3 - Makalah - Foundation of BI Database and Information Management
3 - Makalah - Foundation of BI Database and Information Management
3 - Makalah - Foundation of BI Database and Information Management
Dosen Pengampu:
FX. Aprilia Pascanora Hartadi, S. T., M. T.
Disusun Oleh:
Fara Tazkia Pramudya H. 120404210012
Fareza Nur Aini 120404210120
Penulis
i
Daftar Isi
Kata Pengantar ............................................................................................................................ i
BAB I ......................................................................................................................................... 1
PENDAHULUAN ..................................................................................................................... 1
1.1 Latar Belakang ............................................................................................................. 1
1.2 Rumusan Masalah ........................................................................................................ 1
1.3 Tujuan ........................................................................................................................... 2
BAB II........................................................................................................................................ 3
PEMBAHASAN ........................................................................................................................ 3
2.1 Persyaratan dan Konsep dalam Mengorganisasikan File ............................................. 3
2.2 Permasalahan dari Lingkungan File Tradisional .......................................................... 3
2.3 Database Management System (Sistem Manajemen Database) ................................... 5
2.4 Kapabilitas dari Database Management System .......................................................... 7
2.5 Mendesain Database .................................................................................................... 8
2.6 Database Non-relasi dan Database in the Cloud.......................................................... 9
2.7 Tantangan dari Big Data............................................................................................. 10
2.8 Infrastruktur Business Intelligence ............................................................................. 11
2.9 Perangkat Analitis: Hubungan, Pola, Tren ................................................................. 13
2.10 Database dan Web ...................................................................................................... 15
2.11 Menetapkan Kebijakan Informasi .............................................................................. 16
2.12 Memastikan Kualitas Data ......................................................................................... 16
BAB III .................................................................................................................................... 18
PENUTUP................................................................................................................................ 18
3.1 Kesimpulan ................................................................................................................. 18
3.2 Saran ........................................................................................................................... 18
Daftar Pustaka .......................................................................................................................... 19
ii
BAB I
PENDAHULUAN
1.1 Latar Belakang
Sistem informasi dapat dikatakan efektif jika memberikan informasi yang akurat
dengan tepat pada waktunya dan relevan sesuai dengan kebutuhan pengguna informasi.
Informasi yang akurat dengan tepat pada waktunya berarti memberikan informasi yang
benar atau bebas dari kesalahan dan selalu tersedia jika dibutuhkan oleh pihak pengambil
keputusan. Informasi yang relevan berarti berguna dan sesuai untuk jenis pekerjaan dan
keputusan yang memerlukannya. Ada banyak bisnis yang tidak memiliki informasi yang
akurat dan relevan dikarenakan data dalam sistem informasi mereka tidak diatur dan
dipelihara dengan baik. Oleh karena itu manajemen informasi menjadi sangat penting.
1
3. Apa alat dan teknologi utama untuk mengakses informasi dari database untuk
meningkatkan kinerja bisnis dan pengambilan keputusan?
4. Mengapa kebijakan informasi, administrasi data, dan kualitas data jaminan penting
untuk mengelola sumber daya data perusahaan?
1.3 Tujuan
1. Memahami bagaimana pengelolaan sumber daya data dalam lingkungan file
tradisional
2. Mengetahui jenis-jenis alat dan teknologi utama untuk mengakses informasi dari
database
3. Mengetahui kemampuan utama sistem manajemen basis data
4. Memahami hubungan kebijakan informasi, administrasi data, dan kualitas data
dengan pengelolaan data perusahaan
2
BAB II
PEMBAHASAN
2.1 Persyaratan dan Konsep dalam Mengorganisasikan File
Sistem komputer mengatur data yang dimulai dengan bit dan byte yang kemudian
berkembang menjadi bidang, catatan, file, dan database. Bit mewakili unit data terkecil
yang dapat ditangani oleh komputer. Byte adalah sebuah grup yang terdiri atas bit
mewakili sebuah karakter yang dapat berupa sebuah kata, sebuah angka, atau simbol
lainnya. Bidang adalah pengelompokan karakter menjadi kata, grup kata-kata, atau
nomor lengkap (seperti nama atau usia seseorang). Sebuah grup dari bidang yang
berkaitan seperti daftar berisi nama siswa, mata kuliah yang diambil, dan nilai disebut
sebagai catatan. Sebuah grup yang terdiri atas catatan dinamakan sebagai file.
Sebuah catatan pasti menggambarkan entitas. Entitas adalah orang, tempat, benda,
atau peristiwa dimana kami menyimpan dan memelihara informasi. Setiap karakteristik
atau kualitas yang menggambarkan entitas tertentu disebut atribut. Nilai spesifik yang
dimiliki atribut ini dapat ditemukan di bidang dari catatan yang menjelaskan seluruh
entitas.
Setiap aplikasi tentu saja membutuhkan file dan komputernya sendiri program untuk
beroperasi. Misalnya, area fungsional sumber daya manusia mungkin memiliki file induk
personel, file penggajian, file asuransi kesehatan, file pensiun, dan sebagainya, hingga
puluhan atau ratusan file dan program yang telah ada. Dalam perusahaan secara
3
keseluruhan, proses ini menyebabkan banyak file induk dibuat, dipelihara, dan
dioperasikan oleh divisi atau departemen terpisah. Saat proses ini berlangsung selama 5
atau 10 tahun, organisasi ini dibebani dengan ratusan program dan aplikasi yang sangat
sulit untuk dipelihara dan dikelola. Masalah yang dihasilkan adalah redundansi dan
inkonsistensi data, ketergantungan program data, tidak fleksibel, keamanan data yang
buruk, dan ketidakmampuan untuk berbagi data antar aplikasi.
4
Perubahan seperti itu dapat menghabiskan biaya jutaan dolar untuk memperbaikinya
hingga benar.
C. Kurangnya Fleksibilitas
Sistem file tradisional dapat mengirimkan laporan terjadwal rutin setelah
mengeluarkan upaya pemrograman secara menyeluruh, tetapi tidak dapat
memberikan laporan ad hoc (laporan yang dibuat dalam waktu yang cepat sesuai
dengan kebutuhan) atau menanggapi kebutuhan informasi yang tidak terduga secara
tepat waktu. Informasi yang dibutuhkan oleh permintaan ad hoc ada di suatu tempat
di sistem tetapi mungkin terlalu mahal untuk didapatkan kembali. Beberapa
programmer mungkin harus bekerja selama berminggu-minggu untuk menyusunnya
item data yang diperlukan dalam file baru.
D. Keamanan yang Buruk
Keamanan yang buruk terjadi karena hanya ada sedikit kontrol atau pengelolaan
data, akses dan penyebaran informasi mungkin tidak terkendali. Manajemen mungkin
tidak memiliki cara untuk mengetahui siapa saja yang mengakses atau bahkan
membuat perubahan pada data organisasi.
E. Kurangnya Membagi dan Ketersediaan Data
Potongan informasi dalam file yang berbeda dan bagian organisasi yang berbeda
tidak dapat dihubungkan satu sama lain, hampir tidak mungkin informasi dibagikan
atau diakses pada waktu yang tepat. Informasi tidak dapat mengalir secara bebas
melintasi area fungsional yang berbeda atau bagian yang berbeda dari sebuah
organisasi. Jika pengguna menemukan nilai yang berbeda dari sebuah informasi yang
sama dalam dua system yang berbeda, mereka mungkin tidak ingin menggunakan
sistem ini karena mereka tidak dapat mempercayai akurasi data mereka.
5
dan format setiap elemen data yang digunakan dalam program dan kemudian
memberitahu komputer di mana mereka berada.
6
Sistem manajemen database kontemporer menggunakan model database yang
berbeda untuk melacak entitas, atribut, dan hubungan data. Jenis sistem manajemen
database yang paling populer saat ini untuk PC/komputer besar dan mainframe adalah
sistem manajemen database relasional. Database relasional merepresentasikan data
sebagai tabel dua dimensi. Setiap tabel terdiri dari kisi-kisi kolom dan baris data dan
berisi data pada suatu entitas dan atributnya.
Setiap elemen individu data untuk setiap entitas disimpan sebagai bidang terpisah,
dan setiap bidang mewakili atribut untuk entitas itu. Bidang di database relasional
disebut sebagai kolom. Baris biasanya disebut sebagai catatan, atau dalam istilah yang
sangat teknis, sebagai tupel (stuktur data yang digunakan untuk menyimpan
sekumpulan data). Setiap tabel dalam database relasional memiliki satu bidang yang
ditetapkan sebagai kunci utama. Bidang kunci ini adalah pengidentifikasian untuk
semua informasi dalam baris tabel, dan kunci utama ini tidak dapat diduplikasi.
C. Operasi Sistem Manajemen Database Relasional
Tabel database relasional dapat digabungkan dengan mudah untuk mengirimkan
data yang dibutuhkan oleh pengguna, asalkan dua tabel berbagi elemen data yang
sama. Dalam database relasional, tiga operasi dasar digunakan untuk
mengembangkan kumpulan data yang berguna yaitu select, join, dan proyek. Select
membuat subset yang terdiri dari semua catatan dalam file yang memenuhi kriteria
yang dinyatakan. Join menggabungkan relasional tabel untuk menyediakan pengguna
dengan lebih banyak informasi daripada yang tersedia di individu tabel. Proyek
membuat subset yang terdiri dari kolom dalam tabel, memungkinkan pengguna untuk
membuat tabel baru yang hanya berisi informasi yang diperlukan.
7
menangkap informasi tambahan, seperti penggunaan, kepemilikan (siapa dalam
organisasi bertanggung jawab untuk memelihara data), otorisasi, keamanan, individu,
fungsi bisnis, program, dan laporan yang menggunakan setiap elemen data.
Ada beberapa jenis database NoSQL, dimana masing-masing memiliki fitur dan
perilaku teknis tersendiri. Oracle NoSQL Database adalah salah satu contohnya,
sebagaimana adanya SimpleDB Amazon, salah satu Layanan Web Amazon yang
berjalan di cloud. SimpleDB menyediakan antarmuka layanan web sederhana untuk
membuat dan menyimpan beberapa kumpulan data, melakukan kueri data dengan
mudah, dan mengembalikan hasilnya. Tidak perlu mendefinisikan struktur database
formal atau mengubah definisi itu jika data baru ditambahkan kemudian. Basis data
NoSQL dapat digunakan informasi terstruktur, semi terstruktur, dan tidak terstruktur
tanpa memerlukan pemetaan database yang membosankan, mahal, dan memakan
waktu.
B. Database Cloud
Amazon dan vendor komputasi cloud lainnya menyediakan layanan basis data
relasional. Amazon Relational Database Service (Amazon RDS) menawarkan
MySQL, SQL Server, Oracle Database, PostgreSQL, MariaDB, dan Amazon Aurora
9
DB (kompatibel dengan MySQL) sebagai mesin database. Oracle memiliki memiliki
Layanan Cloud Database menggunakan Oracle Database relasionalnya, dan
Microsoft Windows SQL Azure Database adalah layanan basis data relasional
berbasis cloud Microsoft SQL Server SISTEM MANAJEMEN DATABASE.
Layanan manajemen data berbasis cloud memiliki daya tarik khusus untuk
perusahaan rintisan yang berfokus pada web atau usaha kecil hingga menengah yang
mencari kemampuan basis data dengan harga lebih rendah daripada basis data internal
produk.
Selain layanan manajemen data berbasis cloud publik, perusahaan sekarang
memiliki opsi untuk menggunakan database di cloud pribadi. Misal seperti Sabre
Holdings, penyedia perangkat lunak sebagai layanan (SaaS) terbesar di dunia untuk
industri penerbangan, memiliki cloud database pribadi yang mendukung lebih dari
100 proyek dan 700 pengguna. Database terkonsolidasi yang mencakup kumpulan
server standar yang menyediakan layanan database untuk beberapa aplikasi.
Big data tidak mengacu pada kuantitas tertentu tetapi biasanya mengacu pada data
dalam kisaran petabyte dan exabyte—dengan kata lain, miliaran hingga triliunan catatan,
semua berasal dari sumber yang berbeda. Big data diproduksi dalam jumlah yang jauh
lebih besar dan jauh lebih cepat daripada data tradisional. Misalnya, mesin jet tunggal
mampu menghasilkan 10 terabyte data hanya dalam 30 menit, dan ada lebih dari 25.000
penerbangan maskapai setiap hari.
10
Banyak perusahaan yang tertarik pada big data 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,
pasar keuangan kegiatan, atau fenomena lainnya. Big data juga menemukan banyak
kegunaan di sektor publik. Kota-kota besar di Eropa dan Europol menggunakan Big Data
untuk mengidentifikasi penjahat dan teroris (Aline, 2016).
Namun, untuk memperoleh nilai bisnis dari data ini, organisasi memerlukan teknologi
dan alat yang mampu mengelola dan menganalisis data nontradisional bersamaan dengan
data perusahaan tradisional mereka. Mereka juga perlu tahu pertanyaan apa yang harus
diajukan tentang data dan batasan big data. Menangkap, menyimpan, dan menganalisis
big data memerlukan biaya yang mahal, dan informasi dari big data mungkin tidak selalu
membantu dalam pengambilan keputusan. Sangat penting untuk memiliki pemahaman
yang jelas dari masalah big data yang akan memecahkan masalah dalam bisnis.
11
Perusahaan sering membangun gudang data di seluruh perusahaan, di mana pusat
gudang data melayani seluruh organisasi, atau mereka membuat gudang yang lebih
kecil dan terdesentralisasi yang disebut pasar data. Pasar data adalah bagian dari
gudang data di mana terdiri atas bagian yang diringkas atau sangat terfokus dari data
organisasi yang ditempatkan dalam database terpisah untuk populasi pengguna
tertentu. Misalnya, perusahaan mungkin mengembangkan pemasaran dan penjualan
pasar data untuk menangani informasi pelanggan.
B. Hadoop
Sistem manajemen database relasional dan produk gudang data tidak cocok untuk
pengorganisasian dan menganalisis big data atau data yang tidak mudah masuk ke
dalam kolom dan baris yang digunakan dalam model data mereka. Untuk menangani
data tidak terstruktur, data semi terstruktur, serta data terstruktur, organisasi
menggunakan Hadoop.
Hadoop adalah kerangka kerja perangkat lunak sumber terbuka yang dikelola oleh
Apache Software Foundation yang dapat melakukan pemrosesan distribusi paralel
yang memiliki banyak data yang berasal dari berbagai komputer yang murah. Ini
memecahkan masalah big data menjadi sub-masalah, mendistribusikannya di antara
hingga ribuan pemrosesan komputer yang murah, dan kemudian menggabungkan
hasilnya menjadi kumpulan data yang lebih kecil sehingga lebih mudah untuk
dianalisis.
Hadoop terdiri dari beberapa layanan utama, termasuk Hadoop Distributed Sistem
File (HDFS) untuk penyimpanan data dan MapReduce untuk kinerja tinggi
pemrosesan data paralel. HDFS menghubungkan sistem file pada banyak node dalam
cluster Hadoop untuk mengubahnya menjadi satu sistem file besar.
Hadoop berjalan pada sekelompok server murah, dan prosesor dapat ditambahkan
atau dihapus sesuai kebutuhan. Perusahaan menggunakan Hadoop untuk
menganalisis volume data yang sangat besar serta untuk area pementasan untuk tidak
terstruktur dan data semi-terstruktur sebelum dimuat ke gudang data
C. Komputasi dalam Memori
Cara lain untuk memfasilitasi analisis big data adalah dengan menggunakan
komputasi dalam memori, yang bergantung terutama pada memori utama komputer
(RAM) untuk penyimpanan data (sistem manajemen database konvensional
menggunakan sistem penyimpanan disk). Pengguna mengakses data yang disimpan
12
di memori utama sistem, sehingga menghilangkan kemacetan dari pengambilan dan
membaca data dalam basis data tradisional berbasis disk, dan memperpendek waktu
respons kueri. Pemrosesan dalam memori memungkinkan kumpulan data yang sangat
besar, sebesar ukuran pasar data atau gudang data kecil, untuk disimpan sepnuhnya
dalam memori.
Produk komersial terkemuka untuk komputasi dalam memori termasuk SAP
HANA dan Oracle Exalytics. Masing-masing menyediakan satu set komponen
perangkat lunak terintegrasi, termasuk perangkat lunak basis data dalam memori dan
perangkat lunak analitik khusus yang dijalankan pada perangkat keras yang
dioptimalkan untuk pekerjaan komputasi dalam memori.
D. Platform Analitis
Vendor database komersial telah mengembangkan platform analitik berkecepatan
tinggi khusus yang menggunakan teknologi relasional dan non-relasional yang
dioptimalkan untuk menganalisis kumpulan big data. Platform analitik seperti IBM
PureData System for Analytics, menampilkan sistem perangkat keras-perangkat
lunak yang telah dikonfigurasi sebelumnya yang dirancang khusus untuk pemrosesan
kueri dan analitik. Platform analitik juga menyertakan sistem dalam memori dan
sistem manajemen basis data non-relasional NoSQL. Platform analitik sekarang
tersedia sebagai layanan cloud.
13
untuk mendapatkan jawaban atas pertanyaan ad hoc secara online dalam waktu yang
cukup cepat, bahkan ketika data disimpan dalam database yang sangat besar, seperti
angka penjualan untuk beberapa tahun.
B. Penambangan Data
Penambangan data memberikan wawasan tentang data perusahaan yang tidak
dapat diperoleh melalui OLAP dengan menemukan pola tersembunyi dan hubungan
dalam database besar dan menyimpulkan aturan dari mereka untuk memprediksi
perilaku masa depan. Pola dan aturan digunakan untuk memandu pengambilan
keputusan dan memperkirakan dampak dari keputusan tersebut.
Jenis informasi yang dapat diperoleh dari data mining meliputi asosiasi, urutan,
klasifikasi, cluster, dan peramalan. Asosiasi adalah kejadian yang terkait dengan satu
peristiwa. Urutan adalah peristiwa yang terkait dari waktu ke waktu. Klasifikasi
mengenali pola yang menggambarkan kelompok yang itemnya milik dengan
memeriksa item yang ada yang telah diklasifikasikan dan dengan menyimpulkan
seperangkat aturan. Clustering bekerja dengan cara yang mirip dengan klasifikasi
ketika tidak ada grup yang memiliki belum didefinisikan. Peramalan menggunakan
prediksi dengan cara yang berbeda. Ini menggunakan serangkaian nilai yang ada
untuk meramalkan apa nilai-nilai lain yang akan terjadi.
Sistem ini melakukan analisis pola atau tren tingkat tinggi, tetapi mereka juga
dapat menelusuri untuk memberikan lebih banyak detail saat dibutuhkan. Ada
aplikasi penambangan data untuk semua area fungsional bisnis dan untuk pemerintah
dan pekerjaan ilmiah. Salah satu penggunaan populer untuk penambangan data adalah
untuk memberikan analisis terperinci pola dalam data pelanggan untuk kampanye
pemasaran one-to-one atau untuk mengidentifikasi pelanggan yang menguntungkan.
C. Pertambangan Teks dan Pertambangan Web
Alat penambangan teks sekarang tersedia untuk membantu bisnis menganalisis
data. Alat ini dapat mengekstrak elemen kunci dari kumpulan big data yang tidak
terstruktur, temukan pola dan hubungan, dan rangkum informasi.
Perusahaan 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. Perangkat lunak analisis sentimen mampu menambang komentar teks dalam
14
pesan email, blog, percakapan media sosial, atau formulir survei untuk mendeteksi
pendapat yang menguntungkan dan tidak menguntungkan tentang dubjek tertentu.
Web adalah sumber lain yang kaya akan big data yang tidak terstruktur untuk
mengungkapkan pola, tren, dan wawasan tentang perilaku pelanggan. Penemuan dan
analisis pola dan informasi yang berguna dari World Wide Web disebut web
pertambangan. Perusahaan mungkin beralih ke penambangan web untuk membantu
mereka memahami perilaku pelanggan, mengevaluasi efektivitas situs web tertentu,
atau mengukur keberhasilan kampanye pemasaran.
Penambangan web mencari pola dalam data melalui penambangan konten,
struktur penambangan, dan penambangan penggunaan. Penambangan konten web
adalah proses mengekstraksi pengetahuan dari konten halaman web, yang mungkin
termasuk teks, gambar, audio, dan data video. Penambangan struktur web memeriksa
data yang terkait dengan struktur situs web tertentu.
Penambangan penggunaan web memeriksa data interaksi pengguna yang direkam
oleh server web setiap kali permintaan untuk sumber daya situs web diterima. Data
itu mencatat perilaku pengguna ketika pengguna menelusuri atau melakukan
transaksi di situs web dan mengumpulkan data di log server. Menganalisis data seperti
itu dapat membantu perusahaan menentukan nilai pelanggan tertentu, strategi
pemasaran silang lintas produk, dan efektivitas promosi kampanye.
Ada sejumlah keuntungan jika menggunakan web untuk mengakses database internal
organisasi. Pertama, perangkat lunak browser web jauh lebih mudah digunakan daripada
alat kueri berpemilik. Kedua, antarmuka web membutuhkan sedikit atau tidak sama sekali
perubahan pada database internal. Biayanya jauh lebih murah untuk menambahkan
antarmuka web di depan sistem warisan daripada mendesain ulang dan membangun
kembali sistem untuk meningkatkan akses pengguna. Mengakses database perusahaan
melalui web menciptakan efisiensi baru, peluang, dan model bisnis.
15
2.11 Menetapkan Kebijakan Informasi
Setiap bisnis, besar maupun kecil, pasti membutuhkan kebijakan informasi. Data
perusahaan adalah sumber daya yang penting, dan tentunya perusahaan tidak ingin orang
lain diluar perusahaan melakukan apa pun yang mereka inginkan secara bebas.
Perusahaan perlu memiliki aturan tentang bagaimana data diatur, dipertahankan, dan
siapa saja yang diizinkan untuk melihat data atau mengubahnya.
Untuk perusahaan kecil, kebijakan informasi akan ditetapkan dan dilaksanakan oleh
pemilik atau pengelola. Dalam sebuah organisasi besar, pengelolaan dan perencanaan
informasi sebagai sumber daya perusahaan sering kali memerlukan fungsi administrasi
data formal. Administrasi data bertanggung jawab atas kebijakan dan prosedur khusus di
mana data dapat dikelola sebagai sumber daya organisasi. Tanggung jawab ini termasuk
mengembangkan informasi kebijakan, perencanaan data, pengawasan desain database
logis dan kamus data pengembangan, dan pemantauan bagaimana spesialis sistem
informasi dan kelompok pengguna akhir menggunakan data.
Jika database dirancang dengan benar dan standar data seluruh perusahaan ditetapkan,
elemen data duplikat atau tidak konsisten harus diminimalkan. Data terbanyak adalah
mengenai kualitas, seperti nama yang salah eja, nomor yang dialihkan, atau kode yang
salah atau hilang, hal itu berasal dari kesalahan selama input data. Kejadian kesalahan
semacam itu meningkat ketika perusahaan memindahkan bisnis mereka ke web dan
16
memungkinkan pelanggan dan pemasok memasukkan data ke situs web mereka yang
secara langsung memperbarui sistem internal.
Sebelum database baru dibuat, organisasi perlu mengidentifikasi dan mengoreksi data
mereka yang salah dan membuat rutinitas yang lebih baik untuk mengedit data setelah
database mereka beroperasi. Analisis kualitas data sering dimulai dengan kualitas data
audit, yang merupakan survei terstruktur tentang akurasi dan tingkat kelengkapan dari
data dalam sebuah sistem informasi. Audit kualitas data dapat dilakukan dengan:
mensurvei seluruh file data, mensurvei sampel dari file data, atau menyurvei akhir
pengguna untuk persepsi mereka tentang kualitas data.
Pembersihan data, juga dikenal sebagai penggosokan data, terdiri dari aktivitas untuk
mendeteksi dan mengoreksi data dalam database yang tidak benar, tidak lengkap, dan
tidak diformat dengan benar. Pembersihan data tidak hanya memperbaiki kesalahan tetapi
juga memaksakan konsistensi di antara kumpulan data yang berbeda yang berasal dari
sistem informasi yang terpisah. Perangkat lunak pembersihan data khusus tersedia secara
otomatis untuk mensurvei file data, memperbaiki kesalahan dalam data, dan
mengintegrasikan data dalam format seluruh perusahaan yang konsisten.
Masalah kualitas data bukan hanya masalah perusahaan. Masalah tersebut juga
menimbulkan masalah serius bagi pekerja individu, mempengaruhi kondisi keuangan
mereka dan bahkan pekerjaan mereka. Sebagian kecil perusahaan mengizinkan masing-
masing departemen untuk bertanggung jawab menjaga kualitas data mereka sendiri.
Namun, administrasi data terbaik menggunakan sentralisasi tata kelola data, standarisasi
organisasi data, pemeliharaan kualitas data, dan aksesibilitas ke aset data.
17
BAB III
PENUTUP
3.1 Kesimpulan
Database merupakan tempat perusahaan menyimpan data-data yang berguna dalam
pengambilan keputusan perusahaan. Kehadiran database berangkat dari permasalahan
mengenai sistem penyimpanan file tradisional yang tidak efektif dan efisien. Dalam
sistem penyimpanan file tradisional banyak data yang berulang dan tidak tersedia di
waktu yang dibutuhkan. Oleh karena itu dibuatlah sistem maanjemen database yang
merupakan inovasi dari sistem penyimpanan tadisional. Dalam sistem manajemen
database memerlukan kapabilitas tertentu, seperti bahasa definisi data, kamus data, dan
bahasa manipulasi data yang digunakan untuk penyimpanan dan pelaporan informasi.
Ada dua jenis database, yaitu database non-relasional dan database cloud.
3.2 Saran
Saat ini perkembangan teknologi menjadi sanagt pesat, salah satunya dalam hal
penyimpanan data. Penyimpanan data perusahaan menjadi lebih mudah, namun secara
tidak langsung menjadi rumit. Agar tetap bertahan perusahaan harus mampu mengikuti
perkembangan teknologi tersebut. Oleh karena itu diperlukan kemampuan kemampuan
yang dapat menunjang perkembangan teknologi database ini. Perusahaan dapat mencari
pekerja yang memiliki kemampuan mumpuni di bidang teknologi database.
18
Daftar Pustaka
Kenneth C. Laudon, Jane P. Laudon. (2018). Management Information System: Managing
The Digital Firm 15th edition. Essex: Pearson Education Limited.
19