SISTEM INFORMASI MANAJEMEN

“Dasar Intelegensi Bisnis : Database dan Manajemen Informasi”

Kelas : B2
Dosen Pengampu: I Nyoman Nurcaya, S.E., M.M.

Oleh:
Kelompok 1

Gede Galan Dhira Mahesana 2107531096

Octaviany Tantri 2107531142
Desak Nila Ulandari 2107531202
I Gusti Ayu Dianita Martha Kamalini 2107531257

PROGRAM STUDI
SARJANA AKUNTANSI
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS UDAYANA
 2024
PEMBAHASAN

1.1 Permasalahan Dalam Mengelola Sumber Daya Data

Sistem komputer mengorganisasi data ke dalam sebuah hierarki yang dimulai

dengan bit dan byte, menuju field, record dan basis data. Sebuah bit mewakili unit
terkecil dari data yang dapat disimpan dalam komputer. Sekumpulan bit disebut byte,
mewakili sebuah karakter tunggal. Pengelompokan karakter menjadi sebuah kata,
kumpulan kata, atau bilangan lengkap dinamakan field. Sekumpulan field yang saling
berhubungan berkumpul menjadi sebuah record. Sekumpulan record yang jenisnya sama
dinamakan file. Sekelompok file yang berhubungan membentuk basis data. Sebuah
record menggambarkan sebuah entitas. Entitas adalah orang, tempat, hal, atau kejadian
yang informasinya disimpan dan dipelihara. Setiap karakter atau kualitas yang
menggambarkan entitas khusus disebut atribut.
 Masalah dengan lingkungan file tradisional
Pada kebanyakan organisasi file data dan sistem cenderung bertumbuh secara mandiri
tanpa rencana menyeluruh untuk perusahaan. Setiap aplikasi tentu saja membutuhkan file
dan program komputernya sendiri untuk dapat bekerja. Masalah- masalah yang ada
adalah redundansi dan inkonsisten data, ketergantungan program data, tidak fleksibel,
buruknya keamanan data, dan ketidakmampuan berbagi data diantara aplikasi-aplikasi.
 Redundansi dan inkonsistensi data
Redundansi data adalah duplikasi data dalam beberapa file data sehingga data yang sama
di simpan di dalam lebih dari 1 lokasi. Redundansi data terjadi ketika kelompok yang
berbeda dalam organisasi mendapatkan data yang sama secara independen dan
menyimpannya secara independen juga. Redundansi data menghabiskan tempat
penyimpanan data dan juga menimbulkan inkonsisten data, dalam arti atribut yang sama
mungkin mempunyai nilai berbeda.
 Ketergantungan program data
 Mengacu pada pasangan data yang tersimpan dalam file dan program tertentu yang
dibutuhkan untuk memperbarui memelihara file tersebut sehingga perubahan dalam
programnya membutuhkan perubahan dalam datanya.
 Kurangnya fleksibelita
Sistem file tradisional dapat mengirim laporan terjadwal rutin setelah dilakukan
pemrograman yang ekstensif, tapi tidak dapat mengirim laporan khusus atau merespon
kebutuhan informasi yang tidak diantisipasi secara tepat waktu.
 Keamanan yang buruk
Karena kendala terhadap data dan pengelolaannya kurang, akses kepada dan penyebaran
dari informasi mungkin tidak dapat dilakukan.
 Kekurangan dalam pembagian dan ketersediaan data
Karena potongan-potongan informasi di dalam bagian yang berbada dari organiasasi
tidak dapat dihubungkan satu dengan yang lainnya, maka mustahil informasi tersebut
dapat dibagikan atau akses secara tepat.

1.2 Potensi dan Kekuatan DBMS Khususnya DBMS Relasional

Pemanfaatan teknologi database mengatasi banyak kendala yang dihadapi dalam
manajemen data menggunakan file tradisional. Database dapat didefinisikan sebagai
koleksi data yang terstruktur dengan baik untuk penggunaan yang efisien, dengan
mengkonsolidasikan dan mengontrol data secara efektif. Sebagai alternatif dari
menyimpan data dalam file terpisah untuk setiap departemen, pengguna data dapat
mengaksesnya dari satu lokasi yang terpusat. Sebagai contoh, daripada menyimpan data
karyawan dalam berbagai sistem dan file yang terpisah untuk berbagai fungsi seperti
personalia, penggajian, dan tunjangan, perusahaan dapat menggabungkannya dalam satu
database sumber daya manusia.
Data Base Management System adalah perangkat lunak (software) yang
memungkinkan sebuah organisasi untuk memusatkann dan mengatur data serta
memberikan akses pengguna untuk menyimpan dan mengambil data dari
database.Tanggung jawab DBMS mencakup informasi dalam database, proses yang
diterapkan ke database (seperti akses dan modifikasi), dan struktur database.
 Saat ini, Sistem Manajemen Basis Data (DBMS) menggunakan model basis data
yang berbeda untuk melacak entitas, atribut, dan hubungan. Jenis DBMS yang paling
populer saat ini untuk PC maupun komputer besar dan mainframe adalah DBMS
relasional. Basis data relasional menggambarkan data sebagai tabel dua dimensi (yang
disebut relasi). Tabel-tabel ini juga dapat disebut sebagai file. Setiap tabel berisi data
tentang sebuah entitas dan atribut-atributnya. Tabel terdiri dari baris dan kolom di mana
kolom tersebut memiliki entri untuk data dan kategori tertentu, sedangkan baris berisi
contoh untuk data yang ditentukan menurut kategori. Structured Query Language (SQL)
adalah standar program user dan aplikasi dari DBMS relasional. Inti dari DBMS
relasional adalah system data base ini menghubungkan table atau file yang satu dengan
file lainnya, sehingga pengguna data dapat mengambil data dari dua atau lebih file secara
sekaligus.
Sebuah DBMS mengurangi redundansi dan inkonsistensi data dengan
meminimalkan file-file terisolasi di mana data yang sama diulang-ulang. Meskipun
DBMS mungkin tidak memungkinkan organisasi untuk menghilangkan redundansi data
secara keseluruhan, namun ia dapat membantu mengendalikan redundansi tersebut.
Meskipun organisasi tetap mempertahankan beberapa data yang redundan, menggunakan
DBMS akan menghilangkan inkonsistensi data karena DBMS dapat membantu organisasi
memastikan bahwa setiap kejadian data redundan memiliki nilai yang sama. DBMS
memisahkan program-program dan data, memungkinkan data berdiri sendiri. Akses dan
ketersediaan informasi akan meningkat dan biaya pengembangan dan pemeliharaan
program akan berkurang karena pengguna dan programmer dapat melakukan kueri data
secara ad hoc dalam database. DBMS memungkinkan organisasi untuk mengelola data,
penggunaannya, dan keamanannya secara terpusat.
Adapun Potensi dari DBMS ini adalah :
1. 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.
2. 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.
3. 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.

1.3 Prinsip Utama dalam Penciptaan Database

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.
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. DBMS mempunyai kemampuan definisi data untuk menentukan struktur isi
database. Ini akan digunakan untuk membuat tabel database dan untuk menentukan
karakteristik bidang di setiap tabel. Informasi tentang database ini akan didokumentasikan
dalam kamus data. Kamus 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.
A. Kueri dan Pelaporan
DBMS mencakup alat untuk mengakses dan memanipulasi informasi dalam database.
Kebanyakan DBMS mempunyai bahasa khusus yang disebut bahasa manipulasi data
yang digunakan untuk menambah, mengubah, menghapus, dan mengambil data dalam
database. Bahasa ini berisi perintah yang memungkinkan pengguna akhir dan spesialis
pemrograman mengekstrak data dari database untuk memenuhi permintaan informasi dan
mengembangkan aplikasi. Bahasa manipulasi data yang paling menonjol saat ini adalah
Structured Query Language, atau SQL. Gambar 6.7 mengilustrasikan query SQL yang
akan menghasilkan tabel resultan baru pada Gambar 6.5. Anda dapat mengetahui lebih
lanjut tentang cara melakukan kueri SQL di Jalur Pembelajaran kami untuk bab ini.
Pengguna DBMS untuk komputer besar dan menengah, seperti DB2, Oracle, atau
SQL Server, akan menggunakan SQL untuk mengambil informasi yang mereka perlukan
dari database. Microsoft Access juga menggunakan SQL, namun menyediakan
seperangkat alat yang mudah digunakan untuk menanyakan database dan untuk mengatur
data dari database menjadi laporan yang lebih sempurna.
Di Microsoft Access, akan menemukan fitur yang memungkinkan pengguna membuat
kueri dengan mengidentifikasi tabel dan bidang yang mereka inginkan serta hasilnya, lalu
memilih baris dari database yang memenuhi kriteria tertentu. Tindakan ini pada
gilirannya diterjemahkan ke dalam perintah SQL. Gambar 6.8 mengilustrasikan
bagaimana kueri yang sama seperti kueri SQL untuk memilih suku cadang dan pemasok
akan dibuat menggunakan alat pembuat kueri Microsoft.
 (Gambar 6.6 Fitur Kamus data Akses)

Microsoft Access memiliki kemampuan kamus data dasar yang menampilkan

informasi tentang ukuran, format, dan karakteristik lain dari setiap bidang dalam
database. Yang ditampilkan di sini adalah informasi yang disimpan dalam tabel
SUPPLIER. Ikon kunci kecil di sebelah kiri Supplier_Number menunjukkan bahwa ini
adalah kolom kunci.

(Gambar 6.7 Contoh SQL Query)

Microsoft Access dan DBMS lainnya menyertakan kemampuan untuk pembuatan

laporan sehingga data yang diinginkan dapat ditampilkan dalam format yang lebih
terstruktur dan halus dibandingkan hanya dengan query. Crystal Reports adalah pembuat
laporan populer untuk DBMS perusahaan besar, meskipun dapat juga digunakan dengan
Access. Access juga memiliki kemampuan untuk mengembangkan aplikasi sistem
desktop. Ini termasuk alat untuk membuat layar entri data, laporan, dan mengembangkan
logika untuk memproses transaksi.
B. Merancang Database
Untuk membuat database, dalam hal ini harus memahami hubungan antar data,
jenis data yang akan disimpan dalam database, bagaimana data akan digunakan, dan
bagaimana organisasi perlu melakukan perubahan untuk mengelola data dari perspektif
keseluruhan perusahaan. . Basis data memerlukan desain konseptual dan desain fisik.
Desain konseptual atau logis dari database adalah model abstrak database dari perspektif
bisnis, sedangkan desain fisik menunjukkan bagaimana database sebenarnya disusun
pada perangkat penyimpanan akses langsung.

(Gambar 6.8 Gambar Permintaan Akses)

C. Normalisasi dan Diagram Hubungan Entitas

Desain database konseptual menjelaskan bagaimana elemen data dalam database
dikelompokkan. Proses desain mengidentifikasi hubungan antar elemen data dan cara
paling efisien dalam mengelompokkan elemen data 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 diorganisasikan, diperhalus, dan disederhanakan hingga muncul pandangan logis
menyeluruh tentang hubungan di antara semua data dalam database.
 Untuk menggunakan model database relasional secara efektif, pengelompokan
data yang kompleks harus disederhanakan untuk meminimalkan elemen data yang
berlebihan dan hubungan banyak-ke-banyak yang tidak nyaman. Proses pembuatan
struktur data yang kecil, stabil, namun fleksibel dan adaptif dari kelompok data yang
kompleks disebut normalisasi. Gambar 6.9 dan 6.10 mengilustrasikan proses ini.
Dalam model bisnis tertentu di sini, suatu pesanan dapat memiliki lebih dari satu
suku cadang tetapi setiap suku cadang disediakan hanya oleh satu pemasok. Jika kita
membangun relasi yang disebut ORDER dengan semua kolom disertakan di sini, kita
harus mengulangi nama dan alamat pemasok untuk setiap suku cadang yang dipesan,
meskipun pesanan suku cadang berasal dari satu pemasok. Hubungan ini mengandung
apa yang disebut kelompok data berulang karena dapat terdapat 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 melakukan langkah demi langkah dan
menormalkan relasi ORDER, kita akan mendapatkan relasi yang diilustrasikan pada
Gambar 6.10. Anda dapat mengetahui lebih lanjut tentang normalisasi, diagram
hubungan entitas, dan desain basis data dalam Jalur Pembelajaran untuk bab ini.

(Gambar 6.9 Gambar Hubungan yang Tidak Normal dalam Pesanan)

 (Gambar 6.10 Gambar Hubungan yang Normal dalam Pesanan)

Sistem database relasional mencoba menerapkan aturan integritas referensial

untuk memastikan bahwa hubungan antara tabel yang digabungkan tetap konsisten.
Ketika satu tabel memiliki kunci asing yang menunjuk ke tabel lain, Anda tidak boleh
menambahkan catatan ke tabel dengan kunci asing tersebut kecuali ada catatan terkait di
tabel tertaut. Dalam database yang kita periksa sebelumnya dalam bab ini, kunci asing
Supplier_Number menghubungkan tabel PART ke tabel SUPPLIER. Kita tidak boleh
menambahkan record baru ke tabel PART untuk part dengan Supplier_ Number 8266
kecuali ada record yang sesuai di tabel SUPPLIER untuk Supplier_Number 8266. Kita
juga harus menghapus record yang sesuai di tabel PART jika kita menghapus record di
tabel PART. Tabel SUPPLIER untuk Pemasok_ Nomor 8266. Dengan kata lain, kita
tidak boleh memiliki suku cadang dari pemasok yang tidak ada!
Perancang basis data mendokumentasikan model datanya dengan diagram
hubungan entitas, yang diilustrasikan pada Gambar 6.11. Diagram ini menggambarkan
hubungan antara entitas SUPPLIER, PART, LINE_ITEM, dan ORDER. Kotak-kotak itu
mewakili entitas. Garis yang menghubungkan kotak-kotak tersebut melambangkan
hubungan. Garis yang menghubungkan dua entitas yang diakhiri dengan dua tanda
pendek menunjukkan hubungan satu-ke-satu. Garis yang menghubungkan dua entitas
yang diakhiri dengan tanda kaki gagak di atasnya menunjukkan hubungan satu-ke-
banyak. Gambar 6.11 menunjukkan bahwa satu ORDER dapat memuat banyak
LINE_ITEM. (Suatu PART dapat dipesan berkali-kali dan muncul berkali-kali sebagai
item baris dalam satu pesanan.) Setiap PART hanya dapat memiliki satu SUPPLIER,
namun banyak PART dapat disediakan oleh SUPPLIER yang sama.
Hal yang perlu ditekankan adalah: Jika bisnis tidak memiliki model data yang
tepat, sistem tidak akan mampu melayani bisnis dengan baik. Sistem perusahaan tidak
akan seefektif mungkin karena harus menggunakan data yang mungkin tidak akurat, tidak
lengkap, atau sulit diambil. Memahami data organisasi dan bagaimana data tersebut
direpresentasikan dalam database mungkin merupakan pelajaran paling penting yang
dapat Anda pelajari dari kursus ini.
Misalnya, Famous Footwear, sebuah jaringan toko sepatu dengan lebih dari 800
lokasi di 49 negara bagian, tidak dapat mencapai tujuannya untuk memiliki “gaya sepatu
yang tepat di toko yang tepat untuk dijual dengan harga yang tepat” karena basis datanya
tidak dirancang dengan baik. untuk menyesuaikan inventaris toko dengan cepat.
Perusahaan ini memiliki database relasional Oracle yang dijalankan pada komputer kelas
menengah, namun database tersebut dirancang terutama untuk menghasilkan laporan
standar untuk manajemen dan bukan untuk bereaksi terhadap perubahan pasar.
Manajemen tidak dapat memperoleh data yang tepat mengenai item tertentu dalam
persediaan di setiap tokonya. Perusahaan harus mengatasi masalah ini dengan
membangun database baru dimana data penjualan dan inventaris dapat diatur dengan
lebih baik untuk analisis dan manajemen inventaris.

(Gambar 6.11 Gambar Hubungan Diagram Entitas)

1.4 Alat dan Teknologi Dasar untuk Akses Informasi dari Database untuk Meningkatkan
Performa Bisnis
Setelah data ditangkap dan diatur menggunakan teknologi intelijen bisnis yang baru
dijelaskan, mereka tersedia untuk analisis lebih lanjut menggunakan perangkat lunak untuk kueri
dan pelaporan basis data, analisis data multidimensi (OLAP), dan penambangan data.

Online Analytical Processing (OLAP)

Sebuah perusahaan yang menjual empat produk di berbagai wilayah dapat dengan mudah
menemukan jumlah mesin cuci yang dijual di masing-masing wilayah menggunakan database
penjualan mereka. Namun, untuk membandingkan penjualan aktual dengan penjualan yang
diproyeksikan, gunakan pemrosesan analitik online (OLAP) diperlukan. OLAP mendukung
analisis data multidimensi, memungkinkan pengguna untuk melihat data dengan cara yang
berbeda menggunakan dimensi yang berbeda. Setiap aspek informasi — produk, harga, biaya,
wilayah, atau periode waktu — mewakili dimensi yang berbeda. Sebagai contoh, seorang
manajer produk dapat menggunakan alat analisis data multidimensi untuk mempelajari tentang
jumlah mesin cuci yang dijual di Timur pada bulan Juni, membandingkannya dengan bulan-
bulan sebelumnya dan perkiraan penjualan, dan mendapatkan jawaban cepat untuk pertanyaan ad
hoc. Gambar 6.13 menggambarkan model multidimensi untuk mewakili produk, wilayah,

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.

Text Mining and Web Mining

Data tidak terstruktur, termasuk file teks, menyumbang lebih dari 80% dari informasi
organisasi dan merupakan salah satu sumber utama data besar untuk bisnis. Text Mining Tools
membantu bisnis menganalisis data dan mampu mengekstrak elemen kunci dari kumpulan data
yang tidak terstruktur, menemukan pola, dan meringkas informasi. Alat-alat ini dapat digunakan
untuk menganalisis transkrip panggilan ke pusat layanan pelanggan, perasaan pelanggan, dan
perangkat lunak analisis perasaan untuk mengidentifikasi masalah utama dan mengukur perasaan
pelanggan. Alat-alat ini dapat membantu karyawan membuat keputusan bisnis yang lebih baik
dan meningkatkan kinerja karyawan.
Misalnya, broker diskon Charles Schwab, menggunakan perangkat lunak Attensity Analyze
untuk menganalisis ratusan ribu interaksi pelanggan setiap bulan. Perangkat lunak ini
mengidentifikasi umpan balik pelanggan, seperti positif, negatif, atau bersyarat, untuk
menentukan niat pelanggan untuk membeli, meninggalkan, atau bereaksi terhadap produk
tertentu atau pesan pemasaran. Informasi ini digunakan untuk mengambil tindakan korektif,
seperti meningkatkan komunikasi broker langsung dengan pelanggan dan memecahkan masalah
pelanggan.
Web Mining adalah metode lain yang digunakan untuk mengungkap pola, tren, dan wawasan
tentang perilaku pelanggan. Penemuan dan analisis pola dan informasi yang berguna dari World
Wide Web disebut Web Mining. Perusahaan dapat menggunakan data ini untuk memahami
perilaku pelanggan, mengevaluasi efektivitas situs web, atau mengukur keberhasilan kampanye
pemasaran. Google Trends dan layanan Google Insights for Search melacak popularitas berbagai
kata dan frasa yang digunakan dalam kueri pencarian Google untuk mempelajari apa yang
diminati orang dan apa yang ingin mereka beli.
Web mining terdiri dari content mining, structure mining dan usage mining. Content mining
mengekstrak pengetahuan dari konten halaman web yang mungkin termasuk data teks, gambar,
audio, dan video. Structure Mining memeriksa data yang terkait dengan struktur situs web.
Usage Mining mempelajari data interaksi pengguna yang dicatat oleh server ketika permintaan
untuk sumber daya situs web diterima. Analisis data ini dapat membantu perusahaan menentukan
nilai pelanggan tertentu, strategi cross-marketing di berbagai produk, dan efektivitas kampanye
promosi. Organisasi menggunakan alat analisis dan teknologi intelijen bisnis untuk mengatasi
tantangan "data besar". Sesi Interaktif Teknologi menggambarkan pengalaman organisasi
menggunakan alat dan teknologi ini untuk mengatasi tantangan data besar.

Databases and The Web

Banyak perusahaan menggunakan Web untuk membuat informasi dalam database internal
mereka yang tersedia untuk pelanggan dan mitra bisnis. Misalnya, pelanggan dapat mengakses
database internal ritel menggunakan browser web untuk informasi harga. Gambar 6.14
menggambarkan bagaimana pelanggan dapat mengakses database internal pengecer melalui
Web. Pengguna mengakses situs Web pengecer melalui Internet menggunakan perangkat lunak.
Perangkat lunak browser web pengguna meminta data dari database menggunakan perintah
HTML, yang kemudian dikirim ke server web yang menerjemahkan perintah HTML ke SQL

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.