CHAPTER 5 CASE I

Beyond Street Smarts : Data-Driven Crime Fighting

(James A. O’Brien dan George M.Marakas, Information and Management

Systems. 10th

Edition. 2007. McGraw-Hill Irwin)

Mata Kuliah Sistem Informasi Manajemen

Dosen:

Dr. Ir. Arif Imam Suroso, M.Sc

Oleh:

ADHY LISTYA PARAMITHA

P056111011.47

2012

ii

Daftar Isi Daftar Isi ............................................................................................................... ii

Daftar Gambar ...................................................................................................... iii

Bab I. Pendahuluan ............................................................................................... 1

1.1. Latar Belakang ..................................................................................... 1

1.2. Tujuan ................................................................................................... 2

Bab II. Tinjauan Pustaka ....................................................................................... 3

2.1. Pengelolaan Sumber daya data ............................................................. 3

2.2. Dasar-dasar konsep data ....................................................................... 3

2.3. Jenis-jenis database .............................................................................. 4

2.4. Gudang data .......................................................................................... 5

2.5. Penambangan data ................................................................................ 7

2.6. Manajemen database ............................................................................ 7

2.7. Database management software ........................................................... 8

2.8. Penyelidikan, pemeliharaan dan pengembangan database ................... 9

Bab III. Pembahasan ............................................................................................. 10

3.1. Chapter 5 case 1.................................................................................... 10

Bab IV. Kesimpulan.............................................................................................. 17

4.1. Chapter 5 case 1.................................................................................... 17

Daftar Pustaka ....................................................................................................... 18

iii

Daftar Gambar

Gambar 2.1. Berbagai komponen sistem lengkap gudang data ............................ 6

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Data adalah sesuatu yang belum mempunyai arti bagi penerimanya dan masih

memerlukan adanya suatu pengolahan. Data bisa berujut suatu keadaan, gambar, suara, huruf,

angka, matematika, bahasa ataupun simbol-simbol lainnya yang bisa kita gunakan sebagai

bahan untuk melihat lingkungan, obyek, kejadian ataupun suatu konsep. Informasi

merupakan hasil pengolahan dari sebuah model, formasi, organisasi, ataupun suatu perubahan

bentuk dari data yang memiliki nilai tertentu, dan bisa digunakan untuk menambah

pengetahuan bagi yang menerimanya. Dalam hal ini, data bisa dianggap sebagai obyek dan

informasi adalah suatu subyek yang bermanfaat bagi penerimanya. Informasi juga bisa

disebut sebagai hasil pengolahan ataupun pemrosesan data. Data bisa merupakan jam kerja

bagi karyawan perusahaan. Data ini kemudian perlu diproses dan diubah menjadi informasi.1

Manajemen sumber daya data merupakan sebuah aktifitas managerial yang

mengaplikasikan teknologi sistem informasi seperti manajemen database, gudang data, dan

alat manajemen data lainnya dalam tugas untuk mengelola sumber daya data organisasi agar

dapat memenuhi kebutuhan informasi pihak-pihak yang berkepentingan dengan bisnis

mereka. Data adalah asset, ketika dirubah jadi informasi dan pengetahuan, dapat memberikan

keunggulan bersaing perusahaan. Pengumpulan data baru terjadi dari beragam sumber

yang disimpan sementara dalam sebuah database kemudian diolah untuk memenuhi format

data warehouse atau data mart dari organisasi. Users kemudian akses data warehouse atau

data mart dan ambil satu copy dari data yang dibutuhkan untuk analisis.

Sumber Data Internal umumnya disimpan dalam data base perusahaan. Data tentang

people, products, services, dan processes. Data Personal pada dokumentasi dari expertise

pegawai perusahaan umumnya dipelihara oleh pegawai, dalam bentuk : Estimasi penjualan,

Opini tentang para pesaing, business rule dan Procedures. Sumber data External dapat

berasal dari database komersial ataupun laporan-laporan Pemerintahan. Internet dan

Commercial Database Services dapat diakses melalui internet. Pengumpulan dapat dilakukan

dilapangan, dari individual melalui metoda manual yaitu, time studies, Survey, Observations,

1 http://flashnet.forumotion.com/t43-pengertian-data-dan-informasidiakses pada tanggal 26 feb 2012

2

contributions dari experts, menggunakan instrument-instrument dan sensor2, transaction

processing systems (TPS), via electronic transfer, dari web site (Clickstream).

Suatu data warehouse adalah repositori dari subject-oriented historical data yang

diorganisasikan agar mudah diakses dalam satu bentuk, tersedia dan dapat diterima untuk

aktivitas pengolahan analisis(seperti data mining, decision support, querying, dan lain-

2 applications). Peran data warehousing dalam pengambilan keputusan. Data yang terdapat

pada warehousing dapat digunakan untuk analisis trend, forcasting dan perbandingan-

perbandingan berdasarkan waktu. Business intelligence (BI) adalah satu kategori aplikasi dan

teknik yang luas untukgathering, storing, analyzing dan penyediaan akes ke data. Membantu

user-user perusahaan membuat keputusan-keputusan bisnis dan strategis lebih baik.

Applikasi- aplikasi pokok termasuk aktivitas-aktivitas query dan reporting, online analytical

processing.2 Makalah ini akan membahas lebih dalam mengenai data dan manfaat dalam

mengumpulkan data yang digunakan pada lembaga hukum dan departemen Kepolisian.

1.2. Tujuan

Diharapkan dengan adanya pembahasan masalah ini dapat menjawab pertanyaan yang

terdapat dalam kasus Beyond Street Smarts : Data-Driven Crime Fighting

Chapter 5 case 1

1. Apa saja manfaat yang paling penting berasal oleh lembaga penegak hukum yang

disebutkan dalam kasus ini? Bagaimana teknologi ini memungkinkan mereka untuk

lebih baik dalam melawan kejahatan? Berikan beberapa contoh.

2. Bagaimana masalah – masalah yang terkait data yang dihadapi oleh penegak hukum

sama dengan yang dapat dihadapi perusahaan? Bagaimana mereka berbeda? Dari

mana masalah ini berasal? Jelaskan.

3. Bayangkan bahwa Anda memiliki akses ke sama kejatahan terkait informasi yang

dikelola oleh departemen polisi. Bagaimana Anda menganalisis informasi ini, dan

tindakan apa yang akan Anda ambil sebagai hasilnya?

2 http://yogiyulianto.blog.binusian.org/2009/04/13/pertemuan-08-manajemen-sumberdaya-data-lanjutan/

diakses pada tanggal 26 feb 2012

3

BAB II

TINJAUAN PUSTAKA

2.1. Pengelolaan Sumber daya Data

Data menurut O’Brien (2005) adalah sumber daya penting organisasi yang perlu

dikelola seperti mengelola aset penting dalam bisnis lainnya. Saat ini, perusahaan tidak dapat

bertahan hidup atau berhasil tanpa data yang berkualitas mengenai operasi internal dan

lingkungan eksternal mereka. Manajemen sumber daya data merupakan sebuah aktifitas

managerial yang mengaplikasikan teknologi sistem informasi seperti manajemen database,

gudang data, dan alat manajemen data lainnya dalam tugas untuk mengelola sumber daya

data organisasi agar dapat memenuhi kebutuhan informasi pihak-pihak yang berkepentingan

dengan bisnis mereka.

2.2. Dasar-dasar Konsep data

Data dapat secara logis diatur dalam karakter, field, catatan, file, dan database, seperti

tulisan dapat diatur dalam huruf, kata, kalimat, paragraf dan dokumen.

1. Karakter

Karakter merupakan elemen logis data yang paling dasar, yang terdiri dari sebuah

huruf, angka, atau simbol lainnya.

2. Field

Field merupakan tingkat yang lebih tinggi dari data yang terdiri dari sekelompok

karakter yang saling berhubungan. Contohnya, karakter huruf dalam nama seseorang

dapat membentuk field nama, (atau biasanya, field nama akhir, nama depan, dan

singkatan nama tengah) dan pengelompokkan angka dalam jumlah penjualan ang

akan membentuk field jumlah penjualan. Secara khusus, field mewakili sebuah

atribut (sebuah karakteristik atau kualitas) dari berapa entitas (objek, orang, tempat,

atau kegiatan). Contohnya, gaji seseorang karyawan adalah atribut yang biasanya

digunakan field data untuk mendiskripsikan sebuah entitas karyawan tersebut.

3. Catatan

Catatan merupakan field-field dari data yang saling berhubungan dikelompokkan

untuk membentuk catatan. Sebuah catatan mewakili kumpulan atribut yang

mendeskripsikan sebuah entitas. Contohnya adalah catatan penggajian untuk

4

seseorang, yang terdiri dari field data yang menjelaskan berbagai atribut seperti nama

orang, nomor jaminan keamanan, dan tarif upah.

4. File

File merupakan sekelompok catatan yang saling berhubungan. File sering sekali

diklasifikasikan sesuai dengan aplikasi yang terutama menggunakannya, seperti file

penggajian atau file persediaan, atau jenis data yang ada didalamnya, seperti file

dokumen atau file gambar grafis. File juga diklasifikasikan berdasarkan permanen

tidaknya, contohnya, file induk (master file) penggajian vs file transaksi penggajian

mingguan. Oleh sebab itu, file transaksi akan berisi catatan dari semua transaksi

selama satu periode dan dapat digunakan secara periodik untuk memperbarui catatan

permanen yang berada dalam file induk.

5. Database

Database merupakan kumpulan integrasi dari elemen data yang secara logika saling

berhubungan. (O’brien,2005).

Istilah “database” berawal dari ilmu komputer. Meskipun kemudian artinya

semakin luas, memasukkan hal-hal di luar bidang elektronika, artikel ini mengenai

databae komputer. Catatan yang mirip dengan database sebenarnya sudah ada

sebelum renovasi industri yaitu dalam bentuk buku besar, kuitansi dan kumpulan data

yang berhubungan dengan bisnis.3

2.3. Jenis – Jenis Database

1. Database Operasional

Database operasoinal menyimpan data terinci yang dibutuhkan untuk mendukung

proses bisnis dan operasi dari suatu perusahaan. Database operasional juga disebut

sebagai subject area database (SADB), database transaksi (transaction database), dan

database produksi (production database). Contoh-contohnya adalah database

pelanggan, database sumber daya manusia, database persediaan, dan database –

database lainnya yang dihasilkan melalui operasi bisnis. Contohnya, database sumber

daya manusia meliputi data yang mengidentifikasi setiap karyawan dan jam kerja

mereka, kompensasi, tunjangan, penilaian kerja, pelatihan dan status perkembangan,

serta data lainnya yang terkait dengan sumber daya manusia.

3 http://www.scribd.com/doc/30914906/Pengertian-Database diakses pada tanggal 24/02/12

5

2. Database Terdistribusi

Distributed database ini dapat bertempat dalam server jaringan di World Wide

Web, di intranet dan ekstranet perusahaan, atau di jaringan perusahaan lain. Database

terdistribusi dapat berupa kopi dari database operasional atau analitis, database

hipermedia atau diskusi, atau jenis database lainnya. Replikasi dan distribusi dari

database dilakukan untuk meningkatkan kinerja database pada situs Web pemakai

akhir. Memastikan bahwa data dalam database terdistribusi sebuah organisasi secara

konsisten dan bersama-sama diperbarui, adalah tantangan utama dari manajemen

database terdistribusi.

3. Database Eksternal

Informasi dari database eksternal tersedia secara gratis dari berbagai layanan

komersial online, dan dengan atau tanpa biaya dari banyak sumber di World Wide

Web. Data tersedia dalam bentuk statistik mengenai aktivitas ekonomi dan demografis

dari bank data statistik. Dapat melakukan aktivitas download berbagai abstraksi atau

kopi lengkap dari ratusan surat kabar, majalah, newsletter, makalah penelitian, dan

bahan lain yang dipublikasikan serta jurnal dari database bibliografis dan teks penuh.

4. Database Hipermedia

Database hipermedia terdiri dari berbagai halaman hyperlink dari multimedia (teks,

grafik, gambar fotografi, klip video, segmen audio, dan lain-lain). Dengan kata lain,

dari sudut pandang manajemen database, rangkaian dari berbagai halaman multimedia

yang saling berhubungan dalam sebuah situs Web adalah database dari berbagai

elemen halaman hipermedia yang saling berhubungan, bukan merupakan catatan data

yang saling berhubungan.

2.4. Gudang Data

Data warehouse (gudang data) merupakan sebuah database dengan peralatan

pembuatan laporan dan query yang menyimpan data kini dan data historis secara terpusat,

biasanya digunakan untuk menyajikan laporan dan melakukan analisis guna mendukung

pengambilan keputusan managerial. (saleh,2007)

Gudang data menyimpan berbagai data yang telah diekstraksi dari berbagai database

operasional, eksternal, dan database lainnya dari sebuah organisasi. Itu adalah sumber pusat

dari data yang telah dibersihkan, diubah, dan dikatalogkan agar mereka dapat dipakai oleh

para manajer dan praktisi bisnis lainnya untuk penambangan data, pemroresan analitis online,

6

dan analisis bentuk lainnya, riset pasar dan untuk pendukung keputusan. Gudang data dapat

dibagi kembali menjadi data mart, yang berisi rangkaian kecil data dari gudang data yang

berfokus pada aspek-aspek tertentu dari suatu perusahaan, seperti departemen atau sebuah

proses bisnis.

Gambar 2.1. berbagai komponen sistem lengkap gudang data.4

Gambar diatas mengilustrasikan berbagai komponen sistem gudang data yang lengkap.

Menjelaskan bagaimana data dari berbagai database operasional dan eksternal dikumpulkan,

dibersihkan, dan diubah menjadi data yang dapat digunakan dengan lebih baik untuk analisis.

Proses perolehan ini dapat meliputi berbagai aktivitas, seperti konsolidasi data dari beberapa

sumber, penyaringan data yang tidak diinginkan, perbaikan data yang salah, mengubah data

menjadi elemen data yang baru, serta menggabungkan data menjadi rangkaian kecil data

yang baru.

Data ini kemudian akan disimpan dalam gudang data perusahaan, yang kemudian

dapat dipindahkan ke dalam data mart atau ke gudang data analitis (analitical data store)

yang menyimpan data dalam bentuk yang lebih berguna untuk beberapa jenis analisis.

Metadata ( data yang mendifinisikan data dalam gudang data) disimpan dalam tempat

4 Gambar diakses dari google.com

7

penyimpanan metadata dan dikatalogkan berdasarkan direktori metadata. Terakhir, berbagai

alat software analitis dapat diberikan untuk permintaan, pelaporan, penambangan, dan

penganalisisan data untuk dikirim melalui sistem Web Internet serta intranet ke para pemakai

akhir dalam bidang bisnis.

2.5. Penambangan Data

Penambangan data (data mining) adalah penggunaan utama dari database dalam

gudang data. Dalam penambangan data, data di suatu gudang data dianalisisuntuk

mengungkapkan pola dan tren tersembunyi dalam aktivitas bisnis yang telah lewat. Hal ini

dapat digunakan untuk membantu para manager membuat keputusan mengenai berbagai

perubahan strategi dalam operasi bisnis untuk mendapatkan keunggulan komparatif dalam

pasar.

Penambangan data dapat menemukan hubungan, pola dan tren baru dalam data bisnis

yang berjumlah besar(sering kali ukurannya mencapai beberapa terabyte data), yang

disimpan dalam gudang data. Software penambangan data menggunakan alogaritma

pengenalan pola yang canggih, serta berbagai teknik matematis dan statistis, untuk

menyelediki gunungan data agar dapat mengekstraksi informasi bisnis strategis yang

sebelumnya belum diketahui. Contohnya, banyak perusahaan menggunakan penambangan

data untuk (O’brien,2005) :

a. Melakukan “analisis berbasis pasar” agar dapat mengidentifikasi berbagai paket

produk

b. Menemukan akar dari masalah kualitas atau produksi

c. Mencegah penurunan pelanggan dan untuk mendapat pelanggan baru

d. Penjualan lintas pelanggan yang telah ada

e. Mendapat gambaran mengenai pelanggan dengan lebih akurat

2.6. Manajemen database

Manajemen data merupakan bagian dari manajemen sumberdaya informasi yang

mencakup semua kegiatan yang memastikan bahwa sumber daya data organisasi yang akurat,

tepat dan mutakhir dapat tersedia bagi pemakai. Kegiatan manajemen data mencakup

pengumpulan data, integritas dan pengujian, penyimpanan, pemeliharaan, keamanan,

organisasi dan pengambilan. Pada sistem manual, seluruh kegiatan ini dikerjakan oleh

8

manusia. Di era komputer saat ini orang masih diperlukan untuk pengumpulan dan pengujian

data saja, karena komputer telah mengambil alih sebagian besar tanggung jawab manajemen

data. Seorang spesialis informasi yang bertanggung jawab atas basisdata disebut pengelola

basisdata (database administrator) atau DBA. Tugas DBA terbagi dalam empat area utama

yaitu perencanaan, penerapan, operasi dan keamanan:

Perencanaan database meliputi berkerja sama dengan pimpinan organisaasi untuk

mendefinisikan subskema mereka. Selain itu, DBA berperan penting dalam memilih DBMS

(Data base management system).

Penerapan database terdiri dari menciptakan database yang sesuai dengan spefisikasi dari

DBMS yang dipilih, serta menetapkan dan menegakkan kebijakan dan prosedur penggunaan

database.

Operasi database mencakup menawarkan program-program pendidikan bagi pemakai

database, dan menyediakan bantuan saat diperlukan.

Keamanan database meliputi pemantauan kegiatan database dengan menggunakan statistik

yang disediakan DBMS. Selain itu, DBA memastikan bahwa database tetap aman.

(saleh,2010).

2.7. Database Management Software

Database management software(DBMS) adalah software utama dalam pendekatan

manajemen database, karena software tersebut mengendalikan pembuatan, pemeliharaan, dan

penggunaan database organisasi dan pemakai akhir. Paket manajemen database

mikrokomputer seperti Microsoft Access, Lotus Approach, atau Corel Paradox,

memungkinkan untuk mempersiapkan dan mengelola database pada PC, server jaringan, atau

World Wide Web. Di dalam sistem mainframe dan komputer server, sistem manajemen

database adalah paket software sistem yang penting untuk mengendalikan pengembangan,

penggunaan, dan pemeliharaan database dari komputer pemakai dalam organisasi. Contoh

dari mainframe dan versi server terkenal untuk software DBMS adalah DB2 Universal

Database dari IBM, Oracle 9i dari Oracle Corporation, dan MySQL.

9

Tiga fungsi dasar dari sistem manajemen database adalah:

a. Untuk membuat database baru dan aplikasi database

b. Memelihara kualitas data dalam database organisasi

c. Menggunkan database organisasi untuk memberikan informasi yang dibutuhkan oleh

para pemakai akhir.

2.8. Penyelidikan, Pemeliharaan dan Pengembangan Batabase

1) Penyelidikan Database

Kemampuan penyeledikan database adalah manfaat utama dari pendekatan

manajemen database. Para pemakai akhir dapat menggunakan DBMS untuk

menanyakan informasi dari database dengan menggunakan fotur permintaan (query)

atau pembuat laporan (report generator). Mereka dapat menerima respons cepat

dalam bentuk tampilan video atau laporan tercetak. Tidak dibutuhkan pemograman

yang sulit. Fitur bahasa permintaan memungkinkan untuk dengan mudah

mendapatkan respon segera atas permintaan khusus.

2) Pemeliharaan database

Proses pemeliharaan database dicapai dengan sistem pemrosesan transaksi dan

aplikasi pemakai akhir lainnya dengan bantuan dari DBMS. Database suatu organisasi

perlu diperbarui secara terus-menerus untuk mencerminkan transaksi bisnis yang baru

(seperti penjualan yang dilakukan, produyk yang dihasilkan, atau persediaan yang

dikirimkan) serta berbagai kegiatan lainnya.

3) Pengembangan Aplikasi Database

Software DBMS juga memainkan peranan penting dalam pengembangan aplikasi.

Para pemakai akhir, analis sistem, dan pengembang aplikasi lainnya dapat

menggunakan bahasa pemograman internal 4GL serta alat pengembangan software

bawaan dalam banyak software DBMS untuk mengembangkan program aplikasi

khusus. Penggunaan DBMS mudah untuk mengembangkan tampilan entri data, form,

laporan atau halaman Web dari aplikasi bisnis yang mengakses database perusahaan

untuk mencari serta memperbarui data yang dibutuhkannya(O’brien,2005).

10

BAB III

PEMBAHASAN

3.1. Chapter 5 Case 1

Lebih dari 18.000 lembaga penegak hukum di Amerika, sebagian besar memiliki

beberapa bentuk teknologi yang digunakan untuk mengumpulkan data yang berhubungan

dengan tindakan kejahatan dalam bentuk digital dan instansi pemerintahannya telah memiliki

gudang data yang cangih.

Era penegakan hukum yang berbasis data dimulai pada awal 1990 di New York City.

Disana, kepala polisi William Bratton berusaha mengesankan Walikota Rudolf Guilani

melalui pendekatan radikal yang kemudian dikenal dengan Comp Stat. Comp Stat memberi

penekanan pada memanfaatkan data akurat, terperinci, dan tepat waktu untuk

mengoptimalkan kerja polisi. Kepolisian termotivasi untuk melaksanakan atau

memperbaharui sistem Teknologi Informasi.

Data leverage digunakan untuk membantu posisi sumber daya polisi yang terbatas. Ini

adalah upaya untuk lebih proaktif dalam mengubah lingkungan. Data juga digunakan untuk

kasus pembunuhan, misalnya dari sekitar 20 penangkapan untuk pembunuhan, 18 orang

terdata memiliki senjata api sebelum penangkapan. Kantor penegak hukum sering mengacu

pada kebutuhan informasi lanjutan. Salah satu dari jalan lembaga polisi menggunakan data

kejadian dalam bentuk digital yang dihubungkan dengan sistem informasi geografi, dalam

mendukung apa yang diketahui sebagai pemetaan kejahatan elektronik, atau hot-spot analisis.

Polisi dikota Edmonton, Alberta, membawa data dalam teknologi analisis dari vendor

intelegen bisnis Cognos (sekarang bagian dari IBM). Dalam proyek pertama mereka, pejabat

polisi berkonsentrasi menggunakan data untuk membuat laporan yang berhubungan dengan

sumber daya geografis berbasis model penyebaran. Sekarang badan tersebut menggunakan

data untuk merencanakan kegiatan kriminal baik menurut daerah geografis dan sejarah

komparatif. Informasi the holy grail- pimpinan kepolisian dapat memprediksi di mana dan

kapan kejahatan akan terjadi.

Kepolisian Chicago menggunakan sistem CLEAR dan semua data untuk menerapkan

proyeksi kejahatan termasuk penangkapan, insiden, panggilan untuk layanan, aktivitas geng

jalanan, serta data cuaca dan kekhawatiran masyarakat seperti laporan dari streetlight. “model

ini akan mencari untuk menggunakan semua variabel dalam upaya model masa depan yang

berpola aktivitas kriminal.

11

Spss adalah nama yang sering dihubungkan dengan prediksi polisi. Spss mengatakan

perampokan berkurang 80% dengan mengidentifikasi hot spot tertentu dan secara proaktif

menyebarkan sumber disana.

CargoNet merupakan database nasional yang pertama kali yang informasikan

pencurian truk, adalah proyek bersama dari penyedia data asuransi ISO dan asuransi National

Insurance Crime Bereau (NICB). CargoNet akan mengumpulkan hingga 257 data lapangan

yang semuanya dirinci dari tujuan, nomor plat, dan bawaan: ke waktu, data dan lokasi

pencurian itu, untuk nomor seri identifikasi secara terperinci tentang barang curian.

Mengulang beberapa kali sehari, CargoNet diharapkan dapat melacak lebih dari 10.000

kejadian per tahun, mengatur baik sistem peringatan nasional dan sesuai program mengamati

truk berhenti.

Pencurian truk terjadi terutama pada akhir pekan, dan itu berada disekitar lembah LA,

Atlanta, Miami, Dallas/Ft. Worth, Memphis dan Tennessee. Truk dan trailer biasanya

menyelinap pergi pada saat malam dari tempat pemberhentian truk, tempat istirahat, pusat

distribusi, dan titik transfer. Barang yang sering terkena adalah konsumen elektronik,

makanan, anggur dan spirits, pakaian, dan item lainnya yang mudah dijual di jalan.

Operator dan produsen ingin menyegarkan, informasi nasional sehingga mereka dapat

mengubah waktu pengiriman dan menghindari truk berhenti. Penanggung ingin satu sumber

data sehingga mereka bisa mendapatkan ukuran resiko yang lebih baik dan membawa

masalah di bawah kendali nasional.

Pertanyaan case 1 chapter 5

1. Apa saja manfaat yang paling penting berasal oleh lembaga penegak hukum

yang disebutkan dalam kasus ini? Bagaimana teknologi ini memungkinkan

mereka untuk lebih baik dalam melawan kejahatan? Berikan beberapa contoh.

Manfaat yg paling penting berasal dari lembaga hukum yang disebutkan dalam kasus

ini adalah sebagai berikut :

- Dapat memprediksi dimana dan kapan kejahatan akan terjadi.

- Membantu posisi sdm polisi yang terbatas demi upaya yang lebih proaktif,

dan mengubah lingkungan yang reaktif, respon, dan metode orientasi masa

lalu

- Dapat melakukan pendataan kejahatan kriminal yang menjadi trend pada

masa tertentu dengan menetapkan beberapa indikasi kejahatan, sehingga

12

dapat memudahkan petugas kepolisian untuk melakukan evaluasi terhadap

kejahatan kriminal yang sudah terjadi dan tentunya akan dapat membantu

polisi dalam membuat prediksi kejahatan yang akan terjadi dimasa

mendatang

- Mampu untuk mendatakan/membuat data base berbagai bentuk kegiatan

kejahatan jalanan, termasuk juga di dalamnya kegiatan penegakkan hukum

seperti;penangkapan, insiden, panggilan, untuk layanan, data cuaca serta

tingkat kekhawatiran masyarakat.

Teknologi ini memungkinkan mereka untuk lebih baik melawan kejahatan karena

mampu memprediksi dimana dan kapan kejahatan terjadi. Dengan adanya pendataan

ini, kantor penegakan hukum bisa membaca trend kejahatan dilihat dari geografi dan

sejarah komparatif. Berikut ini beberapa contoh :

- Polisi mampu mendatakan aktivitas geng jalanan yang biasanya terjadi

pada malam hari sampai larut malam bahkan dini hari dengan daerah

(spot) tertentu yang menjadi favorit mereka untuk melakukan aktivitas

mereka. Dengan adanya pendataan pada kegiatan mereka (waktu dan

tempat sebagai indikatornya ) polisi bisa melakukan patroli guna

mencegah tindakan mereka yang anarkhis atau tindakan dari geng jalanan

yang berimplikasi pada suatu tindakan yang dapat mengganggu ketertiban

masyarakat umum dan menimbulkan suatu tindakan pidana.

- Dengan adanya pendataan kejahatan kriminal yang akhirnya dapat

dikatakan menjadi suatu trend pada suatu kondisi tertentu contohnya pada

musim tertentu (paceklik) banyak petani yang tidak memiliki kegiatan

produktif, sehingga dapat memicu terjadinya pencurian dan tentunya

tingkat kekhawatiran masayrakat akan meningkat dan berdampak yg

negatif pada kehidupan sosial. Namun hal tersebut dapat dicegah apabila

pooisi memiliki data tentang trend suatu kejahatan dimana polisi akan

lebih giat untuk mealukan patroli dan bisa mensosialisasikan tentang

siskamling (sistem keamanan lingkungan).

- Teknologi ini membantu para lembaga penegak hukum untuk

mengumpulkan data yang berhubungan dengan kejahatan dalam bentuk

digital yang dihubungkan dengan sistem geografi, dengan menggunakan

pemetaan kejahatan elektronik.

13

- Teknologi ini memberikan data yang akurat, terperinci, dan tepat waktu

untuk mengoptimalkan kerja polisi.

- Data Leverage juga digunakan untuk membantu posisi sumber daya polisi

yang terbatas sehingga mereka dapat melakukannya dengan baik.

Contoh Teknologi yang digunakan antara lain, Sistem CargoNet, yang merupakan

database nasional pertama kali yang menginformasikan pencurian truk. cargoNet

dapat mengumpulkan hingga 257 data yang semuanya dapat dirinci berdasarkan

nomor plat, apa yang dibawa dan tujuan. Contoh lainnya adalah penggunaan GPS

dimana Selain memudahkan dalam penyelidikan suatu kejadian, GPS berfungsi juga

untuk memantau keberadaan anggota patroli di lapangan. Untuk sementara,

keberadaan perangkat GPS di mobil partoli hanya sebatas untuk quick response. Ke

depannya akan dilakukan perbaikan-perbaikan untuk lebih memberikan pelayanan

terbaik kepada masyarakat dan Untuk lebih meningkatkan kinerja. Contoh Di

Indonesia. Teknis penggunakan perangkat itu, tetap berawal dari laporan

masyarakat.Sebagai contoh, jika terjadi tindak kejahatan, laporan warga melalui

telepon 112 langsung diteruskan ke call center pada kantor Pusat. Selanjutnya,

informasi ditindak lanjuti petugas yang berada di lapangan. “Misalnya kejadiannya di

kawasan Cicendo. Petugas di call center bisa melihat dari layar, mobil patroli yang

sudah dipasangi GPS mana yang terdekat dengan lokasi kejadian. 5

2. Bagaimana masalah – masalah yang terkait data yang dihadapi oleh penegak

hukum sama dengan yang dapat dihadapi perusahaan? Bagaimana mereka

berbeda? Dari mana masalah ini berasal? Jelaskan.

Masalah yang terkait data yang dihadapi oleh penegak hukum yaitu lembaga penegak

hukum mengalami defisit informasi, sehingga mereka menggunakan teknologi untuk

mengumpulkan data yang berhubungan dengan kriminal dalam bentuk digital.

Lembaga penegak hukum juga memastikan kualitas data, mengembangkan dan

menerapkan standar untuk interoperabilitas dan pemanfaatan sumber daya digital

dengan cara yang paling efektif dalam mengembangkan suatu informasi maka

diperlukan data yang akurat, konsisten dan terkini.

5 http://www.scribd.com/doc/32932380/Mobil-Patroli-Polisi-Dipasangi-GPS-Sebagai-Salah-Satu-Penerapan-Teknologi-Informasi-Pada-Lembaga-Non-Profit

14

Sebagai contoh, lembaga penegak hukum menggunakan sistem CargoNet, database

nasional yang pertama kali menginformasikan pencurian truk. CargoNet

mengumpulkan hingga 257 data lapangan dengan sangat terperinci. Penggunaan

CargoNet in diharapkan dapat melacak lebih dari 10.000 kejadian per tahunnya,

mengatur baik sistem peringatan nasional dan penyesuaian program. Sistem ini

membantu polisi dengan langkah memberikan informasi sehingga dapat mengurangi

segala bentuk kejahatan. SPSS juga merupakan software yang dihubungkan dengan

prediksi polisi. Penggunaan SPSS menyebabkan tindakan kriminal seperti

perampokan berkurang 80% dengan mengidentifikasi hot spot tertentu. Sistem

CLEAR digunakan pada panggilan layanan, aktivitas geng jalanan, insiden serta

penangkapan. Model sistem Clear menggunakan semua variabel dalam upaya model

masa depan yang berpola aktifitas kriminal.

Masalah yang seringkali dihadapi oleh perusahaan yang masih belum memiliki sistem

database yang telah terdistribusi dengan baik adalah dalam melakukan pencarian

database. Pada proses pencarian database dan dalam penambahan database baru,

perusahaan masih membutuhkan waktu yang lebih lama karena masih dilakukan

secara manual 6. Data sama yang bertumpuk-tumpuk, data yang salah, data yang

hilang, dan data yang salah dikodekan. Setiap perusahaan mengalami beberapa dari

setiap hal tersebut, mungkin terletak pada bagian IT mereka yang tidak banyak

berkomunikasi. Ini bukanlah masalah baru, tetapi akihir-akhir ini kekacauan ini

menjadi sangatlah nyata selama proyek berkriteria tinggi, seperti pemasangan

software perencanaan sumber daya perusahaan (enterprise resource planning-ERP)

atau manajemen rantai pasokan (supply chain management-SCM). Hal ini sering

terjadi pada saat perusahaan sering kali berfokus pada proses bisnis dan bukan pada

bentuk serta keharmonisan data yang dihasilkan. Ketika perusahaan melakukannya,

departemen IT harus melangkah mundur untuk membersihkan, merekonsiliasi, dan

mengintegrasikan data dari berbagai database di perusahaan ke dalam gudang data.

Shell Exploration and Production adalah contoh perjuangan dari proyek semacam itu,

awalnya, perusahaan minyak tersebut ingin menggabungkan data dari berbagai

aplikasi keuangan ERP mereka dengan data kacau dari sistem volumetrik mereka,

6https://docs.google.com/viewer?a=v&q=cache:BSQetcOhHC4J:thesis.binus.ac.id/eColls/eThesisdoc/Bab1/201

100196IF%2520BAB%25201.pdf+masalah+yang+dihadapi+perusahaan+mengenai+database&hl=id&gl=id&pid=bl&srcid=ADGEESiuUwDXFsekerz6SprTAQT4MXT3iihXVHgHih84bZDEI8kjth0RjMIENQvpfo3z_xmjKa3i8Rzdco3SiCfalZs9vPf3EEXJvKtLA1cBQS8mjRqknnwigp1XMo8NMN2tBPh&sig=AHIEtbQa08E0eHiGehvDfcvoPUHhP-2bhQ

15

yang memproses informasi mengenai seberapa banyak minyak dan gas yang telah

ditemukan serta dikumpulkan perusahaan tersebut. Setiap sistem yang berbeda

memiliki rangkaian kodenya sendiri sehingga akan memakan waktu yang lama dan

terlalu mahal. Sebagai gantinya, Mutch menemukan alat yang menganalisis dan

memetakan data dari berbagai sistem dan kemudian menggabungkannya ke dalam

satu gudang data(O’brien,2005).

Masalah ini berasal dari kurangnya pemahaman yang lebih besar dari informasi untuk

perusahaan secara keseluruhan sehingga penggunaan data tidak optimal. Pada sistem

pemrosesan file juga memiliki masalah utama yaitu, Penumpukan data, file-file data

yang independen dapat terdiri dari banyak sekali duplikasi data, data yang sama

dicatat dan disimpan dalam beberapa file.duplikasi data yang berlebihan ini

menyebabkan masalah ketika data harus diperbarui, karena program pemeliharaan file

yang terpisah harus dikembangkan dan dikoordinasikan untuk memastikan bahwa

setiap file yang diperbarui dengan benar. Ketergantungan Data, di dalam sistem

pemrosesan file, komponen-komponen utama dari suatu sistem-file organisasi, lokasi

fisiknya dalam hardware penyimpanan, dan software aplikasi yang digunakan untuk

mengakses file-file tersebut-saling tergantung satu sama lain dalam cara tertentu.

Kurangnya Integrasi Data, memiliki data dalam file-file yang independen mempersulit

untuk memberi para pemakai akhir informasi untuk permintaan khusus yang

membutuhkan pengaksesan data yang disimpan dalam beberapa file yang berbeda.

Program komputer khusus harus ditulis untuk menarik data dari setiap file yang

independen. Hal ini sulit dilakukan karena memakan waktu dan biaya mahal.

3. Bayangkan bahwa Anda memiliki akses ke sama kejahatan terkait informasi

yang dikelola oleh departemen polisi. Bagaimana Anda menganalisis informasi

ini, dan tindakan apa yang akan Anda ambil sebagai hasilnya?

Apabila saya memiliki akses informasi terkait kejahatan yang dikelola oleh

departemen polisi, saya akan menganalisis informasi kejahatan yang terjadi dengan

menggunakan beberapa indikator antara lain :

- Waktu kejahatan terjadi

- Tempat kejahatan terjadi

- Usia pelaku kejahatan

16

- Gender pelaku kejahatan

- Kebiasan pelaku pada saat melakukan kejahatan

- Alat yang digunakan oleh pelaku

- Motif pelaku kejahatan

Dengan adanya indikator diatas, hal-hal yang dapat dianilisis terhadap kejahatan yang

telah terjadi yaitu saya dapat membuat kelompok atau gambaran perilaku dari para

pelaku kejahatan yang tentunya akan memudahkan saya untuk mengambil kesimpulan

terhadap suatu kejahatan yang terjadi (dalam hal ini dapat mengetahui siapa pelaku

kejahatan), dan sebaliknya apabila saya dapat mengelompokkan perilaku para pelaku

kejahatan maka saya dapat mencegah terjadinya suatu kejahatan . Saya juga dapat

memberikan informasi ke pihak kepolisian terkait dengan tindakan kejahatan yang

akan terjadi.

17

BAB IV

KESIMPULAN

4.1. Chapter 5 case 1

1. Manfaat penting yang berasal dari penegak hukum yaitu, dapat memprediksi dimana

dan kapan kejadian kejahatan akan terjadi, membantu para lembaga penegak hukum

dalam mengumpulkan data yang berhubungan dengan kejahatan, dan memberikan

data yang akurat dan terperinci. Sedangkan, teknologi memungkinkan para penegak

hukum dalam melawan kejahatan karena mampu memprediksikan setiap tindakan

kejahatan yang akan terjadi.

2. Masalah yang terkait data yang dihadapi oleh penegak hukum yaitu lembaga penegak

hukum mengalami defisit informasi, sehingga mereka menggunakan teknologi untuk

mengumpulkan data yang berhubungan dengan kriminal dalam bentuk digital.

Sedangkan masalah yang seringkali dihadapi oleh perusahaan yang masih belum

memiliki sistem database yang telah terdistribusi dengan baik adalah dalam

melakukan pencarian database, data sama yang bertumpuk-tumpuk, data yang salah,

data yang hilang, dan data yang salah dikodekan.

3. Waktu, tempat kejahatan terjadi, usia pelaku kejahatan, gender pelaku kejahatan,

kebiasan pelaku pada saat melakukan kejahatan, alat yang digunakan oleh pelaku dan

motif pelaku kejahatan merupakan indikator dalam melakukan analisis kejahatan.

18

DAFTAR PUSTAKA

James A. O’Brien,2005, Introduction to Information Systems. 12th

Edition. McGraw-Hill

Irwin

James A. O’Brien dan George M.Marakas,2007, Information and Management Systems. 10th

Edition. McGraw-Hill Irwin

Saleh, AAM, 2007, Manajemen Database. Wordpreess

Saleh, Abdul R, 2010, Manajemen Basis Data Penelitian, Institute Pertanian Bogor. Bogor