Sumber Data. Pengumpulan dan Permasalahan Data.
BAB 4 MANAJEMEN DATA
4.1. Sumber Data.
3 sumber data adalah dari: internal, eksternal, dan personal. § Internal. Data disimpan dalam satu atau beberapa tempat dalam suatu organisasi. Data ini mengenai orang, produk, services, dan proses. Contoh: data mengenai karyawan dan penggajiannya. § Eksternal. Mulai dari database komersial sampai data yang dikumpulkan dari sensor dan satelit. Bentuknya bisa berupa CD-ROM, film, musik, atau suara. Juga gambar, diagram, atlas, dan televisi. Pilihlah data eksternal yang relevan saja, karena banyak tak relevan dengan MSS yang diinginkan. Contoh: PDBI dulu, jamannya Christianto Wibisono sebelum pindah ke Australia, beritainformasi dari BEJBES, Biro Pusat Statistik, dan lain-lain. § Personal. Para pakar dapat memberikan kontribusinya pada MSS untuk pelbagai aplikasi tertentu. Contoh: perkiraan penjualan atau opini mengenai kompetitor.4.2. Pengumpulan dan Permasalahan Data.
Metode pengumpulan data mentah bisa menggunakan cara: § Manual. Contoh: metode time studies selama observasi, survey menggunakan kuisoner, observasi misal dengan menggunakan kamera video, meminta pendapat pakar misal dengan mewawancarainya. § Instrumen dan sensor. Digunakan untuk membantu metode manual atau malah kadang dominan peranannya bila cara-cara manual sudah tak mampu lagi. Permasalahan data mengikuti asas GIGO Garbage In Garbage Out. Problem Typical Cause Possible Solutions in Some Cases Data are not correct. Raw data were entered inaccurately. Data derived by an individual were generated carelessly. Develop a systematic way to ensure the accuracy of raw data. Whenever derived data are submitted, carefully monitor both the data values and the manner in which the data were generated. Data are not timely. The method for generating the data is not rapid enough to meet the need for the data. Modify the system for generating the data. Data are not measured or indexed properly. Raw data are gathered according to a logic or periodicity that is not consistent with the purposes of the analysis. A detailed model contains so many coefficients that it is difficult to develop and maintain. Develop a system for rescaling or recombining the improperly indexed data. Develop simpler or more highly aggregated models. Needed data simply do not exist. No one ever stored data needed now. Required data never existed. Whether or not it is useful now, store data for future use. This may be impractical because of the cost of storing and maintaining data. Furthermore, the data may not be found when they needed. Make an effort to generate the data or to estimate them if they concern the future.4.3. Pelayanan Database Komersial.
Parts
» Buku_Panduan_SPK. 2694KB Jan 09 2011 11:45:00 PM
» Manajer dan Dukungan Komputer. Managerial Decision Making Management Information
» Decision Support Systems DSS. Group Support Systems GSS.
» Evolusi dari Alat Pengambil Keputusan Terkomputerisasi.
» Pelbagai Perbedaan diantara MIS dan DSS.
» Kesimpulan. MANAGEMENT SUPPORT SYSTEM MSS
» Sistem. PENGAMBILAN KEPUTUSAN, SISTEM, PEMODELAN, DAN
» Proses Pemodelan. Intellegence Phase. The Choice Phase.
» Faktor Kritis Sukses. Implementasi. Bagaimana Keputusan itu Didukung?
» Human Cognition Manusia dan Gaya Keputusan. Kesimpulan.
» Pengertian. DECISION SUPPORT SYSTEMS
» Karakteristik dan Kemampuan DSS.
» The Data Management Subsystem.
» The Model Management Subsystem.
» The Knowledge Subsystem. The User Interface Dialog Subsystem.
» Hardware dan Software DSS. Klasifikasi dan Dukungan DSS.
» Gambaran Menyeluruh. Level Teknologi.
» Kesimpulan. DECISION SUPPORT SYSTEMS
» Sumber Data. Pengumpulan dan Permasalahan Data.
» Pelayanan Database Komersial. Database dan Manajemen Database.
» Fourth-generation Systems. Struktur Database dan SQL.
» Object-oriented Database. Aplikasi Database dan Spreadsheet.
» Enterprise DS dan Information Warehouse.
» Arsitektur ClientServer. MANAJEMEN DATA
» Multidimensionality. Pengaksesan Data: Data Dipping.
» Intelligent Database. Kesimpulan. MANAJEMEN DATA
» Optimasi dengan Pemrograman Matematis.
» Simulasi. PEMODELAN DAN MANAJEMEN MODEL
» Pemrograman Heuristic. PEMODELAN DAN MANAJEMEN MODEL
» Influence Diagram Diagram Pengaruh. Forecasting Peramalan.
» Pemodelan Nonkuantitatif. Bahasa Pemodelan dan Spreadsheet.
» Pemodelan Finansial dan Perencanaannya. Model Kuantitatif yang Tersedia.
» Model Base Structure and Management.
» Kesimpulan. PEMODELAN DAN MANAJEMEN MODEL
» Mode Antarmuka. Grafis. ANTARMUKA USER
» Graphical User Interface GUI.
» Multimedia dan Hypermedia. ANTARMUKA USER
» Visual Interactive Modeling VIM.
» Virtual Reality VR. Geographical Information Systems GIS.
» Natural Language Processing: Pendahuluan. Natural Language Processing: Metode.
» Aplikasi NLP dan Software. Pengenalan dan Pemahaman Bicara Suara.
» Pendahuluan. Strategi Pengembangan. Proses Pengembangan DSS.
» Proses Pengembangan: Life Cycle vs Prototyping.
» DSS Generator. Pemilihan DSS Generator dan Tool Software Lainnya.
» Contoh Kasus: Kabinet di Pemerintahan Mesir. Konsep Organizational DSS ODSS.
» Arsitektur ODSS. Intelligent DSS Active, Symbiotics.
» DSS yang Dapat Berevolusi Sendiri. Arah Pengembangan Riset DSS.
» Studi Kasus: Tim Peningkatan Kualitas di IRS.
» Peningkatan kerja grup. Jika kita dapat mengurangi pelbagai fenomena yang menyebabkan
» Penggunaan Teknologi Informasi: Groupware.
» Pengertian GDSS. Tujuan dan Level-level GDSS.
» Teknologi GDSS. Ruang Pertemuan Elektronik Pengambilan Keputusan.
» Software GDSS. Peneluran Ide.
» Jalannya Pertemuan GDSS. Kesimpulan.
» Alasan Menggunakan DGSS. DISTRIBUTED GROUP SUPPORT SYSTEMS DGSS
» Teknologi DGSS. Windows for Workgroups. Lotus Notes.
» Electronic Teleconferencing. Electronic Mail.
» Kesimpulan. DISTRIBUTED GROUP SUPPORT SYSTEMS DGSS
» Konsep dan Definisi. EXECUTIVE INFORMATION AND SUPPORT SYSTEMS
» Kebutuhan Informasi Eksekutif. EXECUTIVE INFORMATION AND SUPPORT SYSTEMS
» Hardware. Software. EXECUTIVE INFORMATION AND SUPPORT SYSTEMS
» Analisis dan Presentasi Multidimensional. Pengembangan Sistem.
» Enterprise EIS. Implementasi EIS: Sukses atau Gagal.
» EIS Masa Depan dan Isu-isu Riset EIS. Kesimpulan.
» Pendahuluan. KNOWLEDGE AND DATA ENGINEERING
» Database DB -konvensional, relasional-. Data Warehousing DW. OLTP.
Show more