KNOWLEDGE AND DATA ENGINEERING OLEH IR. INDRAWANI SINOEM, MS.
1. KONSEP DASAR Data : kumpulan kode alfanumerik Fakta : data yang terbukti kebenarannya Informasi : data yang memiliki nilai tambah Knowledge/pengetahuan : informasi yang terorganisir.
2. DATA ENGINEERING Untuk masalah-masalah yang terstruktur Bisa dikoneksikan/didapat langsung dari data yang diketahui, sehingga disebut dengan data engineering (DE, rekayasa data).
3. KNOWLEDGE ENGINEERING Untuk masalah-maslah yang semi dan tidak terstruktur. Informasi yg diketahui tidak bisa langsung dikoneksikan ketujuannya, sehingga mem-butuhkan knowledge, sehingga disebut dengan knowledge (KE, rekayasa penge-tahuan). Keduanya disebut knowledga and data engineering (KDE).
4. MASALAH TERSTRUKTUR Basis data (BD) sendiri sudah punya nilai, sehingga dapat diektraksi langsung. Pada kelas enterprise (yang melibatkan data multideminsi), data normalisasi yang akan diproyeksikan ke data multimedia membutuhkan tools OLAP. Dari sini akan lahir data warehousing (DW). Jadi DW lahir dari masalah-masalah yang terstruktur, bukan yg semi/tdk terstruktur.
5. MASALAH SEMI DAN TIDAK TERSTRUKTUR Knowledge memodelkan sebab akibat, maka membutuhkan proses inferencing. Tidak ada hubungan kuantitatif antara masukan dengan keputusan yang dihasilkan. Jika hubungan kualitatif pasti selalu ada hubungan- nya. Fokus pada basis pengetahuan. Metodologi yang dikembangkan di atas know-ledge ini disebut knowledge engineering.
DIAGRAM : DSS Database Konseptual Structured Semi Structured OLAP (On-line Analytical Processing) Konseptual Structured Semi Structured ES IR (Information Retrievel) Unstructured DM ODS (Operational Data Structured) DW (Data Warehouse) OLTP OLTP Database OLTP OLTP (On-Line Transectional Processing) Operational Commersial