Turban, Aronson, and Liang

Decision Support Systems and Intelligent Systems,

Seventh Edition

SISTEM PENDUKUNG
KEPUTUSAN
 BAB-5
CHAPTER 5
BUSINESS INTELLIGENCE: DATA WAREHOUSING, DATA ACQUISITION,
DATA MINING, BUSINESS ANALYTICS, AND VISUALIZATION
 Tujuan Pembelajaran
 Menjelaskan masalah dalam manajemen data.
 Memahami konsep dan kegunaan DBMS.
 Mempelajari data warehousing dan data marts.
 Menjelaskan business intelligence/business analytics.
 Membahas bagaimana meningkatkan pengambilan keputusan
melalui manipulasi data dan analisa.
 Memahami interaksi antara teknologi Web dan database.
 Menjelaskan bagaimana teknologi database digunakan dalam
business analytics.
 Memahami pengaruh Web terhadap business intelligence dan
analytics.

5-2
Pengantar
 Banyak Organisasi memiliki data yang jumlahnya terus
meningkat sangat cepat.
 Menghapus data-data penting menjadi suatu masalah?
 Efektif, dan tidak efektif dan bermasalah bagi sebagian
organisasi
 Solusi: menggunakan piranti analitik untuk meningkatkan
pengambilan keputusan, dengan menempatkan arsitektur
data dengan benar.
 Kecerdasan bisnis=membuat analisis keputusan melalui
akses ke sisfo yang relevan meliputi Data Warehousing,
OLAP, Data Mining, visualisasi serta multidimensial.
5-3
 Data warehouse memberikan sebuah arsitektur data
strategis untuk melakukan analisis pendukung
keputusan.
 Data warehouse memungkinkan data mining, sebuah
kemampuan secara otomatis mensintesakan
sejumlah besar informasi untuk menemukan
kebenaran-kebenaran tersembunyi di dalam data.
 Portal data muncul sebagai generasi di era data
warehouse (web enabled).

5-4
 Information Sharing a Principle Component of the National
Strategy for Homeland Security Vignette

 Jaringan dari sistem yang memberikan distribusi dan

integrasi knowledge
 Horizontal and vertical information sharing
 Peningkatan komunikasi & Mengintegrasikan
pengetahuan.
 Data Mining tersimpan dalam data warehouse yang
memungkinkan diakses melalui Web
@ Menggunakan orang yang tepat, proses serta tekanologi yang
tepat, dapat mengatasi kerentanan & ancaman dan merespon
dengan cepat dan efektif
5-5
 Peningkatan komunikasi &
Mengintegrasikan pengetahuan.
 Mengintegrasikan pemakaian informasi secara
bersama-sama dil intas pemerintahan federal
 Memperluas integrasi pemakaian informasi bersama-
sama di lintas pemerintahan bagian dan lokal,
industri swasta, dan warga negara
 Mengadopsi standar metadata dari informasi
elektronik yang relevan dengan keamanan tanah air
 Meningkatkan komunikasi keamanan publik
 Memastikan informasi publik yang dapat diandalkan

5-6
 Data, Information, Knowledge
 Seorang pengambil keputusan membutuhkan data, informasi dan
pengetahuan
 Pengambil keputusan harus mampu menerapkan piranti analisis
OLAP, data mining dll sehingga data, informasi, dan pengetahuan
bermanfaat.
 Kecerdasan bisnis membuat para pengambil keputusan dapat
mengidentifikasi hubungan diantara item-item data sehingga
memberikan pemahaman dan keunggulan kompetitif
 Data diintegrasikan dalam sebuah data warehouse dan dianalisis
secara otomatis via piranti data mining atau para analis dengan
menggunakan OLAP.
 Semua sistem pendukung keputusan menggunakan data, informasi
dan atau pengetahuan.

5-7
 Data, Information, Knowledge
 Data
 Sesuatu yang menjadi gambaran paling mendasar mengenai
sesuatu, benda, peristiwa, aktifitas dan transaksi yg direkam.
 Terdiri dari internal (data korporat) atau eksternal (komersial,
Sensor dan Satelit (GIS), lembaga riset, bank, biro sensus dll )
 Data dan pengetahuan personal
 Informasi
 Data yang telah diolah menjadi sesuatu yang lebih berarti dan
bernilai
 Knowledge
 Data dan atau informasi yg diorganisasi dan proses untuk
pemahaman, pengalaman, pembelajaran akumulatif, dan keahlian
yang diaplikasikan terhadap suatu masalah atau aktifitas saat ini
dalam sebuah SPK
5-8
 Data (Pengumpulan data, Masalah dan Kualitas)
 Data mentah diperoleh secara manual atau menggunakan
instrumen (alat/sensor scanner/GPS/PDA/RFID) metode time
study, surve, kuesioner, observasi dan wawancara
 Masalah2 Data (GIGO)
 Kualitas Data merupakan sesuatu yang penting
 Kualitas menentukan manfaat
 Contextual data quality (Relevansi, nilai tambah, batasan waktu, kelengkapan, dan
jmlah data)
 Intrinsic data quality (akurasi, objectivitas, kemampuan u/ dapat dipercaya, reputasi)
 Accessibility data quality (kemudahan akses, dan keamanan akses)
 Representation data quality (pemahaman, kemampuan untuk diinterpretasikan
(representasi tepat dan konsisten)
 Sering kali terlupakan atau ditangani begitu saja
 Masalah akan terungkap ketika data terangkum (Aplikasi datawarehouse
mengharuskan data dibersihkan/program jaminan kualitas data aktif)
5-9
Data Problems

5-10
 Data
 Membersihkan data
 Ketika menggunakan warehouse
 Data quality action plan
 Best practices untuk kualitas data
 Mengukur hasil
 Topik terkait dengan Integritas Data
 Uniformity (Keseragaman)
 Version (pemeriksaan versi ketika diubah menggunakan
metadata dan memastikan data asli tidak berubah)
 Completeness check (Periksa kelengkapan)
 Conformity check (Periksa konsistensi)
 Genealogy or drill-down (silsilah/turunan)

5-11
 Data
 Integrasi Data
(mengatasi sistem pengarsipan lemah, konflik data, tipe dan ukuran)

 Diperlukan akses ke berbagai sumber

 Seringkali berskala besar (enterprise-wide)
 Database yang berbeda dan heterogen
 XML menjadi bahasa standard
 Perangkat lunak integrasi data

5-12
 Sumber Data Eksternal
 Mengumpulkan data dari banyak sumber
eksternal bisa sangat rumit.
 Web (kebanyakan sumber data ekst. Aadalah web)
 Intelligent agents
 Document management systems
 Content management systems
 Commercial databases
 Membeli/Menjual akses ke database tertentu

5-13
Contoh: Layanan database komersial
 CompuServe and the source (compuserve.com)
menyediakan bank data statistik, bibliografi (berita,
referensi, perpustakaan, dan ensiklopedi)
 Compustat (compustat.com) menyediakan statistik
keuangan puluhan ribu korporasi, statistik pertanian,
perbankan, komoditi, demografi, ekonomi, energi,
keuangan, asuransi dll.
 Dow Jone Information service
 Lockheed in information system
 Mead data centarla (mead.com)
 Dll
5-14
 Database Management Systems

 Software program
 Mendukung Sistem Operasi
 Mengelola data
 Menjalankan Query dan menghasilkan reports
 Keamanan Data
 Dikombinasikan dengan modeling language
untuk pengembangan DSS

5-15
 Database Models
 Hierarchical
 Top down, seperti struktur pohon
 Fields hanya memiliki satu “parent”, setiap “parent” dapat memiliki beberapa
“children”
 Cepat
 Network
 Relationships dibuat melalui linked lists, dengan menggunakan pointers
 “Children” dapat memiliki beberapa “parents”
 Sangat fleksibel
 Relational
 Flat, tabel dua dimensi dengan multiple access queries
 Menganalisa relasi antar tabel
 Fleksibel, cepat, dan diperluas dengan data independence
 Object oriented
 Data dianalisa pada tingkat konseptual
 Inheritance, abstraction, encapsulation

5-16
Database Structure

5-17
 Database Models, lanjutan
 Multimedia Based
 Multiple data formats
 JPEG, GIF, bitmap, PNG, sound, video, virtual reality
 Membutuhkan hardware tertentu untuk dapat menampilkan
semua feature yang tersedia
 Document Based
 Penyimpanan dan manajemen dokumen
 Intelligent Based
 Intelligent agents dan Artificial Neural Network
 Inference engines (menyederhanakan akases ke dan manipulasi
database kompleks dengan kemampuan inferensi) ex: query
optimizer
5-18
 Data Warehouse
 Subject oriented (diorganisasi berdasar subjek tertentu: Pelanggan, klaim
dll)
 Terintegrasi: Sudah dibersihkan sehingga data menjadi standar meski
diperoleh dari berbagai sumber
 Time series; no current status (data 5 tahun, 10 tahun)
 Nonvolatile
 Read only dan eklusif untuk akses data
 Ringkas/Rangkuman
 Tidak normal; mungkin saja terjadi kerangkapan data (redundant)
 Menyajikan data dari sumber internal dan eksternal
 Mencakup Metadata
 Data tentang data
 Business metadata
 Semantic metadata
Note: Metadata digambarkan sebagai data tentang data
yang dimasukkan
5-19
 ARSITEKTUR
 May have one or more tiers
 Ditentukan oleh warehouse (data dan perangkat lunak
terkait), data acquisition (back end) yang mengektraksi
data dari sistem legacy dan sumber ekstrenal, dan
perangkat lunak client (front end) yang mengizinkan
pengguna mengakses dan meneliti data di dalam
warehouse.
 One tier, dimana semua dijalankan dalam platform yang sama,
sangat jarang
 Two tier biasanya menggabungkan DSS engine (client) dengan
warehouse
 Lebih ekonomis
 Three tier memisahkan kedua fungsi ini (DSS engine dan
warehouse)
5-20
Data Warehouse Framework and Views

5-21
5-22
 Migrasi Data
 Business rules
 Tersimpan dalam metadata repository
 Diaplikasikan pada data warehouse secara terpusat
 Data di-extract dari berbagai sumber yang relevan
 Di-load melalui data-transformation tools atau programs
 Terpisah antara operation dan decision support
environments
 Memperbaiki masalah kualitas sebelum data
disimpan
 Proses membersihkan dan mengorganisasikan dilakukan
dengan konsisten

5-23
 Perancangan Data Warehouse
 Dimensional modeling
 Retrieval based
 Diimplementasikan dengan star schema
 Central fact table
 Dimension tables
 Grain
 Highest level of detail
 Drill-down analysis

5-24
 Pengembangan Data Warehouse
 Teknik Implementasi Data warehouse
 Top down
 Bottom up
 Hybrid
 Federated
 Projects may be data centric or application centric
 Implementation factors
 Organizational issues
 Project issues
 Technical issues
 Scalable
 Fleksibel

5-25
 Data Marts
 Data mart adalah sebuah subkumpulan (subset) data
warehouse, terdiri dari subject tunggal (mis: pemasaran,
operasional)
 Dependent
 Dibuat dari warehouse
 Replika
 Functional subset dari warehouse
 Independent
 Skala lebih kecil, versi data warehouse yang “lebih murah”
 Dirancang untuk sebuah departemen/bagian
 Perusahaan mungkin saja memiliki beberapa data marts
 Sulit untuk diintegrasikan
5-26
 Business Intelligence and Analytics

 Business intelligence
 Akuisisi/penggabungan dari data dan informasi
untuk digunakan dalam kegiatan pengambilan
keputusan
 Business analytics
 Models and solution methods
 Data mining
 Menerapkan model dan metod pada data untuk
mengidentifikasi pola dan kecenderungan (trend)
5-27
 OLAP
 Aktivitas yang dilakukan oleh end users pada online systems
 Specific, open-ended query generation
 SQL
 Ad hoc reports
 Statistical analysis
 Building DSS applications
 Modeling and visualization capabilities
 Special class of tools
 DSS/BI/BA front ends
 Data access front ends
 Database front ends
 Visual information access systems

5-28
 Data Mining
 Mengorganisasikan dan menggunakan informasi dan
knowledge dari beberapa database
 Statistical, mathematical, artificial intelligence, and
machine-learning techniques
 Otomatis dan cepat
 Tools yang digunakan untuk mencari pola
 Simple models
 Intermediate models
 Complex Models

5-29
 Data Mining
 Data mining application classes of problems
 Classification
 Clustering
 Association
 Sequencing
 Regression
 Forecasting
 Others
 Hypothesis or discovery driven
 Iterative
 Scalable

5-30
 Tools and Techniques
 Data mining
 Statistical methods
 Decision trees
 Case based reasoning
 Neural computing
 Intelligent agents
 Genetic algorithms
 Text Mining
 Hidden content
 Group by themes
 Determine relationships

5-31
 Knowledge Discovery in Databases

 Data mining digunakan untuk mencari pola

(patterns) dalam data
 Identifikasi data
 Preprocessing
 Transformasi ke format yang umum
 Data mining melalui algoritma
 Evaluasi

5-32
 Data Visualization
 Teknologi pendukung visualisasi dan
interpretasi
 Digital imaging, GIS, GUI, tables, multidimensions,
graphs, VR, 3D, animation
 Mengidentifikasi relasi dan trends
 Manipulasi Data memungkinkan untuk
melihat performance data secara real time

5-33
 Multidimensionality
 Data diorganisasikan menurut standar bisnis, bukan
ditentukan oleh seorang analis
 Konseptual
 Faktor
 Dimensi
 Ukuran
 Waktu
 Overhead dan storage yang signifikan
 Mahal
 Kompleks

5-34
 Analytic systems
 Real-time queries and analysis
 Real-time decision-making
 Real-time data warehouses yang di-update
harian atau lebih sering
 Update dapat dilakukan bersamaan dengan
menjalankan query
 Tidak semua data ter-update secara terus
menerus
 Pengunaan aplikasi business analytic

5-35
 GIS
 Sistem terkomputerisasi untuk mengelola dan
memanipulasi data dengan peta digital
 Berorientasi Geografis
 Geographic spreadsheet for models
 Software memungkinkan web mengakses peta
 Digunakan untuk modeling dan simulasi

5-36
GIS Application

5-37
 Web Analytics/Intelligence
 Web analytics
 Aplikasi dari business analytics pada Web sites
 Web intelligence
 Aplikasi dari teknik business intelligence pada
Web sites

5-38