NAMA ANGGOTA - KELOMPOK J:

Devina Aulia Salmaa (143221144)

Fathinah Nasywa Raihanah (143221146)
Amira Thania Calistadi (143221149)
Gabriella Margareth (143221164)
Hana Rahel Selomita Putri (143221166)

FOUNDATIONS OF BUSINESS INTELLIGENCE: DATABASES AND

INFORMATION MANAGEMENT

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

Bitt mewakili unit data terkecil yang dapat ditangani komputer

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)

Record Sekelompok bidang, seperti nama mahasiswa, mata kuliah yang

diambil, tanggal, dan nilai

File Kumpulan record sejenis

Database Sekelompok file terkait

Attribute setiap karakteristik atau kualitas yang menggambarkan jenis

tertentu, Date, dan Grade adalah jenis atribute course

Problem with traditional file environment

➢ Setiap aplikasi, memerlukan file dan program komputernya sendiri untuk

beroperasi sehingga secara keseluruhan, beberapa file induk dibuat, dipelihara
dan dioperasikan oleh divisi atau departemen yang terpisah
➢ Seiring 5 atau 10 tahun berlangsung, organisasi dibebani dengan ratusan
program dan aplikasi yang sangat sulit dipelihara dan dikelola
➢ Masalah yang dihasilkan adalah redundansi dan inkonsistensi data,
ketergantungan program-data, ketidak fleksibilitas, keamanan data yang
buruk, dan ketidakmampuan untuk berbagi data antar aplikasi
Redundancy Data and Inconsistency
● Data Redundancy adalah adanya duplikasi data dalam beberapa file data sehingga
data yang sama disimpan di lebih dari satu tempat atau lokasi. redundansi data
memboroskan sumber daya penyimpanan dan juga mengarah ketidak-konsistenan
data. dimana atribut yang sama mungkin memiliki nilai yang berbeda
● Kebingungan lainnya
kebingungan lainnya bisa dari penggunaan sistem pengkodean berbeda untuk
mewakili nilai atribut. Misalnya : sistem manufaktur retail pakaian dimana ukuran
pakaian suatu sistem menggunakan ‘ekstra besar’, sedangkan yang lain menggunakan
kode XL untuk tujuan yang sama
Program-Data Dependence (ketergantungan program-data)
● ketergantungan program-data mengacu pada penggabungan data yang disimpan dalam
file dan program khusus yang diperlukan untuk memperbaiki dan memelihara file
tersebut sedemikian rupa sehingga perubahan dalam program memerlukan perubahan
pada data
Lack of Flexibility
● sebuah sistem file tradisional tidak dapat mengirimkan laporan ad hoc atau
menanggapi persyaratan informasi yang tidak terduga secara tepat waktu
● beberapa pemrograman mungkin harus bekerja selama berminggu-minggu untuk
menyusun item data yang diperlukan dalam file baru
Poor Security
● kurangnya kontrol atau pengelolaan data, akses dan penyebaran informasi yang di luar
kendali
● manajemen tidak memiliki cara untuk mengetahui pengakses dan yang membuat
perubahaan data organisasi
Lack of Data Sharing dan Availability
● Hampir tidak mungkin informasi dibagikan atau diakses secara tepat waktu , karena
informasi file dan divisi yang berbeda tidak dapat dihubungkan
● jika terdapat perbedaan untuk informasi yang sama dalam dua sistem yang berbeda,
maka data tidak akurat

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.

Database Management Systems

Sistem manajemen basis data (DBMS) adalah perangkat lunak yang memungkinkan
suatu organisasi untuk memusatkan data, mengelolanya secara efisien, menyediakan akses ke
data yang disimpan oleh program aplikasi. DBMS bertindak sebagai antarmuka antara
program aplikasi dan file data fisik. Ketika program aplikasi panggilan untuk item data,
seperti pembayaran kotor, DBMS menemukan item ini dalam database dan menyajikannya ke
program aplikasi. DBMS mengurangi programmer atau pengguna akhir dari tugas memahami
di mana dan bagaimana data sebenarnya disimpan dengan memisahkan tampilan logis dan
fisik dari data.
- How a DBMS Solves the Problems of the Traditional File Environment?
DBMS mengurangi redudansi data dan ketidakkonsistenan dengan
meminimalkan file yang terisolasi di mana data yang sama diulang. DBMS mungkin
tidak memungkinkan organisasi untuk menghilangkan redundansi data sepenuhnya,
tetapi dapat membantu mengontrol redundansi.
- Relational DBMS
DBMS menggunakan model database yang berbeda untuk melacak entitas,
atribut, dan hubungan. Jenis DBMS yang paling populer saat ini untuk PC serta untuk
komputer dan mainframe yang lebih besar adalah DBMS relasional. Database
relasional merepresentasikan data sebagai tabel dua dimensi (disebut
hubungan/relations).
- Operations of a Relational DBMS
Relational database tables dapat dikombinasikan dengan mudah untuk
mengirimkan data yang dibutuhkan oleh pengguna, dengan ketentuan bahwa setiap dua
tabel berbagi elemen data umum.
- Object-Oriented DBMS
DBMS berorientasi objek menyimpan data dan prosedur yang bertindak pada
data tersebut sebagai objek yang dapat diambil dan dibagikan secara otomatis. Sistem
manajemen basis data berorientasi objek (OODBMS) menjadi populer karena dapat
 digunakan untuk mengelola berbagai komponen multimedia atau applet Java yang
digunakan dalam aplikasi Web, yang biasanya mengintegrasikan potongan informasi
dari berbagai sumber. Meskipun database berorientasi objek dapat menyimpan jenis
informasi yang lebih kompleks daripada DBMS relasional, tetapi relatif lambat
dibandingkan dengan DBMS relasional untuk memproses sejumlah besar transaksi.
Database di Cloud Penyedia komputasi awan menawarkan layanan manajemen basis
data, tetapi layanan ini biasanya memiliki fungsionalitas yang lebih sedikit daripada
rekan-rekan di tempat mereka. Saat ini, basis pelanggan utama untuk manajemen data
berbasis cloud terdiri dari perusahaan yang baru mulai atau usaha kecil hingga
menengah yang mencari kemampuan basis data dengan harga lebih rendah daripada
DBMS relasional standar.

Capabilities of Database Management Systems

DBMS termasuk kemampuan dan alat untuk mengatur, mengelola, dan mengakses
data dalam database. Yang paling penting adalah bahasa definisi datanya, kamus data, dan
bahasa manipulasi data. DBMS memiliki kemampuan definisi data untuk menentukan
struktur konten dari 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, salah satu contohnya adalah Microsoft
Access Kamus data untuk database perusahaan besar dapat menangkap informasi tambahan,
seperti penggunaan, kepemilikan (yang dalam organisasi bertanggung jawab untuk menjaga
data), otorisasi; keamanan, dan individu, fungsi bisnis, program, dan laporan yang
menggunakan setiap elemen data.
Querying and Reporting
DBMS termasuk alat untuk mengakses dan memanipulasi informasi dalam
database. Sebagian besar DBMS memiliki 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 untuk mengekstrak data dari database untuk memenuhi
permintaan informasi dan mengembangkan aplikasi. Bahasa manipulasi data yang paling
menonjol saat ini adalah Structured Query Language (SQL).

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.

perlu penambahan kapasitas

ketika semakin banyak data
sistem semakin turun

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.

A. The Challenge Of Big Data

Sebagian besar data yang dikumpulkan oleh organisasi dulunya adalah data transaksi
yang dapat dengan mudah masuk ke dalam baris dan kolom sistem manajemen basis
data relasional.
Data ini mungkin tidak terstruktur atau semi-terstruktur dan dengan demikian tidak
cocok untuk produk database relasional yang mengatur data dalam bentuk kolom dan
baris. Sekarang menggunakan istilah big data untuk menggambarkan kumpulan data
ini dengan volume yang sangat besar sehingga berada di luar kemampuan DBMS
(database managemnt system) biasa untuk menangkap, menyimpan, dan
menganalisis.

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.

B. Business Intelligence Infrastructure

Infrastruktur kontemporer untuk intelijen bisnis memiliki serangkaian alat untuk
memperoleh informasi yang berguna dari semua jenis data berbeda yang digunakan
oleh bisnis saat ini, termasuk data besar semi-terstruktur dan tidak terstruktur dalam
jumlah besar.
 1. Data Warehouses and Data Marts Gudang data adalah database yang
menyimpan data saat ini dan historis yang berpotensi menarik bagi pembuat
keputusan di seluruh perusahaan. Data berasal dari banyak sistem transaksi
operasional inti, seperti sistem untuk penjualan, akun pelanggan, dan
manufaktur, dan dapat mencakup data dari transaksi situs web.
2. Hadoop
Hadoop adalah kerangka kerja perangkat lunak sumber terbuka yang dikelola
oleh Apache Software Foundation yang memungkinkan pemrosesan paralel
terdistribusi dari sejumlah besar data di seluruh komputer murah. Ini memecah
masalah data besar menjadi subproblem, mendistribusikannya di antara hingga
ribuan node pemrosesan komputer yang murah, dan kemudian
menggabungkan hasilnya menjadi kumpulan data yang lebih kecil yang lebih
mudah dianalisis.
3. In-Memory Computing
Cara lain untuk memfasilitasi analisis big data adalah dengan menggunakan
komputasi dalam memori, yang terutama bergantung pada memori utama
(RAM) komputer untuk penyimpanan data. (DBMS konvensional
menggunakan sistem penyimpanan disk.) Pengguna mengakses data yang
disimpan dalam memori utama sistem, sehingga menghilangkan kemacetan
dari pengambilan dan pembacaan data dalam database berbasis disk
tradisional dan secara dramatis mempersingkat waktu respons kueri.
4. Analytical Platforms
Vendor basis data komersial telah mengembangkan platform analitik
berkecepatan tinggi khusus menggunakan teknologi relasional dan
non-relasional yang dioptimalkan untuk menganalisis kumpulan data besar.
Platform analitik memiliki sistem perangkat keras-perangkat lunak yang telah
dikonfigurasi sebelumnya yang dirancang khusus untuk pemrosesan dan
analitik kueri. Misalnya, IBM PureData System for Analytics memiliki
komponen database, server, dan penyimpanan yang terintegrasi erat yang
menangani kueri analitik kompleks 10 hingga 100 kali lebih cepat daripada
sistem tradisional.

C. Analytical Tools: Relationships, Patterns, Trends

Setelah data ditangkap dan diatur menggunakan teknologi intelijen bisnis yang baru
saja kami jelaskan, data tersebut akan dianalisis lebih lanjut menggunakan perangkat
lunak untuk kueri dan pelaporan basis data, analisis data multidimensi (OLAP), dan
penambangan data
fitur pifot = membantu mempermudah untuk mengambil
keputusan
1. Online Analytical Processing (OLAP) tablou = membaca dalam bentuk grafik

OLAP mendukung analisis data multidimensi, memungkinkan pengguna

untuk melihat data yang sama dengan cara yang berbeda menggunakan
beberapa dimensi. Setiap aspek informasi produk, harga, biaya, wilayah, atau
periode waktu mewakili dimensi yang berbeda. OLAP memungkinkan
pengguna untuk mendapatkan jawaban online untuk pertanyaan ad hoc seperti
ini dalam waktu yang cukup cepat, bahkan ketika data disimpan dalam
database yang sangat besar, seperti angka penjualan selama beberapa tahun.
2. Data Mining
Data mining memberikan wawasan tentang data perusahaan yang tidak dapat
diperoleh dengan OLAP dengan menemukan pola dan hubungan tersembunyi
dalam database besar dan menyimpulkan aturan dari mereka untuk
memprediksi perilaku di masa depan. Pola dan aturan digunakan untuk
memandu pengambilan keputusan dan memperkirakan efek dari keputusan
tersebut.
Jenis informasi yang dapat diperoleh dari penambangan data meliputi :
● Asosiasi adalah kejadian yang terkait dengan satu peristiwa.
● Secara berurutan, peristiwa dihubungkan dari waktu ke waktu.
● Klasifikasi mengenali pola yang menggambarkan kelompok tempat
suatu item berada dengan memeriksa item yang ada yang telah
diklasifikasikan dan dengan menyimpulkan seperangkat aturan.
● Pengelompokan bekerja dengan cara yang mirip dengan klasifikasi
ketika belum ada kelompok yang didefinisikan
● Meskipun aplikasi ini melibatkan prediksi, peramalan menggunakan
prediksi dengan cara yang berbeda. Ini menggunakan serangkaian nilai
yang ada untuk memperkirakan berapa nilai lain yang akan menjadi
3. Text Mining and Web Mining
Alat text mining sekarang tersedia untuk membantu bisnis menganalisis data
ini. Alat-alat ini mampu mengekstrak elemen kunci dari teks bahasa alami
yang tidak terstruktur, menemukan pola dan hubungan, dan meringkas
 informasi. Bisnis mungkin beralih ke penambangan teks untuk menganalisis
transkrip panggilan ke pusat layanan pelanggan untuk mengidentifikasi
masalah layanan dan perbaikan utama atau untuk mengukur sentimen
pelanggan tentang perusahaan mereka.
Web Mining , Web adalah sumber data besar tidak terstruktur lainnya yang
kaya untuk mengungkapkan pola, trend, dan wawasan tentang perilaku
pelanggan. Penemuan dan analisis pola dan informasi yang berguna dari
World Wide Web disebut mining web. Bisnis mungkin beralih ke mining web
untuk membantu mereka memahami perilaku pelanggan, mengevaluasi
efektivitas situs web tertentu, atau mengukur keberhasilan kampanye
pemasaran

D. Databases and the Web

Pelanggan dengan browser web ingin mencari database produk sebuah perusahaan
secara online untuk informasi harga. Pengguna mengakses situs web melalui Internet
menggunakan perangkat lunak browser Web pada PC kliennya. Perangkat lunak
browser Web pengguna meminta data dari database organisasi, menggunakan perintah
HTML untuk berkomunikasi dengan server Web.

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 :

1. Menyediakan informasi yang digunakan dalam penghitungan harga pokok produk,

jasa, serta tujuan lain yang dinginkan ole manajemen.
 2. Menyediakan informasi yang digunakan untuk merencanakan, mengendalikan,
mengevaluasi, serta melakukan perbaikan yang berkelanjutan.
3. Menyediakan informasi dalam mengambil keputusan penting.

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

1. Gelar BA / BS dalam bisnis, keuangan, akuntansi, ekonomi, teknik, atau disiplin

terkait
2. 1-2 tahun pengalaman kerja profesional yang dinginkan
3. Pengetahuan tentang alat Microsoft Office (Excel, PowerPoint, Access, dan Word)
4. Kemampuan analitis yang kuat, termasuk perhatian terhadap detail, pemecahan
masalah, dan pengambilan keputusan
5. Komunikasi lisan dan tertulis yang kuat dan keterampilan kerja tim
6. Keakraban dengan peralatan gardu induk transmisi yang dinginkan
 CASE
Latar Belakang

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.