Oleh
1. Muhammad Sutikno : 13110158
2. Muhammad Syahril : 13110088
3. Puspita Sari : 13110334
4. Riawi : 13110137
5. Wahyu Widodo : 13110013
Kelompok : 8
Kelas : B (Sore)
2. Muhammad Syahril : 13110088
3. Puspita Sari : 13110334
4. Riawi : 13110137
5. Wahyu Widodo : 13110013
Kelompok : 8
Kelas : B (Sore)
STIE BINA KARYA
TEBING TINGGI
2015
TEBING TINGGI
2015
Daftar Isi
Daftar Isi …………………………………………………………………………………..……i
PEMBAHASAN ………………………………………………………………………............ii
INFORMASI DALAM PRAKTIK
1. Informasi
sebagai salah satu faktor penting penentu keberhasilan system memproses
transaksi …1
a. Sistem Pemprosesan Transaksi ……………………………………………………………...1
a. Sistem Pemprosesan Transaksi ……………………………………………………………...1
b. Tinjauan Sistem ……………………………………………………………………………….2
c. Subsistem-subsistem Utama dari Sistem
Distribusi …………………………………………….2
d. Menempatkan Sistem Pemprosesan Transaksi
Dalam Perspektif …………………………...2
2. Sistem
informasi organisasi …………….……………………………………………......3
a. Sistem Informasi Pemasaran …………………………………………………………...…3
b. Sistem Informasi Sumber Daya Manusia …………………………………………………... ..4
c. Sistem Informasi Manufaktur ………………………………………………………...……4
d. Sistem Informasi Keuangan ……………………………………………………………...4
e. Sistem Informasi Eksekutif ……………………………………………………………...4
3. Manajemen
hubungan pelanggan ……………………………………………………………...5
a. Sasaran dan Tujuan ………………………………………………………………………6
b. Fungsi-Fungsi dalam CRM ……………………………………………………………...6
4. Data
Warehousing …………………….…………………………………………………………7
a.
Karakteristik Data Warehousing ……………………………………………………………...7
b. Sistem Data Warehousing ………………………………………………………………………7
c. Bagaimana Data Disimpan dalam Tempat
Penyimpanan Data Warehousing ……….……...….7
5. Penyampaian
Informasi ……………………………………………………………………....8
6. OLAP ………………………………………………………………………………………..8
7. Data
mining ……………………….……………………………………………………..12
Kesimpulan dan Saran ……………………………………………………………………………iii-iv
Daftar Pustaka ………………………………………………………………………………………..v
i
INFORMASI DALAM PRAKTIK
1.
Informasi sebagai salah satu faktor penting penentu
keberhasilan system pemproses transaksi
Pada tahun 1961, D, Ronald Daniel
dari Mc.Kinsey dan Company, salah saru perusahaan konsultan terbesar di
Amerika, memperkenalkan istilah critical success factor (CSF) atau faktor
penting penentu keberhasilan. Ia mengungkapkan bahwa terdapat beberapa
aktivitas penting yang akan menetukan keberhasilan atau kegagalan bagi semua
jenis organisasi.
Ketika manajemen sebuah
perusahaan menjalankan konsep CSF, mereka akan memusatkan perhatian pada
pengindentifikasikan CSF dan kemudian memonitor sampai seberapa jauh mereka
telah mencapainya. Perusahaan yang melaksanakan strategi ini mengakui bahwa
informasi merupakan suatu sumber daya yang berharga dan bahwa sistem informasi
yang baik merupakan salah satu CSF.
a.
Sistem
Pemprosesan Transaksi
Istilah sistem pemrosesan transaksi digunakan untuk menjelaskan sistem
informasi yang mengumpulkan data yang menguraikan aktivitas perusahaan,
mengubah data menjadi informasi, dan menyediakan informasi tersebut bagi para
pengguna yang terdapat didalam maupun diluar perusahaan.
Ini merupakan aplikasi bisnis
pertamayang dipasang pada komputer ketika mereka pertama kali diperkenalkan
pada tahun 1950-an. Istilah sistem pemrosesan data elektronik (electronic
data processing-EDP) dan sistem informasi akuntansi juga telah
dipergunakan, namun saat ini kurang populer.
Informasi yang mengalir ke lingkungan juga memiliki arti penting. Sistem
pemrosesan transaksi adalah satu-satunya sistem informasi yang memiliki
tanggung jawab untuk memenuhi kebutuhan informasi dari luar perusahaan. Sistem pemrosesan
transaksi memiliki tanggung jawab untuk memberikan informasi kepada setiap
unsur lingkungan selain pesaing. Sebagai contoh, sistem pemrosesan transaksi
memberikan faktur dan laporan saldo kepada pelanggan, pesanaan pembelian kepada
pemasok, dan data dalam laporan keuangan tahunan kepada tahunan kepada para
pemegang saham dan pemilik.
1
Salah satu contoh yang baik dari
sistem pemrosesan transaksi adalah sistem yang digunakan oleh
perusahaan-perusahaan distribusi, perusahaan yang mendistribusikan produk atau
jasa kepada para pelanggannya. Sistem distribusi juga dapat ditemukan pada
organisasi-organisasi jasa seperti United Way dan rumah sakit-rumah sakit serta
pada badan-badan pemerintahan seperti militer dan perpajakan.
b. Tinjauan Sistem
Seluruh sistem ditunjukkan
oleh kotak yang diberi label “Sistem distribusi” yang berada ditengah.
Unsur-unsur lingkungan yang berinteraksi dengan sistem ditunjukkan oleh
kotak-kotak dan dihubungkan ke sistem oleh panah-panah yang disebut arus data.
Unsur-unsur lingkungan dari sistem distribusi meliputi pelanggan, pemasok,
ruang persedian bahan baku, dan manajemen. Arus data yang menghubungkan
perusahaan dengan para pelanggannya cukup mirip dengan arus yang menghubungkan
perusahaan dengan pemasoknya. Pesanan yang diterima oleh perusahaan dari para
pelanggannya disebut pesanan penjualan (sales order), sedangkan pesanan yang
ditempatkan oleh perusahaan kepada pemasoknya disebut pemesanan pembelian
(purchase order).
c. Subsistem-subsistem
Utama dari Sistem Distribusi
Sistem
distribusi terdiri atas tiga proses utama yaitu : memenuhi pesanan pelanggan,
memesan persediaan pengganti dari pemasok, dan memelihara buku besar.
- Memenuhi pesanan pelanggan : Pemrosesan pesanan melibatkan suatu sistem entri pesanan, sistem persediaan, sistem penagihan, dan sistem piutang dagang.
- Memesan persediaan pengganti pemasok : Sistem pengganti persediaan terdiri atas sistem pembelian, sistem penerimaan, dan sistem utang dagang.
- Memelihara buku besar : Sistem buku besar terdiri atas dua subsistem utama yaitu memperbarui sistem buku besar dan sistem pembuatan laporan manajemen.
d. Menempatkan
Sistem Pemprosesan Transaksi dalam Perspektif
Sistem pemrosesan transaksi adalah
sistem informasi pertama yang terkomputerisasi. Selain sebagai area aplikasi
yang paling dapat dipahami, sistem ini juga berperan sebagai fondasi dari semua
aplikasi lainnya. Fondasi ini mengambil bentuk basis data, yang
mendokumentasikan semua hal yang penting yang dilakukan oleh perusahaandalam
menjalankan operasinya dan berinteraksi dengan lingkungan.
2
2.
Sistem
Informasi Organisasi
Area-area bisnis perusahaan
keuangan, sumber daya manusia, layanan informasi, manufaktur, dan pemasaran
menggunakan basis data yang diproduksi oleh sistem pemrosesan transaksi,
ditambah data dari sumber-sumber yang lain, untuk menghasilkan informasi yang
digunakan oleh para manajer dalam mengambil keputusan dan memecahkan masalah.
Sistem informasi dikembangkan untuk setiap area bisnis ini. Jenis sistem
informasi lainnya yang telah diimplementasikan di banyak perusahaan yatitu
sistem informasi eksekutif (executive information system atau EIS) ditunjukkan
untuk tingkat organisasi daripada area bisnis. EIS digunakan oleh para manajer
ditingkat organisasi yang lebih tinggi.
Semua sistem organisasi ini merupakan contoh dari sistem informasi organisasi
(organizational information system). Semua sistem informasi tersebut
dikembangkan untuk memenuhi kebutuhan akan informasi yang berhubungkan dengan
bagian-bagian tertentu dari organisasi.
a. Sistem
Informasi Pemasaran
Sistem informasi pemasaran memberikan informasi yang berhubungan dengan
aktivitas pemasaran perusahaan.
I. Subsistem Output : Setiap
subsistem output memberikan informasi mengenai unsur-unsur penting di dalam
bauran pemasaran. Bauran pemasaran (marketing mix) terdiri atas empat
unsur utama yang dikelola oleh manajemen agar dapat memenuhi keuntungan.
Subsistem output terdiri atas lima yaitu :
a) Subsistem
Produk : memeberikan informasi mengenai produk-produk perusahaan.
b) Subsistem
Lokasi : memberikan informasi mengenai jaringan distribusi perusahaan.
c) Subsistem Promosi : memberikan
informasi mengenai iklan dan aktivitas penjualan pribadi perusahaan.
d) Subsistem
Harga : membantu manajer mengambil keputusan harga.
e) Subsistem Buaran Teringerasi :
memungkinkan para manajer mengembangkan strategi yang mempertimbangkan pengaruh
gabungan dari unsur-unsur diatas.
3
II. Basis
Data : Basis data merupakan data yang
digunakan oleh subsistem output yang berasal dari basis data. Basis data
dipopulasikan dengan data yang berasal dari tiga subsistem ouput.
III.
Subsistem Input : sistem pemrosesan transaksi
mengumpulkan data dari sumber-sumber internal dan lingkungan lalu memasukannya
ke dalam basis data.
b. Sistem
Informasi Sumber Daya Manusia
Sistem informasi sumber daya manusia memberikan informasi
kepada seluruh manajer perusahaan yang berkaitan dengan sumber daya manusia
perusahaan.
c. Sistem
Informasi Manufaktur
Sistem informasi manufaktur memberikan informasi kepada
seluruh manajer perusahaan yang berkaitan dengan operasi manufaktur perusahaan.
d. Sistem
Informasi Keuangan
Sistem informasi keuangan memberikan informasi kepada seluruh manajer
perusahaan yang berkaitan dengan aktivitas keuangan perusahaan.
e. Sistem
Informasi Eksekutif
Sistem informasi Eksekutif adalah suatu sistem informasi
yang memberikan informasi kepada para manajer ditingkat lebih tiinggi atas
kinerja perusahaan secara keseluruhan. Sistem informasi eksekutif ini biasanya
terdiri atas stasiun-stasiun kerja eksekutif yang terhubung melalui jaringan ke
komputer pusat. Para perancang sistem informasi eksekutif membuat sistem secara
fleksibel sehingga ia akan dapat memenuhi keinginan semua eksekutif apa pun
itu. Salah satu pendekatan adalah dengan memberikan kemampuan drill down
(perincian), dengan pendekatan ini eksekutif dapat mengeluarkam tampilan
ringkasan dan kemudian secara berurutan menampilkan detail dari tingkat lebuih
rendah. Drill down ini akan terus dilakukan sampai eksekutif merasa puas bahwa
mereka telah mendapatkan jumlah detail sesuai dengan kebutuhan.
4
3.Manajemen Hubungan Pelanggan
Basis data yang kita masukkan dalam
model sistem pemrosesan transaksi dan dalam model-model sistem informasi
pemasaran, sumber daya manusia, manufaktur, dan keuangan dimaksudkan untuk
mendukung para pengguna dalam mengerjakan aktivitas mereka sehari-hari. Data
dalam basis data ini harus data terbaru sehingga para memiliki dasar terbaik
untuk membuat keputusan dan memecahkan masalah.
Dalam merancang basis data ini, dilakukan
upaya untuk memberikan data historis meskipun terbatas. Kebutuhan akan data
historis ini khususnya sangat besar dalam area pemasaran, dimana para manajer
ingin dapat melacak perilaku pembelian para pelanggan selama jangka waktu yang
cukup panjang. Kebutuhan ini telah merangsang strategi pmasaran populer yang
disebut manajemen hubungan pelanggan. Manajemen hubungan pelanggan (customer
relationship management atau CRM) adalah adalah manajemen hubungan antara
perusahaan dengan pelanggan sehingga baik perusahaan maupun pelangggannya akan
menerima nilai maksimum dari hubungan ini. Strategi ini menyadari bahwa membina
hubungan jangka panjang dengan pelanggan adalah suatu strategi yang bagus,
karena mempertahankan pelanggan yang sudah ada biasanya akan lebih murah
daripada mendapatkan pelaanggan baru. Oleh karena itu, perusahaan melakukan
upaya-upaya untuk memahami para pelanggannya sehingga kebutuhan mereka akan
dapat dipenuhi dan mereka pun tetap setia kepada perusahaan.
Sistem CRM akan mengakumulasikan data pelanggan dalam jangka panjang yaitu 5
tahun, 10 tahun, atau bahkan lebih dan menggunakan data itu untuk memberikan
informasi kepada para pengguna. Unsur utama dalam CRM adalah data warehouse
(gudang data).
Manajemen Hubungan Pelanggan (bahasa Inggris: Customer Relationship Management
disingkat CRM) adalah suatu jenis manajemen yang secara khusus membahas teori
mengenai penanganan hubungan antara perusahaan dengan pelanggannya dengan
tujuan meningkatkan nilai perusahaan di mata para pelanggannya.
Pengertian
lain mengatakan bahwa ia adalah sebuah sistem informasi yang terintegrasi yang
digunakan untuk merencanakan, menjadwalkan, dan mengendalikan
aktivitas-aktivitas prapenjualan dan pascapenjualan dalam sebuah organisasi.
CRM melingkupi semua aspek yang berhubungan dengan calon pelanggan dan
pelanggan saat ini, termasuk di dalamnya adalah pusat panggilan (call center),
tenaga penjualan (sales force), pemasaran, dukungan teknis (technical support)
dan layanan lapangan (field service).
5
a. Sasaran dan Tujuan
Sasaran
utama dari CRM adalah untuk meningkatkan pertumbuhan jangka panjang dan
profitabilitas perusahaan melalui pengertian yang lebih baik terhadap kebiasaan
(behavior)
pelanggan.
CRM bertujuan untuk menyediakan umpan balik yang lebih efektif dan integrasi
yang lebih baik dengan pengendalian return on investment (ROI) di area ini.
Otomasi
Tenaga Penjualan (Sales force automation/SFA), yang mulai tersedia pada
pertengahan tahun 80-an adalah komponen pertama dari CRM. SFA membantu para
sales representative untuk mengatur account dan track opportunities mereka,
mengatur daftar kontak yang mereka miliki, mengatur jadwal kerja mereka,
memberikan layanan training online yang dapat menjadi solusi untuk training
jarak jauh, serta membangun dan mengawasi alur penjualan mereka, dan juga
membantu mengoptimalkan penyampaian informasi dengan news sharing.SFA, pusat
panggilan (bahasa inggris:call center) dan operasi lapangan otomatis ada
dalam jalur yang sama dan masuk pasaran pada akhir tahun 90-an mulai bergabung
dengan pasar menjadi CRM. Sama seperti ERP (bahasa Inggris:Enterprise
Resource Planning), CRM adalah sistem yang sangat komprehensif dengan
banyak sekali paket dan pilihan.
Merujuk
kepada Glen Petersen, penulis buku “ROI: Building the CRM Business Case,”
sistem CRM yang paling sukses ditemukan dalam organisasi yang menyesuaikan
model bisnisnya untuk profitabilitas, bukan hanya merancang ulang sistem
informasinya.
CRM
mencakup metoda dan teknologi yang digunakan perusahaan untuk mengelola
hubungan mereka dengan pelanggan. Informasi yang disimpan untuk setiap
pelanggan dan calon pelanggan dianalisa dan digunakan untuk tujuan ini. Proses
otomasi dalam CRM digunakan untuk menghasilkan personalisasi pemasaran otomatis
berdasarkan informasi pelanggan yang tersimpan di dalam sistem.
b.
Fungsi-fungsi
dalam CRM
Sebuah
sistem CRM harus bisa menjalankan fungsi:
- Mengidentifikasi faktor-faktor yang penting bagi pelanggan.
- Mengusung falsafah customer-oriented (customer centric)
- Mengadopsi pengukuran berdasarkan sudut pandang pelanggan
- Membangun proses ujung ke ujung dalam melayani pelanggan
- Menyediakan dukungan pelanggan yang sempurna
- Menangani keluhan/komplain pelanggan
- Mencatat dan mengikuti semua aspek dalam penjualan
- Membuat informasi holistik tentang informasi layanan dan penjualan dari pelanggan
6
4.Data Warehousing
Seiring
dengan tereakumulasinya data transaksi selama bertahun-tahun, maka volume data
akan menjadi sangat besar. Hanya dalam belakangan ini saja teknologi
komputer mampu mendukung suatu sistem dengan permintaan data berskala
besar.Kini dimungkinkan untuk membangun suatu sistem dengan kapasitas data yang
hampir tak terbatas.
a. Karakteristik
Data Warehousing
Data warehousing (gudang data) telah diberikan untuk menjelaskan penyimpanan
data yang memiliki karakteristik sebagai berikut :
a)
Kapasitas penyimpanan sangat besar
b)
Data diakumulasikan dengan menambahkan catatan-catatan baru.
c)
Data dapat diambil dengan mudah
d) Data
sepenuhnya digunakan untuk mengambil keputusan dan tidak digunakan dalam
operasi perusahaan sehari-hari.
b. Sistem Data Warehousing
Data warehouse adalah bagian utama dari data warehousing data ke dalam gudang,
mengubah isinya menjadi informasi tersebut kepada para pengguna. Sumber data
yang utama adalah sistem pemrosesan transaksi, namun tambahan data dapat
diperoleh dari sumber-sumber lain, baik itu internal maupun lingkungan. Ketika
data diidentifikasi memiliki nilai potensial dalam pengambilan keputusan, maka
data tersebut akan ditambahkan ke data warehouse. Sistem data warehousing juga mencakup pula
komponen manajemen dan kendali. Komponen ini mirip dengan sistem manajemen
basis data, yang mengendalikan pergerakan data di sepanjang sistem.
c.
Bagaimana Data Disimpan dalam Tempat
Penyimpanan Data Warehousing
Dalam suatu basis data, seluruh data mengenai subjek tertentu disimpan bersama
dalam satu lokasi, yang biasanya berbentuk sebuah tabel. Data tersebut meliputi
data pengindentifikasi, data deskriptif, dan data kuantitatif.
7
Tabel
dimensi, data pengindentifikasi akan disimpan di tabel dimensi. Istilah
dimensi mengartikan pemikiran bahwa data tersebut dapat menjadi basis untuk
melihat data dari berbagai sudut pandang atau berbagai dimensi.
Tabel Fakta, Tabel-tabel terpisah disebut tabel fakta berisi
ukuran-ukuran kuantitatif sebuah entitas, objek, atau aktivitas.
5.Penyampaian Informasi
Unsur terakhir dalam sistem data warehousing adalah sistem penyampaian informasi, yang mendapatkan data dari tempat penyampaian data, mengubahnya menjadi informasi, dan menjadikan informasi tersebut tersedia bagi para pengguna. Informasi dapat diberikan dalam bentuk terinci atau dalam berbagai tingkat ringkasan. Proses melakukan navigasi kebawah melalui tingkatan-tingkatan rinci disebut drill down. Proses melakukan navigasi keatas disebut roll up. Pengguna juga dapat melakukan drill across, dengan cepat bergerakdari satu hirarki data ke hirarki lainnya, dan drill through, berangkat dari tingkat ringkasan ketingkat terendah data yang terinci.
Unsur terakhir dalam sistem data warehousing adalah sistem penyampaian informasi, yang mendapatkan data dari tempat penyampaian data, mengubahnya menjadi informasi, dan menjadikan informasi tersebut tersedia bagi para pengguna. Informasi dapat diberikan dalam bentuk terinci atau dalam berbagai tingkat ringkasan. Proses melakukan navigasi kebawah melalui tingkatan-tingkatan rinci disebut drill down. Proses melakukan navigasi keatas disebut roll up. Pengguna juga dapat melakukan drill across, dengan cepat bergerakdari satu hirarki data ke hirarki lainnya, dan drill through, berangkat dari tingkat ringkasan ketingkat terendah data yang terinci.
6.Online Analytical Processing (OLAP)
Data telah berkembang sangat pesat dalam beberapa dekade terakhir. Banyak bentuk-bentuk yang dulu “hanya“ mempunyai teknologi sebagai tempat penyimpanan data yang terdiri dari field-field, record dan diolah serta ditampilkan menjadi informasi dalam berbagai format tampilan yang sederhana, bermula dari bentuk yang sederhana tersebut maka didapatkan suatu metoda untuk menampilkan suatu database yang berguna untuk menganalisa data untuk suatu keperluan tertentu. Sejak tahun 1980-an , baik organisasi swasta maupun pemerintahan telah bekerja dengan data dalam interval megabyte sampai gigabyte bahkan terabyte. Oleh karena itu, kebutuhan akan alat cangih dan cepat dalam menganalisis data semakin meningkat. Hal ini dikarenakan maju atau mundurnya perusahaan akan sangat bergantung oleh seberapa cepat dan canggihnya sistem informasi yang mereka miliki serta kemampuan mereka dalam menganalisis informasi dengan sistem tersebut. Dengan memanfaatkan relational database yang sudah ada maka didapat suatu cara untuk mengantisipasi kebutuhan guna menganalisa data secara cepat untuk membantu mendapatkan keputusan dalam suatu aplikasi atau organisasi Sudah sekian lama, perusahaan menganalisis data dengan menggunakan relational DBMS yang sangat sederhana, dan tentunya memiliki keterbatasan dalam melakukan aggregate, summarize, consolidate, sum, view, dan analyze. Kekurangan tersebut akan muncul jika datanya bersifat multidimensi, karena banyak perusahaan menganalisis berbagai data dalam satu waktu yang bersamaan. Oleh karena itu, dibutuhkan suatu multidimensional data analysis sehingga muncullah Online Analytical Processing (OLAP)
Data telah berkembang sangat pesat dalam beberapa dekade terakhir. Banyak bentuk-bentuk yang dulu “hanya“ mempunyai teknologi sebagai tempat penyimpanan data yang terdiri dari field-field, record dan diolah serta ditampilkan menjadi informasi dalam berbagai format tampilan yang sederhana, bermula dari bentuk yang sederhana tersebut maka didapatkan suatu metoda untuk menampilkan suatu database yang berguna untuk menganalisa data untuk suatu keperluan tertentu. Sejak tahun 1980-an , baik organisasi swasta maupun pemerintahan telah bekerja dengan data dalam interval megabyte sampai gigabyte bahkan terabyte. Oleh karena itu, kebutuhan akan alat cangih dan cepat dalam menganalisis data semakin meningkat. Hal ini dikarenakan maju atau mundurnya perusahaan akan sangat bergantung oleh seberapa cepat dan canggihnya sistem informasi yang mereka miliki serta kemampuan mereka dalam menganalisis informasi dengan sistem tersebut. Dengan memanfaatkan relational database yang sudah ada maka didapat suatu cara untuk mengantisipasi kebutuhan guna menganalisa data secara cepat untuk membantu mendapatkan keputusan dalam suatu aplikasi atau organisasi Sudah sekian lama, perusahaan menganalisis data dengan menggunakan relational DBMS yang sangat sederhana, dan tentunya memiliki keterbatasan dalam melakukan aggregate, summarize, consolidate, sum, view, dan analyze. Kekurangan tersebut akan muncul jika datanya bersifat multidimensi, karena banyak perusahaan menganalisis berbagai data dalam satu waktu yang bersamaan. Oleh karena itu, dibutuhkan suatu multidimensional data analysis sehingga muncullah Online Analytical Processing (OLAP)
8
SEJARAH
Produk pertama menggunakan query OLAP adalah Express yang dirilis tahun 1970 ( dan dipakai oleh Oracle tahun 1995 sebagai Information Resources ). Tetapi istilah OLAP baru muncul tahun 1993 diperkenalkan oleh E. F. Codd yang merupakan bapak relational databases. Karangan Codd berisi konsultasi pendek yang Codd lakukan dengan pendiri Arbor Software ( sekarang disebut Hyperion Solutions, dan pada tahun 2007 dibeli oleh Oracle ) untuk memperbaiki pemasaran. Perusahaan tersebut kemudian merilis produk OLAP, Essbase, yang menerapkan 12 aturan Codd untuk online analytical processing. OLAP market tumbuh dengan cepat pada akhir tahun 90an dengan banyak komersial produk yang muncul di pasaran. Pada tahun 1998, Microsoft merilis OLAP server pertamanya, Microsoft Analysis Services yang dikembangkan dengan mengadopsi teknologi OLAP.
Produk pertama menggunakan query OLAP adalah Express yang dirilis tahun 1970 ( dan dipakai oleh Oracle tahun 1995 sebagai Information Resources ). Tetapi istilah OLAP baru muncul tahun 1993 diperkenalkan oleh E. F. Codd yang merupakan bapak relational databases. Karangan Codd berisi konsultasi pendek yang Codd lakukan dengan pendiri Arbor Software ( sekarang disebut Hyperion Solutions, dan pada tahun 2007 dibeli oleh Oracle ) untuk memperbaiki pemasaran. Perusahaan tersebut kemudian merilis produk OLAP, Essbase, yang menerapkan 12 aturan Codd untuk online analytical processing. OLAP market tumbuh dengan cepat pada akhir tahun 90an dengan banyak komersial produk yang muncul di pasaran. Pada tahun 1998, Microsoft merilis OLAP server pertamanya, Microsoft Analysis Services yang dikembangkan dengan mengadopsi teknologi OLAP.
DEFINISI
Online Analytical Processing (OLAP ) merupakan suatu metode pendekatan untuk menyajikan jawaban dari permintaan proses analisis yang bersifat dimensional secara cepat, yaitu desain dari aplikasi dan teknologi yang dapat mengoleksi, menyimpan, memanipulasi suatu data multidimensi untuk tujuan analisis.
OLAP (Online Analytical Processing) adalah teknologi yang memproses data di dalam data warehouse dalam struktur multidimensi, menyediakan jawaban yang cepat untuk query analisis yang kompleks.
Online Analytical Processing (OLAP ) merupakan suatu metode pendekatan untuk menyajikan jawaban dari permintaan proses analisis yang bersifat dimensional secara cepat, yaitu desain dari aplikasi dan teknologi yang dapat mengoleksi, menyimpan, memanipulasi suatu data multidimensi untuk tujuan analisis.
OLAP (Online Analytical Processing) adalah teknologi yang memproses data di dalam data warehouse dalam struktur multidimensi, menyediakan jawaban yang cepat untuk query analisis yang kompleks.
TEKNIK OLAP
Selain itu, teknik OLAP itu sendiri
dapat dirangkum menjadi 5 garis besar yaitu Fast Analysis of Shared
Multidimensional Information atau disingkat menjadi FASMI yang masing-masing
berarti sebagai berikut:
FAST, berarti sistem
ditargetkan untuk memberikan response terhadap user dengan secepat
mungkin, sesuai dengan analisis yang dilakukan.
ANALYSIS, berarti sistem dapat
mengatasi berbagai logika bisnis dan analisis statistik yang relevan dengan
aplikasi dan user, dan mudah.
SHARED, berarti sistem
melaksanakan seluruh kebutuhan pengamanan data, jika dibutuhkan banyak akses
penulisan terhadap data, disesuaikan dengan level dari user. Tidak semua
aplikasi membutuhkan user untuk menulis data kembali. Sistem harus dapat
meng-handle multiple update dalam satu waktu secara aman.
9
MULTIDIMENSIONAL, berarti
sistem harus menghasilkan conceptual view dari data secara multidimensional,
meliputi full support untuk hierarki dan mutiple hierarki. Hal ini merupakan
cara yang logic untuk menganalisis bisnis dan organisasi.
INFORMATION, adalah semua data
dan informasi yang dibutuhkan dan relevan untuk aplikasi. Kapasitas produk OLAP
berbeda untuk menghandle input data tergantung beberapa pertimbangan meliputi
duplikasi data, RAM yang dibutuhkan, penggunaan disk space, performance,
integrasi dengan data warehouse, dan lainnya.
Karakteristik
Adapun karakteristik dari OLAP, yaitu:
- Mengijinkan user melihat data dari sudut pandang logical dan multidimensional pada data warehouse.
- Memfasilitasi query yang komplek dan analisa bagi user.
- Mengijinkan user melakukan drill down untuk menampilkan data pada level yang lebih detil atau roll up untuk agregasi dari satu dimensi atau beberapa dimensi
- Menyediakan proses kalkulasi dan perbandingan data
- Menampilkan hasil dalam bentuk number termasuk dalam tabel dan grafik.
Adapun karakteristik dari OLAP, yaitu:
- Mengijinkan user melihat data dari sudut pandang logical dan multidimensional pada data warehouse.
- Memfasilitasi query yang komplek dan analisa bagi user.
- Mengijinkan user melakukan drill down untuk menampilkan data pada level yang lebih detil atau roll up untuk agregasi dari satu dimensi atau beberapa dimensi
- Menyediakan proses kalkulasi dan perbandingan data
- Menampilkan hasil dalam bentuk number termasuk dalam tabel dan grafik.
TEMPAT PENYIMPANAN
Dari OLAP tersebut terdapat 3 model penyimpanan data dalam cube yang difasilitasi oleh Microsoft SQL Server 7.0. Ketiga model penyimpanan data tersebut adalah:
Dari OLAP tersebut terdapat 3 model penyimpanan data dalam cube yang difasilitasi oleh Microsoft SQL Server 7.0. Ketiga model penyimpanan data tersebut adalah:
Ø
MOLAP
Multidimensional online analitycal processing (MOLAP) menyimpan data dan agregasi pada struktur data multidimensi. Struktur MOLAP ini tidak tersimpan pada data warehouse tapi tersimpan pada OLAP server.
Multidimensional online analitycal processing (MOLAP) menyimpan data dan agregasi pada struktur data multidimensi. Struktur MOLAP ini tidak tersimpan pada data warehouse tapi tersimpan pada OLAP server.
Sehingga performa query yang
dihasilkan olehnya sangat bagus. Model penyimpanan ini sesuai untuk database
dengan ukuran kecil sampai sedang.
Ø
ROLAP
ROLAP (relational online Analitycal
processing) menggunakan tabel pada database relasional data warehouse untuk
menyimpan detil data dan agregasi kubus. Berbeda dengan MOLAP, ROLAP tidak
menyimpan salinan database, ia mengakses langsung pada tabel fact ketika
membutuhkan jawaban sebuah query.
10
Sehingga query pada ROLAP mempunyai
response time yang lebih lambat dibandingkan ROLAP maupun HOLAP. Karakteristik
model ini digunakan untuk menyimpan data yang besar dan jarang dilakukannya
proses query. Misalkan, data histori dalam jumlah besar dari beberapa tahun
yang sebelumnya.
Ø
HOLAP
Gabungan model MOLAP dan ROLAP dapat
kita peroleh dari HOLAP (hibrid online analitycal processing).Detil data
tersimpan pada tabel relasional tapi aggregasi data disimpan dalam format
multidimensi.
Misalkan proses drill down dilakukan
pada sebuah tabel fakta, maka retrive data akan dilakukan dari tabel database
relasional sehingga query tidak secepat MOLAP. Kubus HOLAP lebih kecil daripada
kubus MOLAP tapi response time query masih lebih cepat jika dibandingkan dengan
ROLAP. Model penyimpanan HOLAP ini biasanya sesuai untuk kubus yang membutuhkan
performa query yang bagus dengan jumlah data yang besar.
Pengguna OLAP umumnya memanfaatkan OLAP dengan pola analisis seperti berikut :
- Meringkas dan mengumpulkan sejumlah besar data
- Melakukan filtering, pengurutan, dan memberikan peringkat (rangking)
- Membandingkan beberapa set dari data
- Membuat sketsa/bagan/diagram
- Menganalisis dan menemukan pola dari data
- Menganalisis kecenderungan data
OLAP menerangkan sebuah kelas dari teknologi yang didesain keberadaan data adhoc dan analisis. Ketika proses umum transaksi terjadi pada hubungan database, OLAP menjadi kurang lebih sama dengan pandangan multidimensi dari data bisnis. Tampilan multidimensi ini didukung oleh teknologi multidimensi database.
OLAP adalah langkah maju yang logis dibawah pertanyaan dan laporan, dan merupakan langkah lanjut dari pembuatan sebuah keputusan solusi tambahan total. Tool software OLAP mengirim alat-alat teknologi untuk analisis bisnis komplek dengan membuat pengguna dapat menganalisa data dalam lingkungan multidimensi. Dengan tool OLAP seseorang dapat menganalisa dan me-navigasi melalui data untuk menemukan trend, titik pengecualian, dan mendapat detail tergaris bawah untuk pemahaman kemunduran yang lebih baik dan menjalankan aktivitas bisnis mereka.
OLAP merupakan suatu metode pendekatan untuk menyajikan jawaban dari permintaan proses analisis yang bersifat dimensional secara cepat, yaitu desain dari aplikasi dan teknologi yang dapat mengoleksi, menyimpan, memanipulasi suatu data multidimensi untuk tujuan analisis.
Pengguna OLAP umumnya memanfaatkan OLAP dengan pola analisis seperti berikut :
- Meringkas dan mengumpulkan sejumlah besar data
- Melakukan filtering, pengurutan, dan memberikan peringkat (rangking)
- Membandingkan beberapa set dari data
- Membuat sketsa/bagan/diagram
- Menganalisis dan menemukan pola dari data
- Menganalisis kecenderungan data
OLAP menerangkan sebuah kelas dari teknologi yang didesain keberadaan data adhoc dan analisis. Ketika proses umum transaksi terjadi pada hubungan database, OLAP menjadi kurang lebih sama dengan pandangan multidimensi dari data bisnis. Tampilan multidimensi ini didukung oleh teknologi multidimensi database.
OLAP adalah langkah maju yang logis dibawah pertanyaan dan laporan, dan merupakan langkah lanjut dari pembuatan sebuah keputusan solusi tambahan total. Tool software OLAP mengirim alat-alat teknologi untuk analisis bisnis komplek dengan membuat pengguna dapat menganalisa data dalam lingkungan multidimensi. Dengan tool OLAP seseorang dapat menganalisa dan me-navigasi melalui data untuk menemukan trend, titik pengecualian, dan mendapat detail tergaris bawah untuk pemahaman kemunduran yang lebih baik dan menjalankan aktivitas bisnis mereka.
OLAP merupakan suatu metode pendekatan untuk menyajikan jawaban dari permintaan proses analisis yang bersifat dimensional secara cepat, yaitu desain dari aplikasi dan teknologi yang dapat mengoleksi, menyimpan, memanipulasi suatu data multidimensi untuk tujuan analisis.
11
OLAP DAN PENJADWALAN BERPRIORITAS
Berdasarkan algoritma penjadwalan berprioritas dibagi dua macam :
1. Statis, prioritas yang tidak berubah
2. Dinamis, prioritas yang bisa diuba
Berdasarkan algoritma penjadwalan berprioritas dibagi dua macam :
1. Statis, prioritas yang tidak berubah
2. Dinamis, prioritas yang bisa diuba
7.Data Mining
Data Mining adalah serangkaian
proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan
yang selama ini tidak diketahui secara manual. Patut diingat bahwa kata mining
sendiri berarti usaha untuk mendapatkan sedikit barang berharga dari sejumlah
besar material dasar. Karena itu Data Mining sebenarnya memiliki akar yang
panjang dari bidang ilmu seperti kecerdasan buatan (artificial intelligent),
machine learning, statistik dan database. Data mining adalah proses menerapkan
metode ini untuk data dengan maksud untuk mengungkap pola-pola tersembunyi.
Dengan arti lain Data mining adalah proses untuk penggalian pola-pola dari
data. Data mining menjadi alat yang semakin penting untuk mengubah data
tersebut menjadi informasi. Hal ini sering digunakan dalam berbagai praktek
profil, seperti pemasaran, pengawasan, penipuan deteksi dan penemuan ilmiah.
Telah digunakan selama bertahun-tahun oleh bisnis, ilmuwan dan pemerintah untuk
menyaring volume data seperti catatan perjalanan penumpang penerbangan, data
sensus dan
supermarket scanner data untuk menghasilkan laporan riset pasar.
Alasan utama untuk menggunakan data mining adalah untuk membantu dalam analisis koleksi pengamatan perilaku. Data tersebut rentan terhadap collinearity karena diketahui keterkaitan. Fakta yang tak terelakkan data mining adalah bahwa subset/set data yang dianalisis mungkin tidak mewakili seluruh domain, dan karenanya tidak boleh berisi contoh-contoh hubungan kritis tertentu dan perilaku yang ada di bagian lain dari domain . Untuk mengatasi masalah semacam ini, analisis dapat ditambah menggunakan berbasis percobaan dan pendekatan lain, seperti Choice Modelling untuk data yang dihasilkan manusia. Dalam situasi ini, yang melekat dapat berupa korelasi dikontrol untuk, atau dihapus sama sekali, selama konstruksi desain eksperimental.
Beberapa teknik yang sering disebut-sebut dalam literatur Data Mining dalam penerapannya antara lain: clustering, classification, association rule mining, neural network, genetic algorithm dan lain-lain. Yang membedakan persepsi terhadap Data Mining adalah perkembangan teknik-teknik Data Mining untuk aplikasi pada database skala besar. Sebelum populernya Data Mining, teknik-teknik tersebut hanya dapat dipakai untuk data skala kecil saja.
Alasan utama untuk menggunakan data mining adalah untuk membantu dalam analisis koleksi pengamatan perilaku. Data tersebut rentan terhadap collinearity karena diketahui keterkaitan. Fakta yang tak terelakkan data mining adalah bahwa subset/set data yang dianalisis mungkin tidak mewakili seluruh domain, dan karenanya tidak boleh berisi contoh-contoh hubungan kritis tertentu dan perilaku yang ada di bagian lain dari domain . Untuk mengatasi masalah semacam ini, analisis dapat ditambah menggunakan berbasis percobaan dan pendekatan lain, seperti Choice Modelling untuk data yang dihasilkan manusia. Dalam situasi ini, yang melekat dapat berupa korelasi dikontrol untuk, atau dihapus sama sekali, selama konstruksi desain eksperimental.
Beberapa teknik yang sering disebut-sebut dalam literatur Data Mining dalam penerapannya antara lain: clustering, classification, association rule mining, neural network, genetic algorithm dan lain-lain. Yang membedakan persepsi terhadap Data Mining adalah perkembangan teknik-teknik Data Mining untuk aplikasi pada database skala besar. Sebelum populernya Data Mining, teknik-teknik tersebut hanya dapat dipakai untuk data skala kecil saja.
12
Kesimpulan Dan Saran
A.Kesimpulan :
1.Informasi sebagai salah satu factor penting
penentu keberhasilan system pemprosesan transaksi
Pemrosesan transaksi digunakan untuk menjelaskan sistem informasi mengumpulkan data yang menguraikan aktivitas perusahaan, mengubah data menjadi informasi, dan menyediakan informasi tersebut bagi pangra pengguna terdapat di dalam maupun di luar perusahaan.
Pemrosesan transaksi digunakan untuk menjelaskan sistem informasi mengumpulkan data yang menguraikan aktivitas perusahaan, mengubah data menjadi informasi, dan menyediakan informasi tersebut bagi pangra pengguna terdapat di dalam maupun di luar perusahaan.
Subsistem-subsistem utama dari sistem distribusi,
yaitu:
1)
Sistem yang memenuhi pesanan pelanggan
2) Sistem
yang memesan persediaan pengganti
3) Sistem
yang menjalankan proses buku besar
2.Sistem informasi organisasi
Semua
system informasi yang dikembangkan untuk memenuhi kebutuhan akan informasi yang
berhubungan dengan bagian-bagian tertentu dari organisasi,yaitu:
1.Sistem informasi pemasaran
2.Sistem informasi sumber daya
manusia
3.Sistem informasi manufaktur
4.Sistem informasi keuangan
5.Sistem informasi eksekutif
3.Manajemen
hubungan pelanggan
Manajemen hubungan pelanggan (customer relationship management-CRM)
adalah manajemen hubungan antara perusahaan maupun pelanggannya akan menerima
nilai maksimum dari hubungan ini. Data warehouse adalah
bagian utama dari data warehousing
yang memasukkan data ke dalam gudang, mengubah isinya menjadi informasi, dan
menyediakan informasi tersebut kepada para pengguna.
4.Data warehousing
Data
warehousing merupakan gudang data,data warehouse adalah bagian utama dari data
warehousing data ke dalam gudang,mengubah isinya menjadi informasi tersebut
kepada para pengguna.
iii
5.Penyampaian informasi
Unsur
terakhir dalam system data warehousing adalah system penyampaian informasi,yang
mendapatkan data dari tempat penyampaian data,mengubahnya menjadi informasi,dan
menjadikan informasi tersebut tersedia bagi para pengguna.
6.Online analytical processing(OLAP)
Terdapat dua
pendekatan untuk OLAP : ROLAP dan MOLAP. ROLAP (relational on-line analytical
processing) menggunakan suatu sistem manajemen basis data relasional standar.
MOLAP (multidimensional on-line analytical processing) menggunakan suatu sistem
manajemen basis data khusus multidimensional.
Data mining adalah proses menemukan hubungan dalam data yang tidak diketahui pengguna.
Terdapat dua cara dasar dalam melakukan data mining: verifikasi hipotesis
(hypothesis verification) dan penemuan pengetahuan (knowledge discovery).
7.Data
mining
Data mining adalah serangkaian
proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan
yang selama ini tidak diketahui secara manual.
B.Saran :
1. Pembuatan
makalah ini sangat jauh dari kesempurnaan, karena keterbatasan sumber yang kami
peroleh. Sehingga isi dari makalah ini masih bersifat umum, oleh karena itu
kami harapkan agar pembaca bisa mecari sumber yang lain guna membandingkan
dengan pembahasan yang kami buat, guna mengoreksi bila terjadi kelasahan dalam
pembuatan makalah ini.
2. Kami
berharap bagi para pembaca mau memberikan kritik atau saran yang membangun agar
di masa yang akan datang kami dapat membuat makalah yang lebih baik lagi.
3. Kami
juga mengucapkan banyak terima kasih kepada Ibu Sriwangi BR.Sitepu selaku dosen
mata kuliah Sistem Informasi Managemen yang telah membimbing kami dalam
pembuatan makalah ini.
iv
Daftar
Pustaka
http://garethdata.blogspot.co.id/2010/03/pengertian-data-mining.html
ound.com/faktor-faktor-keberhasilan-atau-kegagalan-sistem-informasi-manajemen-sim-dalam-suatu-perusahaan/
ttps://melishaputri.wordpress.com/2012/11/17/informasi-dalam-praktik/
https://cucusukmana.wordpress.com/2010/07/29/online-analytical-processing-olap/
http://dashboardxcelsius.blogspot.co.id/2012/08/pengertian-data-warehouse.html
James A. O’Brien, George M.
Marakas” Informasi
Manajemen (Management Information Systems)” Edisi 9, Buku
1 2013
Jogiyanto,2005.Analisis
& Desain Sistem Informasi: Pendekatan terstruktur.Teori dan Praktik
Aplikasi Bisnis,yogjakarta:Andi Offset
Robert
G Murdick,dkk,Sistem Informasi Untuk Manajemen Modern,Jakarta:Erlangga,1991
Yakub.2012.Pengantar
Sistem Informasi,Yogyakarta:Graha Ilmu
v
Tidak ada komentar:
Posting Komentar