Perpustakaan Digital ITB

Kualitas data pada suatu proses suatu sistem informasi termasuk didalamnya Data Warehouse merupakan hal yang sangat penting. Jika data yang diolah ternyata memiliki kualitas yang rendah maka akan berakibat fatal bagi suatu keputusan bisnis yang diambil oleh para pengambil keputusan di perusahaan. Harga yang akan dibayar akan sangat mahal. Namun demikian proses untuk meningkatkan kualitas data juga bukanlah proses yang mudah. Kondisi data yang belum lengkap karena adanya data yang hilang (Missing values) memerlukan cara yang sangat kompleks dan memakan banyak waktu untuk memperbaikinya. Bayesian Network dapat digunakan untuk melakukan prediksi terhadap Missing Values. BayesWipe yang dibangun diatas platform Bayesian Network dibangun untuk melakukan pembersihan terhadap data yang kotor akibat kesalahan tulis atau pengisian data, namun perlu diuji kemampuannya dalam menangani Missing Values.. Untuk itu dalam tulisan ini mencoba mengusulkan suatu cara untuk mengelola nilai Missing values pada suatu kumpulan data agar dapat diperbaiki dengan menggunakan alat BayesWipe yaitu dengan memberikan suatu label pada setiap Missing values sebelum data tersebut diolah dengan BayesWipe untuk membantu Data Steward dapat melakukan perbaikan data dengan cara yang lebih tepat dan membuat proses pembersihan data dapat berjalan lebih baik.