SISTEM INFORMASI MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS UDAYANA

http://www.free-powerpoint-templates-design.com
KELOMPOK 4

Sang Putu Krisnanda Adhitama

10 1807531124

Kadek Anggi Sintya Dewi

11 1807531125

Ni Putu Ika Wahyudiana Putri

12 1807531128
DASAR – DASAR INTELIJEN BISNIS:
DATABASE DAN MANAJEMEN
INFORMASI
 MATERI PEMBAHASAN:

1. MENGORGANISASIKAN DATA DALAM LINGKUNGAN FILE TRADISIONAL

2. PENDEKATAN DATABASE UNTUK MANAJEMEN DATA

3. MEMANFAATKAN DATABASE UNTUK MENINGKATKAN KERJA BISNIS DAN

PENGAMBILAN KEPUTUSAN

4. MENGELOLA SUMBER DATA

6.1. MENGORGANISASIKAN DATA DALAM LINGKUNGAN FILE
TRADISIONAL

Sebuah system informasi yang efektif menyediakan

informasi yang akurat, tepat waktu, dan relevan bagi para
penggunanya. Informasi yang akurat berarti bebas dari.
Informasi yang tepat waktuinformasi yang tersedia pada saat
diperlukan oleh pengambil keputusan. Informasi yang dianggap
relevan artinya ketika ia memberi manfaat serta sejalan dengan
jenis pekerjaan dan keputusan yang akan dibuat.
Gambar 6.1 Hierarki Data
Halaman 221
a. ISTILAH DAN KONSEP DALAM PENGORGANISASIAN FILE

System computer mengorganisasikan data berdasarkan suatu

hierarki yang dimulai dari bit kemudian byte, kemudian berlanjut ke
field, record, file, dan database. Satu bit mewakili unit data terkecil
yang dapat ditangani oleh computer. Sekelompok byte yang mewakili
satu buah karakter tunggal yang dapat berupa huruf, angka ataupun
symbol lainnya. Sekelompok karakter yang membentuk kata, beberapa
kata ataupun serial angka (seperti nama siswa, mata pelajaran yang
diambil, tanggal serta tingkat nilai). Sekumpulannya record dengan
jenis yang sama juga dinamakan file.
Gambar 6.2 Pemrosesan File Tradisional
Halaman 222
 b. MASALAH DENGAN LINGKUNGAN FILE TRADISIONAL

Masalah–masalah yang dihasilkan adalah penggandaan data dan inkonsistensi program data,
ketergantungannya program data, tidak fleksibel, kualitas data yang buruk dan tidak dapat
mengembagikan data ke berbagai aplikasi.

Redundansi Data dan
Inkonsistensi
Redundansi data (data
redundancy) adalah kehadiran
data ganda pada beberapa file
data yang tersimpan di
beberapa tempat atau lokasi.
Redundansi data terjadi terjadi
ketika kelompok–kelompok
yang berbeda pada sebuah
organisasi secara independen
mengumpulkan data yang sama
dan menyimpannya masing-
masing)
Ketergantungan Program
Data
Ketergantungan program data
mengacu pada satu paket data
yang tersimpan pada file dan
diperlukan oleh program-
program tertentu untuk
memperbarui dan mengelola
file-file tertentu sehingga
program tersebut perlu
mengubah data-data tersebut.
Kurangnya Fleksibilitas
Sistem file tradisional dapat
mengirimkan laporan rutin
sesuai jadwal upaya
pemrograman ekstensif, namun
tidak dapat mengirimkan
laporan-laporan ad-hoc (hanya
diperlukan pada situasi khusus
saja) atau merespons
kebutuhan informasi yang tidak
dapat diantisipasi pada kondisi
waktu tertentu
Miskin keamanan Kurangnya Berbagi dan
Ketersediaan Data
Karena longgarnya
pengendalian atau Karena bagian-bagian
pengelolaan terhadap informasi yang terdapat pada
data, akses dan file-file yang berbeda dan
penyebaran informasi bagian-bagian organisasi tidak
menjadi tidak dapat dihubungkan satu sama
terkendali. Manajemen lain, jelas adalah tidak
mungkin tidak memiliki mungkin untuk
cara untuk mengetahui mendistribusikan dan
siapa yang mengakses mengkases informasi pada
atau bahkan membuat waktu bersamaan.
perubahan pada data
organisasi.
 6.2. PENDEKATAN DATABASE UNTUK MANAJEMEN DATA

Teknologi database mengurangi banyak masalah organisasi

yang menggunakan system file tradisional. Definisi database
adalah kumpulan data yang diorganisasikan untuk melayani
berbagai aplikasi secara efisien dengan memusatkan data dan
mengurangi penggandaan data ketimbang menyimpan data pada
file-file yang terpisah untuk setiap aplikasi, data yang
dimunculkan kepada pengguna berasal dari satu lokasi
penyimpanan saja. Database tunggal yang melayani banyak
aplikasi.

DATABASE MANAGEMENT SYSTEM (DBMS)

System Manajemen Database (Database Management System)

DBMS adalah perangkat lunak yang memungkinkan suatu
organisasi memutuskan data, mengelola mereka secara efesien
dan menyediakan akses terhadap data yang disimpan oleh
program aplikasi.
Gambar 6.3 DATABASE SUMBER DAYA MANUSIA DENGAN BERBAGAI BENTUK TAMPILAN
 DBMS mengurangi redudansi (ganda) dan inskonsistensi data dengan
Bagaimana DBMS meminimaliskan file-file yang terisolasi yang berisi data sama. Mungkin DBMS
tidak dapat menghilangkan redundansi secara keseluruhan pada suatu organisasi,
Menyelesaikan Masalah-
namun mereka dapat meminimalkannya. Meskipun suatu organisasi memiliki data
masalah pada Lingkungan ganda, namun dengan menggunakan DBMS, inkonsistensi data tersebut dapat
File Tradisional? dihilangkan karna data-data ganda memiliki nilai yang sama..
 DBMS relasional ini menampilkan data menjadi
tabel dua dimensi yang disebut relasi. Tabel dapat
juga dianggap sebagai file. Setiap tabel berisi data
pada sebuah entitas dan microsoft SQL Server
DBMS Relasional adalah DBMS relasional untuk computer
berukuran sedang maupun besar seperti
mainframe. MsQL adalah DBMS open source
yang terkenal, sedangkan Oracle Database Lite
adalah DBMS untuk perangkat komputasi public.
 Operasi DBMS Relasional

Tabel database dapat dikombinasikan dengan mudah untuk mengirimkan data yang diperlukan pengguna, yang
disediakan oleh dua tabel saling berbagi elemen data.

 Dalam database relasional, tiga

operasi dasar yang digunakan untuk
mengembangkan serangkaian data
yang sangat berguna, yaitu select,
join, dan projects. Operasi select
menampilkan suatu bagian yang
berisi seluruh rekaman pada suatu
file berdasarkan kriteria yang
ditentukan.
 Database Non-Relasional dan Database pada Sistem Clod Computing

System manajemen database non-relasional (non-relational database management systems) menggunakan data yang
lebih fleksibel dan dirancang untuk mengelola data berukuran besar yang didistribusikan pada banyak perangkat serta
mempermudah dalam meningkatkan atau menurunkan skalabilitas. Berguna untuk menangani permintaan-permintaan
data sederhana pada data terstruktur maupun yang tidak memiliki voliume besar. Seperti web, media sosial, grafis, dan
bentuk-bentuk data lainnya yang sulit di analisismenggunakan perangkat tradisional berbasis SQL

• Ada beberapa jenis database NoSQL, masing-masing

memiliki fitur teknis dan diperlakukan yang berbeda.
Database Oracle NoSQL salah satu contoh Layanan manajemen data berbasis cloud
diantaranya adalah SimpleDB buatan Amazon, salah
computing memiliki daya tarik tersendiri bagi
satu layanan web yang beroperasi pada system cloud
computing. SimpleDB menyediakan layanan web organisasi kecil dan menengah yang baru memulai
dengan tampilan yang mudah dipahami untuk
bisnisnya dengan menawarkan harga yang
menciptakan dan menyimpan rangkaian data,
menganalisis data dengan mudah, dan terjangkau, ketimbang produk database dalam
mengembalikan hasilnya. Tidak perlu didefinisikan
perusahaan.
terlebih dahulu dalam database struktur formal dan
mengubah definisi apabila ada data baru yang masuk
Sebagai tambahan bagi layanan pengelolaan data berbasis public cloud computing, perusahaan
saat ini juga memiliki pilihan untuk menggunakan database berbasis private cloud computing.

System private cloud computing mengonsolidasikan server,

tempat penyimpanan, system operasi, database, serta beban
pekerjaan ke dalam perangkat keras dan perangkat lunak yang
terdistribusi. Dengan mendistribusikan database pada system
private cloud computing yang terkonsolidasi memungkinkan
departemen IT untuk meningkatkan kualitas pelayanan serta
mengurangi beban modal dan biaya operasi. Semakin tingginya
tingkat kepadatan konsolidasi yang dicapai, maka semakin
besar juga pengembalian atas investasi yang diterima.
 • KAPABILITAS SISTEM MANAJEMEN DATABASE

1. Meminta Data dan Melaporkan

DBMS menyertakan perangkat untuk mengakses

dan memanipulasi informasi pada database.
Suatu DBMS selalu
Sebagian besar DBMS memiliki Bahasa tersendiri
menyertakan perangkat untuk
yang disebut Bahasa manipulasi data (data
mengorganisasikan, mengelola,
manipulation language) yang digunakan untuk
dan mengakses data pada
menambah, mengubah, menghapus, dan
database. Hal yang paling
mengambil data pada database. Bahasa ini
penting adalah bahasa untuk
mengandung perintah yang memungkinkan
mendefinisikan data, kamus
pengguna dan spesialis pemrograman untuk
data, dan Bahasa untuk
mengekstrak/menyaring data dari database untuk
memanipulasi/modifikasi data.
memenuhi kebutuhan informasi dan
mengembangkan informasi. Bahasa manipulasi
yang paling mutakhir saat ini adalah Structured
Queri Language atau SQL.
 Untuk merancang database, perlu untuk memahami hubungan antar data, jenis data
yang dikelola pada database, bagaimana data tersebut akan digunakan, serta bagaimana
organisasi perlu diubah untuk mengelola data dari perspektif lengkap seluruh
MERANCANG DATABASE perusahaan. Database memerlukan rancangan konsep maupun prinsip. Rancangan
konseptual atau logis dari suatu database adalah model abstrak database dari perspektif
organisasi bisnis, dimana rancangan fisik menunjukkan bagaimana database dirancang
lewat akses langsung perangkat penyimpanan.

1. Normalisasi dan Diagram Relasi Entitas

Rancangan konseptual suatu database menggambarkan
bagaimana elemen-elemen data pada database dikelompokkan.
Proses perancangan tersebut mengidentifikasi hubungan antara
elemen-elemen data dan cara paling efisien dalam
mengelompokkan elemen-elemen data untuk menjawab
kebutuhan informasi suatu organisasi bisnis. Proses tersebut juga
mengidentifikasi data-data ganda dan pengelompokkan elemen-
elemen data yang diperlukan untuk program aplikasi yang
spesifik. Sekelompok data diorganisasikan, diperbaiki, dan
didistribusikan dengan lancar sampai hubungan logis diantara
seluruh data pada database tampak jelas.
Untuk menggunakan model database relasional secara efektif, kelompok data yang rumit
harus disederhanakan untuk meminimalisasi elemen-elemen data yang ganda serta
hubungan-hubungan jamak yang janggal. Proses menciptakan struktur data yang ringkas,
stabil, serta fleksibel dan adaktatif dari kelompok-kelompok data yang rumit dinamakan
normalisasi (normalization). Gambar 6.7 dan gambar 6.8 mengilustrasikan proses tersebut.
Perancang database mendokumentasikan model datanya dengan sebuah diagram relasi entitas (entity-
relationship diagram), seperti yang diilustrasikan pada gambar 6.9. Diagram ini mengilustrasikan
relasi antara entitas PEMASOK, SUKU CADANG, LINI_BARANG, dan PESANAN.

Gambar 6.9 menunjukkan suatu PESANAN dapat berisi banyak LINI_BARANG.

(sebuah SUKU CADANG dipesan beberapa kali dan muncul banyak kali sebagai lini
barang pada suatu pesanan). Setiap SUKU CADANG hanya dapat memiliki satu
PEMASOK, namun banyak SUKU CADANG yang bisa disediakan oleh PEMASOK.

Jika organisasi bisnis tidak dapat mengimplementasikan model datanya dengan tepat,
system tersebut tidak akan mampu melayani bisnis tersebut dengan baik. System
perusahaan tersebut tidak akan efektif karena bekerja dengan data yang tidak akurat,
tidak lengkap, serta sulit diperoleh.
 6.3 MEMANFAATKAN DATABASE UNTUK
MENINGKATKAN KERJA BISNIS DAN
PENGAMBILAN KEPUTUSAN

TANTANGAN DALAM MENANGANI BESARNYA

VOLUME DATA

Sebagian besar data dikumpulkan oleh organisasi

yang terdiri atas data transaksi yang dapat
ditempatkan ke dalam kolom dan baris pada DBMS
relasional. Sejak saat itu, ada lonjakan data dari lalu-
lintas web, pesan surel, dan konten media sosial
(tweets, status pesan), demikian juga dari data yang
dihasilkan dari mesin seperti sensor (yang digunakan
pada smart meter, sensor pabrik, dan meteran elektrik)
atau dari system transaksi elektronis. Sekarang
menggunakan istilah data besar (big data) untuk
menggambarkan rangkaian data dengan volume
sangat besar yang melampaui kemampuan DBMS
dalam mengelola, menyimpan, dan menganalisis data
tersebut.
A. INFRASTRUKTUR INTELIJEN BISNIS

Infratruktur dari intelijen bisnis terkini memiliki rangkaian

perangkat untuk memperoleh informasi-informasi yang
diperlukan dari berbagai jenis data yang berbeda pada
organisasi bisnis masa kini, termasuk data berkapasitas besar
yang semi-terstruktur maupun tidak terstruktur. Kemampuan-
kemampuan ini meliputi data warehouses, data marts, Hadoop,
in-memory computing, serta platform analitis.
 INFRASTRUKTUR INTELIJEN BISNIS

Data Warehouse dan Data Mart Data mart

Data warehouse adalah data yang menyimpan
Adalah bagian dari data warehouse yang
data historis dan data terkini yang berpengaruh
bagi kepentingan pengambil keputusan di
diringkas atau dikhususkan untuk
seluruh perusahaan. Data tersebut ditujukan penanganan jenis-jenis data tertentu
bagi banyak system operasional transaksi- pada database yang terpisah untuk
transaksi penting, seperti system penjualan, kelompok pengguna yang telah
data pelanggan, manufaktur, termasuk data ditentukan. Sebagai contoh, perusahaan
dari transaksi web. Dan dikombinasikan bisa saja mengembangkan data mart
dengan data sumber eksternal, serta bagi divisi penjualan dan pemasaran
mengoreksi data yang tidak akurat dan kurang
untuk mengurusi informasi pelanggan.
lengkap, sekaligus memperbaiki susunan data
bagi kepentingan pelaporan dan analisis data
bagi pihak manajemen sebelum dimasukkan
ke dalam data warehouse. System data
warehouse juga menyediakan rangkaian
perangkat untuk mencari keterangan baik
secara khusus maupun secara terstandarisasi,
beserta laporan dengan fasilitas tampilan
grafis.
 INFRASTRUKTUR INTELIJEN BISNIS

Hadoop
Hadoop adalah kerangka kerja open-source
yang dikelola oleh Apache Software
Foundation yang memungkinkan
pendistribusian proses data berkapasitas
besar secara paralel pada komputer-
komputer berbiaya terjangkau. Hadoop Perusahaan menggunakan Hadoop
memecah masalah data besar tersebut untuk menganalisis data dengan
menjadi bagian-bagian yang lebih kecil, volume yang sangat besar serta
kemudian mendistribusikannya keribuan memfragmentasi area untuk data
titik pemrosesan computer yang berbiaya yang terstruktur maupun yang
terjangkau, lalu mengombinasikan hasilnya tidak terstruktur sebelum
menjadi rangkaian data yang lebih kecil
disimpan kedalam data
untuk permudah proses analisis. Hadoop
terdiri atas beberapa layanan pokok seperti
warehouse.
Hadoop Distributed File System (HDFS)
untuk penyimpan file data dan Map
Reduce buatan Google dalam memecah
rangkaian pemrosesan data berukuran
besar dan menyebarkan pekerjaan-
pekerjaan tersebut ke berbagai titik dalam
sebuah cluster.
 INFRASTRUKTUR INTELIJEN BISNIS
Komputasi Dalam-Memori
Cara lainnya untuk memfasilitasi analisis data
yang benar adalah dengan menggunakan
komputasi dalam memori (in-memory) sangat
dapat mengendalikan memori utama dari
computer (Computer’s mind memory-ram) untuk
data penyimpanan (DBMS yang konvensional
menggunakan system penyimpanan disk).
Produk-produk komersial terkemuka bagi komputasi
dalam memori meliputi, High Performance Analytics
Applience (HANA) dari SAP dan Oracle Exalytics.
Masing-masing menyediakan serangkaian komponen
perangkat lunak yang terintegrasi, meliputi perangkat
lunak database dalam memori dan perangkat lunak
Analitics yang terspesialisasi dan menjalankan
perangkat keras untuk kerjaan komputasi dalam
memori.
Centrica, utilitas gas dan listrik, memanfaatkan
HANA untuk merekam dengan cepat dan
menganalisis sejumlah data yang sangat besar yang
dihasilkan oleh alat pengukur handal. HANA juga
membantu Centrica untuk menunjukkan kepada para
pelanggannya pola pemakaian energy mereka sangat
real-time dengan menggunakan perangkat online dan
mobile.
INFRASTRUKTUR INTELIJEN BISNIS

Platform Analitics

Platform analytics ini seperti misalnya IBM Netezza

dan Oracle Exadata, menampilkan system perangkat
keras, perangkat lunak yang telah dikonfigurasi
sebelumnya yang secara spesifik dirancang untuk
pemrosesan permintaan dan analytics. Sebagai contoh,
IBM Netezza menampilkan database yang terintegrasi
secara ketat, server, dan komponen-komponen
penyimpanan yang menangani pertanyaan analytics
yang rumit 10-100 kali lebih cepat daripada system
tradisional. Platform analytics juga memasukkan
system dalam memori dan NoSQL system manajemen
database non-relasional.
Cluster Hadoop melakukan proses
data yang besar sebelumnya untuk
digunakan dalam data warehouse,
data mart, atau platform analytics
atau untuk permintaan langsung oleh
para pengguna power. Output
meliputi laporan dan dashboard yang
sama halnya dengan hasil query.
B. PERANGKAT ANALYTICS: HUBUNGAN, POLA, TREN

Ketika data telah direkam dan diorganisasikan dengan

menggunakan teknologi intelijen bisnis yang baru saja kita
bahas, mereka tersedia bagi analisis lebih lanjut dengan
menggunakan perangkat lunak untuk men-query dan
melaporkan database, analisis data multibimensional (online
analytical processing-OLAP), datamining.
 1. Pemrosesan Analitis Online (OLAP)

OLAP (online analytical processing) mendukung analisis data

yang sama dalam cara-cara yang berbeda dengan menggunakan
banyak dimensi. Masing-masing aspek dari informasi produk,
penetapan harga, biaya, wilayah, atau periode waktu yang
mewakili dimensi yang berbeda. OLAP memungkinkan bagi
para pengguna untuk memperoleh jawaban-jawaban secara
online atas pertanyaan-pertanyaan khusus, misalnya hal tersebut
dalam jumlah waktu yang cukup cepat bahkan ketika data
disimpan dalam database yang sangat besar, seperti angka
penjualan selama beberapa tahun. Perusahaan akan
menggunakan database multidimensional yang terspesialisasi
lainnya atau sebuah alat bantu yang dapat menciptakan sudut
pandang multidimensional atas data dalam database relasional.
 “
2. Data Mining

Data mining memberikan wawasan pada korporat, data

yang tidak dapat diperoleh dengan OLAP dengan
menemukan pola-pola yang tersembunyi serta hubungan
dalam database yang besar dan aturan menarik
kesimpulan dari mereka untuk memprediksikan perilaku
pada masa yang akan datang. Pola-pola dan aturan-aturan
yang digunakan untuk membimbing dalam pengambilan
keputusan dan peramalan dampak dari keputusan-
keputusan tersebut. Tipe dari informasi yang dapat
diperoleh dari data mining, meliputi asosiasi, urutan,
klasifikasi, cluster, dan peramalan.
“
Klasifikasi membahas pola-pola yang menggambarkan kelompok, yang mana suatu barang
yang dimiliki dengan memeriksa barang yang ada, dan telah diklasifikasikan dengan menarik
kesimpulan dari serangkaian aturan. Klasifikasi dapat membantu untuk menemukan ciri-ciri
dari para pelanggan yang memiliki kecenderungan untuk berhenti dan dapat menyediakan suatu
model untuk membantu para manajer dalam memprediksikan siapakah pelanggan tersebut.
“ Pengklasteran (clustering) bekerja dengan cara yang
sama seperti klasifikasi ketika tidak ada kelompok
yang masih belum didefinisikan. Alat bantu data
mining dapat menemukan pengelompokkan yang
berbeda didalam data, seperti misalnya menemukan
daya tarik kelompok atas kartu bank atau membagi
suatu database ke dalam kelompok-kelompok dari
pelanggan yang didasarkan pada demografis dan tipe
dari investasi pribadi..
Salah satu penggunaaan yang terkenal atas data mining adalah menyediakan analisis
pola dalam data pelanggan yang terperinci bagi kampanye pemasaran one-to-one atau
untuk mengidentifikasi para pelanggan yang menguntungkan. Departemen pemasaran
korporat menggunakan informasi untuk membangun profil yang terperinci,
berdasarkan pada nilai konsumen tertentu yang sedang berlangsung terhadap
perusahaan.
 Teks Mining dan Web Mining

Bisnis dapat beralih kepada teks mining untuk

menganalisis transkrip dari panggilan kepala pusat
layanan pelanggan untuk mengidentifikasi layanan
utama dan menyelesaikan masalah atau untuk
mengukur pendapat pelanggan mengenai perusahaan
mereka. Perangkat lunak analisis sentiment (sentiment
analysis) dapat dilakukan penelusuran atas komentar
teks dalam pesan surel, blog, percakapan dalam media
sosisal atau bentuk survey untuk mendeteksi opini yang
menyenangkan dan yang tidak menyenangkan
mengenai topik bahasan tertentu.
6.4 MENGELOLA SUMBER DATA

Persiapan database hanyalah merupakan permulaan. Agar dapat memastikan

bahwa data bagi bisnis tetap akurat, dapat diandalkan dan siap tersedia bagi
mereka yang memerlukannya, maka bisnis anda memerlukan kebijakan dan
prosedur khusus untuk manajemen data.
1. MENETAPKAN KEBIJAKAN INFORMASI
Setiap bisnis, skala besar maupun kecil, memerlukan kebijakan informasi. Data perusahaan anda
merupakan sumber daya yang penting, dan tidak ingin seseorang melakukan sesuatu yang mereka
inginkan dengan seseorang. Perlu memiliki aturan- atruan mengenai data diorganisasikan dan
dipertahankan, dan siapa yang diizinkan untuk melihat data atau mengubah mereka.

2. MEMASTIKAN KUALITAS DATA

Database dan kebijakan informasi yang dirancang dengan baik akan berlanjut pada jaminan bahwa
perusahaan akan memiliki informasi yang diperlukan. Namun, langkah-langkah tambahan harus
diambil untuk memastikan bahwa data dalam database perusahaan akurat dan tetap dapat diandalkan.
SESI DISKUSI
Thank You