Kepolisian, ABRI, dan badan intelejen BIA saling menyombong bahwa merekalah yang terbaik dalam menangkap penjarah yang sedang marak saat sekarang. Soeharto merasa perlu untuk melakukan tes terhadap hal ini.
Soeharto melepas seekor kelinci kedalam hutan dan ketiga kelompok pengikut tes di atas harus berusaha menangkapnya
BIA masuk ke hutan. Mereka menempatkan informan-informan di setiap pelosok hutan itu. Mereka menanyai setiap pohon, rumput, semak dan binatang di hutan itu. Tidak ada pelosok hutan yang tidak di interogasi. Setelah tiga bulan penyelidikan hutan secara menyeluruh akhirnya BIA mengambil kesimpulan bahwa kelinci tersebut ternyata tidak pernah ada.
ABRI masuk ke hutan. Setelah dua minggu kerja tanpa hasil, mereka akhirnya membakar hutan sehingga setiap mahluk hidup didalamnya terpanggang tanpa ada kekecualian. Akhirnya kelinci tersebut tertangkap juga hitam legam, mati ... tentu saja.
Kepolisian masuk hutan. Dua jam kemudian, mereka keluar dari hutan sambil membawa seekor tikus putih yang telah hancur-hancuran badannya dipukuli. Tikus putih itu berteriak-teriak: "Ya ... ya ... saya mengaku! Saya kelinci! Saya kelinci!"
Jumat, 30 Mei 2008
Ware Housing Data
A.Ware Housing Data
Data warehouse adalah kumpulan data yang dirancang untuk mendukung pengambilan keputusan manajemen. Data warehouse berisi data yang berbeda-beda yang memberikan gambaran kondisi bisnis pada saat tertentu.
Datawarehouse mendukung kemampuan melakukan query untuk mendukung pengambilan keputusan, data warehouse lebih mudah dipahami oleh customer dilihat kebutuhan informasi mereka dalam menaksir keadaan finansial, produk dan layanan, serta waktu untuk memasarkan produk dan layanan baru. Yang terpenting – mungkin juga harapan yang beresiko – data warehousing dapat dilihat sebagai teknologi, dengan kemampuan unik untuk mengolah informasi, bertujuan untuk menghasilkan pendapatan yang tinggi dan memperbesar keuntungan.
Pengembangan data warehouse meliputi pengembangan sistem untuk mengekstrak data dari sistem dan instalasi sistem basisdata warehouse yang memungkinkan manajer dapat mengakses data secara fleksibel. Secara umum istilah data warehouse mengacu kepada basis data yang berbeda-beda yang dikumpulkan dari seluruh bagian perusahaan.(dna)
B. Pemodelan Data Warehouse
Nilai bagi sebuah organisani berarti bagaimana mengubah data menjadi informasi untuk mengambil keputusan
Kebutuhan organisasi akan data sangat besar, tetapi sering tidak mempunyai kemampuan untuk memprosesnya.. Hal tersebut sama halnya dengan otak kanan yang bertugas untuk menangkap dan menyimpan data dalam volume yang besar, sementara otak kiri tidak tahu bagaimana memakainya. Kemampuan manajer untuk menganalisis data yang sangat besar tersebut sangat terbatas sehingga perlu dilakukan pengaturan tertentu sehingga lebih mudah untuk dianalisis.
Intinya adalah volume data tidak relevan jika tidak diorganisasikan, dengan mengorganisasikan data kita memperoleh nilai tambah dari data tersebut. Padahal, nilai bagi sebuah organisasi berarti bagaimana mengubah data menjadi informasi untuk mengambil keputusan.
Datawarehouse mendukung kemampuan melakukan query untuk mendukung pengambilan keputusan, data warehouse lebih mudah dipahami oleh customer dilihat kebutuhan informasi mereka dalam menaksir keadaan finansial, produk dan layanan, serta waktu untuk memasarkan produk dan layanan baru. Yang terpenting – mungkin juga harapan yang berersiko – data warehousing dapat dilihat sebagai teknologi, dengan kemampuan unik untuk mengolah informasi, bertujuan untuk menghasilkan pendapatan yang tinggi dan memperbesar keuntungan.
Multidimensional modeling (MDM) untuk memodelkan datawarehouse.
Multidimensional modeling (MDM) adalah salah satu pendekatan untuk memberi arti (atau warehousing) pada gunungan data tersebut. MDM tidak terikat pada representasi fisik dari data. Dapat dipisahkan dari multidimensional database, Tidak terlalu sulit untuk dimengerti atau dipraktekan serta bukan mode yang terbaru atau terakhir
MDM adalah teknik untuk memodelkan bisnis secara konseptual sebagai sekumpulan ukuran yang dijabarkan oleh segi bisnis secara umum. Sangat berguna untuk pergantian, peringkasan dan penyusunan data untuk analisis. Sangat kontras dengan online trasaction processing (OLTP) System, yang didesain sekitar entitas, relationship, functional decomposition, dan state transition analysis, MDM untuk data warehousing berdasarkan fakta, dimensi, hirarki dan sparsity.
MDM didesain untuk data numerik, seperti nilai, jumlah, berat, dan kejadian, dalam OLTP permasalahan adalah “Bagaimana membuat model yang memenuhi proses transaksi”, dalam MDM permasalahan adalah “ Apa keuntungan bagi saya dengan pelanggan, dengan organisasi?”
Bagian yang menarik dari MDM adalah kesederhanaanya. Desain OLTP boleh jadi mimiliki selusin atau bahkan ribuan tabel, yang menyebabkan kesulitan bagi manajer untuk memahami desain data dalam rangka menganalisis data. MDM lebih sederhana, model tidak hanya dimengerti oleh orang bisnis, tetapi juga diexpresikan dengan cara yang natural oleh user. Desain konseptual MDM yang baik, dapat diimplementasikan dalam database relasional, multidimensional, bahkan object-oriented database.
MDM didesain untuk menunjang pelaporan dan kebutuhan analisis. Dapat dijelaskan dengan membedakannya dengan model relasional dalam beberapa hal:
MDM melihat informasi dari prespektif “potongan waktu” bahkan transaksi atomik. Sistem OLTP merekam kejadian diskrit dari transaksi. Contohnya isian jurnal, pesanan pembelian, billing,dll. MDM tidak mempedulikan actual event, hanya hasil kuantitatif pada suatu interval waktu, seperti hari, minggu atau bulan.
-Enam pertanyaan mendasar
Tahap awal untuk membangun model multidimensional adalah mengambil subjek area tentang laporan penjualan mingguan, keadaan finansial bulanan, biaya klaim asuransi yang dimodelkan dengan enam pertanyaan mendasar:
1. Proses bisnis apa yang sedang dimodelkan
2. Ukuran atau fakta-fakta apa yang digunakan
3. Seberapa detil dari kegiatan analisis dilakukan
4. Dimensi dari ukuran secara umum
5. Apa atribut-atribut dari dimensi
6. Apakah atribut-atribut tersebut tetap atau berubah terhadap waktu
C. Masadepan data warehousing
Dalam penerapan data warehousing perlu diperhatikan komponen organisasi yang paling penting – sumber daya manusia – apa yang akan terjadi pada pekerjaan-pekerjaan mereka jika datawarehose dimanuka kedalam budaya organisasi. Dalam membangun aplikasi data warehouse perlu diperhatikan apakah aplikasi yang dibuat tersebut sanggup memenuhi objektif dari bisnis mereka.
Perkembangan jaringan komputer memungkinkan adanya sistem basis data tesebar, Internet yang semakin global menjadi tulang punggun dari perusahaan, teknologi media penyimpanan yang berkapasitas besar serta makin cepat dan murah, serta perkembangan platform baru akan mewarnai masa depan dari data warehousing.
D. kesimpulan
• Data warehouse sangat dekat dengan pengambilan keputusan dan masuk dalam sistem penunjang pengambilan keputusan (decession support system -- DSS)
• Data warehouse memberikan kemudahan bagi manajer untuk menganalisis data operasional yang sangat besar dalam rangka pengambilan keputusan
• Multidimensional modeling (MDM) adalah salah satu cara untuk memodelkan datawarehouse
• Internet, teknologi media penyimpanan, dan platform baru akan merubah masa depan dari data warehousing.
E. Refrensi
http://www.beritanet.com/Pustaka/Kamus-Jargon/data-warehouse.html
Data warehouse adalah kumpulan data yang dirancang untuk mendukung pengambilan keputusan manajemen. Data warehouse berisi data yang berbeda-beda yang memberikan gambaran kondisi bisnis pada saat tertentu.
Datawarehouse mendukung kemampuan melakukan query untuk mendukung pengambilan keputusan, data warehouse lebih mudah dipahami oleh customer dilihat kebutuhan informasi mereka dalam menaksir keadaan finansial, produk dan layanan, serta waktu untuk memasarkan produk dan layanan baru. Yang terpenting – mungkin juga harapan yang beresiko – data warehousing dapat dilihat sebagai teknologi, dengan kemampuan unik untuk mengolah informasi, bertujuan untuk menghasilkan pendapatan yang tinggi dan memperbesar keuntungan.
Pengembangan data warehouse meliputi pengembangan sistem untuk mengekstrak data dari sistem dan instalasi sistem basisdata warehouse yang memungkinkan manajer dapat mengakses data secara fleksibel. Secara umum istilah data warehouse mengacu kepada basis data yang berbeda-beda yang dikumpulkan dari seluruh bagian perusahaan.(dna)
B. Pemodelan Data Warehouse
Nilai bagi sebuah organisani berarti bagaimana mengubah data menjadi informasi untuk mengambil keputusan
Kebutuhan organisasi akan data sangat besar, tetapi sering tidak mempunyai kemampuan untuk memprosesnya.. Hal tersebut sama halnya dengan otak kanan yang bertugas untuk menangkap dan menyimpan data dalam volume yang besar, sementara otak kiri tidak tahu bagaimana memakainya. Kemampuan manajer untuk menganalisis data yang sangat besar tersebut sangat terbatas sehingga perlu dilakukan pengaturan tertentu sehingga lebih mudah untuk dianalisis.
Intinya adalah volume data tidak relevan jika tidak diorganisasikan, dengan mengorganisasikan data kita memperoleh nilai tambah dari data tersebut. Padahal, nilai bagi sebuah organisasi berarti bagaimana mengubah data menjadi informasi untuk mengambil keputusan.
Datawarehouse mendukung kemampuan melakukan query untuk mendukung pengambilan keputusan, data warehouse lebih mudah dipahami oleh customer dilihat kebutuhan informasi mereka dalam menaksir keadaan finansial, produk dan layanan, serta waktu untuk memasarkan produk dan layanan baru. Yang terpenting – mungkin juga harapan yang berersiko – data warehousing dapat dilihat sebagai teknologi, dengan kemampuan unik untuk mengolah informasi, bertujuan untuk menghasilkan pendapatan yang tinggi dan memperbesar keuntungan.
Multidimensional modeling (MDM) untuk memodelkan datawarehouse.
Multidimensional modeling (MDM) adalah salah satu pendekatan untuk memberi arti (atau warehousing) pada gunungan data tersebut. MDM tidak terikat pada representasi fisik dari data. Dapat dipisahkan dari multidimensional database, Tidak terlalu sulit untuk dimengerti atau dipraktekan serta bukan mode yang terbaru atau terakhir
MDM adalah teknik untuk memodelkan bisnis secara konseptual sebagai sekumpulan ukuran yang dijabarkan oleh segi bisnis secara umum. Sangat berguna untuk pergantian, peringkasan dan penyusunan data untuk analisis. Sangat kontras dengan online trasaction processing (OLTP) System, yang didesain sekitar entitas, relationship, functional decomposition, dan state transition analysis, MDM untuk data warehousing berdasarkan fakta, dimensi, hirarki dan sparsity.
MDM didesain untuk data numerik, seperti nilai, jumlah, berat, dan kejadian, dalam OLTP permasalahan adalah “Bagaimana membuat model yang memenuhi proses transaksi”, dalam MDM permasalahan adalah “ Apa keuntungan bagi saya dengan pelanggan, dengan organisasi?”
Bagian yang menarik dari MDM adalah kesederhanaanya. Desain OLTP boleh jadi mimiliki selusin atau bahkan ribuan tabel, yang menyebabkan kesulitan bagi manajer untuk memahami desain data dalam rangka menganalisis data. MDM lebih sederhana, model tidak hanya dimengerti oleh orang bisnis, tetapi juga diexpresikan dengan cara yang natural oleh user. Desain konseptual MDM yang baik, dapat diimplementasikan dalam database relasional, multidimensional, bahkan object-oriented database.
MDM didesain untuk menunjang pelaporan dan kebutuhan analisis. Dapat dijelaskan dengan membedakannya dengan model relasional dalam beberapa hal:
MDM melihat informasi dari prespektif “potongan waktu” bahkan transaksi atomik. Sistem OLTP merekam kejadian diskrit dari transaksi. Contohnya isian jurnal, pesanan pembelian, billing,dll. MDM tidak mempedulikan actual event, hanya hasil kuantitatif pada suatu interval waktu, seperti hari, minggu atau bulan.
-Enam pertanyaan mendasar
Tahap awal untuk membangun model multidimensional adalah mengambil subjek area tentang laporan penjualan mingguan, keadaan finansial bulanan, biaya klaim asuransi yang dimodelkan dengan enam pertanyaan mendasar:
1. Proses bisnis apa yang sedang dimodelkan
2. Ukuran atau fakta-fakta apa yang digunakan
3. Seberapa detil dari kegiatan analisis dilakukan
4. Dimensi dari ukuran secara umum
5. Apa atribut-atribut dari dimensi
6. Apakah atribut-atribut tersebut tetap atau berubah terhadap waktu
C. Masadepan data warehousing
Dalam penerapan data warehousing perlu diperhatikan komponen organisasi yang paling penting – sumber daya manusia – apa yang akan terjadi pada pekerjaan-pekerjaan mereka jika datawarehose dimanuka kedalam budaya organisasi. Dalam membangun aplikasi data warehouse perlu diperhatikan apakah aplikasi yang dibuat tersebut sanggup memenuhi objektif dari bisnis mereka.
Perkembangan jaringan komputer memungkinkan adanya sistem basis data tesebar, Internet yang semakin global menjadi tulang punggun dari perusahaan, teknologi media penyimpanan yang berkapasitas besar serta makin cepat dan murah, serta perkembangan platform baru akan mewarnai masa depan dari data warehousing.
D. kesimpulan
• Data warehouse sangat dekat dengan pengambilan keputusan dan masuk dalam sistem penunjang pengambilan keputusan (decession support system -- DSS)
• Data warehouse memberikan kemudahan bagi manajer untuk menganalisis data operasional yang sangat besar dalam rangka pengambilan keputusan
• Multidimensional modeling (MDM) adalah salah satu cara untuk memodelkan datawarehouse
• Internet, teknologi media penyimpanan, dan platform baru akan merubah masa depan dari data warehousing.
E. Refrensi
http://www.beritanet.com/Pustaka/Kamus-Jargon/data-warehouse.html
Data Mining
A. Pengantar Data Mining
Data Mining (DM) adalah salah satu bidang yang berkembang pesat karena besarnya kebutuhan akan nilai tambah dari database skala besar yang makin banyak terakumulasi sejalan dengan pertumbuhan teknologi informasi. Definisi umum dari DM itu sendiri adalah serangkaian proses untuk menggali nilai tambah berupa pengetahuan yang selama ini tidak diketahui secara manual dari suatu kumpulan data. Dalam review ini, penulis mencoba merangkum perkembangan terakhir dari teknik-teknik DM beserta implikasinya di dunia bisnis.
B. Penerapan Data Mining
Sebagai cabang ilmu baru di bidang komputer (lihat artikel sebelumnya berjudul ‘Data Mining’) cukup banyak penerapan yang dapat dilakukann oleh Data Mining. Apalagi ditunjang ke-kaya-an dan ke-anekaragam-an berbagai bidang ilmu (artificial intelligence, database, statistik, pemodelan matematika, pengolahan citra dsb.) membuat penerapan data mining menjadi makin luas. Di bidang apa saja penerapan data mining dapat dilakukan? Artikel singkat ini berusaha memberikan jawabannya.
C.Mengenal Data Mining
Data Mining memang salah satu cabang ilmu komputer yang relatif baru. Dan sampai sekarang orang masih memperdebatkan untuk menempatkan data mining di bidang ilmu mana, karena data mining menyangkut database, kecerdasan buatan (artificial intelligence), statistik, dsb. Ada pihak yang berpendapat bahwa data mining tidak lebih dari machine learning atau analisa statistik yang berjalan di atas database. Namun pihak lain berpendapat bahwa database berperanan penting di data mining karena data mining mengakses data yang ukurannya besar (bisa sampai terabyte) dan disini terlihat peran penting database terutama dalam optimisasi query-nya.
Data Mining (DM) adalah salah satu bidang yang berkembang pesat karena besarnya kebutuhan akan nilai tambah dari database skala besar yang makin banyak terakumulasi sejalan dengan pertumbuhan teknologi informasi. Definisi umum dari DM itu sendiri adalah serangkaian proses untuk menggali nilai tambah berupa pengetahuan yang selama ini tidak diketahui secara manual dari suatu kumpulan data. Dalam review ini, penulis mencoba merangkum perkembangan terakhir dari teknik-teknik DM beserta implikasinya di dunia bisnis.
B. Penerapan Data Mining
Sebagai cabang ilmu baru di bidang komputer (lihat artikel sebelumnya berjudul ‘Data Mining’) cukup banyak penerapan yang dapat dilakukann oleh Data Mining. Apalagi ditunjang ke-kaya-an dan ke-anekaragam-an berbagai bidang ilmu (artificial intelligence, database, statistik, pemodelan matematika, pengolahan citra dsb.) membuat penerapan data mining menjadi makin luas. Di bidang apa saja penerapan data mining dapat dilakukan? Artikel singkat ini berusaha memberikan jawabannya.
C.Mengenal Data Mining
Data Mining memang salah satu cabang ilmu komputer yang relatif baru. Dan sampai sekarang orang masih memperdebatkan untuk menempatkan data mining di bidang ilmu mana, karena data mining menyangkut database, kecerdasan buatan (artificial intelligence), statistik, dsb. Ada pihak yang berpendapat bahwa data mining tidak lebih dari machine learning atau analisa statistik yang berjalan di atas database. Namun pihak lain berpendapat bahwa database berperanan penting di data mining karena data mining mengakses data yang ukurannya besar (bisa sampai terabyte) dan disini terlihat peran penting database terutama dalam optimisasi query-nya.
Langganan:
Postingan (Atom)