Kelas : B2
Dosen Pengampu: I Nyoman Nurcaya, S.E., M.M.
Oleh:
Kelompok 1
PROGRAM STUDI
SARJANA AKUNTANSI
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS UDAYANA
2024
PEMBAHASAN
penjualan aktual, dan proyeksi penjualan. Ini terdiri dari kubus dengan enam sisi, yang dapat
berputar 90 derajat untuk menampilkan produk versus penjualan aktual dan proyeksi, wilayah vs
penjualan nyata dan proyeksikan, dan penjualan proyeksi dan produk vs wilayah. Perusahaan
dapat menggunakan database multidimensional khusus atau alat untuk membuat tampilan multi-
dimensional data dalam database relasional.
Data Mining
Pertanyaan database tradisional menjawab pertanyaan dasar seperti, berapa banyak unit
nomor produk 403 yang dikirim pada Februari 2013?, sedangkan OLAP (analisis multi-dimensi)
memungkinkan untuk permintaan yang lebih kompleks seperti, bandingkan penjualan produk
403 relatif terhadap rencana per kuartal dan wilayah penjualan selama dua tahun terakhir. Data
mining, pendekatan yang didorong oleh penemuan, memberikan wawasan tentang data
perusahaan yang tidak dapat diperoleh dengan OLAP. Ini menemukan pola dan hubungan
tersembunyi di database besar, menyimpulkan aturan untuk memprediksi perilaku di masa
depan. Informasi ini membimbing pengambilan keputusan dan memprediksi dampak dari
keputusan. Data mining dapat menyediakan asosiasi, urutan, klasifikasi, cluster, dan prediksi.
Asosiasi adalah kejadian yang terkait dengan satu peristiwa. Misalnya, sebuah studi tentang
pola pembelian supermarket mungkin mengungkapkan bahwa, ketika keripik jagung dibeli,
minuman cola dibeli 65 persen dari waktu, tetapi ketika ada promosi, cola dibeli 85 persen dari
waktu. Informasi ini membantu manajer membuat keputusan yang lebih baik karena mereka
telah mempelajari profitabilitas promosi. Urutan (sequences) adalah peristiwa yang terkait dari
waktu ke waktu, seperti beli rumah maka menyebabkan kulkas baru dibeli dalam waktu dua
minggu. Klasifikasi mengidentifikasi pola yang menggambarkan kelompok yang menjadi bagian
dari item dengan memeriksa item yang ada dan menyimpulkan aturan. Misalnya, kartu kredit
atau perusahaan telepon dapat memprediksi karakteristik pelanggan untuk membuat kampanye
khusus untuk mempertahankannya. Clustering bekerja mirip dengan klasifikasi, tetapi tidak ada
kelompok yang didefinisikan. Alat penambangan data (data mining tool) dapat menemukan
kelompok yang berbeda dalam data, seperti kelompok afinitas untuk kartu bank atau
memisahkan database menjadi kelompok pelanggan berdasarkan demografi dan investasi.
Peramalan menggunakan serangkaian nilai yang ada untuk memprediksi nilai di masa depan.
Misalnya, peramalan mungkin menemukan pola dalam data untuk membantu manajer
memperkirakan nilai masa depan dari variabel berkelanjutan, seperti angka penjualan.
Sistem penambangan data menganalisis pola dan tren dalam berbagai fungsi bisnis,
pemerintah, dan pekerjaan ilmiah. Caesars Entertainment, perusahaan game terbesar di dunia,
menggunakan data mining untuk membangun profil perjudian terperinci berdasarkan nilai
pelanggan yang berkelanjutan. Informasi ini membantu perusahaan memahami preferensi
pelanggan, seperti pengalaman perjudian dan akomodasi kamar, dan membantu menarik
pelanggan yang menguntungkan. Dengan menganalisis data pelanggan, Caesars dapat membuat
keputusan informatif tentang menumbuhkan pelanggan yang menguntungkan, mendorong
pengeluaran, dan menarik pelanggan potensial yang menghasilkan tinggi. Business intelligence
telah secara signifikan meningkatkan keuntungan Caesars, menjadikannya bagian tengah dari
strategi bisnis perusahaan.
sehingga perintah dapat diproses oleh DBMS yang bekerja dengan database. DBMS berada pada
komputer khusus yang disebut server database. DBMS menerima permintaan SQL dan
memberikan data yang dibutuhkan. Middleware kemudian mentransfer informasi dari database
internal kembali ke server web untuk pengiriman dalam bentuk halaman web kepada pengguna.
Gambar 6.14 menunjukkan bahwa Middleware antara Web Server dan Database
Management System (DBMS) adalah server aplikasi yang berjalan pada komputer khusus. Server
ini menangani semua operasi aplikasi, termasuk pemrosesan transaksi dan akses data, antara
komputer berbasis browser dan aplikasi bisnis atau database bisnis back-end perusahaan. Server
aplikasi mengambil permintaan dari server Web, menjalankan logika bisnis untuk memproses
transaksi, dan menyediakan konektivitas ke sistem back-end organisasi atau database. Sebagai
alternatif, perangkat lunak dapat menjadi program kustom atau skrip CGI. Skrip CGI adalah
program ringkas yang menggunakan spesifikasi Common Gateway Interface (CGI) untuk
memproses data di server Web.
Keuntungan menggunakan Web untuk mengakses database internal organisasi seperti lebih
mudah digunakan daripada alat kueri milik sendiri dan membutuhkan sedikit atau tidak ada
perubahan pada database internal. Biaya lebih murah untuk menambahkan antarmuka Web ke
sistem lama daripada untuk merancang ulang dan membangun kembali. Mengakses database
perusahaan melalui Web telah menciptakan efisiensi, peluang, dan model bisnis baru. Contohnya
adalah ThomasNet.com, Facebook, dan database sektor publik yang memungkinkan web, yang
membantu konsumen dan warga mengakses informasi yang berguna.
1.5 Kebijakan Informasi, Administrasi Data Dalam Pengelolaan Sumber Daya Data
Setiap bisnis membutuhkan kebijakan informasi yang komprehensif untuk
mengelola dengan baik data perusahaan, memastikan keamanan, kualitas dan kepatuhan
terhadap regulasi. Kebijakan ini tidak hanya menetapkan aturan tentang
pengorganisasian, pemeliharaan, dan akses data tetapi juga mengatur prosedur
perlindungan yang ketat. Di bisnis kecil, kebijakan ini mungkin ditetapkan oleh pemilik
atau manajer sementara di organisasi besar fungsi administrasi data memiliki peran
khusus dalam merencanakan dan mengawasi implementasi kebijakan ini. IBM
memperjuangkan prinsip tata kelola data sebagai pendekatan terbaik untuk mengelola
data secara efektif dengan memperhatikan aspek ketersediaan, integritas, dan keamanan.
Ini penting karena kesalahan dalam pengelolaan data bisa memiliki konsekuensi serius,
seperti ketidakakuratan informasi yang mengarah pada keputusan yang salah atau
pelanggaran regulasi. Selain itu, kelompok desain dan manajemen basis data di
perusahaan bertanggung jawab atas infrastruktur teknis dan keamanan basis data serta
berinteraksi dengan pengguna untuk memastikan bahwa kebutuhan bisnis terpenuhi
secara optimal. Dengan menjaga kebijakan informasi yang kuat dan tata kelola data yang
efektif, bisnis dapat meminimalkan risiko dan memanfaatkan data mereka sebagai
sumber daya strategis yang bernilai.
Data yang tidak akurat, lengkap, atau konsisten dapat menjadi sumber masalah
operasional yang serius dan berpotensi menyebabkan dampak finansial yang merugikan
bagi bisnis. Meskipun keberadaan sebuah basis data dan kebijakan informasi yang
dirancang dengan baik dapat memberikan dasar yang kokoh untuk memastikan
ketersediaan informasi yang diperlukan, serangkaian langkah tambahan tetap diperlukan
untuk memastikan bahwa data dalam basis data organisasi tetap akurat dan dapat
diandalkan. Kesalahan dalam data seperti kesalahan ejaan nama, ketidaktepatan nomor,
atau ketidaksesuaian kode, sering kali berasal dari proses input yang kurang tepat. Solusi
untuk mengatasi masalah ini meliputi audit kualitas data, kegiatan pembersihan data, dan
penggunaan perangkat lunak khusus yang dirancang untuk membantu memperbaiki
ketidakakuratan. Penting untuk diingat bahwa ketidakakuratan data bukan hanya
merupakan masalah bagi kinerja bisnis, tetapi juga dapat berdampak pada individu
dengan mengganggu kondisi keuangan dan bahkan stabilitas pekerjaan mereka.
DAFTAR PUSTAKA
Kenneth C. Laudon; Jane P. Laudon. 2014. Management Information System, Edisi 13.
Turban, E., R. Kelly, R., & Richard, E.P. (2005). Introduction to information technology
(3rd edition). John Wiley & Sons, United States.