimpulkan elemen kunci dari kumpulan data besar yang tidak terstruktur, kemudian
menemukan pola dan hubungan hingga meringkas informasi.
Sebuah bisnis dapat beralih kepada text mining untuk menganalisis transkrip ke
panggilan pusat layanan pelanggan untuk mengidentifikasi masalah layanan dan
menyelesaikan masalah atau untuk mengukur pendapat pelanggan mengenai perusahaan
mereka. Perangkat lunak sentimen (sentiment analysis) dapat melakukan penelusuran atas
komentar teks dalam email, blog, percakapan dalam media sosial, atau bentuk survei
untuk mengetahui opini yang menyenangkan dan yang tidak menyenangkan mengenai
topik bahasan tertentu.
Web merupakan sumber utama lainnya dari data besar yang tidak terstruktur untuk
mengungkapkan pola, kecenderungan, dan wawasan dalam perilaku konsumen.
Penemuan serta analisis pola dan informasi yang bermanfaat dari World Wide Web
disebut dengan web mining (penelusuran web). Bisnis akan beralih kepada web mining
untuk membantu mereka dalam memahami perilaku konsumen, melakukan evaluasi atas
keefektifan situs web tertentu, atau kuantitas dari keberhasilan suatu kampanye
pemasaran. Misalnya, para pemasar menggunakan Google Trend dan Google Insight
untuk layanan Search, yang menelusuri popularitas dari berbagai jenis kata dan frase
yang digunakan dalam query pencari dari Google, untuk mempelajari apa yang diminati
oleh orang-orang, dan apakah mereka tertarik untuk membeli.
2.4.4 Database dan Web
Perusahaan seperti MySpace telah menciptakan bisnis baru yang sepenuhnya
memiliki akses ke database besar melalui Web. Hal ini dilakukan agar membantu setiap
pengguna tetap terhubung satu sama lain atau bertemu orang baru. Banyak perusahaan
jaman sekarang yang menggunakan website untuk memuat data-data yang ada dalam
database internal perusahaan dan hal ini terbuka bagi pelanggan ataupun mitra bisnis. Hal
20
ini dapat dilakukan dengan mengakses database perusahaan melalui website, dan hal ini
menciptakan efisiensi, peluang dan model bisnis baru. Misalnya, seorang pelanggan
dengan browser web ingin mencari database peritel secara online untuk informasi
penetapan harga, apabila harganya sesuai dengan budget pelanggan maka pelangganpun
akan membeli produk kita.

(Gambar 1. Laudon, K. C., & Laudon, J.P. (2019): database internal dari peritel
melalui website)

Gambar diatas menunjukkan database internal dari peritel melalui website. Pengguna
akan mengakses situs web peritel melalui internet dengan menggunakan perangkat lunak
browser web contohnya google pada computer, laptop maupun handphone. Perangkat
lunak browser web ini nantinya akan meminta data dari database perusahaan, dengan
menggunakan perintah HTML (Hypertext Markup Language) untuk berkomunikasi
dengan server web. Gambar tersebut juga memperlihatkan bahwa middleware akan
bekerja diantara server web dengan DBMS (Database Management System) berupa
server aplikasi yang bekerja pada komputer itu sendiri. Perangkat lunak server aplikasi
ini menangani semua operasional aplikasi, meliputi proses transaksi dan akses data
diantara komputer berbasis browser dengan aplikasi bisnis atau database back-end
perusahaan. Server aplikasi ini mengambil permintaan dari server web, lalu memproses
transaksi berdasarkan permintaan-permintaan yang ada, dan menyediakan konektivitas
kepada sistem atau database back-end organisasi. Alternatif lain untuk menangani
operasional tersebut dapat berupa suatu program khusus atau skrip CGI. Skrip CGI ini
merupakan suatu program yang ringkas dengan menggunakan spesifikasi Common
Gateway Interface (CGI) untuk pemrosesan data pada server web.

2.5 Kebijakan Informasi, Administrasi Data Dalam Pengelolaan Sumber Daya

Data

21
 Dalam mengembangkan lingkungan database, maka diperlukan kebijakan dan
prosedur dalam mengelola data organisasional perusahaan. Hal ini berkaitan dengan
penggunaan model data yang tepat dan teknologi database.
2.5.1 Membentuk Kebijakan Informasi
Kebijakan informasi formal akan mengatur distribusi, pemeliharaan dan
penggunaan informasi di dalam organisasi. Undang-Undang kebijakan informasi
menjelaskan prosedur dan akuntabilitas yang spesifik, mengidentifikasi informasi
dapat saling dibagikan oleh pengguna dan unit organisasi, di mana informasi dapat
didistribusikan, dan siapa yang bertanggung jawab untuk memperbaharui serta
memelihara informasi. Contohnya seperti kebijakan informasi umumnya menentukan
bahwa hanya para anggota terpilih dari departemen penggajian dan sumber daya
manusia yang memiliki hak untuk mengubah dan melihat data karyawan yang sensitif,
misalnya gaji karyawan atau nomor jaminan sosial, serta deparemen-departemen yang
bertanggung jawab untuk memastikan bahwa data karyawan tersebut akurat.
Dalam korporasi besar, pengelolaan dan perencanan informasi sebagai sumber
daya perusahaan membutuhkan fungsi administrasi data formal. Administrasi data
bertanggung jawab atas kebijakan informasi dan prosedur yang mengatur data sebagai
sumber daya organisasi. Tanggung jawab tersebut meliputi pengembangan kebijakan
informasi, perencanaan data, pengawasan rancangan database dan pengembangan
kamus data serta pemantauan terhadap spesialis sistem informasi dan kelompok
pengguna akhir dalam menggunakan data. Organisasi yang besar juga memiliki
rancangan database dan kelompok manajemen di dalam divisi sistem informasi
perusahaan yang bertanggung jawab untuk mendefinisikan dan mengatur struktur dan
isi database, serta memelihara database tersebut. Dengan bekerja sama secara erat
dengan para pengguna, kelompok perancangan menciptakan database fisik, relasi
logis antara elemennya, dan aturan akses serta prosedur keamanan. Fungsi-fungsi
yang dilakukannya disebut dengan administrasi database (database administrasion).
2.5.2 Memastikan Kualitas Data
Database dan kebijakan informasi yang dirancang dengan baik akan berlanjut
pada jaminan bahwa perusahaan akan memiliki informasi yang diperlukannya.
Namun, langkah-langkah tambahan harus diambil untuk memastikan bahwa data
dalam database perusahaan akurat dan tetap dapat diandalkan. Data yang tidak akurat,
lengkap ataupun tidak konsisten akan mengakibatkan permasalahan operasional serta
permasalahan finansial bagi perusahaan. Data yang tidak lengkap ini akan
22
mengakibatkan ketidakakuratan dalam penetapan harga, akun pelanggan dan data
persediaan serta mengarah kepada pengambilan keputusan yang tidak tepat oleh
pemangku kepentingan. Perusahaan dapat mengambil langkah-langkah khusus untuk
memastikan bahwa data perusahaannya memiliki tingkat kualitas data yang tinggi
dengan menggunakan standar tertentu pada seluruh bagian perusahaan, lalu
menggunakan database khusus yang dirancang untuk meminimalkan
ketidakkonsistenan dan adanya data berlebih serta melakukan audit kualitas data.
Permasalahan dari kualitas data disebabkan oleh data ganda dan tidak konsisten
yang dihasilkan oleh banyaknya sistem yang dimasukkan ke dalam data warehouse.
Contohnya, sistem pemesanan penjualan dan sistem manajemen persediaan keduanya
akan mempertahankan data mengenai produk-produk perusahaan. Namun, sistem
pemesanan penjualan menggunakan istilah Nomor Barang dan sistem persediaan
menyebut atribut yang sama dengan istilah Nomor Produk. Sistem penjualan,
persediaan, atau manufaktur dari seorang pengecer pakaian akan mrnggunakan kode-
kode yang berbeda untuk mewakili nilai bagi suatu atribut. Salah satu sistem akan
mempresentasikan ukuran pakaian dengan “ekstra besar”, sedangkan sistem lainnya
akan menggunakan kode “XL” untuk barang yang sama, hal tersebut menyebabkan
adanya data ganda dari pencatatan produk yang dilakukan oleh perusahaan. Selama
proses perancangan database warehouse, data menggambarkan entitas, seperti
pelanggan, produk, atau pesanan, harus diberi nama dan didefinisikan secara konsisten
untuk seluruh area bisnis yang menggunakan database.
Jika database dirancang dengan tepat dan standar data keseluruhan perusahaan
ditentukan dengan baik, maka elemen data yang mengalami duplikasi atau tidak
konsisten akan diminimalkan. Sebagian besar permasalahan kualitas data, seperti salah
mengeja nama, nomor terbalik, atau kode yang tidak benar atau hilang, bersumber dari
kesalahan ketika memasukkan data. Kesalahan tersebut akan meningkat seiring
dengan perusahaan memindahkan kegiatan bisnisnya ke web dan memungkinkan
pelanggan dan pemasok untuk memasukkan data ke dalam situs web mereka yang
secara langsung memperbaharui sistem internal.
Sebelum database baru dipergunakan, maka perusahaan perlu mengidentifikasi
dan memperbaiki data yang salah dan menciptakan program-program yang lebih baik
untuk mengedit data ketika database tersebut mulai dioperasionalkan. Kualitas data
dari sebuah database harus terus diperhatikan karena kualitas data akan menunjukkan
seberapa baik sebuah data dalam menyalurkan informasi. Analisis kualitas data
23
merupakan survei terstruktur atas keakuratan dan tingkat kelengkapan data dalam
suatu sistem informasi. Audit kualitas data dapat diselenggarakan dengan melakukan
survei keseluruh file data, melakukan survei sampel file data ataupun mensurvei
pengguna data atas persepsi mereka mengenai kualitas data.
Pembersihan data (data cleaning) juga dikenal dengan data scrubbing, terdiri
atas kegiatan mendeteksi dan mengkoreksi data dalam database yang tidak benar,
tidak lengkap, tidak diformat dengan tepat atau berlebihan. Pembersihan data bukan
hanya mengkoreksi kesalahan, tetapi juga menekankan konsistensi diantara
serangkaian data yang berbeda yang berasal dari sistem informasi yang terpisah.
Perangkat lunak pembersihan data yang khusus tersedia untuk mensurvei file data
secara otomatis, memperbaiki kesalahan dalam data, dan mengintegrasi data dalam
format yang konsisten bagi semua bagian dari perusahaan.
Permasalahan kualitas data bukan hanya berupa permasalahan dalam bisnis
sementara namun juga menimbulkan permasalahan yang serius bagi individual,
mempengaruhi kondisi keuangan mereka dan bahkan pekerjaan mereka. Contohnya
yaitu data yang tidak akurat mengenai riwayat kredit dari nasabah yang dikelola oleh
lembaga kredit dapat mencegah para individual yang layak diberikan kredit dari
memperoleh pinjaman atau menurunkan peluang mereka di dalam menemukan atau
mempertahankan suatu pekerjaan.

24
 BAB III
PENUTUP

3.1 Kesimpulan
Sistem informasi yang efektif menyediakan pengguna informasi yang akurat,
tepat waktu, dan relevan. Berdasarkan pembahasan materi diatas, dapat disimpulkan
beberapa hal mengenai dasar intelegensi bisnis dalam database dan manajemen informasi
perusahaan, diantaranya sebagai berikut:
1) Masalah-masalah yang ada dalam mengelola sumber daya data adalah redundansi
dan inkonsisten data, ketergantungan program data, tidak fleksibel, buruknya
keamanan data, dan ketidakmampuan berbagi data diantara aplikasi- aplikasi.
2) Penerapan DBMS (Database Management System) dapat menjadi solusi dari
masalah yang timbul dalam manajemen data melalui sistem file tradisional.
Kemampuan utama dari DBMS adalah definition capability, dictionary capability
dan data manipulating language. DBMS relasional adalah sistem primer dalam
mengelola sistem informasi karena kefleksibelan dan kemudahan aksesnya.
3) Prinsip utama dari penciptaan database adalah bagaimana cara memecahkan
masalah dari sistem manajemen file tradisional berupa data yang redundan dan
inkonsisten, kurangnya fleksibilitas dan aksesibilitas serta masalah keamanan
data.
4) Suatu bisnis tertarik pada data yang besar karena mereka dapat mengungkapkan
lebih banyak pola dan anomali yang menarik daripada kumpulan data yang lebih
kecil. untuk memperoleh nilai bisnis dari data ini, organisasi membutuhkan
teknologi dan alat baru yang mampu mengelola dan menganalisis data non-
tradisional beserta data perusahaan tradisional mereka, yaitu salah satunya adalah
Data warehouse & data marts, Hadoop, in memory computing, dan analytical
platform. Kemudian, ketika data telah direkam dan diorganisasikan dengan
menggunakan teknologi intelijen bisnis atau salah satu alat diatas maka dilakukan
analisis lebih lanjut dengan menggunakan perangkat lunak untuk men-query dan
melaporkan database, analisis data multidimensional (online analytical
processing—OLAP), dan data mining. Database dan website akan membantu
setiap pengguna tetap terhubung satu sama lain ataupun bertemu orang baru
sehingga hal ini akan menciptakan efisiensi, peluang dan model bisnis baru.

25
 5) Kebijakan informasi formal akan mengatur pemeliharaan, distribusi, dan
penggunaan informasi dalam organisasi. Data yang tidak akurat, tidak lengkap,
atau tidak konsisten akan menciptakan permasalahan operasional yang serius dan
permasalahan finansial bagi pebisnis, maka daripada itu perusahaan dapat
mengambil langkah-langkah khusus untuk memastikan bahwa data perusahaannya
memiliki tingkat kualitas data yang tinggi dengan menggunakan standar tertentu
pada seluruh bagian di perusahaan, lalu menggunakan database yang khusus
dirancang untuk meminimalkan ketidakkonsistenan dan data berlebihan, serta
melakukan audit kualitas data, dan menggunakan perangkat lunak untuk
membersihkan data.

3.2 Saran
Setelah membaca makalah ini, penulis berharap pembaca dapat menambah
pengetahuan mengenai desain studi kelayakan. Makalah ini diharapkan menjadi sarana
awal untuk membuka pengetahuan pembaca mengenai desain bisnis yang layak untuk
dijalankan. Walaupun demikian, penulis menyadari bahwa makalah ini masih memiliki
banyak kekurangan sehingga penulis selalu mengharapkan masukan dari pembaca agar
kedepannya makalah ini menjadi semakin baik.

26
 DAFTAR PUSTAKA

Laudon, Kenneth C & Laudon, Jane P. 2014. Sistem Informasi Manajemen Mengelola
Perusahaan Digital Edisi 13. Jakarta: Penerbit Salemba Empat.
Laudon, Kenneth C. & Laudon, Jane P. 2020. Management Information System,
Sixteenth Edition. Inc. 221 River Street, Hoboken. Pearson Education.

26