RESUME CHAPTER 6
DASAR-DASAR INTELEGENSI BISNIS : BASIS DATA DAN MANAJEMEN INFORMASI INFORMASI
Kelompok IBM ANGGARA WISNU PUTRA
1211011018
CIPTA AJENG PRATIWI
1211011034
DERI KURNIAWAN
1211011040
FEBY GIPANTIUS ZAMA
1211011062
NOVITA LIANA SARI
1211011118
RAMA AGUSTINA
1211011128
FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS LAMPUNG BANDAR LAMPUNG 2014
BAB 6 DASAR-DASAR INTELEGENSI BISNIS : BASIS DATA DAN MANAJEMEN INFORMASI INFORMASI
DAPATKAN HP MERAIH KESUKSESAN DARI PERUSAHAAN GUDANG DATA
HP adalah salah satu vendor terbesar dunia teknologi informasi termasuk PC, server komputer, printer, dan jasa konsultasi. Meskipun perusahaan memiliki keahlian sistem yang cukup untuk menjual ke perusahaan lain, tetapi perusahaan diganggu oleh masalah teknologi informasi sendiri. HP punya banyak data, tapi mereka disimpan dalam beberapa aplikasi dan data repositori di seluruh departemen, unit bisnis, dan lokasi geografis. CEO mark hurd telah sulit mengumpulkan dan menganalisis "konsisten, data tepat waktu mencakup bagian yang berbeda dari bisnis". Beberapa sistem penjualan dilacak dan dengan harga produk, sementara penjualan lainya dilacak melalui informasi geografis .Umumnya digunakan informasi keuangan seperti marjin laba l aba kotor untuk mengukur profitabilitas dihitung berbeda dari unit bisnis untuk unit bisnis.. Kurangnya konsistensi data menyeret turun penjualan dan keuntungan. Mengumpulkan informasi tentang bisnis dari berbagai sistem bisa memakan waktu hingga satu minggu, sehingga manajer harus membuat keputusan berdasarkan data yang relatif basi. pertanyaanyang tampaknya tampaknya sederhana, sepertiberapa banyakperusahaan menghabiskan pasar untuk di seluruh bisnis yang berbeda,sulit untuk dijawab Manajemen HP memutuskan solusinya adalah untuk membangun sebuah penyimpanan data dengan database tunggal diseluruh perusahaan yang dapat dibagikan,visi akurat bisnis.Data gudang menggantikan 17 teknologi database yang berbeda dan menyatukan 14.000 database yang sedang digunakan, memberikan akses tenaga kerja HP untuk data secara real t ime tanpa batas departemen atau geografis. PadaNovember 2005, HPCIOrandyMott menciptakan sebuah tim untuk modeldatabaseperusahaan-lebaryang akanmenjadi dasar dari gudang data.Merekamengembangkan carapemodelan datadi seluruh perusahaandan memastikanbahwa dataakanselalu upto date, konsisten konsist en untukseluruh perusahaan, dan lengkap.HP mengembangkan platform miliknya sendiri untuk gudang, yang terdiri dari serangkaian layanan terpadu, penyimpanan, sistem operasi, sistem manajemen database dan softwere untuk query dan pelaporan, semua dioptimalkan untuk penyimpanan data.DataHPgudangplatform yangterbukti sukses sehinggaperusahaan memutuskan untukmenjualnyake perusahaan lainsebagai"Dataalatgudang" produk yang
disebutNeoview.Setelah selesai,DataHPgudangterdapatlebih dari 400terabyte datadansedangdigunakan oleh50.000pekerjaHP. SemuadatakeuanganHPdapat diaksesmelaluigudangdata. UpayaHPtampaknyaberhasil. Perusahaan ini sekarangmampu melakukan12kalijumlahpermintaan data, update, dan transaksi lainnyadalam databasekeuanganselama periode tiga-bulan dari sebelummenerapkangudang data. HPdapat melacakberapa banyakmenghabiskanpada pemasaranseberangsemua unitusahanya, pengeluaranolehsektor mediadan segmenpelanggan, di seluruh dunia, atau negara. Perusahaan inimampu melakukanhal-hal inisebelumnya.Informasiini membantumanajemenHPmembuatkeputusanlebih baiktentang di manauntuk menghabiskanuntukmendapatkan bang terbesar. PengalamanHPmenggambarkan pentingnyapengelolaan datadansistem databaseuntuk bisnis . Perusahaan initidak dapat sepenuhnyamemahami bagaimanaitutampilsebagaiperusahaan ataumembuat keputusantepat waktukarenadata yang berlebihan, tidak konsisten, danterfragmantasiantara banyaksistem yang berbedadanaplikasi. Bagaimanabisnis toko, terorganisir, dan mengeloladata merekamemilikidampak yang luar biasapadaeffectivessorganisasi. Diagrambabpembukaanmeminta perhatian terhadappoin-poin pentingyang diangkat olehkasus inidanbab ini. Data perusahaanHPtelah disimpandalam sejumlahdatabase yang berbedadi mana merekatidak bisadengan mudah diambildan dianalisis. Dengan menciptakansebuah modeldata untuktampilan tunggaldariperusahaan dandatabasemencerminkanmodel iniuntukpernyataandan pelaporanseluruh perusahaan, HPtelah menjadi jauhlebih efisiendan manajeryangmembuatkeputusan yang lebih baik.
Penantang Bisnis
Data terfragmentasi Data yang tidak konsisten
membangun standars data perusahaan dan aturan bisnis modal data desain perusahaan
Banyak sistem dan apllication
Manajemen
Organisasi
Sistem
Solusi
Informasi
Bisnis
menyebarkan Neoview teknologi data warehouse Teknologi
menghilangkan tecnologies database warisan
menghasilkan laporan Meningkatkan seluruh perusahaan
pengambilan
mempercepat
keputusan
proses transaksi
Meningkatkan pendapatan
biaya yang lebih rendah
6.1MENGORGANISASI
DATADALAM LINGKUNGANFILE TRADISIONAL
Sebuah sisteminformasi yang efektifmenyediakan penggunadenganinformasi yang akurat, tepat waktu, dan relevan. Informasi yang akuratbebas dari kesalahan. Informasitepat waktusaatini tersedia untukpengambil keputusanketika dibutuhkan. Informasi adalahrel evan ketikaitu bergunadantepat untukjenis pekerjaandan keputusanyang memerlukannya. Anda mungkinterkejut mengetahui bahwabanyak bisnistidak memilikiinformasi yang tepat waktu, akurat, dan relevankarena datadalam sisteminformasi merekatelahkurang terorganisirdan dipelihara. Itu sebabnyamanajemen datasangatpenting. Untukmemahami masalah, mari kita lihatbagaimana sisteminformasimengaturdata dalamfile komputerdanmetode tradisionalmanajemen file.
ISTILAH DAN KONSEPORGANISASI FILE
Konsep ini merupakan suatu konsep yang dibuat untuk pengorganisasian file yang ada dalam sebuah sistem informasi. Konsep ini meimplementasikan pada sistem komputer yang mengorganisasikan kedalam suatu hierarki yang dimulai dari bit , byte, fi el d record dan basisdata.
merupakan unit terkecil dari data yang disimpan dalam komputer, sekumpulan bit disebut Bit yaitu mewakili sebuah karakter tunggal yang berbentuk huruf, angka dan symbol byte lainnya. Field merupakan pengelompokkan sebuah karakter menjadi sebuah kata, kumpulan kata,
bilangan lengkap ( misalnya : nama atau usia seseorang), sedangkan sekumpulan field yang saling berhubungan dinamakan record, misalnya nama mahasiswa, tanggal, dan nilainya. Sekumpulan record dinamakan file
Grafik 6-1 herarki data
financial
Course file Database
file
Personal file
course File
Record
Field Byte
Bit
Student _ID 39044 59432 64029
course IS 101 IS 101 IS 101
Student_ID 39044
course IS 101
Data F08 F08 F08
Data F08
Grade B+ A C
Grade B+
IS 101(course field
0100 1001 (Letter I in ASCII
0
Sebagai contoh,catatanpada gambar6.1akan merupakanfileprogrammahasiswa. Sekelompokfile terkaitmembuatdatabase. Filekursussiswamenggambarkanlatar belakangkeuanganuntuk membuat databasemahasiswa. Sebuah catatan menggambarkansuatu entitas. Sebuah entitasadalah orang, tempat, benda, atau peristi wadi mana kitamenyimpan dan menjaga informasi. Setiapkarakteristikatau kualitasmenggambarkanentitas tertentudisebutatribut. Sebagai contoh,student_ID, program, tanggal, dan kelasatribut darientitasprogram. Nilai-nilaitertentu yangatributini dapat memilikiditemukandi bidangcatatanmenggambarkanprogramentitas.
MASALAHDENGAN LINGKUNGANFILE TRADISIONAL
Pada kebanyakan organisasi , file data dan sistem cenderung bertumbuh secara mandiri tanpa rencana mnyeluruh perusahaan. Akuntansi, keuangan, manufaktur, sumber daya manusia, penjualan dan pemasaran semuanya berkembang dengan sistem dan file dtanya sendiri. Gambar 6-2menggambarkanpendekatantradisional untukpengolahan informasi
Master File Data Element A
Application Akuntansi dan Keuangan
program 1
A
B
C
D
A
B
D
E
A
B
E
G
A
E
B
G
user
Sumber Daya
Application
Manusia
program 2
user
Pemasaran dan
Application
Penjualan
program 3 user
Manufaktur
Application user
program 4
Penggunaanpendekatantradisional untukpengolahanfile yangmendorongsetiap areafungsional dalamsebuah perusahaanuntuk mengembangkan aplikasikhusus. Setiap aplikasimembutuhkandata fileyang unikyang mungkinmenjadi bagian darimaster file. Subkumpulaninidarimemimpinmaster fileredundansidata daninkonsistensi, pengolahankaku, dan sumber dayaterbuangpenyimpanan. Setiap aplikasi, tentu saja, diperlukanfilesendiri danprogram komputersendiriuntuk beroperasi. Contoh melalui pendekatan tradisional terhadap pemrosesan suatu informasi
Suatu aplikasi membutuhkan file dan program komputer sendiri untuk dapat bekerja. Sebagai contoh aplikasi yang menggunakan pendekatan tradisional : 1) Departemen SDM mempunyai file master personalia, file penggajian, file asuransi kesehatan, file pensiun, file daftar alamat. 2) Departemen Keuangan mempunyai file penggajian, file pensiun, file daftar utama karyawan untuk kegiatan pembayaran gaji.
Redundansi DatadanInkonsistensi
Redundasi data merupakan adanya duplikasi data dalam beberapa file data yang sama disimpan di dalam lebih dari satu lokasi. Redundasi data terjadi kelompok yang berbeda di dalam suatu orgainisasi mendapatkan data yang sama secara independen dan menyimpannya secara independen juga. Redundasi data menghabiskan tempat penyimpanan data dan menimbulkan inkonsistensi data, dalam arti atribut yang sama mungkin nilai yang berbeda. Contoh Redundasi yaitu: Didalam sistem yang menggunakan input indentitas mahasiswa tapi di sistem yang lain menginputnya menggunakan indentitas saja. Pada sistem pengkodean yang berbeda , misanya pada toko pakaian mengguanakan kode yang berbeda pada penjualan, persediaan, dan sistem produksi dengan kode yang digunakan untuk mengkode ukuran akaian yang dijual kepelanggan. •
•
KetergantunganProgram-Data
Ketergantungan program data mengacu pada pasangan data yang tersimapan dalam file dan program tertentu. Perubahan pada suatu program , juga mempengaruhi perubahan file dan juga data. Karena file merupakan kumpulan data yang telah dikumpulkan.Setiapprogram komputertradisionalharusmenggambarkan lokasidansifat datadenganmana ia bekerja. Dalam lingkunganfile tradisional, setiap perubahandalam program perangkat lunakbisa memerlukanperubahan dalamdata yang diaksesoleh programitu. Salah satu programdapatdimodifikasi darilimadigitkesembilandigitkodeZIP. Jika datafile aslidiubah darilimadigitsampai sembilandigitkodeZIP, makaprogram lain yangdiperlukanlima-digit kodepostidak lagibekerja dengan baik. Perubahan tersebutdapatbiaya jutaan dolaruntuk menerapkandengan benar.
KurangnyaFleksibilitas
Sistem file yang tradisional dapat mengirim jadwal rutin setelah dilakukan pemrograman yang ekstensif, tetapi tidak dapat mengirim laporan khusus atau tidak merespon kebutuhan informasi yang tidak diantisipasi tepat waktu. Informasi yang dibutuhkan oleh permintaan khusus tersimpan di suatu tempat dalam suatu sistem, tetapi terlalu mahal untuk
dicari.Beberapaprogrammermungkin harus bekerjaselama mengumpulkanbarang-barangdata yang dibutuhkandalam filebaru.
berminggu-mingguuntuk
Keamanan yang Buruk
Karena kendali pada data dan pengelolaan yang kurang, akses kepada dan penyebaran dari suatu informasi mungkin dapat dilakukan. Manajemen mungkin dapat mengetahui siapa yang sedang mengakses atau bahkan membuat perubahan pada data organisasi. Kurangnyapembagian data danketersediaan
Karenasepotong informasidalam file yang berbedadanbagian yang berbeda dariorganisasi tidakdapat berhubungan dengansatu sama lain, maka hampir tidak mungkinbagiinformasiuntuk dibagikanatau diaksespada waktu yang tepat. Informasitidak dapatmengalir bebasdi area fungsionalyang berbeda ataubagian yang berbeda dariorganisasi. Jikapengguna menemukannilai yang berbedadaribagian yang sama dariinformasidalam duasistem yang berbeda, merekamungkintidak ingin menggunakansistemini karena merekatidak dapat mempercayaikeakuratandata mereka.
6.2PENDEKATANBASIS DATA UNTUKPENGELOLAAN DATA
Tehnologi basis data banyak masalah dalam organisasi file trandisional. Basis data (database) adalah sekumpulan data organisasi digunakan untuk melayani aplikasi secara efisien dengan memusatkan data dan mengendalikan redundasi data.Daripadamenyimpan datadalam file terpisahuntuk setiap aplikasi, data yang disimpansehingga tampakkepada pengguna karenadisimpandalam satulokasi.Sebuahdatabase tunggalmelayanibeberapa aplikasi. Misalnya,alih-alihperusahaanmenyimpandata karyawandalam sistem informasiyang terpisahdan fileterpisah untukpersonil, gaji, dan tunjangan, korporasibisamembuat databasesumber dayamanusia tunggalumum.
SISTEM MANAJEMEN BASIS DATA
Merupakan peranti lunak yang memudahkan organisasi untuk memusatkan data, mengelola data secara efisien, dan menyediakan akses data bagi program aplikasi. DBMS (database management system) membuat basis data fisik tersedia untuk tampilan logis yang berbeda digunakan pengguna. DBMS digunakan sebagai perantara file dengan program aplikasi yang diguanakn dalam sebuah sistem. Sebagai contoh, untuk database sumber daya manusia diilustrasikan pada Gambar 6-3, spesialis manfaat mungkin memerlukan pandangan yang terdiri dari nama karyawan, nomor
jaminan sosial, dan asuransi kesehatan. Seorang anggota departemen penggajian mungkin perlu data seperti nama karyawan, nomor jaminan sosial, gaji kotor, dan gaji bersih. Data untuk semua pandangan ini disimpan dalam database tunggal, di mana mereka dapat lebih mudah dikelola oleh organisasi.
Gambar 6.3 database Sumber Daya Manusia dengan Beberapa Pandangan
Name SSN Health_Care
Employee 1B Name Position Date_Hired Gross Pay Net_Pay Life_Insurance Pension Health Care
Benefit view
Database Management System
Database
Name SSN
Payroll
Gross_Pay
view
Net_Pay
Sumber Daya Manusia
Bagaimana DBMS Memecahkan Masalah Lingkungan File Tradisional
Dengan memperkecil redundasi dan inkonsistensi data dengan meminimalisasi file-file yang terpisah yang mempunyai data sama. DBMS tidak dapat menghilangkan redunsi, melainkan mengendalikan redundasi data. Menggunakan DBMS dapat menghilangkan inkonsistensi data karena pada sistem ini memastikan bahwa data yang sama memilki nilai yang sama. DBMS Memisahkan program dan data, memungkinkan data untuk berdiri s endiri. Akses dan ketersediaan informasi akan meningkat dan Program developement dan biaya pemeliharaan berkurang karena pengguna dan pemrogram dapat melakukan query ad hoc dari data dalam database. DBMS memungkinkan organisasi untuk mengelola pusat data, penggunaan, dan keamanan.
DBMSRelasional
Jenis DBMS yang paling popular dfewasa ini untuk PC juga untuk komputer yang lebih besar dan mainframe adalah DMBS Relasional dapat mempresentasikan tabel dua dimensi yang disebut relasi. Setiap tabel berisi atribut dan entitasnya . misalnya Microsoft Acess meruapakan DBMS Relasional untuk sistem desktop, sedangkan DB2, Oracle Databasedan Microsoft SQL Server meruakan DBMS Relasional mainframe besar. Columns (Attribute,Fields)
Supplier_Number
Supplier_Name
Supplier_Street
Supplier_City
Supplier_State
8259
CBM Inc.
74 5th Avenue
Dayton
OH
8261
B.R.Molds
1277 gandolly Street
Clevelent
OH
8263
Jackson Composite
8233 Micklin Street
Lexington
KY
8444
Bryant Corporation
4315 Mill Drive
Rochester
NY
Row (records,Tuples)
PART Key Field (Primary Ke
Part_Number 137
Part_Number Door lanch
Unit _Price 22.00
Supplier_Number 8259
145 150 152
Side mirror Door molding Door lock
12.00 6.00 31.00
8444 826 8259
155 178
Compressor Door Handle
54.00 10.00
8261 8259
Primary Key
Foreign Key
Sebuahdatabeserelasionalmengatur datadalam bentuktabeldua dimensi. Digambarkan di siniadalahtabeluntukentitasPEMASOKdanKOMPONENmenunjukkan bagaimanamereka mewakilisetiap entitasdanatributnya. PemasokNumber adalahkunci utamauntuk mejasupplerdankunci asinguntuk tabelPART.
Mari kita melihatbagaimanadatabase relasionalmengatur datatentang pemasokdan bagian. Database memilikitabel terpisahuntukentitasPEMASOKdanmeja untukentitasPART.Setiap tabelterdiri darigridkolom danbaris data. Setiap elemenindividualdatauntuk setiap entitasdisimpansebagaibidang yang terpisah, danmasing-masing bidangmerupakanatributuntukentitas tersebut.Bidangdalam database relasionaljuga disebutkolom. UntukPEMASOKentitas, jumlah pemasokidentifikasi, nama, jalan, kota, negara, dan kodeZIPdisimpansebagaibidang yang terpisahdalam tabelPEMASOKdansetiap bidangmerupakanatributuntukentitasPEMASOK. Informasi aktual sederhana tentang pemasok tunggal yang berada dalam sebuah tabel disebut baris. Baris yang sering disebut sebagai catatan, atau dalam istilah yang sangat teknis, seperti tuples. Data untuk entitas BAGIAN memiliki tabel terpisah mereka sendiri. Kolom untuknomorpemasokdalam tabelPEMASOKunik mengidentifikasisetiap recordsehinggacatatan dapatretrived, diperbarui, ataudiurutkandan ini disebutbidang kunci. Setiap tabeldalam database relasionalmemilikisatu bidangyangditunjuksebagai kunciutamanya. Jumlahpemasokfield kunciini adalahidentifikasi unik untuksemua informasidalam setiapbaris tabeldanprimary keyinitidak dapat diduplikasiadalah kunci utamauntuk tabelPEMASOKdannomor bagianadalah kunci utamauntuk tabelPART.Perhatikansupplier_numberyang munculbaik diPEMASOKdantabelPART.Dalam tabelPEMASOK, nomor pemasokadalah kunci utama. Ketikasupplier_numberlapanganmuncul dalam tabelBAGIANdisebutkunci asingdanpada dasarnyabidang pencarianuntuk mencaridata tentangpemasok ataubagian tertentu.
OperasiDBMSrelasional
Menghubungkan lebih mudah untuk mengirim data yang dibutuhkan pengguna, asalkan dua tabel berbagi elemen data yang sama. Jika ingin mencari nama dan alamat dari pemasok dalam basis ini membutuhkan dua informasi tabel pemasok dan suku cadang.Misalkan kitaingin menemukandalam databaseininama-namapemasok yangbisa memberikan kita denganbagian nomor137ataunomor bagian150Kitaakan membutuhkaninformasi daridua tabel:. TabelPEMASOKdantabelPART.Perhatikan bahwakedua filememilikielemen databersama: Pemasok.
Dalamdatabaserelasional, tiga operasi dasar, seperti yang ditunjukkanpada gambar6-5, yangdigunakan untuk mengembangkansetbergunadata: pilih, bergabung,danproyek. Pilihoperasimenciptakansubsetyang terdiri darisemua catatandalam fileyang memenuhikriteria yang ditetapkan. Pilihmenciptakan, dengan kata lain, sebuah subset dari barisyang memenuhi kriteria tertentu. Dalamcontoh kita, kita ingin memilihcatatandari tabelbagian di mananomor bagiansama dengan137atau150. Thebergabung dengan operasimenggabungkantabel relasionaluntuk menyediakanpengguna denganinformasilebih
dariyang tersediadalam tabelindividu.Dalamcontoh kita, kit a inginbergabung dengantabelBAGIANsekarangdiperpendekdantabelpemasokke tabelsingle baru. Operasi proyek menciptakan subset yang terdiri dari kolom dalam sebuah tabel, yang memungkinkan pengguna untuk membuat tabel baru yang hanya berisi i nformasi yang diperlukan. Dalam contoh kita, kita ingin mengekstrak dari tabel baru hanya kolom berikut: Part Number, Nama bagian, nomor pemasok, dan pemasok-nama.
DBMS Berorientasi Objek
Aplikasi ini membutuhkan basis data yang dapat menyimpan dan mengambil kembali record yang tidak hanya berisi nomer atau karakter, tetapi juga gambar, foto, suara dan video. Digunakan untuk mengorganisasikandata yang terstruktur kedalam baris dan kolomt tidak cocok untuk aplikasi multimedia. DBMS Berorientasi Objek digunakan untuk menyimapan data dan prosedur yang menganggap data tersebut sebagai objek secara otomatis dapat diambil kembali dan dikembalikan. Dan dapat digunakan untuk mengelola multimedia yang dipakai dalam aplikasi web.
KAPABILITAS SISTEM MANAJEMEN BASIS DATA
DBMS menyediakan kapabilitas dan perangkat lunak untuk mengorganisasikan, mengelola dan mengakses data dalam basis data. Mempunyai definisi data untuk menentukan struktur dari isi basis data. Hal ini digunakan untuk membuat tabel basis data dan untuk mendefenisikan karakteristik field dalam setiap tabel. Informasi tentang basis data akan didokumentasikan melalui kamus data. Kamus data merupakan file otomatis atau manual yang menyimpan definisidari elemen-elemen data dan karakteritiknya.
Permintaan (Querying) dan Pelaporan
Menyertakan perangkat untuk mengakses dan memanipulasi informasi dalam basis data. DBMS mempunyai bahasa khusus yang disebut bahasa manipulasi data yang digunakan untuk menambah, mengganti, menghapus, dan mengmbil kembali data di dalam basis data.
MERANCANG BASIS DATA
Untuk merancang basis data harus memahami diantara data, jenis data yang akan dipelihara data dalam basis data, bagaimana data akan digunakan , dan bagaimana organisasi akan perlu berubah untuk mengelola data dari perspektif keseluruhan perusahaan.
Dalam Perancangan Basis data memerlukan antara lain : 1) Rancangan konseptual berisi logis dari sebuah basis data 2) Rancangan fisik berisi bagaimana basis data sebenarnya tersusun dalam perangkat penyimpanan data dengan akses langsung.
Normalisasi dan Diagram Hubungan Relasi Entitas
Rancangan basis data konseptual menggambarkan bagaimana elemen data dalam basis data dalam basis data dikelompokkan. Proses perancangan mengidentifikasi hubungan diantara elemen-elemen data dan cara yang paling efisien mengelompokkan data.
Mendistribusikan Basis Data
Sistem informasi dapat dirancang dengan basis data terpusat yang digunakan sebuah prosesor puasat atau banyak prosesor dalam jaringan klien/server. Basis data berdistribusi merupakan basis data yang tersimpan lebih dari satu lokasi fisik.
Ada dua metodeutamapenyebarandatabase(lihat gambar 6-12). Dalam sebuah databaseyang dipartisi, bagiandatabasedisimpandan dipeliharasecara fisikdi satu lokasi danbagian laindisimpandan dipeliharadi lokasi lain(lihat gambar 6-12A)sehingga setiapprosesorjauh memilikidata yang diperlukan untukmelayani arealokal. Perubahandalam file lokaldapat dibenarkandengandatabase pusatsecarabatch.seringdi malam hari. Strategi lain adalahuntuk meniru(yang duplikatsecara keseluruhan) databasesentral(Gambar 6-12B) di semua lokasiterpencil.
Gambar 6.12 distribusi database
a. Database dipartisi
b. Duplicate Database
Basis data
Basis data
pusat
pusat
HOST CPU
HOST CPU
REMOTE
REMOTE
REMOTE
REMOTE
CPU
CPU
CPU
CPU
partisi basis
partisi basis
basis data jauh
basis data
data jauh A
data jauh B
duplikat
jauh duplikat
Sistem terdistribusimengurangi kerentanantunggal, sisisentralbesar. Mereka meningkatkanservisdan responsif terhadappengguna lokaldan seringdapat berjalandan l ebih kecil, komputerlebih murah. Namun,database lokalkadang-kadang dapatberangkat daristandarpusat datadan definisi, dan merekamenimbulkan masalahkeamanandengan mendistribusikansecara luasakses kedesainerdata.Databasesensitifperlu mempertimbangkanfaktor-faktor dalamkeputusan mereka.
6.3 MENGGUNAKAN BASIS DATA UNTUK MENINKATKAN KINERJA BISNIS DAN PROSES PENGAMBILAN KEPUTUSAN
Menggunakan basis data untuk melacak transaksi dasar dan juga digunakan untuk menyediakan inforamsi yang akan membantu perusahaan menjalankan bisnis secara efisien dan membantu manajer dan karyawan untuk pengambilan keputusan yang lebih baik. Sebagai contoh, dengan menganalisisdata daripembelian kartu kreditpelanggan, trattorialouiseitu, rantai restoranlosangeles, belajar bahwakualitaslebih penting daripadaharga untuksebagian besarpelanggan, yangkolaseberpendidikandan menyukaianggur. Bertindak
berdasarkaninformasi ini, rantaimemperkenalkanhidangan vegetarian, pilihan makanan laut, dan anggurlebih mahal, meningkatkanpenjualanlebih dari 10persen.
Dalamsebuah perusahaan besar, dengandatabase yang besaratausistem yang besaruntuk fungsi-fungsiyang terpisah, seperti manufaktur, penjualan, dan akuntansi, kemampuankhusus danalat-alat yangdiperlukanuntuk menganalisissejumlah besar datadanuntuk mengaksesdata daribeberapa sistem. Kemampuan initermasuk pergudangandata,penggalian data, dan alat untukmengakses databaseinternal melaluiweb.
Gudang Data (Data Warehouse)
Misalkan Andainginringkas,informasi yang dapat dipercayatentang operasisaat ini, tren, dan perubahandi seluruhperusahaan? Jika Andabekerja disebuah perusahaan besar, memperolehhal ini mungkin sulitkarena dataseringdipeliharadalam sistem yang terpisah, seperti penjualan, manufakturdan akuntansi. samadari datayang Anda butuhkanmungkin ditemukandalam sistempenjualan, dan karya laindalam sistemmanufaktur. Banyak dari sistem iniadalahsistem warisanlama yang menggunakanteknologipengelolaan datausang atausistem filedi manainformasi sulitbagi penggunauntuk mengakses. Hewlett-packard, dijelaskan dalamkasuspembukaanbabmengalamimasalah ini. Andamungkin harusmenghabiskanbanyak waktumencari danmengumpulkandata yangdiperlukan,atau Andaakan dipaksa untukmembuat keputusanberdasarkanpengetahuan yang tidak lengkap. Jika Andaingininformasitentang tren, Anda j uga mungkinmemiliki datatemuantrobletentang peristiwa masa lalukarena sebagian besarperusahaanhanyamembuat datamereka saat inisegera tersedia. Datapergudanganmembahasmasalah ini.
Apa yang dimaksud dengan gudang data?
Sebuahdata gudangadalah databaseyang menyimpan datasaat ini dan sejarahyang menarikpotensi untukpengambil keputusandi seluruh. Databerasal daribanyak sistemintioperasionaltransaksi, seperti sistemuntuk penjualan, piutangpelanggan, dan manufaktur, dan bisa termasukdata daritransaksisisiweb. Datagudangmengkonsolidasikandanstandarisasiinformasi dari databaseoperasional yang berbedasehingga informasidapat digunakandi seluruh perusahaanuntuk analisismanajemendan pengambilan keputusan.
Gambar 6.13 komponen data warehouse
Data Operasional
Data Konsumen
Akses data
SUMBER DATA INTERNAL
Data Data Manufaktur
ekstrak dan
warehouse
mengubah
Arah
Sejarah
Informasi
Data
DATA
eksternal
query dan laporan
Data
SUMBER
dan analisis
OLAP
Data mining
EKSTERNAL
Penjelasan : Figur6-13mengilustrasikan bagaimanasebuah gudang databekerja.Gudangdata membuat datatersediabagi siapa saja untukmengaksessesuai kebutuhan, tetapitidak dapataltered.Asistemdata warehousejugamenyediakan berbagaiad hocdan alatalatstandarpertanyaan,alat-alat analisis, dan fasilitaspelaporan grafis. Banyak perusahaanmenggunakanportalintranetuntuk membuatinformasigudang databanyak tersediadi seluruhperusahaan. Sesiinteraktif padaorganisasimenggambarkan bagaimanalayananpendapatan internal(IRS) compliencegudang datadapat berfungsi sebagaialat yang ampuhuntuk meningkatkanpengambilan keputusan danefisiensi operasional. Karena datawajib pajakyangterfragmentasidi antara banyaksistem yang berbedayang telahdibuat selamabertahun-tahun,IRStidak dapatmenyusun sebuahgambaran yang lengkapdan komprehensifdariwajib pajak, tidak bisadengan mudahmenganalisisdata wajib pajakuntuk mengidentifikasiorang-orang yangpaling mungkinkecurangan padapembayaranpajak penghasilanmereka. Sebuah gudang datamemungkinkanIRSuntuk mengintegrasikandanmensentralisasi datataxplayersehinggabisamelakukan tugas inidanmerespon lebihcepat terhadappermintaanwajib pajak. Ketika Anda membacahal ini, cobalahAnda mengidentifikasimasalahIRSmenghadapi, apasolusi alternatifyang tersedia untukmanajemen, dan isu-isumanajemen, organisasi, dan te knologiyang harusdiatasi ketikamengembangkansolusi.
Data Mart
Perusahaansering membangungudang dataperusahaan-lebar, di manasebuah gudang datasentralmelayaniseluruh organisasi, ataumereka menciptakanlebih kecil, gudangdesentralisasidisebutpasar data. Sebuahpasar dataadalah bagian darisebuah gudang datayangdirangkumatau bagianyang sangat terfokusafdata organisasiditempatkandalam databasesaparateuntuk populasitertentu pengguna. Sebagai contoh, sebuahperusahaan mungkinmengembangkan pemasarandandata penjualanpasaruntuk berurusan denganinformasipelanggan. Sebuahpasar databiasanyaterfokus padaareasubjectunggal ataulini bisnis, sehinggabiasanyadapat dibangunlebih cepatdan biaya l ebih rendahdaripadagudang dataperusahaan-lebar.
Intelegensi Bisnis, Analisi Data, Multidemensi, dan Penggalian Data
Setelah datatelah ditangkapdan terorganisir dalamgudang datadanpasar data, mereka yang tersediauntuk analisislebih lanjut.Serangkaianalatmemungkinkan penggunauntuk menganalisisdata iniuntuk melihatpola-pola baru, hubungan, dan wawasanyang berguna untukmembimbingpengambilan keputusan. Alat-alat iniuntukmengkonsolidasikan, menganalisis, danmenyediakan akses kedata dalam jumlah besaruntuk membantu penggunamembuat keputusanbisnis yang lebih baiksering disebutkecerdasan bisnis (BI). Alat utamauntuk intelijen bisnistermasukperangkat lunak untukpertanyaan databasedan pelaporan, tol untuk analisis datamultidimensi(pengolahan online analitis), danpenggalian data. Ketikakita berpikir tentangkecerdasansebagaimana diterapkan padamanusia, kitabiasanya berpikir tentangkemampuan orang untukmenggabungkanpengetahuan yang dipelajaridenganperilakuinformasi dan perubahanbaruseperticara yang merekaberhasilditugasnyamereka atauberadaptasi dengansituasi baru. Demikian juga, kecerdasanbisnismenyediakanperusahaandengan kemampuan untukmengumpulkaninformasi, mengembangkan pengetahuantentang pelanggan, pesaing, danoperasi i nternal, danmengubah perilakupengambilan keputusanuntuk mencapaikeuntungan yang lebih tinggidantujuan bisnislainnya. Misalnya, hiburanharrahitu, perusahaanperjudianterbesar kedua diindustri, terusmenganalisisdata tentangpelangganyangdikumpulkanketikaorang bermainmesin slotataumenggunakankasinoHarrahdanhotel. departemen pemasaranharrahyangmenggunakan informasi ini untukmembangunprofilrinciperjudian. didasarkan padapelanggan tertentuyang ada dinilaiakanperusahaan.Informasi inimemandukeputusan manajemententang bagaimanauntuk menumbuhkanpelanggan yang palingmenguntungkan, mendorongpara pelangganuntuk menghabiskan lebih banyak, danmenarik lebih banyak pelanggandengan potensimenghasilkan pendapatantinggi. Bisnis intelijentelah meningkatkankeuntunganharrahbegitubanyakyang telah menjadibagiansentraldaristrategi bisnisperusahaan.
Pemrosesan Analisis Online (Online analytical processing- OLAP)
Online analytical processing- OLAP mendukung analisi data multidemensi, memudahkan pengguna untuk melihat data yang sama dengan cara yang berbeda dengan berbagai dimensi.
Gambar 6.14 Inteijens Bisnis Database
Data Warehouse
Intelijen Bisnis
OLAP Mining Data
query pelaporan
melacak transaksimenemukan pola keputusan untuk merespon data dan pola dan wawasan
Gambar6-14menggambarkan bagaimanaintelijen bisnisbekerja. Perusahaan-perusahaanbasis data operasionalmelacaktransaksiyang dihasilkandengan menjalankanbisnis.Datapakanbasis datatersebutke gudang data. Manajer menggunakanalat intelijenbisnisuntuk menemukan poladan maknadalam data. manajerdaripadabertindak atasapa yangtelah mereka pelajari darimenganalisa datadengan membuatkeputusan bisnis yang lebihdan cerdas.
Data Mining
Database queriestradisionalmenjawab pertanyaan seperti, "Ber apa banyak unitnomor produk403yang dikirimkanpada Februari 2007?" OLAP, dan analisismultidimensi, mendukungjauh lebih komplekspermintaan informasi, seperti "Bandingkan penjualan produk403relatifuntuk merencanakandengankuartaldanwilayah penjualanselama duatahun terakhir. "Dengan OLAPdananalisis datapermintaanberorientasi, penggunaharus memilikiide yang baiktentang informasiyangmereka cari. Data Mininglebihpenemuan-driven. Data miningmemberikan wawasan kedata perusahaanyang tidak dapatdiperolehdenganOLAPdengan mencaripoladan hubunganyang tersembunyidalam databasedaninferensiaturanbesardari merekauntuk memprediksiperilaku masa depan. Poladanaturan yang digunakanuntuk memandupengambilan keputusandan meramalkanefekdari keputusan tersebut.
Jenis-jenisinformasidapat diperoleh daridata miningtermasukasosiasi, urutan, klasifikasi, cluster, dan prakiraan. •
•
•
•
•
Asosiasiadalah kejadianterkait denganperistiwa tunggal. Sebagai contoh,sebuah studipolapembeliansupermarketmungkinmengungkapkan bahwa, ketikakeripik jagungyang dibeli, minumancoladibeli65persen dari waktu, tetapi ketika adapromosi, coladibeli85persen dari waktu. Informasi inimembantu manajermembuatkeputusan yang lebih baikkarena mereka telah belajarpembelianrumah45persen dari waktu. Dalamurutan, peristiwa terkaitdari waktu ke waktu. Kita mungkinmenemukan, misalnya, bahwa jikarumahdibeli, kulkasbaruakan dibelidalam waktu dua minggu65persen dari waktu, danovenakan dibelidalam waktu satu bulandaripembelianrumah45persen dari waktu. Klasifikasimengakuipolayang menggambarkankelompokyangitemmilikdengan memeriksaitem yang adayang telahdiklasifikasikan dandengan menyimpulkanseperangkat aturan. Misalnya,bisnis sepertikartu kreditatau teleponperusahaankhawatirkehilanganpelanggan tetap. Klasifikasimembantumenemukankarakteristik pelangganyang cenderunguntuk pergi dandapat memberikanmodeluntuk membantu manajermemprediksisiapa orangpelanggansehinggamanajer dapatmerancang kampanyekhususuntuk mempertahankan pelanggantersebut. Clusteringbekerja dalam cara yangmirip denganklasifikasiketikaada kelompoktersebut belumditetapkan. Sebuah alatdata miningdapat menemukankelompok yang berbedadalamdata,seperti mencarikelompok afinitasuntuk kartubank ataupartisidatabaseke dalam kelompokpelanggan berdasarkandemografidanjenisinvestasi pribadi. Meskipun aplikasi inimelibatkanprediksi, peramalanmenggunakanprediksidengan cara yang berbeda. Menggunakanserangkaian nilai-nilai yang adauntuk meramalkanapa yangnilai-nilai lainakan. Misalnya,peramalanmungkin menemukanpola dalam datauntuk membantu manajermemperkirakannilai masa depan darivariabel kontinyu, sepertiangka penjualan. Sistem inimelakukan analisistingkat tinggipolaatau tren, tetapi mereka juga dapatmenelusuri kememberikanlebih detailbila diperlukan. Ada aplikasidata mininguntuk semuabidang fungsional bisnis, danpemerintahan dankarya ilmiah. Salah satu penggunaanyang populer untukdata miningadalah untuk menyediakananalisisrincipola dalamdata pelangganuntuk kampanye pemasaransatuke-satu atau untuk mengidentifikasipelanggan yang menguntungkan. Sebagai contoh,Virgin MobileAustraliamenggunakandata warehousedandata mininguntuk meningkatkanloyalitas pelanggan danmenggelar layananbaru. Datawarehousemengkonsolidasikandata darisistemnyaperusahaan, sistem manajemen hubungan pelanggan, dan sistem penagihanpelanggandalam databasebesar. Data miningtelah memungkinkanmanajemenuntuk menentukanprofil
demografisdaripelanggan baru danberhubunganke dalamhandsetmereka belisertakinerjasetiap tokodanpoint-of-sale kampanye, reaksi konsumen terhadapproduk dan layanan baru, tingkatkehilangan nasabah, danpendapatan yang dihasilkan olehmasing-masing pelanggan. Analisisprediktif menggunakanteknikdata mining, data historis, danasumsi tentangkondisimasa depanuntuk memprediksi hasildariperistiwa, sepertiprobabilitaspelangganakanmenanggapitawaranatau membeliproduk tertentu. Sebagai contoh,divisiASTheBody ShopInternationalplc. analisisprediktifdigunakandengandatabasepelanggantokokatalog, Web, danritel untukpelangganidentitasyanglebih cenderungmelakukan pembeliankatalog. Informasi tersebutmembantu perusahaanmembangun sebuah mailing listyang lebih tepatdan terarahuntuk katalognya, meningkatkantingkat tanggapanuntuk suratkatalog danpendapatankatalog.
TextMiningdan WebMining
Alat intelijenbisnisberurusan terutama dengandata yangtelah terstrukturdalam databasedan file. Namun,data tidak terstruktur, sebagian besardalam bentukfile teks, diyakiniaccount selama lebih dari80 persen dariinformasi yang bergunaorganisasi.Email, memo, transkripcall center, responsurvei, kasus hukum, deskripsipaten, dan laporanlayanan yang semuanyaberharga untukmenemukanpola dantren yang akanmembantu karyawanmembuat keputusanbisnis yang lebih baik. Alatpertambangan tekssekarang tersediauntuk membantu bisnismenganalisis datatersebut. Alatini mampumengekstrakelemen kuncidari besarsetdata yangtidak terstruktur, menemukan poladan hubungan, dan meringkasinformasi.Bisnismungkinberalih kepertambangan teksuntuk menganalisistranskrippanggilan kepusat layanan pelangganuntuk mengidentifikasilayanan dan perbaikanmasalah besar. Produkdan Bahan KimiadiAllentown, Pennsylvania, Airmenggunakantext mininguntuk membantu mengidentifikasidokumenyang memerlukancatatanprosedurretensikhususuntuk mematuhiUndang-UndangSarbanesOxley. Perusahaan memilikilebih dari 9terabyte datatidak terstruktur(tidak termasukemail). SoftwarepintarPenemuanmengklasifikasikanwawasanSoftwaredanmengatur dataini sehinggaperusahaan dapatmenerapkan aturanbisnis untukkategoridokumendaripadadokumenindividual. Jika dokumenditemukanuntuk berurusandengan operasitertutupolehSarbanes-Oxley, perusahaan akanmemastikandokumenmemenuhi persyaratanretensi datahukum. Web adalah sumber yang kaya informasi yang berharga, beberapa di antaranya sekarang dapat ditambang untuk pola, tren, dan wawasan ke dalam perilaku pelanggan. Penemuan dan analisis pola yang berguna dan informasi dari World Wide
Web disebut Web pertambangan. Bisnis mungkin beralih ke pertambangan Web untuk membantu mereka memahami perilaku pelanggan, mengevaluasi efektivitas dari sebuah Website tertentu, atau mengukur keberhasilan kampanye pemasaran. Sebagai contoh, pemasar menggunakan Google Trends dan Google Insight untuk layanan Search, yang melacak popularitas berbagai kata dan frase yang digunakan dalam permintaan pencarian Google untuk mempelajari apa yang orang tertarik dan apa yang mereka tertarik untuk membeli. Web mining mencari pola dalam data melalui konten struktur pertambangan pertambangan, dan pertambangan penggunaan. Pertambangan konten web adalah proses penggalian pengetahuan dari konten halaman Web, yang dapat mencakup teks, gambar, audio, dan data video. Wen struktur pertambangan memeriksa data yang terkait dengan struktur situs web tertentu. Sebagai contoh, link yang menunjuk ke dokumen menunjukkan popularitas dokumen, sementara link yang keluar dari dokumen menunjukkan kekayaan atau mungkin berbagai topik yang dibahas dalam dokumen. Pertambangan penggunaan web meneliti data interaksi pengguna dicatat oleh server Web setiap kali permintaan untuk sumber daya sebuah situs Web yang diterima. Data penggunaan mencatat perilaku pengguna ketika pengguna menelusuri atau membuat transaksi di situs Web dan mengumpulkan data dalam log server. Menganalisis data tersebut dapat membantu perusahaan menentukan nilai pelanggan tertentu, strategi pemasaran lintas seluruh produk, dan efektivitas kampanye promosi, dll.
6.4
MENGELOLA SUMBER DAYA DATA
MENETAPKAN KEBIJAKAN INFORMASI
Dengan menentukan aturan-aturan oraganisasi dalam pembagian, penyebaran, perolehan standarisasi, klasifikasi, dan penyimpanan dari informasi. Kebijakan informasi menjelaskan prosedur dan akuntabilitas yang spesifik, mengidentifikasi inforamsi dapat saling dibagikan dimana inforamsi dapat didistribusikan, siapa yang yang bertanggung jawab memperbarui dan memelihara informasi. Setiap bisnis ,besar dan kecil ,membutuhkan sebuah kebijakan informasi. Data perusahaan anda adalah sebuah sumber daya yang penting,dan anda tidak mau orang melakaukan apapun yang mereka mau pada data perusahaan anda. Anda harus memiliki aturan tentang bagaimana data harus diorganisir dan dipelihara, dan siapa yang diizinkan untuk melihat data atau mengubahnya. Sebuah kebijakan informasi menentukan peraturan organisasi untuk berbagi, menyebarkan, memperoleh, standardisasi, mengklasifikasi, informasi inventarisasi. Sebuah kebijakan informasi menjabarkan prosedur serta kewajiban yang spesifik, mengidentifikasi pengguna dan unit organisasi dapat berbagi informasi, di mana informasi dapat didistribusikan, dan yang bertanggung jawab untuk memperbarui dan memelihara informasi. menjabarkan prosedur serta kewajiban yang spesifik, mengidentifikasi pengguna dan unit organisasi dapat berbagi informasi, di mana informasi dapat didistribusikan, dan yang
bertanggung jawab untuk memperbarui dan memelihara informasi. Jika anda menjalankan sebuah bisnis kecil, kebijakan informasi seharusnya dikelola dan diimplementasikan oleh pemiliknya atau para manager. Dalam organisasi besar, mengelola dan merencanakan informasi sebagai sumber daya perusahaan sering membutuhkan fungsi administrasi data resmi. Data administrasi bertanggung jawab atas kebijakan dan prosedur tertentu di mana data dapat dikelola sebagai sumber daya organisasi. Tanggung jawab ini mencakup pengembangan kebijakan informasi, perencanaan untuk data, mengawasi desain database logis dan pengembangan kamus data, dan pemantauan bagaimana sistem informasi khusus dan pengguna akhir menggunakan kelompok data. Anda mungkin mendengar tata data istilah yang digunakan untuk menggambarkan berbagai aktivitas tersebut dipromosikan oleh IBM, penawaran tata kelola data dengan kebijakan dan proses untuk mengelola ketersediaan, kegunaan, integritas, dan keamanan data yang digunakan suatu perusahaan, dengan penekanan khusus pada promosi pribadi , keamanan, kualitas data, dan sesuai dengan peraturan pemerintah. sebuah organisasi besar juga akan memiliki desain dan manajemen database kelompok dalam divisi sistem informasi perusahaan yang bertanggung jawab untuk menentukan dan mengatur struktur dan isi dari database, dan memelihara database. Dalam kerjasama erat dengan pengguna, kelompok desain menetapkan database fisik, relasi logis antara unsur-unsur, dan aturan akses dan prosedur keamanan. fungsi ia melakukan disebut administrasi database.
MEMASTIKAN KUALITAS DATA
Kebijakan databese dan informasi dirancang dengan baik ke arah untuk memastikan bahwa bisnis memiliki informasi yang dibutuhkan. Namun, langkah-langkah tambahan harus diambil untuk memastikan bahwa data dalam database organisasi yang akurat dan tetap dapat diandalkan. Apa yang akan terjadi jika nomor telepon atau rekening saldo pelanggan tidak benar? Apa yang akan menjadi dampak jika database memiliki harga yang salah dengan produk yang Anda dijual atau sistem penjualan dan sistem persediaan menunjukkan harga yang berbeda untuk produk yang sama? Data yang tidak akurat, tidak tepat waktu, atau tidak konsisten dengan sumber informasi lain menyebabkan keputusan yang salah, penarikan kembali produk, dan kerugian keuangan. Menurut penelitian Forrester, 20 persen dari pos AS dan pengiriman paket komersial dikembalikan karena nama yang salah atau alamat. Gartner Inc melaporkan bahwa lebih dari 25 persen dari data penting dalam database besar Fortune 1000 perusahaan 'tidak akurat atau tidak lengkap, termasuk kode buruk produk dan deskripsi produk, deskripsi persediaan rusak, data keuangan yang salah, informasi pemasok yang tidak benar, dan data karyawan yang salah. (Gartner, 2007) Masalah kualitas data, bagaimanapun seperti nama salah eja, nomor dialihkan, atau kode yang tidak benar atau hilang, berasal dari kesalahan selama input data. Insiden kesalahan tersebut meningkat sebagai perusahaan memindahkan bisnis mereka ke Web dan memungkinkan pelanggan dan pemasok untuk memasukkan data ke situs Web mereka yang secara langsung memperbarui sistem internal.
Sebelum database baru di tempatkan, organisasi perlu identitas dan memperbaiki data yang rusak dan membangun rutinitas yang lebih baik untuk merubah data setelah database mereka beroperasi. Analisis kualitas data sering dimulai dengan audit kualitas data, yang merupakan survei terstruktur dari tingkat keakurasian dan kelengkapan data dalam sistem informasi. Audit kualitas data dapat dilakukan dengan melakukan survei terhadap pengguna akhir untuk persepsi mereka terhadap kualitas data. Pembersihan data, juga dikenal sebagai data scrubbing, terdiri dari kegiatan untuk mendeteksi dan mengoreksi data dalam database yang tidak benar, tidak lengkap, tidak di format dengan benar, atau berlebihan. Pembersihan data tidak hanya mengoreksi kesalahan tetapi juga memaksa konsistensi antara set data yang berbeda yang berasal dari sistem informasi yang terpisah. Software data pembersihan khusus tersedia untuk secara otomatis file data survei, memperbaiki kesalahan dalam data, dan mengintegrasikan data dalam format seluruh perusahaan yang konsisten.
