6 BAB 2 LANDASAN TEORI 2.1 Data Data (Tiwana, 2000, p59

6
BAB 2
LANDAS AN TEORI
2.1
Data
Data (Tiwana, 2000, p59) adalah himpunan fakta obyektif dan tertentu dari
suatu kejadian atau sekedar rekaman terstruktur dari suatu transaksi.
2.2
Basis Data dan S istem Manajemen Basis Data (DMBS )
2.2.1
Definisi Basis Data
Pengertian dari basis data adalah sekumpulan koleksi dari data –
data logic yang saling berhubungan dan dirancang untuk memenuhi
kebutuhan informasi dari suatu organisasi (Connolly, Begg, 2002, p14).
Basis data adalah sebuah data tunggal yang besar yang dapat digunakan
secara simultan (bersamaan) oleh beberapa user dan departemen. Sehingga
secara umum, pengertian basis data adalah data – data yang terhubung
secara logis.
2.2.2
Definisi Sistem Manajemen Basis Data (DMBS )
Pengertian dari DBM S adalah suatu software system yang
membuat user dapat menentukan, membuat, menangani dan mengontrol
akses basis data (Connolly, Begg, 2002, p16).
7
2.2.3
Komponen – komponen Sistem Manajemen Basis Data (DMBS )
Terdapat
5
komponen penting pada DBM S environment
(Connolly, Begg, 2002, p18) yaitu :
•
Perangkat Keras (Hardware)
DBM S dan aplikasi membutuhkan hardware untuk dapat
dijalankan. Hardware yang dipakai bisa dari personal computer
sampai ke personal mainframe bahkan pada jaringan komputer.
Hardware yang dipakai tergantung pada kebutuhan suatu
organisasi dan DBM S yang digunakan. Beberapa DBM S hanya
dapat digunakan pada beberapa hardware dan operating
system.
•
Perangkat Lunak (Software)
Komponen software meliputi software DBM S, program
aplikasi, operating system dan software network jika DBM S
digunakan melalui network.
•
Data
Komponen yang paling penting dari DBM S environment,
terutama dari sudut pandang pemakai adalah data. Data
bertindak sebagai jembatan antara komponen mesin dan
komponen manusia. Basis data berisi dari operational data dan
meta data.
8
•
Prosedur (Procedures)
Procedures berhubungan dengan instruksi dan aturan yang
mempengaruhi design dan penggunaan dari basis data.
Pengguna dari sistem dan s taff yang
mengatur basis data.
membutuhkan procedures yang telah didokumentasi mengenai
bagaimana cara menggunakan atau menjalankan sistem.
•
M anusia (People)
Komponen yang paling terakhir adalah orang yang terlibat
dalam sistem tersebut.
2.2.4
Kelebihan Sistem Manajemen Basis Data (DMBS )
Suatu DBM S menjanjikan beberapa kelebihan (Connolly, Begg,
2002, p25) yaitu :
•
Kontrol dari data yang berulang (control of data redundancy)
Seperti yang telah kita ketahui file based system menghabiskan
banyak ruang memori dengan menyimpan informasi yang sama
pada lebih dari satu file. Perbedaannya pada pendekatan basis
data mencoba untuk menghilangkan perulangan tersebut
dengan menggabungkan file – file sehingga data yang sama
tidak tersimpan. Biar bagaimana pun, pendekatan basis data
tidak menghilangkan perulangan secara menyeluruh, tetapi
mengontrol jumlah perulangan yang diturunkan pada basis
data.
9
•
Konsistensi data (data consistency)
Dengan menghilangkan dan mengontrol perulangan, maka
mengurangi terjadinya resiko dari ketidak konsistenan
•
M endapatkan informasi dari sejumlah data yang sama (more
information from the same amount of data)
Dengan integrasi dari data operasi, memungkinkan organisasi
untuk mendapatkan informasi tambahan dari data yang sama.
•
Data dapat digunakan bersama (sharing of data)
Biasanya, file – file dimiliki oleh seseorang atau departemen
yang menggunakannya. Pada sisi lain, basis data digunakan
oleh seluruh organisasi dan dapat dipakai bersama oleh
pemakai yang berotoritas. Sehingga banyak pemakai dapat
memakai data bersama.
•
M eningkatkan integritas data (improved data integrity)
Integritas basis data berhubungan dengan kesahan dan
konsistensi
data
yang
tersimpan.
Integritas
biasanya
berhubungan dengan batasan, dimana konsistensi mengatur
bahwa basis data tidak menimbulkan kesalahan. Batasan lebih
mengarah pada data item dengan record tunggal atau mengarah
pada relasi antara record.
10
•
M eningkatkan keamanan (improved security)
M engamankan basis data dari pemakai yang tidak memiliki
autoritas. Tanpa ukuran keamanan yang tepat, integrasi
membuat data lebih lemah dari pada file-based system.
•
M eningkatkan backup dan recovery services (improved backup
and recovery services)
DBM S menyediakan fasilitas untuk meminimalkan sejumlah
proses yang hilang dikarenakan terjadinya kegagalan
•
M eningkatkan pemeliharaan melalui data yang berdiri sendiri
(improved maintenance through data indepence).
DBM S memisahkan deskripsi data dari aplikasi, dengan
membuat aplikasi kebal terhadap perubahan pada deskripsi
data.
2.2.5
Kekurangan Sistem Manajemen Basis Data (DMBS )
Selain DBM S memiliki kelebihan, sayangnya DBM S juga
memiliki beberapa kekurangannya (Connolly, Begg, 2002, p29) antara
lain:
•
Rumit (complexity)
Suatu DBM S yang baik
akan membuat DBM S menjadi
software yang sangat rumit. Basis data designer, developer,
data, basis data administrator dan pengguna harus mengerti
fungsi – fungsi yang terdapat pada DBM S untuk dapat
11
menggunakan seluruh kelebihan dari DBM S. Jika tidak bisa
memahami sistemnya maka dapat menuju pada pengambilan
keputusan yang salah, dimana dapat berdampak sangat serius
pada suatu organisasi.
•
Ukuran (Size)
Kerumitan dan luasnya fungsi – fungsi yang ada membuat
DBM S menjadi software yang sangat besar ukurannya
menghabiskan
banyak megabytes
dari disk
space dan
membutuhkan banyak memori untuk dapat berjalan baik.
•
Harga dari DBM S (cost of DBMS)
Harga dari DBM S beragam – ragam, tergantung pada
environment dan fungsi – fungsi yang disediakan.
•
Harga hardware tambahan
DBM S dan basis data membutuhkan suatu tempat penyimpanan
yang lebih. Sehingga untuk mendapatkan performa yang baik
diharapkan untuk membeli mesin yang lebih besar, bahkan
mungkin membeli mesin yang khusus digunakan untuk DBM S.
•
Besar kemungkinan adanya kegagalan (higher impact of a
failure)
Sumber
yang
tersentralisasi
meningkatkan
terjadinya
kelemahan pada suatu sistem. Ketika semua pemakai dan
aplikasi bergantung pada ketersediaan DBM S, kegagalan pada
12
komponen – komponen DBM S dapat membuat operasi menjadi
terhenti.
•
Performa (performance)
DBM S dibuat lebih umum, maksudnya menangani bukan
hanya satu saja, tetapi banyak aplikasi. Sehingga akibatnya
beberapa aplikasi mungkin tidak berjalan secepat biasanya.
2.3
Data Warehouse
2.3.1
Definisi Data Warehouse
M enurut English (1999, p471), Data Warehouse adalah sebuah
kumpulan dari software yang mengatur, mengumpulkan, membersihkan,
mentransformasikan serta menempatkan data yang berasal dari bermacam
– macam sumber. Data Warehouse juga menganalisis informasi yang ada
untuk mendukung pengambilan keputusan serta perhitungan proses bisnis
yang strategis. Analisis yang digunakan bersifat hanya untuk dibaca (readonly) sehingga tidak dapat dilakukan perubahan data yang digunakan.
Bentuk
fisik
perancangannya
dari
Data
sangat
Warehouse
berbeda
berupa
dengan
basis
perancangan
data,
basis
tetapi
data
operasional yang digunakan pada sistem informasi.
Untuk kegiatan perancangan basis data operasional digunakan
metode normalisasi dengan tujuan pada fleksibilitas dan efisiensi media
penampungan data, sedangkan dalam perancangan Data Warehouse
digunakan metode denormalisasi. Pada Data warehouse fleksibilitas dan
efisiensi media penampungan bukanlah yang utama, bahkan seringkali
13
perancang Data Warehouse mempertukarkan hal tersebut dengan
kemampuan query yang handal.
M enurut Benson dan Smith (2001, p5), Data Warehouse adalah
sebuah konstruksi arsitektural dari sistem informasi yang mendukung dan
menyediakan informasi saat ini dan masa lalu (historis) untuk pengambilan
keputusan oleh user yang sulit diakses dengan basis data operasional biasa.
Secara prinsip, Data Warehouse dapat memenuhi kebutuhan informasi
kepada para eksekutif dan mampu menyediakan peluang – peluang bisnis
strategis dengan memperhatikan faktor keamanan.
2.3.2
Karakteristik Data Warehouse
M enurut Inmon, seperti yang dikutip M allach (2000, p467) Data
Warehouse memiliki karakteristik sebagai berikut :
1. Subject-oriented
Suatu Data Warehouse bersifat subject-oriented artinya Data
Warehouse dirancang untuk menganalisis data berdasarkan subyek –
subyek tertentu yang ada di dalam organisasi, bukan berorientasi pada
proses atau fungsi aplikasi tertentu. Dalam hal mengakses data,
pemakai berorientasi pada subyek tertentu yang utama seperti
pelanggan, produk, dan penjualan.
2. Integrated
Data Warehouse bersifat integrated artinya Data Warehouse
harus menyimpan data – data yang berasal dari sumber – sumber yang
terpisah ke dalam suatu format yang konsisten (dalam penamaan
14
variabel ukuran – ukuran, atribut fisik) dan saling terintegrasi satu
dengan yang lainnya. Dengan demikian data tidak dapat dipisah –
pisah karena data yang ada lebih merupakan satu kesatuan yang
menunjang keseluruhan konsep Data Warehouse itu sendiri.
3. Non-volatile
Karakteristik Data Warehouse berikutnya adalah non-volatile,
Data Warehouse bersifat read-only, sehingga user hanya dapat melihat
tanpa dapat mengubah data yang ada dalam Data Warehouse. Artinya
data yang telah disimpan dalam Data Warehouse tidak boleh berubah.
Berbeda dengan
sistem basis
data tradisional yang bersifat
mengumpulkan data (data capturing), Data Warehouse berfungsi
untuk mendukung sistem pelaporan (reporting).
4. Time-variant
Karakteristik Data Warehouse ke empat adalah time variant,
yang dapat diartikan bahwa Data Warehouse saling berhubungan
dengan suatu titik atau point dalam suatu periode waktu tertentu,
misalnya semester, kuartal, tahun fiskal, maupun periode pembayaran.
Data tersebut merupakan data hasil summary yang membantu dalam
menentukan performa query dari Data Warehouse serta dalam bentuk
pengertian bisnis. Sebagai contoh, data yang menunjukan penjualan
produk terlaris per tahun dan jumlah pembelian per kuartal. Seperti :
hasil penjualan produk X pada kuartal pertama tahun 2002 di kota A.
15
2.3.3
Arsitektur Data Warehouse
Ada beberapa komponen yang dimiliki oleh arsitektur Data
Warehouse, (Connolly, Begg, 2002, p1052) yaitu :
1. Data Operasional (Operational Data)
Sumber data untuk Data Warehouse dapat berasal dari:
a. Mainframe data operasional
b. Data – data antar bagian departemen yang tersimpan dalam
beraneka – ragam sistem, Proprietery File System, misalnya:
VSAM , RM S, dan DBM S relasional, seperti: Informix dan
Oracle.
c. Data internal yang tersimpan di workstation – workstation dan
private servers.
d. Data yang berasal dari sistem eksternal, seperti: Internet, basis
data yang sifatnya komersial atau basis data perusahaan yang
berhubungan dengan pelanggan atau supplier
2. Penyimpanan Data Operasional (Operational Data Storage)
Sebuah Penyimpanan Data Operasional merupakan tempat
penyimpanan data yang terkini dan terintegrasi yang digunakan untuk
analisa. Biasanya memiliki struktur dan disediakan data yang sama
seperti Data Warehouse, tetapi pada dasarnya Penyimpanan Data
Operasional ini hanya berperan sebagai tempat persiapan untuk data
sebelum dipindahkan ke Data Warehouse.
16
3. Load Manager
Load Manager ini berfungsi untuk melakukan semua operasi
yang berhubungan dengan ekstraksi dan pemuatan data kedalam Data
Warehouse. Data tersebut dapat diperoleh langsung dari sumber data
atau biasanya berasal dari tempat Penyimpanan Data Operasional.
Hal yang dilakukan oleh Load Manager ini termasuk juga
transformasi data sederhana untuk mempersiapkan data sebelum masuk
ke dalam Data Warehouse. Ukuran dan kompleksitas dari komponen
ini berbeda antar Data Warehouse.
4. Warehouse Manager
Warehouse Manager ini berfungsi untuk melakukan semua
operasi yang berhubungan dengan manajemen data dalam Data
Warehouse.
Operasi yang dilakukan oleh Warehouse Manager antara lain
adalah:
a. Analisa data untuk memastikan konsistensi.
b. Transformasi dan penggabungan sumber data dari tempat
penyimpanan data sementara kedalam tabel – tabel Data
Warehouse.
c. Pembuatan index dan view pada tabel.
d. Generate denormalisasi (jika dibutuhkan).
e. Generate agregasi (jika dibutuhkan).
f. Back-Up dan Archive data.
17
5. Query Manager
Query Manager ini berfungsi untuk melakukan semua operasi
yang berhubungan dengan manajemen dari query user. Kompleksitas
dari Query Manager ini ditentukan dari fasilitas yang disediakan
perangkat akses dari end-user dan basis data.
Hal yang dilakukan oleh Query Manager ini termasuk juga
mengarahkan query ke tabel yang sesuai dan penjadwalan eksekusi
query.
6. Data Detail
Pada
bagian
ini
merupakan
tempat
Data
Warehouse
menyimpanan semua detail data dalam skema database, yang
bertujuan untuk melengkapkan kumpulan data untuk Data Warehouse.
7. Lightly and Highly Summarized Data
Pada
bagian
ini
merupakan
tempat
Data
Warehouse
menyimpanan semua (kumpulan) Lightly dan Highly Summarized Data
yang dihasilkan oleh Warehouse Manager. Tujuan dilakukannya
rekapitulasi informasi (baik lightly maupun highly) adalah untuk
meningkatkan performa query. Rekapitulasi data ini akan di-update
secara terus menerus setiap kali data baru masuk ke Data Warehouse.
8. Archive / Back-up data
Pada
bagian
ini
merupakan
tempat
Data
Warehouse
menyimpanan semua data detail dan data rekapitulasi untuk tujuan
dokumentasi dan backup.
18
9. Meta Data
Pada
bagian
ini
merupakan
tempat
Data
Warehouse
menyimpanan semua keterangan dari Meta Data (data mengenai data)
yang digunakan dalam setiap proses dalam Data Warehouse.
Meta Data adalah data yang berisi tentang data misalnya: asal
data, lokasi data, definisi data, kualitas dan umur data yang ada
didalam Data Warehouse. Data – data ini digunakan sebagai data
pendukung informasi pendukung informasi yang dihasilkan oleh Data
Warehouse untuk mendukung pengambilan keputusan.
Struktur Meta Data berbeda pada tiap proses, karena memang
masing-masing memiliki tujuan yang berbeda – beda. Tujuan
penggunaan Meta Data adalah:
a. Proses ekstraksi dan loading : untuk melakukan pemetaan
sumber data dengan data dalam Data Warehouse.
b. Proses M anajemen Data Warehouse : untuk otomatisasi
yang menghasilkan tabel rekapitulasi.
c. Sebagai bagian dari Proses M anajemen Query – untuk
menunjuk query ke sumber data yang paling tepat.
10. Alat akses untuk End-user
Prinsip tujuan dari Data Warehouse adalah menyediakan
informasi kepada user untuk mendukung pengambilan keputusan. User
akan berinteraksi dengan Data Warehouse melalui perangkat akses
end-user.
19
Berikut ini adalah beberapa kategori perangkat akses end-user:
a. Perangkat Reporting dan Query
b. Perangkat Pengembangan Aplikasi
c. Perangkat Executive Information System
d. Perangkat Online Analytical Processing
e. Perangkat Data Mining
Pada gambar 2.1 menjelaskan mengenai arsitektur dari data
warehouse
Gambar 2.1 - Arsitektur Data Warehouse
(Sumber: Connolly, 2002, p1053)
20
2.3.4
Keuntungan penggunaan Data Warehouse
Kesuksesan
pengimplementasian
Data
Warehouse
dapat
menberikan keuntungan bagi organisasi maupun perusahaan (Connolly,
Begg, 2002, p1048) antara lain :
1. Adanya kemungkinan balik modal yang tinggi pada investasi.
Dalam proses pengimplementasian Data Warehouse, suatu
organisasi harus mememberikan sumber daya dan biaya yang relatif
besar untuk menjamin kesuksesannya. Namun timbal balik yang akan
didapat
terhadap
biaya
yang
dikeluarkan
untuk
pengimplementasiannya akan relatif lebih besar. Sehingga organisasi
tidak perlu khawatir mengenai anggapan adanya pemborosan untuk
investasi Data Warehouse ini.
2. Keuntungan yang kompetitif.
Dengan adanya balik modal yang besar terhadap investasi ini
merupakan bukti adanya keuntungan yang kompetitif dengan adanya
teknologi
ini.
Keuntungan
kompetitif
ini
dicapai
dengan
memungkinkan para pengambil keputusan untuk mengakses data yang
sebelumnya tidak tersedia, tidak diketahui, ataupun informasi yang
tidak tercatat.
3. M eningkatkan produktivitas para pengambil keputusan di perusahaan.
Data Warehousing dapat memungkinkan hal ini dengan
mentransformasikan data menjadi informasi yang berarti. Teknologi ini
menyediakan para manager bisnis untuk dapat melakukan analisis yang
lebih konsisten sehingga akhirnya terjadi peningkatan produktivtitas.
21
2.3.5
Data Mart
Pengertian Data Mart menurut Berson dan Smith (2001, p124)
Data Mart adalah penyimpanan data yang merupakan bagian dari Data
Warehouse yang berisi data yang terintegrasi. Sedangkan menurut artikel
yang dipublikasikan oleh OR Society (2002), Data Mart adalah sebuah
tempat penyimpanan informasi yang diciptakan untuk fungsi yang lebih
spesifik. Sebuah Data Mart biasanya digunakan untuk menampung subset
atau simpulan/rangkuman dari informasi yang detail di Data Warehouse.
Berfungsi untuk meningkatkan laporan dan analisa yang lebih spesifik
sesuai kebutuhan golongan user tertentu.
Sebuah Data Warehouse pusat dapat mengisi beberapa Data Mart
dengan isi yang saling melengkapi. Setiap Data Mart menyediakan
tampilan yang diatur menurut konsistensi data pada Data Warehouse
pusat.
2.3.6
Perbedaan Data Mart dengan Data Warehouse
Berdasarkan buku yang berjudul Database system : A Practical
Approach to Design, Implementation, and Management. (Connolly, Begg,
2002, p1067) ada beberapa hal yang membedakan Data Mart dengan Data
Warehouse diantaranya yaitu :
1. Data Mart lebih
berfokus
kepada ketentuan
maupun
permintaan dari pengguna yang berkaitan dengan sebuah
departemen ataupun fungsi – fungsi bisnis.
22
2. Secara normal Data Mart tidak mencakup data operasional
yang mendalam, tidak seperti halnya Data Warehouse.
3. Data Mart memiliki
jumlah
data yang lebih
sedikit
dibandingkan dengan Data Warehouse, sehingga Data Mart
lebih mudah dimengerti dan diaplikasikan.
Ada beberapa pendekatan dalam membangun Data Mart. Salah
satunya adalah dengan membangun beberapa Data Mart ditinjau dari segi
pengintegrasian dengan Data Warehouse. Cara lain adalah membangun
infrastruktur untuk Data Warehouse perusahaan dimana pada saat yang
sama juga membangun satu atau lebih Data Mart untuk memenuhi
kebutuhan bisnis yang mendadak sekalipun (Connolly, Begg, 3003,
p1067).
2.3.7
Alasan – alasan membangun Data Mart
Ada beberapa alasan membangun sebuah Data Mart (Connolly,
Begg, 2002, p1069) diantaranya :
1. M emberi akses data yang dibutuhkan kepada user, agar dapat
dianalisis sesering mungkin.
2. M enyediakan data dalam format yang sesuai dengan macam –
macam sudut pandang dari data, oleh sekelompok pemakai
dalam sebuah departemen maupun fungsi bisnis.
3. Untuk meningkatkan waktu respon dari end-user dalam rangka
pengurangan waktu akses ke sebuah data.
23
4. M enyediakan struktur data yang sesuai seperti permintaan dari
tools OLAP maupun tools Data Mining, yang mungkin
membutuhkan struktur basis data internal mereka sendiri. Pada
penerapannya, tools tersebut sering membuat desain Data Mart
sendiri untuk mendukung fungsionalitas yang spesifik.
5. Data Mart umumnya menggunakan data yang lebih sedikit
sehingga proses seperti pembersihan data, transformasi dan
integrasi menjadi jauh lebih mudah, sehingga proses pembuatan
dan implementasi Data Mart menjadi lebih sederhana daripada
Data Warehouse perusahaan yang sudah ada.
6. Biaya implementasi Data Mart umumnya lebih kecil daripada
yang dibutuhkan untuk membuat Data Warehouse.
7. Para pengguna potensial dari Data Mart dapat menjadi lebih
jelas, dan dapat ditargetkan dengan lebih mudah untuk
mendukung sebuah proyek Data Mart daripada sebuah proyek
Data Warehouse perusahaan.
2.3.8
Online Analytical Processing (OLAP)
OLAP adalah sebuah perangkat yang digunakan untuk menyimpan
data multidimensional dan perangkat yang digunakan untuk menampilkan
sebuah tampilan data multidimensional kepada user (Peterson, Pinkelman,
2000, p8).
24
2.3.8.1 Karakteristik Online Analytical Processing (OLAP)
OLAP
memiliki
beberapa
karakteristik
(Peterson,
Pinkelman, 2000, pp35-54) yaitu :
1. OLAP memasukan data dari sistem OLTP dan sumbersumber lain, termasuk dari luar organisasi.
2. OLAP
menyimpan
data
dalam
format
yang
mengoptimalkan analisis query, yang merupakan
ringkasan informasi dari banyak sumber.
3. Sistem OLAP bekerja dengan sangat baik di dalam
lingkungan yang memiliki banyak indeks. Data – data
tidak di update setelah dianalisis, jadi tidak ada
pemborosan waktu di dalam proses update indeks yang
besar.
4. Sistem OLAP mampu mendukung permintaan analisis
secara cepat, tanpa mendapat kesulitan mengenai
kombinasi perspektif apa yang dipilih oleh analisis.
2.3.8.2 Keuntungan Online Analytical Processing (OLAP)
Terdapat keuntungan dari OLAP (Connolly, Begg, 2002,
p1104 ) yaitu :
1. M eningkatkan produktifitas bisnis pada End-User, IT
Developer , dan keseluruhan perusahaan. Lebih dapat
mengontrol dan lebih
keputusan.
efektif dalam mengambil
25
2. M engurangi backlog dari pengembangan aplikasi
untuk staff IT dengan membuat.
3. M engurangi query dan lalu – lintas jaringan pada
sistem OLTP atau pada data warehouse.
4. M eningkatkan
kemungkinan
pendapatan
dan
keuntungan dengan memberi tanggapan yang lebih
cepat terhadap permintaan pasar.
2.4
Data Mining
2.4.1
Definisi Data Mining
Data mining (Seidman, 2001, p3) adalah proses menemukan
patterns yang bernilai dan relationship yang tersembunyi dalam basis data
yang sangat besar. Karena pencarian dengan tabel dan record sangat jarang
ditemukan pattern yang berguna, data biasanya dianalisa dan diproses
secara otomatisasi.
2.4.2
Penerapan Data Mining
Di berbagai perusahaan di dunia, saat ini penerapan aplikasi
dengan Data mining (Seidman, 2001, p6) untuk :
•
Correct data. Pada saat proses menggabungkan basis data
secara besar – besaran, banyak perusahaan menemukan data
yang digabungkan tersebut tidak lengkap, dan terdiri dari
informasi yang salah dan bertentangan. Dengan menggunakan
26
teknik data mining, dapat membantu untuk mengidentifikasi
dan membetulkan kesalahan dengan cara yang konsisten.
•
Discover Knowledge. Proses mencari pengetahuan bertujuaan
untuk menentukan dengan jelas relationship, pattern, atau
correlations yang tersembunyi dari tempat penyimpanan data di
dalam basis data.
•
Visualize Data. Seorang analis harus bisa merasakan sebuah
informasi yang besar yang disimpan di dalam basis data.
Tujuannya untuk “mempermanusiakan” data yang banyak dan
menemukan cara yang terbaik untuk menampilkan data.
2.4.3
Metodologi Data Mining
Proses Data Mining dilakukan dengan melalui tahapan – tahapan
tertentu (Seidman, 2001, p9), yaitu :
1. Analisa M asalah
Data asal atau data sumber harus bisa ditaksir untuk dilihat
apakah data tersebut memenuhi kriteria data mining.
Kualitas dan kelimpahan data adalah faktor utama untuk
memutuskan apakah data tersebut cocok dan tersedia sebagai
tambahan. Hasil yang diharapkan dari dampak data mining harus
dengan hati – hati dimengerti dan dipastikan bahwa data yang
dibutuhkan membawa informasi yang bisa diekstrak.
27
2. M engektrak dan M embersihkan Data
Data pertama kali diekstrak dari data aslinya, seperti dari OLTP
basis data, text file, Microsoft Access Database, dan bahkan dari
spreadsheet, kemudian data tersebut diletakan dalam data warehouse
yang mempunyai struktur yang sesuai dengan data model secara khas.
Data Transformation Services (DTS) dipakai untuk mengekstrak dan
membersihkan data dari tidak konsistennya dan tidak kompatibelnya
dengan format yang sesuai.
3. Validasi Data
Sekali data telah diekstrak dan dibersihkan, ini adalah latihan
yang bagus untuk menelusuri model yang telah kita ciptakan untuk
memastikan bahwa semua data yang ada adalah data sekarang dan
tetap.
4. M embuat dan M elatih M odel
Ketika algoritma diterapkan pada model, struktur telah
dibangun. Hal ini sangatlah penting pada saat ini untuk melihat data
yang telah dibangun untuk memastikan data tersebut menyerupai fakta
di dalam data sumber. Hal ini bisa dibuat dengan berbagai cara.
5. Query Data
Sekali data model yang pantas / cocok telah diciptakan dan
dibangun, data yang telah dibuat tersedia untuk mendukung keputusan.
Hal ini bisaanya melibatkan penulisan front end query aplikasi dengan
suatu program aplikasi atau suatu program basis data SQL Server
melalui OLE DB melalui data mining.
28
6. Pemeliharaan Validasi M odel Data Mining
Karakteristik data mining yang telah terisi harus terjaga
validasinya, seperti persediaan jumlah suatu barang pada supermarket,
apabila ada perubahan terhadap persediaan barang tersebut, maka
perubahan tersebut harus dicatat, jadi data mining yang terbentuk akan
jadi lebih efektif.
2.4.4
Kategori Data Mining
Teknik data
mining berhubungan
dengan
penemuan
dan
pembelajaran, pembelajaran tersebut dapat dibagi menjadi tiga metode
utama, yaitu supervised, unsupervised, dan reinforcement (Berson, Smith,
Thearling, 2000, p36).
a. Supervised
Teknik ini melibatkan tahap pelatihan dimana data lama yang
telah dilatih tersebut memiliki characteristic map yang telah
diketahui terlebih dahulu untuk diberikan kepada algoritma data
mining. Proses ini melatih algoritma untuk mengenali variabel dan
nilai – nilai kunci, yang kemudian menjadi dasar untuk membuat
prediksi ketika membaca data baru.
b. Unsupervised
Teknik ini tidak melibatkan tahap pelatihan, tetapi bergantung
pada penggunaan algoritma yang mendeteksi semua bentuk seperti
asosiasi dan rangkaian yang terjadi berdasarkan kriteria yang spesifik
dalam memasukan data. Pendekatan ini membawa ke generasi yang
29
mempunyai banyak peraturan yang menggolongkan penemuan
asosiasi, cluster, dan segment. Peraturan ini kemudian akan
melakukan penganalisaan untuk menentukan mana yang memiliki
ketertarikan secara universal.
c. Reinforcement
Walaupun jarang digunakan dibandingkan metode lain, tetapi
memiliki aplikasi untuk mengoptimalkan waktu dan penyesuaian
kontrol. M etode ini sangat mirip dengan realita, karena metode ini
tidak menyediakan tindakan untuk melakukan koreksi dengan segera,
tetapi dapat digunakan untuk memecahkan pembagian masalah
ketergantungan waktu yang sulit.
2.4.5
Hubungan antara Data Mining dengan Data Warehouse
Data Mining merpakan kumpulan teknik yang bertujuan untuk
menemukan pola – pola yang berguna namun tersembunyi di dalam basis
data, dan memprediksi kecederungan masa depan berdasarkan analisis dari
aktivitas masa lampau.
Banyak pimpinan perusahaan telah menyadari bahwa basis data
berukuran besar yang memiliki banyak informasi menjadi sangat penting
perannya. Disinilah pentingnya hubungan dan integrasi antara Data
Mining dan Data Warehouse.
Salah
satu
kunci sukses penerapan Data
Mining adalah
kemampuan untuk mendapatkan akses terhadap data – data yang akurat,
lengkap dan terintegrasi. Oleh karena itu, aplikasi Data Mining dapat
30
meningkatkan kapabilitas dan integrasi dari Data Warehouse untuk
mencapai keuntungan kompetitif (Berson, Smith, Thearling, 2000, p16).
2.5
Teknik – teknik yang digunakan untuk melakukan Data Mining
2.5.1
Teknik Statistic
Teknik statistik bukanlah data mining,
Tetapi teknik ini
dikendalikan oleh data dan digunakan untuk mencari pola – pola dan
membuat predictive model. Statistik adalah cabang dari matematika
mengenai koleksi dan deskripsi data (Berson, Smith, Thearling, 2000,
p124).
2.5.2
Teknik Decision Tree
Decision Tree adalah suatu model prediksi yang dapat dilihat
sebagai tree. Setiap cabangnya merupakan hasil klasifikasi dari pertanyaan
dan daunnya merupakan hasil partisi dari kumpulan data sesuai dengan
klasifikasinya. Algoritma decision tree berhenti mengembangkan segmen
atau cabang – cabangnya ketika semua segmen terdiri hanya dari 1 record,
semua record dalam segmen
memiliki karakteristik yang sama,
pengembangan segmen selanjutnya tidak penting (Berson, Smith,
Thearling, 2000, p156).
2.5.3
Teknik Clustering
M etode di mana record dijadikan dalam grup – grup. Biasanya
untuk high level end user untuk melihat apa yang terjadi di database.
31
Clustering dapat juga berarti segmentasi yang sangat berguna dalam
prediksi masalah bisnis (Berson, Smith, Thearling, 2000, p139).
2.5.4
Teknik Memory Based Reasoning (MBR) atau Nearest Neighbor
Clustering dan Nearest Neighbor adalah teknik – teknik tertua
dalam Data Mining. Nearest Neighbor mirip dengan clustering untuk
memprediksi nilai prediksi dari sebuah record, mencari record dengan
nilai yang mirip dan menggunakan nilai prediksi dari record yang terdekat
daripada record yang belum diklasifikasi (Berson, Smith, Thearling, 2000,
p134). Contoh Nearest Neighbor : jika tetangga – tetangga berpenghasilan
Rp 5.000.000,00 maka besar kemungkinan penghasilan kita juga Rp
5.000.000,00.
2.5.5
Teknik Neural Network
Neural Networks yang sesungguhnya adalah jaringan syaraf dalam
otak manusia yang mengenali pola – pola, membuat perkiraan dan
pembelajaran (Berson, Smith, Thearling, 2000, p166). Sedangkan yang
dimaksud di sini adalah artificial neural networks yaitu program komputer
yang menerapkan pencarian pola dan algoritma pembelajaran mesin
komputer untuk membuat model perkiraan dari data historis.
Neural Networks pertama kali diperkenalkan oleh M c Cullock dan
Pits dalam seminar dalam Perang Dunia ke-2 yang mulanya hanya
menyampaikan sebuah ide tentang unit pemrosesan sederhana (seperti
sebuah neuron dalam otak manusia). Ide tersebut dapat dihubungkan
32
bersama – sama dalam jaringan yang besar sehingga membangun sebuah
sistem dengan kemampuan untuk menyelesaikan masalah – masalah yang
sulit dan menampilkan pola – pola yang kompleks dari yang dapat dibuat
oleh satu buah unit saja (Berson, Smith, Thearling, 2000, p167).
2.5.6
Teknik Rule Induction
Rule Induction (Berson, Smith, Thearling, 2000, p183) adalah salah
satu teknik dalam data mining yang paling sering digunakan dalam
menemukan pengetahuan dalam sistem unsupervised learning. Rule
(aturan) adalah bentuk sederhana dari “jika ini maka ini dan kemudian
ini“. Agar aturan – aturan tersebut bermanfaat maka harus ditambahkan 2
informasi tambahan sesuai dengan keadaan sebenarnya, yaitu :
1. Keakuratan yang menunjukkan seberapa sering aturan tersebut
benar.
2. Penerapan yaitu angka yang menunjukkan seberapa sering
aturan tersebut dipakai.
2.6
Data Mining vs Online Analytical Processing (OLAP)
Data Mining dan OLAP (Seidman, Claude, 2000, p11) merupakan
komponen – komponen dari Microsoft Analysis Services. Keduanya merupkan
tools pendukung pengambilan keputusan, tetapi data mining dan OLAP dirancang
untuk pengguna yang berbeda. OLAP dibuat khusus untuk menyimpan data dalam
bentuk table singkat untuk menyediakan pemanggilan dan navigasi data tersebut
oleh end users. Banyak pemakai yang menganggap bahwa ini adalah sebuah
33
solusi data mining karena pemakai dapat menemukan informasi tentang data
dengan mencari informasi – infomasi singkat, yang kemudian di analisa untuk
menemukan hubungan kausal yang lebih. Bagaimana pun juga dari banyak kasus,
banyak pemakai mencari melalui dimensi – dimensi yang berisi arti dan hubungan
yang telah dikenal dengan baik.
OLAP dapat digunakan untuk mencoba menemukan data baru. Tetapi
karena penemuan data telah diselesaikan oleh end users, dengan bantuan sebuah
tool OLAP, penemuan data akan menjadi tidak teratur dan tidak lengkap. Data
Mining tidak terlalu mementingkan untuk memperbolehkan end user dengan
mudah melihat data – data yang telah terangkum, namun lebih pada menemukan
pola dan rule baru yang dapat digunakan sebagai hasil untuk masa mendatang.
Jadi kesimpulannya dari perbedaan yang ada adalah OLAP merupakan suatu
mekanisme penyimpanan dan retrieval yang efisien dan data mining adalah untuk
knowledge discovery.
2.7
Rekayasa Piranti Lunak (Software Engineering)
2.7.1
Definisi Rekayasa Piranti Lunak (Software Engineering)
Software engineering sebagai suatu disiplin teknologi yang terkait
dengan pemeliharaan dan produksi produk perangkat lunak secara
sistematis yang dikembangkan dan dimodifikasi tepat waktu dan dengan
perkiraan biaya. (Fairley, 1985, p5)
Software Engineering berbeda dengan pemrograman komputer
tradisonal, teknik pada software engineering digunakan untuk menentukan,
merancang, menerapkan, menvalidasi, dan merawat produk software
34
dengan batasan waktu dan anggaran yang ditetapkan pada proyek tersebut.
Kesimpulannya software engineering berhubungan dengan masalah –
masalah yang terdapat pada managerial yang terdapat diluar wilayah
pemograman tradisional.
2.7.2
Model – model Rekayasa Piranti Lunak (Software Engineering)
2.7.2.1 Linier Sequential Model (Waterfall Model)
M odel
ini
(Pressman,
2001,
p29)
mendekati
ke
pengembangan software yang mulai dari tingkatan sistem dan
prosesnya menuju dari analisa, rancangan, coding, pengujian, dan
pendukungan.
Gambar 2.2 – Linier Sequential Model
(Sumber : Pressman, 2001, P29)
2.7.2.2 Prototyping Model
M embuat Prototyping Model (Pressman, 2001, p31)
dimulai dengan kebutuhan yang dikumpulkan. Dari pengembang
35
lalu pelanggan mencobanya dan kemudian hasilnya digambarkan
untuk keseluruhan sasaran hasil untuk perangkat lunak. Lalu
"rancangan cepat" kemudian terjadi. Rancangan yang cepat
memusat pada suatu penyajian aspek perangkat lunak tersebut. Itu
semua
yang akan dilihat oleh pelanggan untuk membuat
perangkat lunak tersebut lebih terfokus.
Gambar 2.3 – Prototyping Model
(Sumber : Pressman, 2001, P31)
2.7.2.3 RAD Model (Rapid Application Development)
RAD
Model (Pressman,
2001, p33)
adalah
suatu
pengembangan incremental software yang memproses model
yang penekanannya keapada suatu pengembangan yang singkat.
M odel RAD adalah suatu pengadaptasian yang berkecepatan
tinggi dan juga sebagai model percontohan yang linier di mana
perkembangan cepat dicapai dengan
component - based.
penggunaan konstruksi
36
Gambar 2.4 – RAD Model
(Sumber : Pressman, 2001, P33)
2.7.2.4 Incremental Model
Incremental model (Pressman, 2001, p35) menggabungkan
elemen – elemen dari linier sequential model dengan filosofi
iterative dari prototyping. Berdasarkan gambar 2.5, incremental
model membutuhkan linier sequential pada tahapan awal sebagai
progres-progres waktu yang telah dijadwalkan. Tiap – tiap linier
sequence menghasilkan “incremental” yang dapat disampaikan.
37
Gambar 2.5 – Incremental Model
(Sumber : Pressman, 2001, P35)
2.7.2.5 Spiral Model
Spiral Model (Pressman, 2001, p37) adalah suatu
perangkat lunak evolusiner yang memproses model secara
kooperatif dengan membuat prototype dengan aspek yang
sistematis dan yang dikendalikan pada linier model. M odel ini
menyediakan potensi untuk meningkatkan versi pada perangkat
lunak tersebut.
38
Gambar 2.6 – Spiral Model
( Sumber : Pressman, 2001, P37)
2.8
State Transition Diagram (S TD)
2.8.1
Definisi State Transition Diagram (S TD)
State Transition Diagram (Yourdon, 1989,p259) merupakan suatu
modeling tool yang menggambarkan sifat ketergantungan pada waktu dari
suatu sistem. Pada awalnya hanya digunakan untuk menggambarkan suatu
sistem yang memiliki sifat real – time.
2.8.2
Notasi State Tran sition Diagram (S TD)
Notasi yang digunakan pada State Transition Diagram adalah
(Yourdon, 1989, p260) :
merupakan state
39
merupakan event
Gambar 2.7 – Notasi S TD
(Sumber : Yourdon, 1989, p260)
2.8.3
Condition dan Action
Untuk melengkapi State Transition Diagram diperlukan dua hal
lagi yaitu (Yourdon, 1989, p265) :
•
Condition adalah suatu event pada external environment yang
dapat dideteksi oleh sistem
•
Action adalah yang dilakukan oleh sistem bila terjadi perubahan
state atau merupakan reaksi terhadap condition. Action akan
menghasilkan output, message display pada layar, dan juga
menghasilkan perhitungan.
2.9
Asuransi
2.9.1
Pengertian Asuransi
Pengertian Asuransi (Purba, 1992, p40) adalah suatu persetujuan,
di mana penanggung mengikat dan kepada tertanggung, dengan mendapat
premi, untuk mengganti kerugian karena kehilangan, kerugian, atau tidak
diperolehnya keuntungan yang diharapkan, yang dapat diderita karena
peristiwa yang tidak diketahui lebih dahulu (pasal 246 Kitab Undang –
Undang Hukum Dagang (KUHD) ).
40
Ada empat unsur yang terlibat dalam asuransi (Purba, 1992, p41),
yaitu:
•
Penanggung (insurer), yang memberikan proteksi.
•
Tertanggung (insured), yang menerima proteksi.
•
Peristiwa (accident), yang tidak diduga atau tidak diketahui
sebelumnya, peristiwa yang dapat menimbulkan kerugian.
•
Kepentingan (interest), yang diasuransikan, yang mungkin akan
mengalami kerugian disebabkan oleh peristiwa itu.
Keempat unsur itu merupakan unsur pokok dalam asuransi
kerugian,
yang
meliputi
asuransi
pengangkutan
laut,
asuransi
pengangkutan udara, asuransi pengangkutan darat, asuransi kendaraan
bermotor, asuransi kebakaran, dan sebagainya. Disebut asuransi kerugian
karena dalam batas pengertian kerugian, penanggung hanya membayar
ganti rugi kepada tertanggung sesuai dengan kerugian yang diderita oleh
tertanggung.
2.9.2
Tujuan Asuransi
Tujuan Asuransi terbagi menjadi 3 (Purba, 1992, p56) yaitu:
1. Tujuan Ganti Rugi
Ganti rugi yang diberikan oleh penanggung kepada
tertanggung bila tertanggung menderita kerugian yang dijamin
oleh polis, bertujuan untuk mengembalikan tertanggung kepada
posisinya semula atau untuk menghindarkan tertanggung dari
41
kebangkrutan sehingga ia masih mampu berdiri seperti sebelum
menderita kerugian. Jadi tertanggung hanya boleh memperoleh
ganti rugi maksimal sebesar kerugian yang dideritanya, sekedar
mengembalikannya pada posisi semula. Berarti, tertanggung
tidak boleh mencari keuntungan (spekulasi) dan asuransi.
Penanggung, apakah perseorangan atau perusahaan,
selaku yang bergerak dalam bidang pemberian jasa berupa
jaminan, tidak pantas bila ia mencari keuntungan (spekulasi)
atas interest yang ditanggungnya, kecuali memperoleh balas
jasa, yaitu premi.
2. Tujuan Tertanggung
•
Untuk memperoleh rasa tentram dari resiko yang
dihadapinya atas kegiatan usahanya atau atas harta
miliknya.
•
Untuk mendorong keberaniannya mengiatkan usaha
yang lebih besar dengan resiko yang lebih besar
pula, karena resiko yang besar itu diambil alih oleh
penanggung.
3. Tujuan Penanggung
Tujuan umum penanggung tidak berbeda dari tujuan
umum suatu perusahaan, yaitu memperoleh keuntungan,
disamping menyediakan lapangan pekerjaan bila penanggung
membutuhkan tenaga – tenaga pembantu (karyawan).
42
Sedangkan tujuan khusus adalah :
•
M eringankan resiko yang dihadapi oleh para
nasabahnya (para tertanggung) dengan mengambil
alih resiko yang mereka hadapi.
•
M enciptakan rasa tenteram dikalangan nasabahnya
sehingga lebih berani menggiatkan usaha yang lebih
besar.
•
M engumpulkan dana melalui premi yang terkumpul
sedikit demi sedikit dari para nasabahnya sehingga
terhimpun dana besar, yang dapat digunakan untuk
membiayai pembangunan bangsa dan negara.
2.9.3
Pengertian Polis
Untuk setiap perjanjian perlu dibuat bukti tertulis atau surat
perjanjian antara pihak-pihak yang mengadakan perjanjian . Bukti tertulis
untuk perjanjian asuransi di sebut polis (Purba, 1992, p59). Surat
perjanjian itu dibuat dengan itikad baik dan kedua pihak yang mengadakan
perjanjian. Di dalam surat perjanjian itu disebutkan dengan tegas dan jelas
mengenai hal – hal yang diperjanjikan kedua belah pihak, hak-hak atas
pelanggaran perjanjian, dan sebaginya. Redaksinya harus disusun
sedemikian rupa sehingga dengan mudah dapat ditangkap maksud dan
perjanjian itu, juga tidak memberi peluang untuk menyalah tafsirkannya.
43
2.9.4
Fungsi Umum Polis
Fungsi umum polis (Purba, 1993, p60) adalah sebagai berikut :
1. Perjanjian pertanggungan (a contract of indemnity).
2. Sebagai bukti jaminan dan penanggung kepada tertanggung
untuk mengganti kerugian yang mungkin dialami oleh
tertanggung akibat peristiwa yang tidak diduga sebelumnya,
dengan prinsip :
•
Untuk
mengembalikan
kedudukannya
semula
tertanggung
sebelum
kepada
mengalami
kerugian; atau
•
Untuk
menghindarkan
tertanggung
dan
kebangkrutan (total collapse).
3. Bukti pembayaran premi asuransi oleh tertanggung kepada
penanggung sebagai balas jasa atas jaminan penanggung.
Fungsi polis bagi tertanggung :
1. Sebagai bukti tertulis
mengganti
kerugian
atas jaminan penanggung untuk
yang
mungkin
dideritanya
yang
ditanggung oleh polis.
2. Sebagai
bukti
(kwitansi)
pembayaran
premi
kepada
penanggung.
3. Sebagai bukti otentik untuk menuntut penanggung bila lalai
atau tidak memenuhi jaminannya.
44
Fungsi polis bagi penanggung :
1. Sebagai bukti (tanda terima) premi asuransi dan tertanggung.
2. Sebagai bukti tertulis atas jaminan yang diberikannya kepada
tertanggung untuk membayar ganti rugi yang mungkin diderita
oleh tertanggung.
3. Sebagai bukti otentik untuk menolak tuntutan ganti rugi (klaim)
bila yang menyebabkan kerugian tidak memenuhi syarat-syarat
polis.
2.9.5
Pengertian Premi
M enurut pengertian umum, premi (Purba, 1992, p105) adalah
sesuatu yang diberikan sebagai hadiah atau derma, atau sesuatu yang
dibayarkan ekstra sebagai pendorong atau perancang, atau sesuatu
pembayaran tambahan di atas pembayaran normal.
Dalam ruang lingkup asuransi, premi merupakan:
1. Imbalan jasa atas jaminan yang diberikan oleh penanggung
kepada “ tertanggung untuk mengganti kerugian yang mungkin
diderita oleh tertanggung (asuransi kerugian).
2. Imbalan jasa atas jaminan perlindungan yang diberikan oleh
penanggung kepada tertanggung dengan menyediakan sejumlah
uang (benefit) terhadap risiko hari tua maupun risiko kernatian
(asuransi jiwa).
45
2.9.6
Premi vs Klaim
Premi merupakan masalah pokok dalam asuransi (Purba, 1992,
p105). Bagi penanggung, premi sangat penting karena dengan premi yang
dikumpulkannya dan banyak tertanggung dalam waktu yang relatif lama
sehingga terkumpul dana besar, maka penanggung akan mampu:
1. M engembalikan tertanggung kepada posisinya semula seperti
halnya sebelum kerugian menimpanya, atau
2. M enghindarkan tertanggung dan kebangkrutan sedemikian rupa
sehingga ia mampu berdiri di tempat semula seperti keadaan
sebelum kerugian menimpanya.
Premi – premi yang relatif kecil dikumpulkan oleh penanggung dan
banyak tertanggung hingga terkumpul dana besar. Dan bila ada
tertanggung ditimpa oleh suatu peristiwa sehingga menderita kerugian,
maka untuk menutupi kerugian itu diambilkan dari dana yang terkumpul
tadi.
Bagi tertanggung, premi juga sangat penting karena merupakan
biaya baginya. Tinggi rendahnya premi pada umumnya menjadi
pertimbangan pokok bagi tertanggung apakah menutup asuransi atas
interestnya atau tidak.
Di
samping
pertimbangan
pokok
ini,
juga
kesanggupan
penanggung untuk menyelesaikan klaim dan kemampuan membayar ganti
rugi dengan lancar menjadi pertimbangan penting bagi tertanggung.
Walaupun
premi
rendah,
tetapi
bila
penanggung
tidak
lancar
46
menyelesaikan klaim, apalagi kurang mampu membayar ganti rugi, adalah
sia-sia bagi tertanggung menutup asuransi.
2.10 Marketing
2.10.1 Definisi Pemasaran
M erupakan
falsafah
perusahaan
yang menyatakan
bahwa
pemasaran keinginan pembeli adalah syarat utama bagi kelangsungan
hidup perusahaan. Segala kegiatan perusahaan di bidang produksi, teknik,
keuangan, dan pemasaran diarahkan untuk mengetahui keinginan pembeli
dan kemudian memuaskan keinginan tersebut dengan mendapatkan laba.
Jadi, bagian pemasaran mempunyai peranan aktif sejak dimulainya proses
produksi. Semua kegiatan perusahaan untuk menghasilkan dan menjual
barang didasarkan pada masalah pemasaran.
Perusahaan yang menganut konsep pemasaran ini tidak hanya
sekedar menjual barang saja, tetapi lebih dari itu, perusahaan harus
memperhatikan konsumen beserta kebutuhannya. Secara definitif dapat
dikatakan bahwa (Swastha, Sukotjo, 2000, p178) :
Konsep pemasaran : adalah
sebuah falsafah
bisnis yang
menyatakan bahwa pemuasan kebutuhan konsumen merupakan syarat
ekonomi dan social bagi kelangsungan hidup perusahaan.
Konsep pemasaran ini banyak dianut oleh perusahaan modern yang
ingin mencapai laba jangka panjang dengan berorientasi pada konsumen
atau pasar.
47
2.11 Analisis S WOT
M enurut Pearce dan Robinson (1991, p181) analisis SWOT merupakan
suatu identifikasi secara sistematis strategi dan fakor internal, strength dan
weakness dan faktor lingkungan, opportunities dan threats, dari suatu perusahaan
yang mewakili perpaduan terbaik antara faktor tersebut. Ini berdasarkan pada
asumsi bahwa suatu strategi yang efektif memaksimumkan strength dan
opportunities dan meminimumkan weakness dan threats suatu perusahaan.
Penerapan asumsi sederhana ini secara tepat dapat memberikan dampak besar
dalam keberhasilan perancangan strategi.
Dengan analisis SWOT pemasaran berdasarkan seluruh data pesaing yang
di miliki dapat di identifikasi hal – hal paling relevan yang dapat dilihat
berdasarkan pengalaman waktu yang lalu. Faktor – faktor yang perlu diperhatikan
dalam analisis SWOT tersebut antara lain :
•
Kekuatan (strength)
M erupakan kekuatan yang dimiliki suatu perusahaan dibandingkan
dengan keadaan para pesaingnya
•
Kelemahan (weakness)
M erupakan
kelemahan
atau
permasalan
yang dihadapi suatu
perusahaan dibandingkan dengan keadaan para pesaingnya.
•
Kesempatan (opportunities)
M erupakan suatu kesempatan yang dimiliki suatu perusahan untuk
merebut lebih banyak lagi konsumen yang dibandingkan dengan para
pesaingnya.
48
•
Ancaman (threats)
M erupakan segala tantangan yang dihadapi dari para pesaingnya dalam
rangka merebut konsumen.