Membuat Tabel dengan kode HTML

TAG DASAR

Cara membuat tabel dengan kode HTML diperlukan 3 tag dasar yaitu : TABLE, TR, TD. Tag  TABLE  untuk menandai sebuah tabel, TR untuk membentuk baris, TD untuk membentuk kolom. Secara default nilai border=0, jadi tabel akan tampil pada browser tanpa bingkai.  Untuk dapat menampilkan bingkai, maka nilai border harus diberi nilai minimal =1.

Contoh , di bawah ini adalah serangkaian kode HTML  untuk membuat tabel :
<table border=1>
<tr><td>tanggal</td></tr></table>

Hasilnya, browser akan menampilkan gambar tabel seperti  di bawah ini :

CARA MEMBUAT TABEL  1 BARIS 2 KOLOM
Berikut ini adalah cara  membuat tabel  dengan kode HTML 1 baris 2 kolom, lihat penerapannya di bawah ini  :
<table border=1>
<tr><td>tanggal</td><td>nama</td></tr></table>
Hasilnya,   browser akan menampilkan gambar tabel seperti di bawah ini :

CARA MEMBUAT TABEL 3 BARIS  1 KOLOM
Berikut ini adalah cara membuat tabel dengan kode HTML 3 baris 1 kolom adalah sebagai berikut :
<table border=1>
<tr><td>tanggal</td></tr><tr><td>kota</td></tr><tr><td>jenis kelamin</td></tr></table>
Hasilnya,   browser akan menampilkan gambar tabel seperti di bawah ini :

CARA MEMBUAT TABEL DENGAN ATRIBUT CELLSPACING
Atribut CELLSPACING digunakan untuk menentukan jarak antar sel pada sebuah tabel. Lihat penerapan CELLSPACING  pada kode HTML berikut ini :
<table border=1 cellspacing=10>
<tr><td>becak</td><td>sepeda</td></tr><tr><td>mobil</td><td>motor</td></tr></table>
Hasilnya,   browser akan menampilkan gambar tabel seperti di bawah ini :


CARA MEMBUAT TABEL DENGAN ATRIBUT CELLPADDING
Atribut CELLPADDING  digunakan  untuk member jarak antara sel dengan tulisan. Lihat penerapannya pada kode HTML berikut ini :
<table border=1 cellpadding=10>
<tr><td>becak</td><td>sepeda</td></tr><tr><td>mobil</td><td>motor</td></tr></table>
Hasilnya,   browser akan menampilkan gambar tabel seperti di bawah ini :

CELLSPACING DAN CELLPADDING  DIPAKAI BERSAMA – SAMA
Jika kedua atribut tersebut dipakai bersamaan dalam pembuatan tabel, maka penerapannya seperti kode HTML berikut ini :
<table border=1 cellpadding=10 cellspacing=10>
<tr><td>becak</td><td>sepeda</td></tr><tr><td>mobil</td><td>motor</td></tr></table>
Hasilnya,   browser akan menampilkan gambar tabel seperti di bawah ini :

MENENTUKAN LEBAR KOLOM DENGAN PROSENTASE ( WIDTH=100% )
Jika lebar kolom ditentukan 100 %, maka tampilan tabel akan melebar memenuhi lebar halaman. Jika lebar setiap kolom tidak ditentukan,  maka lebar 100% akan terbagi sama lebar untuk setiap kolomnya. Apabila jumlah kolomnya 2, maka tabel tersebut akan terbagi menjadi 2 sama lebar, masing – masing 50%.
Lebar kolom pada tabel dapat ditentukan tidak sama lebar, artinya masing – masing kolom lebarnya tidak sama. Lihat contoh penerapannya pada kode HTML berikut ini :
<table border=1 width=100%>
<tr><td width=25%>becak</td><td width=75%>sepeda</td></tr><tr><td width=25%>mobil</td><td width=75%>motor</td></tr></table>
Hasilnya,   browser akan menampilkan gambar tabel seperti di bawah ini :



MENENTUKAN LEBAR DAN TINGGI KOLOM DENGAN SATUAN PIXEL
Untuk membuat tabel, lebar kolom ( WIDTH ) dan tinggi kolom ( HEIGHT ) dapat ditentukan dengan satuan pixel. Lihat penerapannya dengan kode HTML berikut ini :
<table border=7 >
<tr height=40><td width=150>becak</td><td width=250>sepeda</td></tr><tr height=80><td width=150>mobil</td><td width=250>motor</td></tr></table>
Hasilnya,   browser akan menampilkan gambar tabel seperti di bawah ini :

PERATAAN TULISAN DALAM TABEL
Perataan tulisan dalam sebuah tabel menggunakan tag ALIGN  ( untuk perataan horizontal )  dan VALIGN ( untuk perataan vertical ). Untuk lebih memahaminya lihat contoh kode HTML berikut ini :
<table border=7 >
<tr height=40><td width=150 align=left valign=top>becak</td><td width=250 align=right valign=middle>sepeda</td></tr><tr height=80><td width=150 align=right valign=bottom>mobil</td><td width=250 align=center valign=middle>motor</td></tr></table>
Hasilnya,   browser akan menampilkan gambar tabel seperti di bawah ini :

TUGAS PTI-Penerapan CRM Pada perusahaan Unilever Tbk

Penerapan CRM pada Perusahaan Unilever Indonesia Tbk.

Peran software aplikasi CRM

Software/aplikasi CRM ini sudah banyak beredar di pasaran, kebanyakan dibuat oleh perusahaan Amerika dan Eropa yang lebih dulu mengimplemtasikan aplikasi CRM pada perusahaan mereka.

Aplikasi CRM berguna bagi perusahaan dalam banyak hal.

Pertama, proses otomatisasi dari seluruh data yang ingin dipakai perusahaan dalam membangun database pelanggan. Dapat dibayangkan betapa sulitnya mengumpulkan data-data pelanggan, mencatat berapa kali mereka menghubungi perusahaan dalam satu bulan, berapa kali menggunakan produk atau layanan perusahaan dan berbagai data lain jika dilakukan secara manual.

Kedua, aplikasi CRM memberikan laporan-laporan dari data yang dikumpulkan sehingga dapat menjadi informasi yang berguna bagi manajemen untuk proses pengambilan keputusan. Aplikasi CRM akan menjadi Decision Support System(DSS) dimana pihak manajemen tidak lagi direpotkan lagi pada urusan teknis dalam membuat laporan dan menyusun informasi yang dibutuhkan.

Namun demikian, inisiatif CRM pada perusahaan tidaklah semata hanya berhenti pada implementasi aplikasi CRM. Aplikasi CRM hanyalah sekedar teknologi yang menjadi alat ( tool ) bagi perusahaan. Untuk menamin implementasi CRM yang sukses, banyak faktor yang harus dibenahi terlebih dahulu oleh perusahaan.

Ada empat kemampuan utama dalam strategis CRM yaitu :

1. Technology ( teknologi )

Teknologi yang mendukung CRM

2. People ( Manusia )

Kemampuan manusia serta sifatnya dalam mengelola CRM

3. Process ( Proses )

Proses perusahaan yang digunakan untuk mengakses dan berinteraksi dengan pelanggan untuk mengetahui kebutuhan serta memenuhi kepuasan pelanggan

4. Kowledge and Insight ( Pengetahuan dan Wawasan )

Memberikan masukan pada perusahaan dalam memberikan nilai pada data pelanggan sehingga mereka membutuhkan pengetahuan dan wawasan untuk meningkatkan hubungannya dengan pelanggan

Aspek orang meliputi internalisasi cara berpikir orang tentang bagaimana melayani konsumen. Visi implementasi CRM harus jelas terlebih dahulu dan dipahami secara benar oleh semua karyawan dalam perusahaan. Selanjutnya adalah aspek kesiapan dari sisi pengetahuan dan ketrampilan. Perusahaan perlu mengadakan pelatihan-pelatihan dan proses belajar yang membuat karyawan lebih siap dalam proses implementasi CRM.

Aspek kedua adalah proses dan prosedur. Perusahaan harus mendefinisikan secara lebih jelas target market yang akan dibidik dan prosedur perusahaan secara lebih rinci dalam melayani konsumen. Hal ini penting karena karyawan berhubungan langsung dengan konsumen memiliki aturan yang jelas tentang bagaimana melayani pelanggan.

Aspek ketiga adalah sistem dan teknologi. Perusahaa perlu membuat cetak biru tentang teknologi CRM seperti apa yang akan digunakan, bagaimana proses implementasinya, training dan juga penerapannya yang berhubungan dengan sistem yang sudah ada sekarang.

Penerapan Strategi CRM

Tujuan dari strategi CRM adalah untuk membentuk interaksi antara perusahaan dan pelanggannya dengan cara memaksimalkan nilai hidup pelanggan untuk perusahaan. Hal inii juga mencerminkan filosofi bahwa tidak semua pelanggan diciptakan sama.

Strategi CRM membutuhkan empat komponen :

1. Customer-management orientation

Customer-management orientation mencakup sekumpulan nilai-nilai perusahaan serta strategi dan aksinya dalam mengimplementasikan customer management principles

2. Integration and alignment of organizational processes

Integration and alignment of organizational processes dikelola dengan memahami nilai yang akan diberikan pada pelanggan yang sudah ditargetkan sesuai dengan prosesnya. Komponen ini dapat digunakan untuk menjelaskan dan merancang  proses organisasinya

3. Information capture and alignment of technology

Information capture and alignment of technology dikarakteristikan oleh kemampuan dalam mentransfer data menjadi dalam bentuk informasi

4. CRM strategy implementation

Pengimplementasian CRM dalam proses dan aktivitas dibutuhkan untuk menyukseskan strategi CRM

Tahapan pokok CRM terdiri dari :

1.      Analisis portofolio pelanggan akan menghasilkan pengelompokan pelanggan-pelanggan mana yang menguntungkan sehingga perlu mendapatkan perhatian yang lebih dan pelanggan mana yang kurang/tidak menguntungkan. Untuk analisis portofolio ini diperlukan data atau informasi tentang pelanggan.

2.      Customer intimacy, untuk memelihara kedekatan dengan pelanggan perusahaan harus mempunyai data warehousing yang baik sehingga melalui analisis data peruahaan dapat lebih mengenal pelanggan dengan lebih baik pula.

3.      Dukungan dari jejaring (seperti: suppliers, owners, partners, employees) sangatlah diperlukan agar perusahaan mampu memberikan yang terbaik bagi pelanggan.

4.      Dengan mengenal pelanggan secara lebih baik dan mengetahui kemampuan dirinya (termasuk dukungan jejaring), perusahaan dapat mengembangkan dan memberikan customer value yang lebih melalui pengembangan beberapa benefits bagi pelanggan.

5.      Dengan memanajemeni daur hidup pelanggan secara lebih baik diharapkan customer life dapat diperpanjang dan biaya transaksi akan berkurang, sehingga perusahaan boleh berharap akan mendapatkan keuntungan yang besar. 

Lima tahapan pokok CRM di atas dapat berjalan dengan optimal bila mendapatkan dukungan yang memadai dari lingkungannya seperti: kepemimpinan (pemimpin yang mempunyai komitmen terhadap CRM), kultur (berorientasi pada pelanggan), teknologi informasi dan data, manusia (manajemen dan karyawan memiliki pengetahuan dan keterampilan yang baik), serta sistem proses.

Implementasi CRM dalam perusahaan Unilever Indonesia Tbk.

Unilever adalah salah satu perusahaan produksi dunia yang terbesar dengan omset $45 juta per tahun. Unilever beroperasi di 88 negara seluruh dunia dengan jumlah karyawan 255.000 orang. Dan 2 dari 12 Grup bisnisnya bermarkas di United States. PT Unilever Indonesia Tbk (perusahaan) didirikan pada 5 Desember 1933 sebagai Zeepfabrieken N.V. Lever dengan akta No. 33 yang dibuat oleh Tn.A.H. van Ophuijsen, notaris di Batavia.  Perusahaan ini bergerak dalam bidang produksi sabun, deterjen, margarin, minyak sayur dan makanan yang terbuat dari susu, es krim, makanan dan minuman dari teh dan produk-produk kosmetik.

Dalam upaya untuk meningkatkan pengalaman konsumen dan mengumpulkan informasi pelanggan yang lebih baik, Unilever telah mulai menggunakan Astute Solusi RealDialog, yaitu alat dalam panggilan pusat. RealDialog menggunakan mesin linguistik menganalisis pelanggan di masing masing kata dan kemudian menyediakan pusat kontak agen sehingga dengan mudah membaca tanggapan.

RealDialog memungkinkan mereka untuk mengontrol pesan. Selain itu, kekuatan utama dari sistem adalah simplifies agen pekerjaan, yang memungkinkan mereka untuk memberikan jawaban lebih cepat dan fokus dalam membangun hubungan. RealDialog Unilever juga membantu pelanggan lainnya, termasuk mengumpulkan data konsumen. Sistem log permintaan dan komentar mereka, sehingga eksekutif dan manajer dapat mengukur kepuasan konsumen tentang produk mereka. Ketika kemampuan RealDialog Unilever digunakan pada situs web pada tahap selanjutnya dari kerjasama, manajer akan mampu bereaksi terhadap komentar konsumen online secara real time.

Unilever sebelumnya menggunakan database milik semua produk-produknya di pusat panggilan. Perusahaan menghubungi pusat di Amerika Serikat dan Kanada menangani lebih dari 90 merek, mencakup 14 kategori barang konsumen – Dan kesulitannya yaitu mencari agen yang tepat untuk membuat tanggapan. Dengan RealDialog, konsumen tidak akan berkomentar dalam membeli dan dapat benar benar mempercayainya, RealDialog manager ini akan meningkatkan nilai dari pelanggan dan akhirnya menghasilkan pendapatan karena mereka akan senang dengan layanan yang mereka rasakan dan mendapatkan informasi produk yang sedang mereka cari.

Hambatan

Dalam mengoperasikan perusahaan dan mencapai tujuannya, satu satunya hal yang menjadi hambatan bagi perusahaan Unilever Indonesia Tbk. Adalah persaingan dengan perusahaan perusahaan lain yang bergerak dalam bidang yang sama. Dan untuk menghadapi hambatan tersebut, upaya yang dilakukan Unilever Indonesia untuk kedepannya, yaitu akan mengadakan program MT (Management Training) dalam mencari bibit bibit SDM yang potensial. Para MT menjalani pekerjaan sebagai asisten manajer selama dua tahun. Seorang asisten manajer yang ditempatkan di bagian pemasaran, misalnya, harus bias belajar banyak tentang pemasaran. Ia mesti terjun ke pasar-pasar tradisional hingga ke pelosok daerah untuk mengetahui dan memahami kebutuhan konsumen. Di lain pihak, perusahaan memonitor perkembangannya sambil mengevaluasi apakah seorang asisten manajer ini layak dipromosikan sebagai manajer atau tidak.

Ekspektasi CRM

Unilever juga akan menggunakan Ariba's B2B dalam bidang non-inventory dan biaya tidak langsung lainnya. Unilever memiliki ekspektasi bahwa dengan menggunakan Ariba's B2B maka akan membantu meningkatkan kualitas manajemen pembelian barang dari ribuan supplier. The Ariba Solutions  memberikan lingkungan commerce yang friendly dan dapat di update dengan mudah sehingga mengikuti kondisi pasar yang berubah-ubah.

Perluasan Unilever Indonesia

Pada tanggal 22 November 2000, perusahaan Unilever mengadakan perjanjian dengan PT Anugrah Indah Pelangi, untuk mendirikan perusahaan baru yakni PT Anugrah Lever (PT AL) yang bergerak di bidang pembuatan, pengembangan, pemasaran dan penjualan kecap, saus cabe dan saus-saus lain dengan merk dagang Bango, Parkiet dan Sakura dan merk-merk lain atas dasar lisensi perusahaan kepada PT AL. Pada tanggal 3 Juli 2002, perusahaan Unilever mengadakan perjanjian dengan Texchem Resources Berhad, untuk mendirikan perusahaan baru yakni PT Technopia Lever yang bergerak di bidang distribusi, ekspor dan impor barang-barang dengan menggunakan merk dagang Domestos Nomos. Pada tanggal 7 November 2003, Texchem Resources Berhad mengadakan perjanjian jual beli saham dengan Technopia Singapore Pte. Ltd, yang dalam perjanjian tersebut Texchem Resources Berhad sepakat untuk menjual sahamnya di PT Technopia Lever kepada Technopia Singapore Pte. Ltd. Pada tahun 2007, PT Unilever Indonesia Tbk. (Unilever) telah menandatangani perjanjian bersyarat dengan PT Ultrajaya Milk Industry & Trading Company Tbk (Ultra) sehubungan dengan pengambilalihan (akuisisi) industri minuman sari buah melalui pengalihan merek “Buavita” dan “Gogo” dari Ultra ke Unilever. Perjanjian telah terpenuhi dan Unilever dan Ultra telah menyelesaikan transaksi pada bulan Januari 2008. 

 Kinerja keuangan PT. Unilever Indonesia, Tbk. menggunakan konsep EVA (Economic Value Added) menunjukkan bahwa sebelum melakukan akuisisi dengan perusahaan lain, nilai EVA nya turun, tetapi setelah melakukan akuisisi kinerja dari PT. Unilever Indonesia, Tbk nilai EVAnya mengalami kenaikan dan 3 Lauren Bell’s Blog, 24 Sep 2008.  www.unilever.com. Menunjukkan bahwa kinerja perusahaan sudah bagus, sehingga perusahaan memiliki nilai tambah yang positif yang artinya telah terjadi penambahan nilai ekonomis pada PT. Unilever Indonesia Tbk. Sedangkan jika menggunakan konsep rasio keuangan mengalami fluktuasi kinerja

3. 3. Customer relationship management Adalah manajemen hubungan antara perusahaan dengan pelanggan sehingga keduanya akan menerima nilai maksimum dari hubungan tersebut CRM berkonsentrasi pada apa yang dinilai oleh pelanggan, bukan pada apa yang perusahaan ingin jual
4. 4. sasaran Sasaran utama dari customer relationship management (CRM) adalah untuk meningkatkan pertumbuhan jangka panjang dan profitabilitas perusahaan melalui pengertian yang lebih baik terhadap kebiasaan (behavior) pelanggan. Peningkatan profit perusahaan Peningkatan pertumbuhan jangka panjang perusahaan
5. 5. Keuntungan CRM ...Mempertahankan pelanggan yang sudah ada... ...Menarik pelanggan baru... ...Tingkat kepuasan pelanggan tinggi... ...Meningkatkan loyalitas pelanggan... ...dll... Mengetahui perbaikan yang harus dilakukan pada service yang diberikan kepada ...konsumen...
6. 6. faktor yang menentukan kepuasan pelanggan dlm CRM  Perusahaan Melakukan survey kepada pelanggan secara periodik  Perusahaan Memastikan mutu pelayanan pelanggan  Mengkombinasikan strategi pelayanan dengan konsekuensi yang harus dihadapi. Artinya setiap strategi yang diambil akan berdampak konsekuensi yang harus ditanggung oleh perusahaan pengertian dari kepuasan dan ketidakpuasaan pelanggan adalah perbedaan antara harapan dan kinerja yang dirasakan Jadi pengertian kepuasan pelanggan dapat berarti kinerja barang atau jasa yang diterima oleh konsumen setidak-tidaknya sama dengan yang diharapkan Yang menentukan :
7. 7. Hubungan CRM dan Loyalitas Pelanggan “terbukti positif”
8. 8. PT Unilever Indonesia Tbk Unilever adalah perusahaan multinasional yang memproduksi kebutuhan sehari-hari Perusahaan ini didirikan 16 Desember 1933 Perusahaan ini mempekerjakan -/+ 206.000 pekerja.
9. 9. Dalam upaya meningkatkan pengalaman konsumen dan mengumpulkan informasi pelanggan yang lebih baik, Unilever telah menggunakan Astute Solusi RealDialog. “Alat dalam panggilan pusat” YAITU : Menggunakan mesin untuk menganalisis pelanggan di masing-masing kota, utk kemudian menyediakan pusat kontak agen, shgga mudah membaca tanggapan
10. 10. Dalam mengoperasikan perusahaan dan mencapai tujuannya, satu satunya hal yang menjadi hambatan bagi perusahaan Unilever Indonesia Tbk adalah persaingan dengan perusahaan perusahaan lain yang bergerak dalam bidang yang sama Kendala Perusahaan Unilever Indonesia dalam Menerapkan CRM
11. 11. Solusi hambatan  mengadakan program MT (ManagementTraining) dalam mencari bibit bibit SDM yang potensial.  Para MT menjalani pekerjaan sebagai asisten manajer selama dua tahun. Seorang asisten manajer yang ditempatkan di bagian pemasaran, misalnya, harus bisa belajar banyak tentang pemasaran.  Ia mesti terjun ke pasar-pasar tradisional hingga ke pelosok daerah untuk mengetahui dan memahami kebutuhan konsumen. Di lain pihak, perusahaan memonitor perkembangannya sambil mengevaluasi apakah seorang asisten manajer ini layak dipromosikan sebagai manajer atau tidak
12. 12. CRM merupakan salah satu alternatif strategi yang dapat diterapkan oleh perusahaan untuk memperoleh profit melalui manajemen hubungan dengan pelanggan Manajemen hubungan pelanggan tsb meliputi; 1. Memperoleh Pelanggan baru 2. Meningkatkan Pelayanan 3. Mempertahankan Pelanggan Lama.

Pengertian Data Warehouse

10 Pengertian Data Warehouse Menurut Para Ahli – Gudang Data (bahasa Inggris: data warehouse) adalah sebuah sistem komputer untuk mengarsipkan dan menganalisis data historis suatu organisasi seperti data penjualan, gaji, dan informasi lain dari operasi sehari-hari. Secara umum, sebuah organisasi menyalin informasi dari sistem operasional seperti penjualan dan SDM ke gudang data menurut jadwal teratur, misalnya setiap malam atau setiap akhir pekan.

Data Warehouse

 http://www.dosenpendidikan.com Setelah itu, manajemen dapat melakukan query kompleks dan analisis (misalnya, penambangan data, data mining) terhadap informasi tersebut tanpa membebani sistem operasional.

Pengertian Data Warehouse Menurut Para Ahli

Memahami Data Warehouse dapat bervariasi tetapi memiliki inti yang sama, beberapa pengertian dari para ahli berikut :

• Menurut W.H. Inmon dan Richard DH, data warehouse adalah kumpulan data yang memiliki sifat subjek berorientasi, terpadu, waktu-varian, dan tetap pada pengumpulan data untuk mendukung proses pengambilan keputusan manajemen .

• Menurut Vidette Poe, data warehouse adalah database yang read-only analisis dan digunakan sebagai dasar sistem pendukung keputusan.

• Menurut Paul Lane, data warehouse merupakan database relasional yang dirancang lebih untuk query dan analisis proses transaksi, biasanya mengandung sejarah data transaksi dan mungkin juga data dari sumber lain. Data warehouse memisahkan beban kerja analisis dari beban kerja transaksi dan memungkinkan organisasi untuk menggabungkan / konsolidasi data dari berbagai sumber.

Dengan demikian, data warehouse merupakan metode dalam perancangan database, yang menunjang DSS (KEPUTUSAN Sistem Support) dan EIS (Executive Information System). Secara fisik, data warehouse adalah database, tapi perancangan data warehouse dan database sangat berbeda. Dalam desain database tradisional menggunakan normalisasi, sedangkan data warehouse normalisasi bukanlah cara terbaik.

Data warehouse memisahkan beban kerja analisis dari beban kerja transaksi dan memungkinkan organisasi untuk menggabungkan / konsolidasi data dari berbagai sumber. Dengan demikian, data warehouse merupakan metode dalam perancangan database, yang Mengacu DSS (Decission Support System) dan EIS (Executive Information System).

Secara fisik, data warehouse adalah database, akan tetapi deasin data warehouse dan database sangat berbeda. Dalam desain database tradisional menggunakan normalisasi, sedangkan data warehouse normalisasi bukanlah cara terbaik.

A. Karakteristik Data Warehouse

Sistem basis data ini memiliki karakteristik yang membuatnya berbeda dari database lain. Ada empat karakteristik yang menjadi ciri khas database ini, yaitu:

1. Berorientasi kepada subjek (subjek-oriented)
2. Data yang dimiliki terintegrasi (Data Integrated)
3. Dibuat dalam rentang waktu tertentu (Timeline)
4. Data yang disimpan bersifat tetap (Non-Volatile)

a. Berorientasi kepada subjek (subjek-oriented)

Artinya data warehouse berorientasi subjek  dirancang untuk menganalisis data berdasarkan subjek-subjek tertentu dalam organisasi, bukan pada proses atau fungsi aplikasi tertentu. Data warehouse diorganisasikan disekitar subjek-subjek utama dari perusahaan seperti (pelanggan, produk dan penjualan) dan tidak terorganisir dalam area aplikasi utama (customer faktur, kontrol stok dan penjualan produk).

Hal ini karena kebutuhan data warehouse untuk menyimpan data yang mendukung keputusan, daripada aplikasi berorientasi data. Jadi dengan kata lain, data yang disimpan tidak berorientasi pada subjek proses.

b. Data yang dimiliki terintegrasi (Data Integrated)

 

Data Warehouse dapat menyimpan data dari sumber yang terpisah ke dalam format yang konsisten dan terintegrasi satu sama lain. Dengan demikian, data tidak dapat rusak karena data merupakan entitas yang mendukung konsep keseluruhan data warehouse itu sendiri.

Syarat integrasi sumber data dapat dipenuhi dengan berbagai cara peti konsisten dalam penamaan variabel, konsisten dalam variabel ukuran, konsisten dalam coding dan struktur yang konsisten dalam atribut fisik dari data.

Contoh lingkungan operasional ada banyak aplikasi yang juga dapat dilakukan oleh pengembang yang berbeda. Oleh karena itu, mungkin dalam aplikasi ini terdapat variabel yang memiliki tujuan yang sama tetapi nama dan format yang berbeda.

Variabel ini harus dikonversi ke nama yang sama dan format yang telah disepakati. Dengan demikian tidak ada kebingungan karena perbedaan nama, format, dan sebagainya. Kemudian data dapat dikategorikan sebagai data yang terintegrasi karena kekonsistenannya.

c. Dibuat dalam rentang waktu tertentu (Timeline)
Semua data dalam data warehouse dapat dikatakan akurat atau valid pada rentang waktu tertentu. Untuk melihat interval waktu yang digunakan untuk mengukur keakuratan data warehouse, kita dapat menggunakan cara berikut :

• Cara termudah adalah untuk menyajikan data warehouse pada rentang waktu tertentu, misalnya, antara 5 sampai 10 tahun ke depan.
• Cara kedua, dengan menggunakan variasi perbedaan waktu / disajikan dalam data warehouse adalah baik secara implisit maupun eksplisit, eksplisit dengan unsur waktu dalam sehari, seminggu, sebulan dll Secara implisit misalnya, saat data diduplikasi pada setiap akhir bulan, atau kuartalan. Unsur waktu akan tetap tersirat dalam data.
• Cara ketiga, variasi waktu dari data warehouse yang disajikan melalui serangkaian foto-foto yang lama. Snapshot adalah pandangan sebagian besar data yang spesifik yang sesuai keinginan pengguna dari semua data yang ada adalah read-only.

d. Data yang disimpan bersifat tetap (Non-Volatile)

Karakteristik keempat dari data warehouse adalah non-volatile, artinya data dalam gudang data tidak diperbarui secara real time tetapi dalam refresh sistem operasi secara teratur. Data baru yang ditambahkan sebagai suplemen untuk database itu sendiri bukan sebagai perubahan.

Database ini terus menyerap data baru, maka secara bertahap bersama-sama dengan data sebelumnya. Berbeda dengan database operasional yang dapat melakukan update, insert, dan menghapus data yang mengubah isi dari database data warehouse, sementara hanya ada dua peristiwa untuk memanipulasi data yang memuat data (mengambil data) dan akses data (akses ke gudang data seperti melakukan query atau menampilkan laporan yang diperlukan, tidak ada aktivitas memperbarui data).

Data warehouse merupakan pendekatan untuk menyimpan data dimana sumber data yang heterogen (yang biasanya tersebar di beberapa basis data OLTP) bermigrasi ke penyimpanan data dan terpisah homogen. Keuntungan yang diperoleh dengan menggunakan data warehouse berikut (Ramelho).
Sedangkan kombinasi data mining dan verifikasi penemuan adalah pengembangan dari data mining di masa depan akan menggabungkan hipotesis dan penemuan pendekatan.

Perkembangan ini menggunakan alasan yang sama yang mendasari konsep Sistem Pendukung Keputusan (Decision Support System – DSS). Konsep ini memungkinkan pengguna dan komputer bekerja sama untuk memecahkan masalah.

Pengguna menerapkan keahliannya dalam hal masalah, dan komputer melakukan analisis data yang canggih untuk memilih data yang tepat dan menempatkannya dalam format yang sesuai untuk pengambilan keputusan. Menurut Usama Fayyad (1996),

Proses KDD (Knowledge Discovery in Database) dapat secara luas digambarkan sebagai berikut :
1. Data Selection

Kumpulan data operasional Seleksi (Selection) Data darurat perlu dilakukan sebelum langkah penggalian informasi di KDD dimulai. Hasil seleksi data yang akan digunakan untuk proses data mining, disimpan dalam file terpisah dari database operasional.

2. Pre-processing / Cleaning

Sebelum proses data mining dapat dilaksanakan, perlu dilakukan pada proses pembersihan data menjadi fokus KDD.

Proses pembersihan meliputi, antara lain, menghilangkan duplikasi data, memeriksa inkonsistensi data, dan memperbaiki kesalahan pada data, seperti kesalahan cetak (tipografi).
Juga membuat proses pengayaan, yaitu proses “memperkaya” data dengan data atau informasi lain yang relevan dan diperlukan untuk KDD, seperti data atau informasi eksternal yang ada.
3. Transformation

Coding adalah proses transformasi data yang telah, sehingga data tersebut sesuai untuk proses data mining. Coding dalam proses KDD merupakan proses kreatif dan sangat tergantung pada jenis atau pola informasi yang akan dicari dalam database

4. Data mining

Data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode. Teknik, metode, algoritma didalam sebuah data mining sangat varian. Pemilihan metode atau algoritma yang tepat sangat bergantung pada tujuan dan proses KDD secara keseluruhan.

5. Interpretation/ Evaluation

Informasi Pola yang dihasilkan dari proses data mining perlu ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan. Tahap ini merupakan bagian dari proses KDD yang disebut interpretasi. Fase ini termasuk memeriksa apakah pola atau informasi yang ditemukan bertentangan dengan fakta atau hipotesis yang ada.

KDD proses garis terdiri dari lima tahap seperti yang dijelaskan sebelumnya. Namun, dalam proses KDD nyata, hanya dapat terjadi iterasi atau pengulangan pada tahap tahap. Pada setiap langkah dalam proses KDD, seorang analis dapat kembali ke tahap sebelumnya.

Sebagai contoh, pada saat proses coding atau data mining, analis menyadari pembersihan tidak dilakukan dengan sempurna, atau mungkin analis menemukan data atau informasi baru untuk “memperkaya” data yang sudah ada.

KDD mencakup seluruh proses mencari pola atau informasi dalam database, mulai dari pemilihan dan penyusunan data ke representasi pola yang ditemukan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan. Data mining merupakan salah satu komponen dalam KDD difokuskan pada penggalian pola tersembunyi dalam data base.

Pengertian Dan Konsep Data Mining

Data Mining adalah Serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basisdata dengan melakukan penggalian pola-pola dari data dengan tujuan untuk memanipulasi data menjadi informasi yang lebih berharga yang diperoleh dengan cara mengekstraksi dan mengenali pola yang penting atau menarik dari data yang terdapat dalam basisdata.

Data mining biasa juga dikenal nama lain seperti : Knowledge discovery (mining) in databases (KDD), ekstraksi pengetahuan (knowledge extraction) Analisa data/pola dan kecerdasan bisnis (business intelligence) dan merupakan alat yang penting untuk memanipulasi data untuk penyajian informasi sesuai kebutuhan user dengan tujuan untuk membantu dalam analisis koleksi pengamatan perilaku, secara umum definisi data-mining dapat diartikan sebagai berikut

• Proses penemuan pola yang menarik dari data yang tersimpan dalam jumlah besar.
• Ekstraksi dari suatu informasi yang berguna atau menarik (non-trivial, implisit, sebefumnya belum diketahui potensial kegunaannya) pola atau pengetahuan dari data yang disimpan dalam jumfah besar.
• Ekplorasi dari analisa secara otomatis atau semiotomatis terhadap data-data dalam jumlah besar untuk mencari pola dan aturan yang berarti.

Konsep Data Mining

Data mining sangat perlu  dilakukan terutama dalam mengelola Data yang sangat besar untuk memudahkan aktifitas recording suatu transaksi dan untuk proses data warehousing agar dapat memberikan informasi yang akurat bagi penggunanya

data mining

Alasan utama mengapa data mining sangat menarik perhatian industri informasi dalam beberapa tahun belakangan ini adalah karena tersedianya data dalam jumlah yang besar dan semakin besarnya kebutuhan untuk mengubah data tersebut menjadi informasi dan pengetahuan yang berguna karena sesuai fokus bidang ilmu ini yaitu melakukan kegiatan mengekstraksi atau menambang pengetahuan dari data yang berukuran/berjumlah besar, informasi inilah yang nantinya sangat berguna untuk pengembangan. berikut langkah-langkahnya :

1. Data cleaning (untuk menghilangkan noise data yang tidak konsisten) Data integration (di mana sumber data yang terpecah dapat disatukan)
2. Data selection (di mana data yang relevan dengan tugas analisis dikembalikan ke dalam database)
3. Data transformation (di mana data berubah atau bersatu menjadi bentuk yang tepat untuk menambang dengan ringkasan performa atau operasi agresi)
4. Knowledge Discovery (proses esensial di mana metode yang intelejen digunakan untuk mengekstrak pola data)
5. Pattern evolution (untuk mengidentifikasi pola yang benar-benar menarik yang mewakili pengetahuan berdasarkan atas beberapa tindakan yang menarik)
6. Knowledge presentation (di mana gambaran teknik visualisasi dan pengetahuan digunakan untuk memberikan pengetahuan yang telah ditambang kepada user).

Source : Dari berbagai sumber