MAKALAH

DASAR-DASAR INTELEJEN BISNIS: DATABASE DAN MANAJEMEN

INFORMASI

Disusun oleh :
Alvin Agustino (C1C022008)
Ikhsan Eka Putra (C1C022081)

Dosen Pengampu:
Dr. Irwansyah, SE, M.Si., Ak., CA., CfrA

PROGRAM STUDI S1 AKUNTANSI

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS BENGKULU 2024
 KATA PENGANTAR

Puji syukur kami ucapkan kepada Tuhan Yang Maha Esa atas rahmat-Nya sehingga
kami dapat menyelesaikan makalah Dasar-Dasar Intelejen Bisnis: Database dan Manajemen
informasi ini tepat pada waktunya. Kami juga ingin menyampaikan terima kasih kepada
semua pihak yang telah memberikan kontribusi, baik berupa ide maupun dukungan materi
sehingga makalah ini dapat terselesaikan.
Kami selaku penyusun berharap agar makalah ini dapat memberikan pengetahuan dan
pengalaman yang bermanfaat bagi para pembaca. Bahkan, kami berharap bahwa isi makalah
ini dapat diimplementasikan dalam kehidupan sehari-hari pembaca.
Sebagai penyusun, kami sadar bahwa makalah ini mungkin masih memiliki
kekurangan karena keterbatasan pengetahuan dan pengalaman kami. Oleh karena itu, kami
sangat menghargai setiap kritik dan saran yang membangun

Bengkulu, 25 Februari 2024

Penyusun
 DAFTAR ISI
KATA PENGANTAR...............................................................................................................2
BAB I.........................................................................................................................................4
PENDAHULUAN.....................................................................................................................4
A. Latar Belakang..............................................................................................................4
B. Rumusan Masalah.........................................................................................................4
C. Tujuan Makalah............................................................................................................4
BAB II.......................................................................................................................................5
PEMBAHASAN.......................................................................................................................5
A. Mengorganisasikan Data Dalam Lingkungan File Tradisional................................5
1. Istilah Dan Konsep Dalam Pengorganisasian File......................................................5
2. Masalah-Masalah Dalam Lingkungan Data Tradisional.............................................5
B. Pendekatan Database Untuk Pengelolaan Data.........................................................6
1. Sistem Manajemen Database.......................................................................................6
2. Kapabilitas Sistem Manajemen Database...................................................................8
3. Merancang Database...................................................................................................8
C. Memanfaatkan Database Untuk Meningkatkan Kinerja Bisnis Dan Pengambilan
Keputusan.............................................................................................................................9
1. Tantangan Dalam Menangani Besarnya Volume Data................................................9
2. Infrastruktur Intelijen Bisnis........................................................................................9
3. Perangkat Analitis: Hubungan, Pola, Tren................................................................10
4. Database dan Web......................................................................................................12
D. Mengelola Sumber Data................................................................................................12
1. Menetapkan Kebijakan Informasi.............................................................................12
2. Memastikan Kualitas Data........................................................................................13
BAB III....................................................................................................................................14
PENUTUP...............................................................................................................................14
A. Kesimpulan..................................................................................................................14
B. Saran.............................................................................................................................14
DAFTAR PUSTAKA..........................................................................................................15
PERTANYYAN DAN JAWABAN.........................................................................................16
 BAB I
PENDAHULUAN
A. Latar Belakang
Sering kali kita mendengar istilah intelijen bisnis atau lebih terkenal dengan
Bussiness Intelligence (BI). Istilah intelijen bisnis pertama kali digunakan oleh Hans
Peter. seorang peneliti di IBM, dalam sebuah artikel pada tahun 1958. Bisnis intelijen
merupakan evolusi dari sistem pendukung keputusan Decision Support Systems
(DSS) yang dimulai pada tahun 1960 dan dikembangkan pada tahun 1980-an. DSS
berasal dari model dibantu komputer dibuat untuk membantu pengambilan keputusan
atau Executive Information Systems (EIS) dan perencanaan. Dari DSS, Data
Warehouse, Sistem Informasi Eksekutif (EIS), OLAP dan akhirnya menjadi intelijen
bisnis. Suatu metamorfosa yang hebat.
Pada tahun 1989, Howard Dresner, seorang analis Gartner Group,
mengusulkan agar istilah intelijen bisnis dipakai untuk menggambarkan konsep dan
metode untuk meningkatkan pengambilan keputusan bisnis dengan menggunakan
sistem pendukung berbasis fakta. Pada akhir tahun 1990, Bussiness Intelligence
menjadi berkembang demikian pesat.
Seringkali aplikasi Bussiness Intelligence menggunakan data yang
dikumpulkan dari data warehouse atau data mart. Sebuah gudang data adalah salinan
dari data transaksional yang memfasilitasi dukungan keputusan. Namun, tidak semua
gudang data yang digunakan untuk intelijen bisnis, juga tidak semua aplikasi bisnis
intelijen memerlukan data warehouse.
Sekarang istilah Bussiness Intelligence bisa didefinisikan menjadi seperangkat
metodologi, proses, arsitektur, dan teknologi yang mengubah data mentah menjadi
informasi yang bermakna dan berguna digunakan untuk memungkinkan wawasan
strategis yang lebih efektif, taktis, dan operasional dan pengambilan keputusan.
Apabila menggunakan definisi ini, intelijen bisnis juga mencakup teknologi seperti
integrasi data, kualitas data, data pergudangan, magister manajemen data, teks dan
analisis konten, dan banyak orang lain yang pasar kadang-kadang benjolan ke segmen
manajemen informasi.
B. Rumusan Masalah
1. Jelaskan pengorganisasian data dalam lingkungan file tradisional?
2. Jelaskan pendekatan database untuk pengelolaan data?
3. Jelaskan pemanfaatan database untuk meningkatkan kinerja bisnis dan
pengambilan keputusan?
4. Jelaskan pengelolaan sumber data?
C. Tujuan Makalah
1. Untuk mengetahui apa pengorganisasian data dalam lingkungan file
tradisional.
2. Untuk mengetahui apa pendekatan database untuk pengelolaan data.
3. Untuk mengetahui apa pemanfaatan database untuk meningkatkan kinerja
bisnis dan pengambilan keputusan.
4. Untuk mengetahui bagaimana mengelola sumber daya.
 BAB II
PEMBAHASAN

A. Mengorganisasikan Data Dalam Lingkungan File Tradisional

Sistem informasi yang efektif memberikan informasi yang akurat, tepat waktu,
dan relevan. Itu sebabnya pengelolaan data sangat penting, karena informasi yang
akurat bebas dari kesalahan, Informasi tepat waktu bila tersedia bagi pengambil
keputusan bila dibutuhkan, Informasi itu relevan bila berguna dan sesuai untuk jenis
pekerjaan dan keputusan yang memerlukannya.
1. Istilah Dan Konsep Dalam Pengorganisasian File
Sistem komputer mengorganisasi data berdasarkan suatu hierarki yang dimulai
dari bit kemudian byte, kemudian berlanjut ke field, record, file, dan database. Satu
bit (bit) mewakili unit data terkecil yang dapat ditangani oleh komputer. Sekelompok
bit disebut. byte, yang mewakili satu buah karakter tunggal, yang dapat berupa huruf,
angka, ataupun simbol lainnya. Sekelompok karakter yang membentuk kata, beberapa
kata ataupun serial angka (seperti nama ataupun usia seseorang) disebut field.
Sekelompok field yang saling berhubungan dinamakan record (seperti nama siswa,
mata pelajaran yang diambil, tanggal, serta tingkat nilai), sekumpulan record dengan
jenis yang sama dinamakan file. Suatu record menggambarkan suatu entitas. Sebuah
entitas (entity) dapat berupa orang. tempat, barang, ataupun peristiwa yang dapat kita
simpan dan kelola sebagai informasi. Setiap karakteristik atau penggambaran kualitas
suatu entitas kusus disebut atribut (attribute). Sebagai contoh, nomor induk siswa,
mata pelajaran, tanggal, dan nilai adalah atribut dari entitas MATA PELAJARAN
2. Masalah-Masalah Dalam Lingkungan Data Tradisional
a. Redudansi dan Inkonsistensi Data
Redudansi data (data redudancy) adalah kehadiran data ganda pada
beberapa file data yang tersimpan di beberapa tempat atau lokasi. Redudansi
data terjadi ketika kelompok-kelompok yang berbeda pada sebuah organisasi
secara independent mengumpulkan data yang sama dan menyimpannya
masing-masing. Data redudansi menghabiskan tempat penyimpanan dat, dan
menyebabkan terjadinya inkonsistensi data (data inconsistency), dimana
atribut-atribut yang sama, memilki nilai-nilai yang berbeda.
b. Ketergantungan Program Data
Ketergantungan program-data (program-data dependence) mengacu
pada satu paket data yang tersimpan pada file dan di perlukan oleh program-
program tertentu untuk memperbaharui dan mengelola file-file tertentu
sehingga program tersebut perlu mengubah data-data tersebut. Setiap program
komputer tradisional harus menjelaskan lokasi dan sifat data yang bekerja
padanya. Di dalam lingkup file tradisional, setiap perubahan pada program
perangkat lunak, mensyaratkan perubahan terhadap data yang di akses oleh
program tersebut. Sebuah program mungkin dimodifikasi dari 5 digit menjadi
9 digit untuk kode enskripsi.
 c. Kurangnya Fleksibilitas
Sistem file tradisional dapat mengirimkan laporan rutin sesuai jadwal
setelah upaya pemrograman yang ekstensif, namun tidak dapat mengirimkan
laporan-laporan ad-hoc (hanya diperlukan pada situasi kusus saja) atau
merespon kebutuhan informasi yang tidak dapat diantisipasi pada kondisi
waktu tertentu. Informasi-informasi tersebut diperlukan oleh permintaan-
permintaan ad-hoc (hanya diperlukan pada situasi kusus saja) disuatu tempat
pada sistem tersebut, tetapi terlalu mahal untuk disediakan. Beberapa
pemrograman mungkin harus bekerja beberapa minggu untuk mengumpulkan
data-data yang diperlukanke dalam sebuah file baru.
d. Sistem Keamanan yang Buruk
Karena longgarnya pengendalian atau pengelolaan terhadap data, akses
dan penyebaran informasi menjadi tidak terkendali. Manajemen mungkin
tidak memiliki cara untuk mengetahui siapa yang mengakses ataupun
mengubah data organisasi.
e. Kurangnya Ketersediaan dan Pendistribusian Data
Karena bagiaan-bagian informasi yang terdapat pada file-file yang
berbeda dan bagian-bagian organisasi tidak dapat dihubungkan satu sama lain.
Jelas adalah tidak mungkin untuk mendistribusikan dan mengakses informasi
pada waktu bersamaan. Informasi tidak dapat mengalir dengan baik lintas area
fungsional, pada bagian dan divisi-divisi pada organisasi. Jika pengguna tahu
nilai yang ditemukan pada bagian informasi yang sama saling berbeda, mereka
mungkin tidak akan mau menggunakan sistem tersebut karena mereka tidak
dapat mempercayai akurasi datanya.
B. Pendekatan Database Untuk Pengelolaan Data
Teknologi database banyak menyelesaikan masalah-masalah pada organisasi
yang menggunakan sistem file tradisional. Defenisi yang lebih jelas mengenai
database adalah sekumpulan data yang diorganisasikan untuk melayani berbagai
aplikasi secara efisien dengan memusatkan data dan mengurangi penggandaan data.
Database tunggal yang melayani banyak aplikasi.
1. Sistem Manajemen Database
Sistem manajemen database (database management system-DBMS) adalah
perangkat lunak yang memungkinkan suatu organisasi memusatkan data, mengelola
mereka secara efesien, dan menyediakan akses terhadap data yang disimpan oleh
program aplikasi. DBMS bertindak sebagai antarmuka antara program aplikasi dan
file data secara fisik. Ketika program aplikasi meminta suatu item data, seperti gaji
bruto, DBMS akan menemukan item data tersebut pada database dan
menampilkannya lewat program aplikasi. DBMS meringankan pekerjaan
pemrograman dan penggunaan dengan cara memahami dimana dan bagaimana suatu
data disimpan dengan memberikan tampilan terpisah pada data fisik dan data logis
(contoh: logical drive). Tampilan data logis (logical view) menampilkan data sesuai
apa yang diharapkan dibayangkan oleh pengguna akhir ataupun spesialis bisnis,
dimana tampilan data fisik (physical view) menampilkan bagaimana sesungguhnya
suatu data diorganisasikan dan distrukturisasi pada media penyimpanan fisik.
Perangkat lunak DBMS memungkinkan database fisik dapat diakses secara logis oleh
pengguna akhir.
a. DBMS Menyelesaikan Masalah-Masalah pada Lingkungan File
Tradisional
DBMS mengurangi redudansi (ganda) dan inskonsistensi data dengan
meminimalisasi file-file yang terisolasi yang berisi data sama. Mungkin
DBMS tidak dapat menghilangkan redudansi data secara keseluruhan pada
suatu organisasi, namun mereka dapat meminimalkannya. Meskipun suatu
organisasi memiliki data ganda, namun dengan menggunakan DBMS,
inkonsistensi data tersebut dapat dihilangkan. karena data-data ganda
memiliki nilai yang sarna. DBMS memisahkan antara program dengan
data, yang memungkinkan data untuk berdiri sendiri. Akses dan
ketersediaan informasi akan meningkatkan serta biaya pengembangan dan
pemeliharaan program akan menurun karena pengguna dan pemrograman
dapat melakukan pekerjaan- pekerjaan khusus sesuai permintaan pada
database tersebut.
b. DBMS Relasional
DBMS terkini menggunakan model-model yang berbeda untuk
memantau entitas, atribut, dan hubungan. Jenis DBMS yang paling populer
bagi PC ataupun mainframe saat ini adalah DBMS relasional (relational
DBMS). DBMS relasional menampilkan data menjadi tabel dua dimensi
(yang disebut relasi). Tabel dapat juga dianggap sebagai file
c. Operasi DBMS Relasional
Tabel database relasional dapat dikombinasikan dengan mudah untuk
mengirim data yang diperlukan pengguna, yang disediakan oleh dua tabel
yang saling berbagi elemen data. Dalam database relasional, tiga operasi
dasar seperti yang ditunjukkan digunakan untuk mengembangkan
serangkaian data yang sangat berguna, yaitu: select, join, dan project.
Opersi select menampilkan suatu bagian yang berisi seluruh rekaman pada
suatu file berdasarkan kriteria yang ditentukan. Opersi join
mengombinasikan tabel-tabel yang memiliki keterkaitan untuk
menyediakan informasi yang lebih lengkap kepada pengguna ketimbang
satu tabel saja. Opersi project menampilkan kolom-kolom dari suatu tabel
berdasarkan kriteria tertentu, yang memungkinkan pengguna untuk
menampilkan tabel baru yang berisi informasi-informasi yang betul-betul
diperlukan.
d. Databse Non-Relasional dan Database pada Sistem Cloud Computing
Sistem manajemen database non-relasional (non-relational database
management system) menggunakan model data yang lebih fleksibel dan
dirancang untuk mengelola data berukuran besar yang didistribusikan pada
banyak perangkat serta mempermudah dalam meningkatkan atau atau
menurunkan skalabilitas. Mereka sangat berguna untuk menangani
permintaan-permintaan data sederhana pada data terstruktur maupun yang
tidak memiliki volume besar. Seperti web, media sosial, grafis, dan
bentuk-bentuk data lainnya yang sulit dianalisis menggunakan perangkat
tradisional berbasis SOL.
 Ada beberapa jenis database noSQL, masing-masing memilki fiktur
teknis dan perlakuan yang berbeda. Database Oracle noSQL salah satu
contoh diantaranya adalah simpleDB buatan amazon, salah satu layanan
web yang beroperasi pada sistem cloud computing. SimpleDB
menyediakan layanan web dengan tampilan yang mudah. dipahami untuk
menciptakan dan menyimpan rangkaian data, menganalisis data dengan
mudah, dan mengembalikan hasilnya. Tidak perlu mendefenisikan terlebih
dahulu kedalam database struktur formal atau mengubah defenisi apabila
ada data baru yang masuk.
Sistem private cloud computing mengonsolidasikan server, tempat
penyimpanan, sistem operasi, database, serta beban pekerjaan ke dalam
perangkat keras dan perangkat lunak yang terdistribusi. Dengan
mendestribusikan database pada sistem private cloud computing yang
terkonsolidasi memungkinkan departemen TI untuk meningkatkan kualitas
pelayanan serta mengurangi beban modal dan biaya operasi. Semakin
tinggi tingkat kepadatan konsolidasi yang dicapai, semakin pengembalian
atas investasi yang diterima.
2. Kapabilitas Sistem Manajemen Database
Suatu DBMS selalu menyertakan perangkat untuk mengorganisasikan,
mengelola, dan mengaksesdata pada database. Dan hal yang lebih penting adalah
bahasa untuk mendefenisikan data, kamus data, dan bahasa untuk
memanipulasi/memodifikasi data. DBMS memiliki kapabilitas defenisi data (data
defenition) untuk menpesifikasikan struktur konten database. Defenisi data digunakan
untuk membuat tabel database dan untuk mendefenisikan karakteristik field pada
setiap tabel. Informasi tentang databse ini akan didokumentasikan dalam kamus data.
Kamus data (data dictionary) adalah file manual ataupun otomatis yang menyimpan
defenisi-defenisi elemen data berikut karakteristik mereka. Microsoft access memiliki
kemampuan kamus data yang belum sempurna, yang menampilkan informasi setiap
nama, deskripsi, ukuran, tipe, format, dan properti lainnya pada tiap field pada setiap
tabel. Kamus data pada database perusahaan besar dapat menangkap informasi
tambahan seperti penggunaan, kepemilikan (siapa diorganisasi tersebut bertanggung
jawab untuk mengelola data), otorisasi, keamanan, dan individual, fungsi-fungsi
bisnis, program, sertalaporan yang menggunakan masing-masing elemen data.
 Meminta Data dan Melaporkan
DBMS menyertakan perangkat untuk mengakses dan memanipulasi
informasi pada database. Sebagian besar DBMS memilki bahasa tersendiri
yang disebut bahasa manipulasi data (data manipulation language) yang
digunakan untuk menambah, mengubah, menghapus, dan mengambil data
pada database. Bahasa ini mengandung perintah yang memungkinkan
pengguna dan spesialis pemrograman untuk mengestrak/menyaring data dari
database untuk memenuhi kebutuhan informasi dan mengembangkan aplikasi.
Bahasa manipulasi data yang paling mutakhir saat ini adalah Structured Query
Language atau SQL.
3. Merancang Database
Untuk merancang database, kita harus memahami hubungan antardata, jenis
data yang dikelola pada database, bagaimana data tersebut akan digunakan, serta
bagaimana organisasi perlu diubah untuk mengelola data dari perspektif lengkap
seluruh perusahaan. Database memerlukan rancangan konsep maupun fisik.
Rancangan konseptual atau logis dari suatu database adalah model abstrak database
dari perspektif organisasi bisnis, dimana rancangan fisik menunjukkan bagaimana
database dirancang lewat akses langsung perangkat penyimpanan.
C. Memanfaatkan Database Untuk Meningkatkan Kinerja Bisnis Dan
Pengambilan Keputusan
Organisasi bisnis menggunakan database mereka untuk memantau transaksi
dasar, seperti membayar pemasok, memproses pesanan, memantau pelanggan, serta
mengaji karyawan. Akan tetapi, mereka juga membutuhkan database untuk
menyediakan informasi guna menjalankan bisnisnya dengan lebih efisien, serta
membantu manajer dan karyawan membuat keputusan yang lebih baik.
1. Tantangan Dalam Menangani Besarnya Volume Data
Sampai dengan 5 tahun yang lalu, sebagian data dikumpulkan oleh organisasi
yang terdiri atas data transaksi yang dapat ditempatkan dengan mudah ke dalam
kolom dan baris pada DBMS relasional. Sejak saat itu, ada lonjakan data dari lalu-
lintas web, pesan surel, dan konten media sosial (tweets, status pesan), demikian juga
dari data yang dihasilkan dari mesin seperti sensor (yang digunakan pada smar mater,
sensor pabrik, dan meteran elektrik) atau dari sistem transaksi elektronis. Data-data
ini mungkin tidak memiliki struktur atau sedikit terstruktur dan juga tidak sesuai
dengan produk DBMS relasional yang mengorganisasikan data kedalam bentuk
kolom dan baris. Sekarang kita menggunakan istilah data besar (big data) untuk
menggambarkan rangkaian data dengan volume sangat besar yang melampaui
kemampuan DBMS dalam mengelola, menyimpan, dan menganalisis data tersebut.
2. Infrastruktur Intelijen Bisnis
Jika anda bekerja di perusahaan besar, data yang anda butuhkan mungkin
terfragmentasi ke dalam sistem-sistem yang terpisah seperti penjualan, produksi, dan
akuntansi, atau bahkan berasal dari sumber eksternal seperti demografis dan
datapesaing. Semakin anda membutuhkan data berkapasitas besar. Insfrastruktur dari
intelijen bisnis terkini memiliki rangkaian perangkat untuk memperoleh informasi-
informasi yang diperlukan dari berbagai jenis data yang berbeda pada organisasi
bisnis masa kini, termasuk data berkapasitas besar yang semi-terstruktur maupun
tidak terstruktur. Kemampuan ini meliputi data warchouses, data marts, Hadoop, in-
memory computing, serta platfrom analitis.
a. Data Warehouse dan Data Mart
Data warchouse adalah data yang menyimpan data historis dan data
terkini yang berpengaruh bagi kepentingan pengambil keputusan diseluruh
perusahaan. Data tersebut bagi banyak sistem operasional transaksi-
transaksi penting, seperti sistem penjualan, data pelanggan, manufaktur,
termasuk data dari transaksi web. Data warehouse menghasilkan data
historis dan data terkini dari berbagai sistem operasi pada organisasi. Data
ini dikombinasikan dengan data sumber eksternal, serta mengoreksi data
 yang tidak akurat dan kurang lengkap, sekaligus memperbaiki susunan
data bagi kepentingan pelaporan dan analisis data bagi pihak manajemen
sebelum dimasukkan kedalam data warehouse.
Data warehouse menjamin ketersediaan data bagi siapa pun untuk
diakses saat dibutuhkan, namun tidak dapat diubah. Sistem data warehouse
juga menyediakan rangkaian perangkat untuk mencari keterangan baik
secara khusus maupun secara terstandadisasi, beserta pelaporan dengan
fasilitas tampilan grafis. Data mart adalah bagian dari data warehouse yang
diringkas atau dikhususkan untuk penanganan jenis- jenis data tertentu
pada database yang terpisah untuk kelompok pengguna yang telah
ditentukan.
b. Hadoop
Untuk menangani data yang berkapasitas besar yang semi-terstruktur
ataupun tidak sama sekali, perusahaan menggunakan Hadoop. Hadoop
adalah kerangka kerja open- source yang dikelola oleh Apache Software
Foundation yang memungkinkan pendistribuan proses data berkapasitas
besar secara paralel pada komputer-komputer berbiaya terjangkau. Hadoop
memecah masalah data besar tersebut menjadi bagian- bagian yang lebih
kecil, kemudian mendistribusikannya ke ribuan titik pemrosesan komputer
yang berbiaya terjangkau, lalu mengombinasikan hasilnya menjadi
rangkaian data yang lebih kecil untuk mempermudah proses analisis.
Hadoop juga menangani jenis data apapun 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.
c. 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). Para pengguna
akan mengakses data yang disimpan dalam memory sistem utama, dengan
demikian dapat menghilangkan kemacetan dari mengambil dan membaca
data dalam suatu database tradisonal, berdasarkan pada disk dan secara
dramatis akan mempersingkat waktu tunggu atas permintaan. Pada
pemrosesan dalam memori akan memungkinkan bagi srangkaian data yang
sangat besar, sebesar ukuran data mart atau data warehouse yang kecil,
untuk meletakkan seluruhnya dalam memori.
d. Platform Analitis
Para vendor database komersial telah mengembangkan platfrom
analitis (analytic platfroms) berkecepatan tinggi yang terspesialisasi
dengan menggunakan baik teknologi terkait maupun yang tidak terkait
yang dioptimalkan untuk menganalisis kumpulan data yang besar.
Flatfrom analitis ini, seperti misalnya IBM netezza dan Oracle Exadata,
 menampilkan sistem perangkat keras, perangkat lunak yang telah di
konfigurasi sebelumnya, yang secara spesifik dirancang untuk pemrosesan
permintaan dan analitis.
3. Perangkat Analitis: Hubungan, Pola, Tren
a. Pemrosesan Analitis Online (OLAP)
Pemrosesan analitis online (online analytical processing OLAP).
OLAP mendukung analis data yang multidimensional, yang
memungkinkan bagi para pengguna untuk melihat data yang sama dalam
cara-cara yang berbeda dengan mwnggunakan banyak dimensi. Masing-
masing aspek dari informasi produk, penetapan harga, biaya, wilayah, atau
periode waktu mewakili dimensi yang berbeda. Sehingga, seorang manajer
produk akan menggunakan alat bantu analisis data multidimensional untuk
mempelajari berapa banyak cincin penutup yang terjual di wilayah Timur
pada Juni, bagaimana angka tersebut dibandingkan dengan bulan lalu dan
bulan Juni sebelumnya, serta bagaimana bila dibandingkan dengan
peramalan penjualan. 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.
b. Data Mining
Data mining lebih terdorong pada penemuan. Data mining memberikan
wawasan pada korporat, data yang tidak dapat di peroleh dengan OLAP
dengan menemukan pola -pola yang tersembunyi serta hubungan dalam
database yang besar dan aturan menarik kesimpulan dari mereka untuk
memprediksi perilaku pada masa yang akan datang. Pola-pola dan aturan-
aturan yang digunakan untuk membimbing dalam pengambilan keputusan
dan peramalan dampak keputusan-keputusan tersebut. Tipe dari informasi
yang dapat diperoleh dari data mining, meliputi:
1. Asosiasi, merupakan kejadian yang dikaitkan dengan suatu
peristiwa tunggal.
2. Dalam sekuen, maka peristiwa -peristiwa akan dikaitkan dengan
berdasarkan waktu.
3. Klasifikasi membahas pola pola yang mengambarkan kelompok
yang mana suatu barang yang dimiliki dengan memeriksa barang
yang ada, yang telah diklasifikasikan dan dengan menarik
kesimpulan dari serangkaian aturan.
4. Pengklasteran (clustering) bekerja dengan cara yang sama seperti
klasifikasi ketika tidak ada kelompok yang masih belum
didefenisikan. Alat bantu data mining dapat menemukan
pengelompokan yang berbeda di dalam data, seperti misalnya
menemukan daya tarik kelompok atas kartu bank atau membagi
suatu database ke dalam kelompok -kelompok dari para pelanggan
yang didasarkan pada demografis dan tipe dari investasi pribadi.
5. Meskipun penerapan-penerapan tersebut melobatkan prediksi,
tetapi peramalan menggunakan prediksi dalam cara yang berbeda.
 Peramalan menggunakan serangkaian nilai yang ada untuk
meramalkan berapa besar dari nilai lainnya.

c. Teks Mining dan Web Mining

Surel, memo, transkip pusat panggilan, tanggapan -tanggapan atau
survei, kasus legl, deskripsi paten, dan laporan layanan yang semuanya
bernilai untuk menemukan pola dan kecenderungan yang akan membantu
para karyawan dalam mengambil keputusan bisnis yang lebih baik.
Perangkat text mining (penelusuran teks) sekarang tersedia untuk
membantu bisnis dalam menganalisis data tersebut. Alat-alat bantu ini
dapat mengekstrakkan elemen-elemen kunci dari rangkaian data yang besar
yang tidak terstruktur, menemukan pola dan hubungan, dan meringkas
informasi.
Bisnis dapat beralih kepada text mining untuk menganalisis transkip
dari panggilan kepada pusat layanan pelanggan untuk mengidentifikasi
layangan utama dan menyelesaikan masalah atau untuk mengukur pendapat
pelanggan mengenai perusahaan mereka. Perangkat lunak analisis sentimen
(sentiment analysis) dapat melakukan penelusuran atas komentar teks
dalam pesan surel, blog, percakapan dalam media sosial, atau bentuk survei
untuk mendeteksi opini yang menyenangkan dan yang tidak menyenangkan
mengenai topik bahasan tertentu.
4. Database dan Web
Saat ini, banyak perusahaan yang menggunakan web untuk membuat
beberapa. informasi dalam database internal mereka disediakan bagi pelanggan dan
rekan bisnis. Karena banyak database back-end tidak dapat menerjemahkan perintah
tertulis dalam HTML, mereka server web mengirimkan permintaan data ini kepada
perangkat lunak yang menerjemahkan perintah HTML menjadi SQL sehingga
perintah dapat diproses dengan DBMS yang bekerja sama dengan database tersebut.
Dalam lingkungan. klien/server, DBMS disimpan pada komputer khusus yang disebut
server database (database server). DBMS menerima permintaan SQL. dan
menyediakan data yang diperlukan. Middleware akan memindahkan informasi dari
database internal organisasi kembali kepada server web untuk dikirimkan dalam
bentuk laman web kepada penggunanya.
Terdapat sejumlah keuntungan dengan menggunakan web untuk mengakses
database intetnal organisasi. Pertama, perangkat lunak browser web jauh lebih mudah
untuk digunakan daripada perangkat query yang dimiliki. Kedua, tampilan web
membutuhkan sedikit perubahan atau tidak sama sekali terhadap database internal.
Dibutuhkan biaya yang lebih rendah untuk menambah antar muka web didepan sistem
yang diwariskan daripada merancang kembali dan membangun kembali sistem untuk
meningkatkan akses pengguna. Mengakses database korporat melalui web
menciptakan efisiensi, peluang, dan model bisnis yang baru.
D. Mengelola Sumber Data
1. Menetapkan Kebijakan Informasi
Setiap bisnis, skala besarmaupun kecil, memerlukan kebijakan informasi.
Kebijakan informasi (information policy) menentukan aturan organisasi dalam hal
pembagian, penyebaran, perolehan, standardisasi, klasifikasi, dan penyimpanan
informasi. Undang- undang kebijakan informasi menjelaskan prosedur dan
akuntabilitas yang spesifik, mengidentifikasi informasi dapat saling dibagikan
oleh pengguna dan unit organisasi, dimana informasi dapat didistribusikan, dan
siapa yang bertanggung jawab untuk memperbaharui dan memelihara
informasinya. Dalam organisasi berskala besar, pengelolaan dan perencanaan
informasi sebagai sumber daya perusahaan membutuhkan fungsi administrasi data
formal.
Administrasi data (dataadministtration) bertanggung jawab atas kebijakan dan
prosedur yang mengatur data sebagai sumber daya organisasi. Tanggung jawab
tersebut meliputi pengembangan kebijakan informasi, perencanaan data,
pengawasan rancangan database logis, dan pengembangankamus data, serta
pemantauan terhadap spesialis sistem informasi dan kelompok pengguna akhir
dalam menggunakan data. Organisasi yang besar juga memiliki rancangan
database dan kelompok manajemen didalam divisi sistem informasi perusahaan
yang bertanggung jawab untuk mendefinisikan dan mengatur struktur dan isi
database, serta memelihara database tersebut.

2. Memastikan Kualitas Data

Database dan kebijakan informasi yang dirancang dengan baik akan berlanjut
pada jaminan bahwa perusahaan akan memiliki informasi yang diperlukan.
Namun, langkah- langkah tambahan harus diambil untuk memastikan bahwa data
dalam database perusahaan akurat dan tetap dapat diandalkan.
Sebelum database baru dipergunakan, maka organisasi perlu mengidentifikasi
dan memperbaiki data yang salah dan menciptakan program-program yang lebih
baik untuk mengedit data ketika database tersebut mulai dioperasionalkan.
Analisis kualitas data sering dimulai dengan audit kualitas data (data quality
audit), yang merupakan survei terstruktur atas keakuratan dan tingkat kelengkapan
dari data dalam suatu sistem informasi. Audit kualitas data dapat diselenggarakan
dengan melakukan survei keseluruhan file data, menyurvei pengguna data atas
persepsi mereka mengenai kualitas data.
Pembersih data (data cleansing), juga dikenal sebagai data scrubbing, terdiri
atas kegiatan mendeteksi dan mengoreksi data dalam database yang tidak benar,
tidak lengkap, tidak diformat dengan tepat, atau berlebihan. Pembersihan data
bukan hanya mengoreksi kesalahan, tetapi juga menekankan konsistensi diantara
serangkaian data yang berbeda. yang berasal dari sistem informasi yang terpisah.
Peringkat lunak pembersihan data yang khusus tersedia untuk menyurvei file data
secara otomatis, memperbaiki kesalahan dalam data, dan mengintegrasikan data
dalam format yang konsisten bagi semua bagian dari perusahaan. Permasalahan
kualitas data bukan hanya merupakankan permasalahan dalam bisnis semata.
Mereka juga menimbulkan permasalahan yang serius bagi individual,
memengaruhi kondisi keuangan mereka, dan bahkan pekerjaan mereka.
 BAB III
PENUTUP

A. Kesimpulan
Teknik manajemen file tradisional menyulitkan bagi organisasi untuk
menelusuri seluruh bagian data yang mereka gunakan dengan cara sistematis dan
untuk mengatur data- data tersebut sehingga dapat lebih mudah untuk diakses.
Area dan kelompok fungsional yang berbeda dimungkinkan untuk
mengembangkan file mereka sendiri dengan bebas. Kapabilitas utama DBMS
meliputi kemampuan untuk mendefinisikan data, kemampuan kamus data, dan
bahasa manipulasi data. Kapabilitas mendefinisikan data menentukan struktur dan
konten dari database. Kamus data merupakan file otomatis atau manual yang
menyimpan informasi mengenai data dalam database, termasuk nama, defenisi,
format, dan penjelasan dari elemen data.
Database relasional adalah metode utama untuk mengorganisasikan dan
memelihara data dalam sistem informasi karena sangat fleksibel dan dapat
diakses. Database relasional menyusun data kedalam tabel dua dimensi dengan
baris dan kolom yang disebut relasi. Merancang database membutuhkan
rancangan logis dan rancangan fisik. Model rancangan logis database dari sudut
pandang bisnis. Teknologi manajemen dan kontemporer memiliki berbagai alat
untuk memperoleh informasi yang bermanfaat dari seluruh jenis data berbeda
yang digunakan oleh bisnis saat ini, meliputi data besar semi-terstrukturdan tidak
terstruktur dalam kuantitas sangat banyak.
B. Saran
Penulis menyadari bahwa dalam penulisan makalah ini masih jauh dari kata.
kesempurnaan dan terdapat banyak kekurangan. Oleh karena itu penulis
mengharapkan kritik dan dasar yang membangun agar pembuatan makalah
selanjutnya lebih baik dan semoga makalah ini dapat bermanfaat bagi pembaca
dan penulis khususnya.
 DAFTAR PUSTAKA

Laudon, Kenneth C; Jane P. Laudon 2005. Sistem Informasi Manajemen: Mengelola

Perusahaan Digital Penerbit Andi: Yogyakarta
 PERTANYAAN DAN JAWABAN
1. Apa perbedaan antara data, informasi, dan pengetahuan dalam konteks
intelejen bisnis?
Jawaban :
1. Data:
- Data adalah kumpulan fakta mentah atau detail yang belum memiliki konteks atau
makna tertentu.
- Data sering kali bersifat terstruktur atau tidak terstruktur dan dapat berupa angka,
teks, gambar, suara, atau bentuk lainnya.
- Contoh data dalam intelejen bisnis bisa berupa catatan transaksi penjualan, entri
inventaris, atau informasi demografis pelanggan.

2. Informasi:
- Informasi adalah hasil dari pengolahan data menjadi bentuk yang bermakna dan
berguna.
- Informasi memberikan pemahaman tentang suatu situasi atau fenomena dengan
memberikan konteks dan relevansi.
- Informasi biasanya disajikan dalam bentuk yang terstruktur, ringkas, dan mudah
dimengerti.
- Contoh informasi dalam intelejen bisnis termasuk laporan penjualan bulanan,
grafik tren pendapatan, atau analisis segmentasi pelanggan.

3. Pengetahuan:
- Pengetahuan melampaui tingkat informasi dengan menambahkan interpretasi,
pemahaman, dan konteks yang lebih dalam.
- Pengetahuan melibatkan pemahaman pola, tren, dan hubungan antara berbagai
informasi atau data.
- Pengetahuan membantu dalam mengambil keputusan yang lebih baik dengan
memanfaatkan wawasan yang mendalam tentang situasi atau masalah.
 - Contoh pengetahuan dalam intelejen bisnis termasuk pemahaman tentang
preferensi pelanggan, analisis pasar yang mendalam, atau strategi pemasaran yang
didasarkan pada tren industri.

2. Mengapa penting untuk memiliki basis data yang efisien dalam sistem intelejen
bisnis?
Jawaban :
1. Pengumpulan Data yang Tepat dan Lengkap: Basis data yang efisien
memungkinkan pengumpulan data yang tepat dan lengkap dari berbagai sumber yang
berbeda. Ini termasuk data internal dari sistem perusahaan, data eksternal dari pasar
dan pesaing, serta data dari sumber lain seperti media sosial atau survei pelanggan.
Dengan data yang komprehensif, analisis dapat dilakukan dengan lebih baik untuk
mendapatkan wawasan yang lebih mendalam.

2. Pemrosesan yang Cepat dan Efisien: Basis data yang efisien memungkinkan
pemrosesan data yang cepat dan efisien. Hal ini memungkinkan organisasi untuk
melakukan analisis real-time atau near real-time, yang sangat penting dalam situasi di
mana keputusan cepat diperlukan.

3. Pemeliharaan dan Manajemen Data yang Efektif: Basis data yang efisien
menyederhanakan pemeliharaan dan manajemen data. Ini termasuk aspek-aspek
seperti penyimpanan data, pengindeksan, pemulihan data, dan keamanan data.
Dengan sistem yang efisien, organisasi dapat mengelola volume besar data dengan
lebih baik dan menghindari kesalahan atau kehilangan data yang mungkin terjadi.

3. Jelaskan peran utama basis data dalam mengumpulkan, menyimpan, dan mengelola
informasi untuk keperluan analisis bisnis.
Jawaban :
1. Mengumpulkan Informasi: Basis data merupakan tempat di mana informasi dari
berbagai sumber dikumpulkan. Ini termasuk data internal dari sistem perusahaan
seperti transaksi penjualan, inventaris, data keuangan, dan data operasional lainnya.
Selain itu, basis data juga dapat mengumpulkan data eksternal dari sumber seperti
data pasar, data pesaing, data media sosial, dan lain-lain. Dengan mengumpulkan
informasi dari berbagai sumber ini, basis data membentuk kumpulan data yang
lengkap dan bervariasi yang menjadi dasar untuk analisis bisnis.

2. Menyimpan Informasi: Basis data berfungsi sebagai tempat penyimpanan yang

aman dan terstruktur untuk informasi. Data yang dikumpulkan dari berbagai sumber
disimpan dalam basis data sesuai dengan format yang ditentukan dan menggunakan
skema yang didefinisikan sebelumnya. Ini memastikan bahwa data tersimpan dengan
baik dan dapat diakses dengan mudah untuk analisis lebih lanjut.

3. Mengelola Informasi: Basis data juga bertanggung jawab untuk mengelola

informasi dengan efisien. Ini mencakup berbagai tugas seperti pengindeksan data,
manajemen ruang penyimpanan, pemulihan data, pemantauan kinerja, dan
 administrasi database. Dengan mengelola informasi dengan baik, basis data
memastikan bahwa data tersedia ketika diperlukan, memiliki integritas yang tinggi,
dan dapat diakses dengan cepat.

4. Apa itu data warehouse dan bagaimana peranannya dalam konteks intelejen bisnis?
Jawaban :
Data warehouse adalah sebuah sistem penyimpanan data yang dirancang khusus untuk
menganalisis dan merangkum informasi bisnis dari berbagai sumber data yang
berbeda dalam satu lokasi terpusat. Peran utama data warehouse dalam konteks
intelejen bisnis adalah sebagai berikut:

1. Integrasi Data: Data warehouse mengintegrasikan data dari berbagai sumber,

termasuk sistem operasional perusahaan, data eksternal, dan data lainnya yang terkait
dengan operasi bisnis. Dengan mengintegrasikan data ini ke dalam satu tempat
terpusat, data warehouse memungkinkan organisasi untuk memiliki pandangan yang
holistik dan terpadu tentang bisnis mereka.

2. Penyimpanan Data Historis: Data warehouse menyimpan data historis dalam

jangka waktu yang panjang. Ini memungkinkan organisasi untuk melacak dan
menganalisis tren jangka panjang, pola, dan perilaku yang berkaitan dengan bisnis
mereka. Penyimpanan data historis ini sangat penting untuk analisis retrospektif,
prediksi masa depan, dan perencanaan strategis.

3. Pemrosesan Analitis: Data warehouse dirancang untuk mendukung pemrosesan

analitis yang kompleks. Ini mencakup berbagai jenis analisis seperti analisis OLAP
(Online Analytical Processing), analisis data mining, analisis statistik, dan lain-lain.
Dengan kemampuan ini, data warehouse memungkinkan para analis bisnis untuk
mengeksplorasi data dengan lebih mendalam dan mendapatkan wawasan yang
berharga untuk pengambilan keputusan.

5. Apa arti dari ETL (Extract, Transform, Load) dalam konteks manajemen informasi
dan bagaimana hal itu berkaitan dengan intelejen bisnis?
ETL (Extract, Transform, Load) adalah proses yang digunakan dalam manajemen
informasi untuk mengambil data dari satu atau beberapa sumber,
mentransformasikannya ke dalam format yang sesuai, dan memuatnya ke dalam
sistem atau penyimpanan data yang dituju. Dalam konteks intelejen bisnis, ETL
memiliki peran yang sangat penting. Berikut adalah penjelasan lebih rinci tentang arti
dan relevansi ETL dalam konteks manajemen informasi dan intelejen bisnis:
Dalam konteks intelejen bisnis, proses ETL sangat penting karena memungkinkan
organisasi untuk mengintegrasikan, membersihkan, dan mempersiapkan data untuk
analisis yang lebih lanjut. Dengan menggunakan ETL, organisasi dapat menciptakan
data yang konsisten, terstruktur, dan berkualitas tinggi dalam data warehouse mereka,
yang kemudian dapat digunakan untuk menghasilkan wawasan yang berharga melalui
berbagai analisis bisnis seperti analisis OLAP, data mining, dan laporan bisnis.
Dengan demikian, ETL menjadi langkah awal yang krusial dalam siklus intelejen
bisnis yang efektif.