KNOWLEDGE AND DATA ENGINEERING

Slides:



Advertisements
Presentasi serupa
MANAGEMENT SUPPORT SYSTEM
Advertisements

Aplikasi Basis Data.
5.
SISTEM INFORMASI MANAJEMEN Rusidi,.Kom. DATA FAKTA ATAU GAMBARAN MENTAH.
Pengantar Sistem Informasi Sumber Daya Manusia (KM)
OLAP - PERTEMUAN 8 – OLAP.
Panji Wisnu Wirawan.  Batch era ◦ Fokus : automasi kegiatan operasional (data processing) ◦ Batch ? ◦ Setiap program memiliki data dalam file. ◦ Problem.
Database dan Managemen Informasi
METODE REKAYASA PERANGKAT LUNAK
Data Mining Definisi Data Mining Kemampuan Data Mining :
Materi Kuliah [5]: (Sistem Pendukung Keputusan)
Data Warehouse dan Decision Support
INTRODUCTION OF DATA WAREHOUSE
OLAP dalam Data Warehouse
Business Intelligence
Pengenalan Data Warehouse
Pengenalan Datawarehouse
Pada akhir pertemuan ini :
Data Warehousing Sistem Basis Data Lanjut Prepared by: MT. Wilson
PEMODELAN DATA.
Data Mining.
ARSITEKTUR SISTEM PENDUKUNG KEPUTUSAN
Data Warehouse Methodology– Lifecycle Models
Sumber Data untuk DW Data operasional dalam organisasi, misalnya basis data pelanggan dan produk, dan Sumber eksternal yang diperoleh misalnya melalui.
ONLINE ANALYTICAL PROCESSING (OLAP)
Konsep Sistem Informasi
OLEH IR. INDRAWANI SINOEM, MS
Pengenalan Datawarehouse
SISTEM PENUNJANG KEPUTUSAN (Decision Support System)
iman murtono soenhadji Sistem Penunjang Keputusan zSistem informasi untuk membantu manajer level menengah dalam pengambilan keputusan; zMendukung dan.
Sistem Pendukung Keputusan Manajemen
Konsep dan Teknik Data Mining
Office Automation Office Automation (OS) / Office Automation Systems (OAS) adalah suatu sistem informasi yang secara khas mendukung tugas-tugas para karyawan,
Informasi Dalam Praktik
PENGANTAR SISTEM PAKAR (EXPERT SYSTEM)
INTRODUCTION OF DATA WAREHOUSE
SISTEM PENDUKUNG KEPUTUSAN ORGANISASI (ODSS)
SISTEM PENUNJANG KEPUTUSAN (Decision Support System)
OLEH Ir. Indrawani Sinoem, MS
Agus Aan Jiwa Permana, S.Kom., M.Cs
Sistem Basis Data Lanjut (KMP306)
Pertemuan 5-2 Database dan Sistem
Topik Database : 1. Sistem Basis Data 2. ER Model
Charitas Fibriani, S.Kom, M.Eng
ARSITEKTUR DATA WAREHOUSE
KARAKTERISTIK DW Pertemuan ke-2.
Konsep Data Warehouse Kelompok 3 :
OLEH Ir. Indrawani Sinoem, MS
DATA WAREHOUSE.
PERBANDINGAN SISTEM KONVENSIONAL
INTRODUCTION OF DATA WAREHOUSE
Data Warehouse Database Systems: Design, Implementation, and Management, Sixth Edition, Rob and Coronel.
INTRODUCTION OF DATA WAREHOUSE
UPAYA PEMECAHAN MASALAH DALAM MEMBANGUN GUDANG DATA (DATA WAREHOUSE)
Business Intelligent Ramos Somya, S.Kom., M.Cs.
Analisis Multidimensional
Sistem Manajemen Basis Data
Akuisisi dan Rekayasa Pengetahuan
PRODI MIK | FAKULTAS ILMU-ILMU KESEHATAN
Pertemuan ke-1 (GUDANG DATA)
Business Intelligence Ramos Somya, S.Kom., M.Cs.
SISTEM INFORMASI MANAJEMEN
Sistem Pendukung Keputusan Manajemen
Business Intelligent Ramos Somya, S.Kom., M.Cs.
Oleh: Wahyu Dwi Suryanto G
PERKEMBANGAN DATA WAREHOUSE
ILMU PENGETAHUAN DAN JENIS PENELITIAN 29
SISTEM INFORMASI MANAJEMEN
MODEL MANAGEMENT SUBSYSTEM
SISTEM PENDUKUNG KEPUTUSAN
Transcript presentasi:

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