SISTEM PENDUKUNG KEPUTUSAN

Presentasi berjudul: "SISTEM PENDUKUNG KEPUTUSAN"— Transcript presentasi:

1 SISTEM PENDUKUNG KEPUTUSAN
Turban, Aronson, and Liang Decision Support Systems and Intelligent Systems, Seventh Edition SISTEM PENDUKUNG KEPUTUSAN BAB-5 Sistem Pendukung Keputusan Sistem Penunjang Keputusan Sistem Pengambilan Keputusan Chapter 5 Business Intelligence: Data Warehousing, Data Acquisition, Data Mining, Business Analytics, and Visualization

2 Tujuan Pembelajaran Menjelaskan masalah dalam manajemen data.
Memahami konsep dan kegunaan DBMS. Mempelajari data warehousing dan data marts. Menjelaskan business intelligence/business analytics. Membahas bagaimana meningkatkan pengambilan keputusan melalui manipulasi data dan analisa. Memahami interaksi antara teknologi Web dan database. Menjelaskan bagaimana teknologi database digunakan dalam business analytics. Memahami pengaruh Web terhadap business intelligence dan analytics.

3 Pengantar Banyak Organisasi memiliki data yang jumlahnya terus meningkat sangat cepat. Menghapus data-data penting menjadi suatu masalah? Efektif, dan tidak efektif dan bermasalah bagi sebagian organisasi Solusi: menggunakan piranti analitik untuk meningkatkan pengambilan keputusan, dengan menempatkan arsitektur data dengan benar. Kecerdasan bisnis=membuat analisis keputusan melalui akses ke sisfo yang relevan meliputi Data Warehousing, OLAP, Data Mining, visualisasi serta multidimensial.

4 Data warehouse memberikan sebuah arsitektur data strategis untuk melakukan analisis pendukung keputusan. Data warehouse memungkinkan data mining, sebuah kemampuan secara otomatis mensintesakan sejumlah besar informasi untuk menemukan kebenaran-kebenaran tersembunyi di dalam data. Portal data muncul sebagai generasi di era data warehouse (web enabled).

5 Horizontal and vertical information sharing
Information Sharing a Principle Component of the National Strategy for Homeland Security Vignette Jaringan dari sistem yang memberikan distribusi dan integrasi knowledge Horizontal and vertical information sharing Peningkatan komunikasi & Mengintegrasikan pengetahuan. Data Mining tersimpan dalam data warehouse yang memungkinkan diakses melalui Web @ Menggunakan orang yang tepat, proses serta tekanologi yang tepat, dapat mengatasi kerentanan & ancaman dan merespon dengan cepat dan efektif

6 Peningkatan komunikasi & Mengintegrasikan pengetahuan.
Mengintegrasikan pemakaian informasi secara bersama-sama dil intas pemerintahan federal Memperluas integrasi pemakaian informasi bersama-sama di lintas pemerintahan bagian dan lokal, industri swasta, dan warga negara Mengadopsi standar metadata dari informasi elektronik yang relevan dengan keamanan tanah air Meningkatkan komunikasi keamanan publik Memastikan informasi publik yang dapat diandalkan

7 Data, Information, Knowledge
Seorang pengambil keputusan membutuhkan data, informasi dan pengetahuan Pengambil keputusan harus mampu menerapkan piranti analisis OLAP, data mining dll sehingga data, informasi, dan pengetahuan bermanfaat. Kecerdasan bisnis membuat para pengambil keputusan dapat mengidentifikasi hubungan diantara item-item data sehingga memberikan pemahaman dan keunggulan kompetitif Data diintegrasikan dalam sebuah data warehouse dan dianalisis secara otomatis via piranti data mining atau para analis dengan menggunakan OLAP. Semua sistem pendukung keputusan menggunakan data, informasi dan atau pengetahuan.

8 Data, Information, Knowledge
Sesuatu yang menjadi gambaran paling mendasar mengenai sesuatu, benda, peristiwa, aktifitas dan transaksi yg direkam. Terdiri dari internal (data korporat) atau eksternal (komersial, Sensor dan Satelit (GIS), lembaga riset, bank, biro sensus dll ) Data dan pengetahuan personal Informasi Data yang telah diolah menjadi sesuatu yang lebih berarti dan bernilai Knowledge Data dan atau informasi yg diorganisasi dan proses untuk pemahaman, pengalaman, pembelajaran akumulatif, dan keahlian yang diaplikasikan terhadap suatu masalah atau aktifitas saat ini dalam sebuah SPK

9 Data (Pengumpulan data, Masalah dan Kualitas)
Data mentah diperoleh secara manual atau menggunakan instrumen (alat/sensor scanner/GPS/PDA/RFID) metode time study, surve, kuesioner, observasi dan wawancara Masalah2 Data (GIGO) Kualitas Data merupakan sesuatu yang penting Kualitas menentukan manfaat Contextual data quality (Relevansi, nilai tambah, batasan waktu, kelengkapan, dan jmlah data) Intrinsic data quality (akurasi, objectivitas, kemampuan u/ dapat dipercaya, reputasi) Accessibility data quality (kemudahan akses, dan keamanan akses) Representation data quality (pemahaman, kemampuan untuk diinterpretasikan (representasi tepat dan konsisten) Sering kali terlupakan atau ditangani begitu saja Masalah akan terungkap ketika data terangkum (Aplikasi datawarehouse mengharuskan data dibersihkan/program jaminan kualitas data aktif)

10 Data Problems

11 Data Membersihkan data Topik terkait dengan Integritas Data
Ketika menggunakan warehouse Data quality action plan Best practices untuk kualitas data Mengukur hasil Topik terkait dengan Integritas Data Uniformity (Keseragaman) Version (pemeriksaan versi ketika diubah menggunakan metadata dan memastikan data asli tidak berubah) Completeness check (Periksa kelengkapan) Conformity check (Periksa konsistensi) Genealogy or drill-down (silsilah/turunan)

12 Data Integrasi Data Diperlukan akses ke berbagai sumber
(mengatasi sistem pengarsipan lemah, konflik data, tipe dan ukuran) Diperlukan akses ke berbagai sumber Seringkali berskala besar (enterprise-wide) Database yang berbeda dan heterogen XML menjadi bahasa standard Perangkat lunak integrasi data

13 Sumber Data Eksternal Mengumpulkan data dari banyak sumber eksternal bisa sangat rumit. Web (kebanyakan sumber data ekst. Aadalah web) Intelligent agents Document management systems Content management systems Commercial databases Membeli/Menjual akses ke database tertentu

14 Contoh: Layanan database komersial
CompuServe and the source (compuserve.com) menyediakan bank data statistik, bibliografi (berita, referensi, perpustakaan, dan ensiklopedi) Compustat (compustat.com) menyediakan statistik keuangan puluhan ribu korporasi, statistik pertanian, perbankan, komoditi, demografi, ekonomi, energi, keuangan, asuransi dll. Dow Jone Information service Lockheed in information system Mead data centarla (mead.com) Dll

15 Database Management Systems
Software program Mendukung Sistem Operasi Mengelola data Menjalankan Query dan menghasilkan reports Keamanan Data Dikombinasikan dengan modeling language untuk pengembangan DSS

16 Database Models Hierarchical Network Relational Object oriented
Top down, seperti struktur pohon Fields hanya memiliki satu “parent”, setiap “parent” dapat memiliki beberapa “children” Cepat Network Relationships dibuat melalui linked lists, dengan menggunakan pointers “Children” dapat memiliki beberapa “parents” Sangat fleksibel Relational Flat, tabel dua dimensi dengan multiple access queries Menganalisa relasi antar tabel Fleksibel, cepat, dan diperluas dengan data independence Object oriented Data dianalisa pada tingkat konseptual Inheritance, abstraction, encapsulation

17 Database Structure

18 Database Models, lanjutan
Multimedia Based Multiple data formats JPEG, GIF, bitmap, PNG, sound, video, virtual reality Membutuhkan hardware tertentu untuk dapat menampilkan semua feature yang tersedia Document Based Penyimpanan dan manajemen dokumen Intelligent Based Intelligent agents dan Artificial Neural Network Inference engines (menyederhanakan akases ke dan manipulasi database kompleks dengan kemampuan inferensi) ex: query optimizer

19 Data Warehouse Note: Metadata digambarkan sebagai data tentang data
Subject oriented (diorganisasi berdasar subjek tertentu: Pelanggan, klaim dll) Terintegrasi: Sudah dibersihkan sehingga data menjadi standar meski diperoleh dari berbagai sumber Time series; no current status (data 5 tahun, 10 tahun) Nonvolatile Read only dan eklusif untuk akses data Ringkas/Rangkuman Tidak normal; mungkin saja terjadi kerangkapan data (redundant) Menyajikan data dari sumber internal dan eksternal Mencakup Metadata Data tentang data Business metadata Semantic metadata Note: Metadata digambarkan sebagai data tentang data yang dimasukkan

20 ARSITEKTUR May have one or more tiers
Ditentukan oleh warehouse (data dan perangkat lunak terkait), data acquisition (back end) yang mengektraksi data dari sistem legacy dan sumber ekstrenal, dan perangkat lunak client (front end) yang mengizinkan pengguna mengakses dan meneliti data di dalam warehouse. One tier, dimana semua dijalankan dalam platform yang sama, sangat jarang Two tier biasanya menggabungkan DSS engine (client) dengan warehouse Lebih ekonomis Three tier memisahkan kedua fungsi ini (DSS engine dan warehouse)

21 Data Warehouse Framework and Views

22

23 Migrasi Data Business rules
Tersimpan dalam metadata repository Diaplikasikan pada data warehouse secara terpusat Data di-extract dari berbagai sumber yang relevan Di-load melalui data-transformation tools atau programs Terpisah antara operation dan decision support environments Memperbaiki masalah kualitas sebelum data disimpan Proses membersihkan dan mengorganisasikan dilakukan dengan konsisten

24 Perancangan Data Warehouse
Dimensional modeling Retrieval based Diimplementasikan dengan star schema Central fact table Dimension tables Grain Highest level of detail Drill-down analysis Grain - Butiran

25 Pengembangan Data Warehouse
Teknik Implementasi Data warehouse Top down Bottom up Hybrid Federated Projects may be data centric or application centric Implementation factors Organizational issues Project issues Technical issues Scalable Fleksibel

26 Data Marts Data mart adalah sebuah subkumpulan (subset) data warehouse, terdiri dari subject tunggal (mis: pemasaran, operasional) Dependent Dibuat dari warehouse Replika Functional subset dari warehouse Independent Skala lebih kecil, versi data warehouse yang “lebih murah” Dirancang untuk sebuah departemen/bagian Perusahaan mungkin saja memiliki beberapa data marts Sulit untuk diintegrasikan

27 Business Intelligence and Analytics
Akuisisi/penggabungan dari data dan informasi untuk digunakan dalam kegiatan pengambilan keputusan Business analytics Models and solution methods Data mining Menerapkan model dan metod pada data untuk mengidentifikasi pola dan kecenderungan (trend)

28 OLAP Aktivitas yang dilakukan oleh end users pada online systems
Specific, open-ended query generation SQL Ad hoc reports Statistical analysis Building DSS applications Modeling and visualization capabilities Special class of tools DSS/BI/BA front ends Data access front ends Database front ends Visual information access systems

29 Data Mining Mengorganisasikan dan menggunakan informasi dan knowledge dari beberapa database Statistical, mathematical, artificial intelligence, and machine-learning techniques Otomatis dan cepat Tools yang digunakan untuk mencari pola Simple models Intermediate models Complex Models

30 Data Mining Data mining application classes of problems
Classification Clustering Association Sequencing Regression Forecasting Others Hypothesis or discovery driven Iterative Scalable

31 Tools and Techniques Data mining Text Mining Statistical methods
Decision trees Case based reasoning Neural computing Intelligent agents Genetic algorithms Text Mining Hidden content Group by themes Determine relationships

32 Knowledge Discovery in Databases
Data mining digunakan untuk mencari pola (patterns) dalam data Identifikasi data Preprocessing Transformasi ke format yang umum Data mining melalui algoritma Evaluasi

33 Data Visualization Teknologi pendukung visualisasi dan interpretasi
Digital imaging, GIS, GUI, tables, multidimensions, graphs, VR, 3D, animation Mengidentifikasi relasi dan trends Manipulasi Data memungkinkan untuk melihat performance data secara real time

34 Multidimensionality Data diorganisasikan menurut standar bisnis, bukan ditentukan oleh seorang analis Konseptual Faktor Dimensi Ukuran Waktu Overhead dan storage yang signifikan Mahal Kompleks

35 Analytic systems Real-time queries and analysis
Real-time decision-making Real-time data warehouses yang di-update harian atau lebih sering Update dapat dilakukan bersamaan dengan menjalankan query Tidak semua data ter-update secara terus menerus Pengunaan aplikasi business analytic

36 GIS Sistem terkomputerisasi untuk mengelola dan memanipulasi data dengan peta digital Berorientasi Geografis Geographic spreadsheet for models Software memungkinkan web mengakses peta Digunakan untuk modeling dan simulasi

37 GIS Application

38 Web Analytics/Intelligence
Aplikasi dari business analytics pada Web sites Web intelligence Aplikasi dari teknik business intelligence pada Web sites