6.1 what are the problem of managing data resource in a traditional file environment
Sistem informasi yang efektif memberikan informasi yang akurat (bebas dari
kesalahan), tepat waktu(tersedia ketika dibutuhkan), dan relevan kepada pengguna. Banyak
bisnis tidak memiliki informasi yang tepat waktu, akurat, atau relevan karena data dalam
informasi mereka telah diatur dan dipelihara dengan buruk
File Organization Terms and Concept
Byte sekelompok bit yang mewakili satu karakter, bisa berupa huruf,
angka, atau simbol lainnya
Field Pengelompokkan karakter menjadi kata, kelompok kata, atau nomor
lengkap (seperti nama atau usia seseorang)
6.2 What are The Major Capabilities of Database Management Systems (DBMS), and
Why is a Relational DBMS So Powerful?
Database adalah kumpulan data yang terorganisir 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.
Designing Databases
Untuk membuat database, Anda harus memahami hubungan antara data, jenis data
yang akan dipertahankan dalam database, bagaimana data akan digunakan, dan bagaimana
organisasi akan perlu berubah untuk mengelola data dari perspektif perusahaan luas.
Database membutuhkan desain konseptual dan desain fisik. Desain konseptual, atau logis,
dari database adalah model abstrak dari database dari perspektif bisnis, sedangkan desain
fisik menunjukkan bagaimana database sebenarnya diatur pada perangkat penyimpanan akses
langsung.
Normalization and Entity-Relationship
Diagrams Desain database konseptual menjelaskan bagaimana elemen data dalam
database harus dikelompokkan. Proses desain mengidentifikasi hubungan antara elemen
data dan cara yang paling efisien untuk mengelompokkan elemen data bersama untuk
memenuhi persyaratan informasi bisnis. Proses ini juga mengidentifikasi elemen data
redundan dan pengelompokan elemen data yang diperlukan untuk program aplikasi
tertentu. Kelompok data diatur, disempurnakan, dan disederhanakan hingga keseluruhan
pandangan logis dari hubungan di antara semua data dalam database muncul. Sistem
database relasional mencoba untuk menegakkan aturan integritas referensial untuk
memastikan bahwa hubungan antara tabel yang digabungkan tetap konsisten.
data berulang ( isinya sama dengan nama yang beda ) = bisa di normalisasikan dengan cara ambil 1 nama atau buat 1
nama dan ambil irisannya. karena data berulang bisa menyebabkan redundansi dan makan storage
Non-relational Databases, Cloud Databases, and Blockchain
Sistem manajemen basis data non-relasional menggunakan model data yang lebih
fleksibel dan dirancang untuk mengelola kumpulan data besar di banyak mesin terdistribusi
dan untuk meningkatkan atau menurunkan dengan mudah. Mereka berguna untuk
mempercepat kueri sederhana terhadap volume besar data terstruktur dan tidak terstruktur,
termasuk web, media sosial, grafik, dan bentuk data lain yang sulit dianalisis dengan alat
berbasis SQL tradisional. Ada beberapa jenis database NoSQL, masing-masing dengan fitur
dan perilaku teknisnya sendiri. Oracle NoSQL Database adalah salah satu contohnya.
Cloud Databases and Distributed Databases
Database terdistribusi adalah database yang disimpan di beberapa lokasi fisik.
Bagian atau salinan database disimpan secara fisik di satu lokasi dan bagian atau salinan
lainnya disimpan di lokasi lain. Spanner memungkinkan untuk menyimpan informasi di
jutaan mesin di ratusan pusat data di seluruh dunia, dengan alat pengatur waktu khusus
untuk menyinkronkan data secara tepat di semua lokasinya dan memastikan data selalu
konsisten.
Blockchain adalah teknologi database terdistribusi yang memungkinkan
perusahaan dan organisasi untuk membuat dan memverifikasi transaksi di jaringan
hampir secara instan tanpa otoritas pusat. Sistem menyimpan transaksi sebagai buku
besar terdistribusi di antara jaringan komputer. Informasi yang disimpan dalam database
terus direkonsiliasi oleh komputer dalam jaringan.
Blockchain mempertahankan daftar catatan yang terus berkembang yang disebut
blok. Setiap blok berisi stempel waktu dan tautan ke blok sebelumnya. Setelah blok data
dicatat pada buku besar blockchain, itu tidak dapat diubah secara suru.
6.3 What are the principal tools and technologies for accessing information from
databases to improve business performance and decision-making?
Bisnis menggunakan database mereka untuk melacak transaksi dasar, seperti membayar
pemasok, memproses pesanan, melacak pelanggan, dan membayar karyawan. Namun,
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 populer atau siapa pelanggannya yang paling menguntungkan, jawabannya
terletak pada data.
Bisnis tertarik pada data besar karena mereka dapat mengungkapkan lebih banyak
pola dan hubungan yang menarik daripada kumpulan data yang lebih kecil, dengan
potensi untuk memberikan wawasan baru tentang perilaku pelanggan, pola cuaca,
aktivitas pasar keuangan, atau fenomena lainnya. Namun, untuk mendapatkan nilai
bisnis dari data ini, organisasi memerlukan teknologi dan alat baru yang mampu
mengolah dan menganalisis data non tradisional bersama dengan data perusahaan
tradisional mereka.
6.4 Why are data governance and data quality assurance essential for managing the
firm’s data resources
Mendirikan database hanyalah langkah awal. Untuk menjaga agar data bisnis tetap akurat,
dapat diandalkan, dan mudah diakses, perusahaan perlu kebijakan dan prosedur khusus yang
disebut tata kelola data. Ini mencakup mengidentifikasi user dan unit organisasi mana yang
dapat berbagi informasi, di mana informasi dapat didistribusikan, siapa yang bertanggung
jawab untuk memperbarui dan memelihara informasi, dan bagaimana sumber daya data harus
diamankan. Contohnya, hanya anggota tertentu dari departemen penggajian dan sumber daya
manusia yang boleh mengubah atau melihat data sensitif karyawan seperti gaji atau nomor
jaminan sosial. Departemen-departemen ini bertanggung jawab untuk memastikan bahwa
data karyawan tersebut selalu akurat.
Assuring Data Quality
Dalam organisasi saat ini, data sangat penting untuk menjalankan operasi dan pengambilan
keputusan. Oleh karena itu, menjaga kualitas data menjadi sangat penting. Bayangkan jika
nomor telepon atau saldo akun pelanggan salah? Atau jika harga produk di basis data Anda
salah? Hal-hal seperti itu dapat menyebabkan masalah serius bagi bisnis, bahkan dengan
basis data yang baik. Kesalahan data dapat menyebabkan keputusan yang salah, pemanggilan
produk, dan bahkan kerugian finansial.
Menurut Gartner Inc., lebih dari 25% data penting di basis data perusahaan besar tidak akurat
atau tidak lengkap. Masalah kualitas data ini sering kali disebabkan oleh data yang redundan
dan inkonsisten dari berbagai sistem. Misalnya, sistem penjualan dan sistem inventaris
mungkin menyimpan informasi yang sama tentang produk, tetapi menggunakan istilah yang
berbeda. Hal ini dapat menyebabkan kebingungan dan kesalahan dalam penggunaan data.
Oleh karena itu, penting untuk memiliki kebijakan konsisten dalam mendefinisikan dan
menggunakan data di seluruh perusahaan.
Banyak dari kita mungkin pernah menerima iklan langsung yang sama beberapa kali dalam
satu hari. Ini mungkin disebabkan oleh kesalahan atau inkonsistensi dalam basis data, seperti
penulisan nama yang berbeda-beda. Misalnya, mungkin nama kita di salah ketik atau kita
menggunakan inisial tengah pada satu kesempatan dan tidak pada kesempatan lainnya.
Kesalahan semacam ini dapat mengakibatkan kita menerima surat yang diarahkan kepada
variasi nama kita, seperti Laudon, Lavdon, Lauden, atau Landon.
Masalah kualitas data ini bisa jadi disebabkan oleh berbagai hal, seperti kesalahan saat
memasukkan data ke dalam sistem atau penggunaan istilah yang berbeda di berbagai sistem.
Untuk mengatasi masalah ini, perusahaan biasanya melakukan audit kualitas data, yaitu
peninjauan terstruktur tentang keakuratan dan kelengkapan data dalam sistem informasi.
Selain itu, ada pula proses pembersihan data yang bertujuan untuk mendeteksi dan
memperbaiki kesalahan dalam data, sehingga memastikan konsistensi antar berbagai data
dalam perusahaan.
Masalah kualitas data tidak hanya berdampak pada bisnis, tetapi juga pada individu.
Misalnya, data yang tidak akurat tentang riwayat kredit konsumen dapat menghambat
kemampuan seseorang untuk mendapatkan pinjaman atau mempengaruhi peluang mereka
dalam mencari atau mempertahankan pekerjaan. Oleh karena itu, penting untuk menjaga
kualitas data agar dapat dipercaya dan bermanfaat bagi semua pihak yang terlibat.
6-5 How will MIS help my career?
A. Fungsi Informasi Manajemen :
B. Position Description
Tanggung jawab pekerjaan meliputi:
1. Menjaga integritas peralatan gardu induk dan data terkait dalam beberapa database,
termasuk SAP.
2. Mengkueri database dalam beberapa sistem.
3. Memodifikasi sistem untuk manajemen data yang tepat dan kontrol prosedural.
4. Merekomendasikan dan menerapkan perubahan proses berdasarkan masala data yang
diidentifikasi.
5. Melakukan penelitian khusus bisnis, mengumpulkan data, dan menyusun laporan dan
ringkasan.
6. Memperluas pengetahuan tentang kebijakan, praktik, dan prosedur
C. Job Requirements
Desember 2019, wabah virus Covid-19 muncul di kota Wuhan, Tiongkok dan secara cepat
menyebar ke seluruh penjuru dunia. Banyak team yang berlomba-lomba untuk
mengembangkan vaksin sebagai penawar dari virus Covid-19. Selama vaksin yang mujarab
belum ditemukan dan tersedia, banyak negara melakukan tindakan pencegahan seperti
LOCKDOWN secara ekstensif di seluruh dunia untuk menahan/memperlambat penyebaran
virus. Tanggapan tersebut termasuk intervensi yang efektif dan vital untuk mempromosikan
social distancing, isolasi diri, dan mendeteksi kasus aktif. Keterlibatan aktif dari pembuat
kebijakan untuk mendanai aktivitas terkait pandemi dan menggunakan big data secara
ekstensif dalam pelacakan individu yang melakukan kontak terhadap mereka yang positif
Covid-19. Big data memberikan layanan kesehatan unggul dengan manfaat “3V: Volume,
Variasi, and Velocity”
Selama pandemi, big data digunakan untuk melacak, mengontrol, menganalisis, dan
membantu meratakan kurva. Informasi yang diperoleh dari big data membantu mempercepat
pengembangan vaksin dengan memberikan wawasan yang dinamis dan akurat. Informasi
tersebut, bersamaan dengan Protein Data Bank merupakan satu-satunya tempat penyimpanan
global data terstruktur dengan tiga dimensi pada biomolekul besar seperti protein dan asam
nukleat yang membuka jalan bagi para peneliti medis untuk memahami sifat dari virus
Corona dan mengembangkan vaksin sebagai obat penawar. Big Data juga memberikan
informasi untuk mendeteksi dugaan infeksi Covid-19 yang memungkinkan pendekatan
epistemologis inovatif untuk mengendalikan wabah. Data volume yang tinggi, membantu
peneliti untuk mempelajari pola dan tingkat penyebaran infeksi, dan badan pemerintah dapat
mengoptimalkan alokasi sumber daya dan melaksanakan tindakan dengan tepat waktu.
Taiwan memberikan contoh dalam menerapkan big data, AI, dan komunikasi digital.
Penggunaan teknologi ini membantu memperlambat penyebaran virus Covid-19 melalui
pelacakan proliferasi virus secara sistematis sambil memberikan real-time data kepada warga
tentang cara meminimalisir resiko tertular. Pemerintah Taiwan mengembangkan mapping
secara detail dengan menggunakan Google Maps untuk melacak kontak sistemik (riwayat
perjalanan per-individu dalam periode tertentu) dan analitik akan menyoroti apakah individu
tersebut melakukan kontak dengan “red areas” atau infeksi virus Corona.
Sebagian besar warga Taiwan telah mendaftarkan diri untuk National Health Insurance
(NHI), data kesehatan mereka akan langsung tersedia untuk pemerintah. Kartu NHI
memberikan berbagai macam fitur keamanan yang tertanam untuk mencegah pemalsuan dan
data warga Taiwan dilindungi melalui fitur otorisasi yang ketat. Sistem mutual recognition
memungkinkan tenaga medis untuk mengambil informasi kesehatan pemegang kartu NHI
dari database dengan menggunakan kartu profesi kesehatan mereka sendiri. Selama pandemi,
Taiwan mengintegrasikan database NHI-nya dengan database imigrasi yang komprehensif
dan kumpulan riwayat perjalanan. Warga Negara Asing diminta untuk memindai QR code
lalu mengisi formulir pernyataan kesehatan secara online, setelah itu mobile technology akan
menghasilkan kumpulan data untuk mereka. Melalui integrasi ini, Taiwan menghasilkan
kumpulan data dengan volume tinggi untuk dianalisis, yang memungkinkan peneliti membuat
sistem manajemen yang memberi akses ke data kesehatan dan perjalanan untuk tujuan
pelacakan. Data-data tersebut akan diakses oleh penyedia layanan kesehatan untuk melacak
riwayat perjalanan dalam jangka waktu 14 hari dan gejala awal infeksi virus Covid-19.
Integrasi dan analisis big data memungkinkan petugas untuk membedakan antara individu
dengan risiko tinggi dengan yang berisiko rendah, serta memutuskan antara mengkarantina
pengunjung atau mengeluarkan otorisasi medis.
Langkah kedepannya, pemerintah memperkenalkan aplikasi MySejahtera untuk membantu
pemantauan wabah. Aplikasi ini menangkap informasi pribadi dari user seperti nama, nomor
kartu identitas, nomor telepon, alamat email, alamat tempat tinggal, dan usia; lalu data-data
tersebut dimasukkan ke dalam database Kementerian Kesehatan untuk analisis epidemiologis.
Nomor kartu identitas (NIK) akan diverifikasi oleh Departemen Registrasi Nasional untuk
menyingkirkan data yang buruk. Data dari MySejahtera digunakan untuk pelacakan kontak
ketika terjadi kasus positif. Terdapat alur proses data yang ketat, dimulai dari data yang hanya
dapat diakses oleh tujuh orang di Crisis Preparedness and Response Center (CPRC), pusat
pengendalian penyakit oleh Departemen Kesehatan, dan Kementerian Kesehatan dan
National CYber Security Agency (NACSA), yang bertanggung jawab atas keamanan dan
pengelolaan data.
MySejahtera dilengkapi dengan dashboard khusus untuk melacak lokasi menggunakan fitur
check-in yang memungkinkan untuk mengendalikan pengunjung di wilayah privat dan
pemerintah. Setelah kasus Covid-19 dikonfirmasi, CPRC akan bertindak untuk mengambil
data menggunakan waktu check-in di tempat tertentu pada kontak dekat dan individu lain
yang mungkin berada di dekat orang tersebut. Pelacakan kontak dekat ini diprioritaskan
untuk tempat-tempat yang memiliki kemungkinan besar untuk tertular virus.
Big Data terbukti menjadi kunci utama dalam meminimalisir penyebaran virus Covid-19 di
banyak negara Asia-Pasifik dengan adanya deteksi dini, memberikan prediksi pandemi
dengan akurasi yang tinggi, membantu manajemen penyakit yang efektif, dan bisa
meningkatkan pengalaman dalam mengatasi pasien.