KELOMPOK V

Verawati (0102110052)

Eugenetius Benie Kerong (0102131004)

Blandina Wearbitu (0102131003)

Westin Sihaan (0102110073)

Business Intelligence(Kecerdasan Bisnis)

5.1 Komponen Utama Pembagian Informasi dari Strategi Nasional Homeland Security

Homeland Security membangun sebuah strategi nasional untuk keamanan negeri Amerika Serikat yang mencakup sebuah misi nasional untuk saling berbagi informasi yang berkaitan dengan pendeteksian kegiatan teroris. Mereka menyatakan bahwa akan membangun suatu lingkungan nasional yang memungkinkan untuk berbagi informasi penting untuk keamanan dalam negeri. Mereka membangun sebuah sistem, yaitu dimana sistem tersebut dapat memberikan informasi yang tepat kepada orang yang tepat dalam waktu yang tepat pula. Informasi akan dibagi secara “horizontal” di setiap tingkat pemerintahan dan “vertikal” antara federal, negara bagian dan pemerintah lokal, industri swasta dan warga negara. Dengan penggunaan yang tepat dari masyarakat, proses, dan teknologi, para pejabat keamanan dalam negeri di seluruh wilayah Amerika Serikat dapat memiliki kesadaran bersama akan ancaman dan pengetahuan dari personil dan sumber daya yang tersedia, sehingga dapat mengatisipasi berbagai ancaman dan dapat merespon secara cepat dan efektif.

Tujuan dari proyek ini adalah membuat model bisnis yang bisa diterapkan untuk mengintegrasikan pengetahuan yang berada di berbagai sumber data yang berbeda, serta memastikan bahwa kerahasian dan kebebasan sipil tersebut cukup terlindungi. Lima inisiatif yang diidentifikasi dalam strategi ini:

1. Memaduhkan pembagian informasi di pemerintah federal.

2. Memperluas perpaduan informasi yang dibagikan di seluruh negara bagian dan lokal pemerintah, industri swasta, dan warga negara.

3. Menerapkan standar metadata yang umum dari informasi elektronik yang relevan dengan keamanan dalam negeri.

4. Meningkatkan komunikasi keselamatan publik.

5. Menjamin informasi kesehatan masyarakat terpercaya.

5.2 Sumber Data

•Data Internal

Data Internal adalah data yang diambil dari dalam lingkungan perusahaan seperti tentang orang – orang, produk, jasa, dan proses.

•Data Eksternal

Data Eksternal adalah data yang diambil dari luar lingkungan perusahaan, yaitu mengumpulkan data langsung dari pelanggan atau dari pemasok.

5.3 Metode Pengumpulan Data

1. Studi Pusaka, yaitu langkah pencarian sumber informasi melalui jurnal, internet atau lembaga.

2. Survey (wawancara), yaitu teknik pengumpulan data yang dilakukan melalui tatap muka dan tanya jawab terhadap nara sumber atau sumber data.

3. Observasi, yaitu pengumpulan data dengan mendatangi tempat (lokasi) langsung yang mendukung rencana bisnis.

Masalah dan Kualitas Data

Kualitas data adalah masalah yang sangat penting karena kualitas menentukan kegunaan, berikut tabel yang menjelaskan kualitas data:

Integritas Data

Merupakan hal yang sangat penting dalam mengoperasikan sebuah database tertentu yang digunakan untuk menjamin konsistensi dan keakuratan data, serta jaminan bahwa data bersertifikat dan dapat dirujukkan.

Integritas data meliputi kelengkapan, ketepatan waktu, akurasi/kebenaran, dan validasi.

5.4 Internet dan Layanan Database Komersial• Internet

Merupakan pemasok utama data eksternal untuk mendukung pengambilan keputusan. Dimana seorang pembuat keputusan dapat mengakses halaman vendor, klien maupun pesaing, melihat dan men-download informasi, serta melakukan penelitian.

• Layanan Database Komersial

Merupakan layanan secara online yang dapat menambah data eksternal ke Management Support System (MSS) secara tepat waktu dengan biaya lebih rendah.

5.5 Manajemen Sistem Basisdata pada Sistem Pendukung Keputusan (DBMS in DSS)

Database Management System (DBMS) adalah sebuah program perangkat lunak yang memungkinkan untuk menyimpan data dengan jumlah yang lebih besar, struktur file yang lebih kompleks, pengambilan dan perubahan yang cepat, serta keamanan data yang lebih baik sehingga mempermudah dalam menambah informasi ke database, memperbarui, menghapus, memanipulasi, menyimpan, dan mengambil informasi.

Sebuah DBMS dikombinasikan dengan bahasa pemodelan yang digunakan untuk membangun Sistem Pendukung Keputusan dan sistem manejemen pendukung lainnya.

5.6 Organisasi dan Struktur Database

Hubungan di antara banyaknya catatan individu disimpan dalam database dapat dinyatakan dengan beberapa struktur logis (lihat Kroenke, 2002; Mannino, 2001; McFadden et al, 2002;. Post, 2002, dan Riccardi, 2003). DBMS dirancang untuk menggunakan struktur ini, untuk menjalankan fungsi mereka. Ketiga struktur-relasional konvensional, hirarki, dan jaringan-arc ditunjukkan pada Gambar 5.1.

Gambar 5.1

- Fields

 

 

- Records

Bentuk relasional dalam organisasi basis data DSS, digambarkan sebagai tabular atau flat yakni dalam tabel dua dimensi. DBMS relasional memungkinkan query mengakses lebih banyak lagi. Baris-baris pada halaman merupakan catatan individu terdiri dari beberapa bidang, desain yang sama yang digunakan oleh lembar kerja. Beberapa file data tersebut dapat berhubungan dengan suatu bidang data umum ditemukan dalam dua (atau lebih) file data. Nama-nama dari bidang umum harus dieja sama persis, menjadi ukuran yang sama (dalam jumlah yang sama bytes) dan jenis (misalnya, alfanumerik atau dolar).

Keuntungan dari jenis database adalah:

• bagi pengguna mudah untuk belajar

• mudah diperluas atau diubah

• dapat diakses dalam beberapa format tidak diantisipasi saat desain awal dan pengembangan database.

Object-Oriented Databases*Aplikasi MSS komprehensif, seperti yang melibatkan manufaktur

komputer terpadu (CIM), membutuhkan akses ke data yang kompleks, termasuk gambar dan hubungan yang rumit. Manajemen data berorientasi objek didasarkan pada prinsip pemrograman berorientasi objek (lihat detail di Bab Web, juga melihat Moore dan Britt, 2001). Sistem database Object-oriented menggabungkan karakteristik dari bahasa pemrograman berorientasi objek, seperti Veritos atau UML.

*Sebuah sistem manajemen database berorientasi objek (OODBMS) memungkinkan seseorang untuk menganalisa data pada tingkat konseptual yang menekankan hubungan alami antara objek.

*Sebuah sistem manajemen data berorientasi objek mendefinisikan data sebagai objek dan merangkum data bersama dengan struktur yang relevan dan perilaku.

Multimedia-Based Databases

*Sistem Manajemen Database Multimedia ( MMDBMS ) mengelola data dalam berbagai format, di samping teks standar atau bidang numerik .

*Kebanyakan informasi perusahaan berada di luar komputer dalam dokumen , peta , foto, gambar , dan video .

Document-Based Databases*Document-Based Databased, juga dikenal sebagai Manajemen

Dokumen Elektronik (EDM) sistem (Swift, 2001), dikembangkan untuk mengurangi penyimpanan kertas.

*Banyak sistem manajemen konten (CMS) berbasis EDM. Dalam prakteknya diimplementasikan dalam sistem berbasis Web.

*Manajemen sistem dokumen web-enabled telah menjadi sistem pengiriman yang efisien dan hemat biaya.

Intelligence Databases

Kecerdasan buatan (Al) teknologi, khususnya berbasis Web yang cerdas dan jaringan saraf tiruan (JST), menyederhanakan akses dan manipulasi kompleks database.

5.7 Data Warehouse/Penyimpanan DataData Warehouse atau Penyimpanan Data merupakan basis data yang menyimpan data sekarang dan masa lalu yang berasal dari berbagai sistem operasional dan sumber yang lain (eksternal). Data Warehouse digunakan untuk mendukung pengambilan keputusan, bukan untuk melaksanakan pemrosesan transaksi. Data Warehouse hanya berisi informasi-informasi yang relevan bagi kebutuhan pemakai yang dipakai untuk pengambilan keputusan.

Data Warehouse pada umumnya:

• Lebih cenderung menangani data masa lalu

• Data disimpan dalam satu platform

• Data diorganisasikan menurut subjek seperti pelanggan atau produk

• Pemrosesan sewaktu-waktu, tak terstruktur, dan bersifat heuristik

• Digunakan untuk mendukung pemakai menajerial yang berjumlah relatif sedikit

• Berorientasi pada analisis

Data Mart merupakan bagian daridata warehouse yang mendukung kebutuhan pada tingkat departemen/fungsi bisnis tertentu dalam perusahaan. Data mart memfokuskan hanya pada kebutuhan-kebutuhan pemakai yang terkait di dalamnya. Data mart biasanya tidak mengandung data operasional yang rinci seperti pada data warehouse.

Ada dua jenis data mart, yaitu:

1.Independent Data Mart

2.Dependent Data Mart.

5.8 Data Marts

1. Independent Data Mart, yaitu pengambilan data dengan membuat data langsung dari sumber operasional atau sumber eksternal dari data, atau keduanya.

2. Dependent Data Mart, yaitu pengambilan data dari sebuah gudang data sentral yang telah dibuat. 

Keuntungan Data Mart

• Biaya rendah dibandingkan dengan data warehouse

• Waktu untuk implementasi secara signifikan lebih pendek

• Data mart dikendalikan secara lokal daripada terpusat, sehingga memberi kebebasan kepada pengguna.

• Data mart mengandung sedikit informasi dibandingkan dengan data warehouse. Data mart mudah dipahami dan dinavigasi.

• Data mart memungkinkan sebuah bisnis untuk membangun sistem pendukung keputusan sendiri tanpa bergantung pada pusat departemen.

• Data mart yang independen dapat berfungsi sebagai bukti dari konsep sebelum menginvestasikan sumber daya yang dibutuhkan untuk mengembangkan sebuah data warehouse perusahaan yang komprehensif.

5.9 Analisa Bisnis

*komponen arsitektur pokok dari lingkungan kecerdasan bisnis, mulai dari topik-topik tradisional, hingga topik yang lebih modern.

*Analisa Bisnis melibatkan perolehan data dan informasi pengetahuan sehingga bermanfaat untuk pengambilan keputusan.

*Metode Data mining menerapkan model statistik dan deterministik, dan metode kecerdasan buatan untuk data, mungkin dipandu oleh seorang analis (atau manajer), untuk mengidentifikasi hubungan tersembunyi atau menginduksi serta menemukan pengetahuan antara berbagai data atau elemen teks.

5. 10 Online Analitycal Processing (OLAP)

Online Analytical Processing (OLAP) merupakan suatu jenis pemrosesan yang memanipulasi dan menganalisa data bervolume besar dari berbagai perspektif (multidimensi). OLAP sering disebut analisis data multidimensi. Data multidimensi adalah data yang dapat dimodelkan sebagai atribut dimensi dan atribut ukuran. Contoh atribut dimensi adalah nama barang dan warna barang, sedangkan contoh atribut ukuran adalah jumlah barang. Kemampuan OLAP yaitu konsolidasi melibatkan pengelompokan data.

Sebagai contoh kantor – kantor cabang dapat dikelompokkan menurut kota atau bahkan propinsi. Transaksi penjualan dapat ditinjau menurut tahun, triwulan, bulan, dan sebagainya. Kadang kala istilah rollup digunakan untuk menyatakan konsolidasi.

5.11 Data Mining

Data Mining merupakan perangkat lunak yang digunakan untuk menemukan pola-pola tersembunyi, maupun hubungan-hubungan yang terdapat dalam basis data yang besar dan menghasilkan aturan-aturan yang digunakan untuk memperkirakan perilaku di masa mendatang. 

Data mining terutama digunakan untuk mencari pengetahuan yang terdapat dalam basis data yang besar dan biasanya aplikasi data mining digunakan untuk membuat prediksi dan deskripsi.

Tiga jenis metode yang digunakan untuk mengidentifikasi pola-pola dalam data (Nemati dan Barko,2001):

•Model Sederhana (berbasis SQL query, OLAP, penilaian manusia)

•Model Intermediate (regresi, pohon keputusan, clustering)

•Model Kompleks (jaringan saraf, aturan induksi lainnya)

Pola-pola dan aturan ini dapat digunakan sebagai pedoman pengambilan keputusan dan meramalkan dampak dari keputusan. Data mining dapat mempercepat analisis dengan memfokuskan perhatian pada variabel yang paling penting.

Contoh aplikasi data mining

• Pemasaran

• Perbankan

• Retailing dan penjualan

•Manufaktur dan Produksi

• Perangkat keras komputer dan software

• Airlines

• Perawatan kesehatan

• Broadcasting

• Polisi

5.12 Data Visualization Data Visualization adalah informasi yang telah diringkas dalam bentuk skema, termasuk atribut atau variabel untuk unit informasi.

Arah Data Visualization (bentuk)

•Grafik interaktif dan model

•WatchMark Corporation

•Comshare Inc.

• Identitech Inc.

•Analog dengan spreadsheet

• software Visual

Multidimestional Presentasi

Ringkasan data dapat diatur dengan cara yang berbeda untuk analisis dan presentasi. Cara yang efisien untuk melakukan hal ini disebut multidimensionality. Keuntungan utama dari multidimensionality adalah bahwa data dapat diatur oleh manajer dari sistem analis yang dilihat. Presentasi yang berbeda dari data yang sama dapat diatur dengan mudah dan cepat melalui cara ini (multidimentionality).

Tiga faktor yang dipertimbangkan dalam multidimensionality: dimensi, ukuran, dan waktu.

5.13 Geographic Information Sistem (GIS)

Merupakan sistem berbasis komputer untuk menangkap, menyimpan, memeriksa, mengintegrasikan, memanipulasi, dan menampilkan data dengan peta digital. Karakteristik yang paling membedakan adalah bahwa setiap catatan atau objek digital memiliki lokasi geografis yang diidentifikasi.

GIS sebagai alat pendukung keputusan melibatkan kombinasi atau integrasi GIS dengan lainnya, alat pendukung keputusan / bisnis intelijen ini terutama berbasis Web, seperti data warehouse, ERP, alat-alat kolaborasi, dan aplikasi produktivitas pribadi.

5.14 Business Intelligence and The Web: Web Intelligence/Web Analytics

BUSINESS INTELLIGENCE

Business intelligence merupakan kegiatan yang berasal dari akuisisi data, melalui warehouse, dapat dilakukan dengan alat-alat Web atau saling berkaitan dengan teknologi Web dan perdagangan elektronik.

• Sebuah survei IDC 2001 dari 500 manajer TI menunjukkan bahwa 20 persen dari organisasi yang memiliki 500 atau lebih karyawan yang menghubungkan kegiatan intelijen bisnis mereka ke Internet (lihat Kudyba, 2002; Dash, 2001). Pengguna pasti ingin meningkatkan penerapan intelijen bisnis dan ke Web. Jumlah organisasi yang menyadari pentingnya melakukan hal itu terus berkembang.

• Vendor perangkat lunak Electronic commerce menyediakan alat-alat Web yang menghubungkan data warehouse dengan pemesanan e-commerce dan sistem katalogisasi. Salah satu contoh adalah Tradelink. Sebuah produk dari Hitachi (www.hitachi.com). 

• Vendor data warehousing dan keputusan dukungan mengintegrasikan produk mereka dengan teknologi Web dan e -commerce , atau membuat yang baru untuk tujuan yang sama . Contohnya adalah Keputusan Comshare di Web , Brio eWarehouse ( www.brio.com ) , Intelijen Web dari Business Objects , Cognos itu DataMerchant . Dan Hyperion Appsource " kabel untuk OLAP " produk , yang mengintegrasikan OLAP dengan alat Web . Pilot Publisher Internet menggabungkan kemampuan internet dalam Percontohan Pendukung Keputusan Suite .

WEB ANALYTICS/WEB INTELLIGENCE

Web analytics dan Web intelligence adalah istilah yang digunakan untuk menggambarkan penerapan analisis bisnis / usaha untuk situs Web.

Jawaban dari kasus ‘Homeland Security di Amerika Serikat’

1. Identifikasikan tantangan yang mungkin dihadapi oleh ‘Kantor Keamanan Dalam Negeri’ dalam memaduhkan database yang berbeda!

Jawab:

Tantangan yang mungkin dihadapi oleh ‘Kantor Keamanan Dalam Negeri’ adalah kesulitan dalam keakuratan data (dalam hal ini data yang diberikan harus real-time, pembaruan data yang serentak di setiap bagian/departemen pada waktu tertentu baik saat sedang digunakan maupun belum digunakan.

2. Identifikasikan sumber-sumber informasi yang akan diperlukan untuk membuat informasi dalam gudang data (data warehouse)!

Jawab:

Sumber-sumber informasi yang mungkin diperlukan adalah:

•Masyarakat

• Lembaga pemerintahan (Kependudukan)

• Pemerintah lokal

• Industri swasta

3. Apa manfaat yang diharapkan?

Jawab:

• Penanggulanan terhadap teroris.

• Setiap departemen dalam negara mempunyai peran untuk menjaga keamanan negara.

•Masyarakat merasa dilibatkan untuk membantu penanggulangan keamanan nasional.

•Dapat menjamin informasi kesehatan masyarakat yang terpercaya untuk negara.

4. Apa alat-alat pendukung keputusan dan teknik yang dapat digunakan untuk mengidentifikasikan kegiatan teroris yang potensial?

Jawab:

•OLAP, memungkinkan data dianalisa dan dimodelkan agar menjadi data yang dapat divisualisasikan (dimengerti dan dipahami).

•Data Visualization, memungkinkan data tersebut sudah berbentuk skema, grafik, bahkan foto untuk mendukung pengambilan keputusan.

•Multidimentional Presentation, data dapat diketahui mulai dari dimensi, ukuran, dan waktu.

5. Apa yang dapat Anda rekomendasikan untuk ‘Kantor Keamanan Dalam Negeri’ dalam meningkatkan kapabilitas portal data?

Jawab:

Yang kami (kelompok V) rekomendasikan untuk ‘Kantor Keamanan Dalam Negeri’ adalah dengan meningkatkan alat pendukung keputusan seperti Online Analytical Processing (OLAP), Data Visualization, Data Mining yang real-time sehingga dapat diproses dan diterapkan ke dalam Multidimentional Presentation oleh manager.

Atas perhatiannya kami mengucapkan

terima kasih…