TUGAS MANDIRI
Rangkuman Teori Data Warehouse
Mata Kuliah : Data Warehouse
.
NAMA : HENDRIK SUDEFRI S
NPM :
110210095
K. KELAS : 132-TI027-M1
DOSEN :
Hendi Sama, S.Kom. M.M.
UNIVERSITAS PUTERA BATAM
2014
KATA
PENGANTAR
Segala
puji syukur atas Rahmat-NYA yang telah mendorong saya untuk menyelesaikan tugas
mandiri
ini dengan penuh kemudahan.Tanpa bantuan kalian mungkin penyusun tidak akan
sanggup menyelesaikan dengan baik.
Tugas mandiri
ini disusun agar para pembaca dapat memperluas ilmu tentang “Data Warehouse” yang akan kami sajikan berdasarkan pengamatan dari
berbagai sumber. Tugas mandiri ini di susun oleh penyusun dengan berbagai
hambatan,baik itu yang datang dari diri penyusun maupun dari pihak dari luar.
Namun dengan hati – hati dan kesabaran akhirnya makalah ini dapat
terselesaikan.
Semoga tugas
mandiri
ini dapat memberikan wawasan yang lebih luas kepada pembaca.Walaupun tugas
mandiri
ini memiliki kekurangan, penyusun mohon
untuk saran dan kritiknya. Terima kasih.
Batam, 17 Juni 2014,
HENDRIK
SUDEFRI
\
PENDAHULUAN
I.1.
Pengertian Data, Informasi dan Database
Sebelum kita membahas tentang data warehouse, hal yang harus dipahami
terlebih dahulu yaitu pengertian tentang data,informasi dan database.
Menurut Steven Alter, data merupakan fakta,gambar atau suara yang mungkin
atau tidak berhubungan atau berguna bagi tugas tertentu.
Menurut McLeod, data terdiri dari fakta-fakta dan angka yang secara relatif
tidak berarti bagi pemakai. Sedangkan informasi adalah data yang sudah diproses
atau data yang memiliki arti.
Disini kita dapat melihat bahwa data merupakan suatu bentuk
keterangan-keterangan yang belum diolah atau dimanipulasi sehingga belum begitu
berarti bagi sebagian pemakai. Sedangkan informasi merupakan data yang sudah di
olah sehingga memiliki arti.
Menurut James A. O’Brien Database adalah suatu koleksi terintegrasi dimana
secara logika berhubungan dengan record dari file.
Menurut Fatansyah, Database adalah kumpulan data yang saling berhubungan
yang disimpan secara bersama sedemikian rupa dan tanpa pengulangan(redudansi)
yang tidak perlu, untuk memenuhi berbagai kebutuhan.
Jadi Database adalah tempat penyimpanan data yang saling berhubungan secara
logika, sehingga bisa digunakan untuk mendapatkan suatu informasi yang
diperlukan oleh suatu organisasi atau perusahaan.
Sedangkan data yang diperoleh suatu organisasi atau perusahaan umumnya
didapat dari kegiatan operasional sehari-hari atau hasil dari transaksi.
Dari perkembangan model database, muncullah apa yang disebut dengan data
warehouse.
I.2.
Pengertian Data Warehouse
Pengertian Data Warehouse dapat bermacam-macam namun mempunyai inti yang
sama, seperti pendapat beberapa ahli berikut ini :
Menurut W.H. Inmon dan Richard D.H., data warehouse adalah koleksi
data yang mempunyai sifat berorientasi subjek,terintegrasi,time-variant, dan
bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan
management.
Menurut Vidette Poe, data warehouse merupakan database yang bersifat
analisis dan read only yang digunakan sebagai fondasi dari sistem
penunjang keputusan.
Menurut Paul Lane, data warehouse merupakan database relasional yang
didesain lebih kepada query dan analisa dari pada proses transaksi,
biasanya mengandung history data dari proses transaksi dan bisa juga
data dari sumber lainnya. Data warehouse memisahkan beban kerja analisis
dari beban kerja transaksi dan memungkinkan organisasi menggabung/konsolidasi
data dari berbagai macam sumber.
Jadi, data warehouse merupakan metode dalam perancangan database,
yang menunjang DSS(Decission Support System) dan EIS (Executive Information
System). Secara fisik data warehouse adalah database, tapi perancangan
data warehouse dan database sangat berbeda. Dalam perancangan database
tradisional menggunakan normalisasi, sedangkan pada data warehouse
normalisasi bukanlah cara yang terbaik.
Dari definisi-definisi yang dijelaskan tadi, dapat disimpulkan data
warehouse adalah database yang saling bereaksi yang dapat digunakan untuk query
dan analisisis, bersifat orientasi subjek, terintegrasi, time-variant,tidak
berubah yang digunakan untuk membantu para pengambil keputusan.
I.3.
Istilah-istilah yang berhubungan dengan data warehouse
Istilah-istilah yang berkaitan dengan data warehouse :
- Data Mart
Adalah suatu bagian pada data warehouse yang mendukung pembuatan laporan
dan analisa data pada suatu unit, bagian atau operasi pada suatu perusahaan.
- On-Line Analytical Processing(OLAP)
Merupakan suatu pemrosesan database yang menggunakan tabel fakta dan
dimensi untuk dapat menampilkan berbagai macam bentuk laporan, analisis, query
dari data yang berukuran besar.
- On-Line Transaction Processing(OLTP)
Merupakan suatu pemrosesan yang menyimpan data mengenai kegiatan
operasional transaksi sehari-hari.
- Dimension Table
Tabel yang berisikan kategori dengan ringkasan data detail yang dapat
dilaporkan. Seperti laporan laba pada tabel fakta dapat dilaporkan sebagai dimensi waktu(yang
berupa perbulan, perkwartal dan pertahun).
- Fact Table
Merupakan tabel yang umumnya mengandung angka dan data history dimana key
(kunci) yang dihasilkan sangat unik, karena key tersebut terdiri dari foreign
key(kunci asing) yang merupakan primary key (kunci utama) dari
beberapa dimension table yang berhubungan.
- DSS
Merupkan sistem yang menyediakan informasi kepada pengguna yang menjelaskan
bagaimana sistem ini dapat menganalisa situasi dan mendukung suatu keputusan
yang baik.
I.4.
Karakteristik Data Warehouse
Karakteristik data warehouse menurut Inmon, yaitu :
- Subject Oriented (Berorientasi
subject)
Data warehouse berorientasi subject artinya data warehouse didesain
untuk menganalisa data berdasarkan subject-subject tertentu dalam
organisasi,bukan pada proses atau fungsi aplikasi tertentu.
Data warehouse diorganisasikan disekitar subjek-subjek utama dari
perusahaan(customers,products dan sales) dan tidak diorganisasikan pada area-area aplikasi
utama(customer invoicing,stock control dan product sales). Hal ini dikarenakan
kebutuhan dari data warehouse untuk menyimpan data-data yang bersifat sebagai
penunjang suatu keputusan, dari pada aplikasi yang berorientasi terhadap data.
Jadi dengan kata lain, data yang disimpan adalah berorientasi kepada subjek
bukan terhadap proses. Secara garis besar perbedaan antara data operasional dan
data warehouse yaitu :
Data
Operasional
|
Data
Warehouse
|
Dirancang
berorientasi hanya pada aplikasi dan fungsi tertentu
|
Dirancang
berdasar pada subjek-subjek tertentu(utama)
|
Focusnya
pada desain database dan proses
|
Focusnya
pada pemodelan data dan desain data
|
Berisi
rincian atau detail data
|
Berisi
data-data history yang akan dipakai dalam proses analisis
|
Relasi
antar table berdasar aturan terkini(selalu mengikuti rule(aturan) terbaru)
|
Banyak
aturan bisnis dapat tersaji antara tabel-tabel
|
- Integrated (Terintegrasi)
Data Warehouse dapat menyimpan data-data yang berasal dari
sumber-sumber yang terpisah kedalam suatu format yang konsisten dan saling
terintegrasi satu dengan lainnya. Dengan demikian data tidak bisa dipecah-pecah
karena data yang ada merupakan suatu kesatuan yang menunjang keseluruhan konsep
data warehouse itu sendiri.
Syarat integrasi sumber data dapat dipenuhi dengan berbagai cara sepeti
konsisten dalam penamaan variable,konsisten dalam ukuran variable,konsisten
dalam struktur pengkodean dan konsisten dalam atribut fisik dari data.
Contoh pada lingkungan operasional terdapat berbagai macam aplikasi yang
mungkin pula dibuat oleh developer yang berbeda. Oleh karena itu, mungkin dalam
aplikasi-aplikasi tersebut ada variable yang memiliki maksud yang sama tetapi
nama dan format nya berbeda. Variable tersebut harus dikonversi menjadi nama
yang sama dan format yang disepakati bersama. Dengan demikian tidak ada lagi
kerancuan karena perbedaan nama, format dan lain sebagainya. Barulah data
tersebut bisa dikategorikan sebagai data yang terintegrasi karena
kekonsistenannya.
|
- Time-variant (Rentang
Waktu)
Seluruh data pada data warehouse dapat dikatakan akurat atau valid pada
rentang waktu tertentu. Untuk melihat interval waktu yang digunakan dalam
mengukur keakuratan suatu data warehouse, kita dapat menggunakan cara antara
lain :
Ø Cara
yang paling sederhana adalah menyajikan data warehouse pada rentang waktu
tertentu, misalnya antara 5 sampai 10 tahun ke depan.
Ø Cara
yang kedua, dengan menggunakan variasi/perbedaan waktu yang disajikan dalam data
warehouse baik implicit maupun explicit secara explicit dengan unsur waktu
dalam hari, minggu, bulan dsb. Secara implicit misalnya pada saat data tersebut
diduplikasi pada setiap akhir bulan, atau per tiga bulan. Unsur waktu akan
tetap ada secara implisit didalam data tersebut.
Ø Cara
yang ketiga,variasi waktu yang disajikan data warehouse melalui serangkaian
snapshot yang panjang. Snapshot merupakan tampilan dari sebagian data tertentu
sesuai keinginan pemakai dari keseluruhan data yang ada bersifat read-only.
|
||||||||||||||||
|
|
|||||||||||||||
|
|
|||||||||||||||
|
- Non-Volatile
Karakteristik keempat dari data warehouse adalah non-volatile,maksudnya
data pada data warehouse tidak di-update secara real time tetapi
di refresh dari sistem operasional secara reguler. Data yang baru
selalu ditambahkan sebagai suplemen bagi
database itu sendiri dari pada sebagai sebuah perubahan. Database tersebut
secara kontinyu menyerap data baru ini, kemudian secara incremental disatukan
dengan data sebelumnya.
Berbeda dengan database operasional yang dapat melakukan update,insert dan
delete terhadap data yang mengubah isi dari database sedangkan pada data
warehouse hanya ada dua kegiatan memanipulasi data yaitu loading data
(mengambil data) dan akses data (mengakses data warehouse seperti melakukan
query atau menampilan laporan yang dibutuhkan, tidak ada kegiatan updating
data).
|
KEGUNAAN DATA WAREHOUSE
II.1
Perlunya Data Warehouse
Seperti pengertian-pengertian yang kita sebutkan sebelumnya, data warehouse
diperlukan bagi para pengambil keputusan manajemen dari suatu
organisasi/perusahaan.
Dengan adanya data warehouse, akan mempermudah pembuatan aplikasi-aplikasi
DSS dan EIS karena memang kegunaan dari data warehouse adalah khusus untuk membuat suatu database yang
dapat digunakan untuk mendukung proses analisa bagi para pengambil keputusan.
II.2 Tugas-tugas Data warehouse
Ada empat tugas yang bisa dilakukan dengan adanya data warehouse
Menurut
Williams, keempat tugas tersebut yaitu:
- Pembuatan laporan
Pembuatan laporan merupakan salah satu kegunaan data warehouse yang paling
umum dilakukan. Dengan menggunakan query sederhana didapatkan laporan
perhari,perbulan, pertahun atau jangka waktu kapanpun yang diinginkan.
- On-Line Analytical Processing (OLAP)
Dengan
adanya data warehouse,semua informasi baik detail maupun hasil summary yang
dibutuhkan dalam proses analisa mudah didapat.
OLAP
mendayagunakan konsep data multi dimensi dan memungkinkan para pemakai
menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah SQL. Hal
ini dimungkinkan karena pada konsep multi dimensi, maka data yang berupa fakta
yang sama bisa dilihat dengan menggunakan fungsi yang berbeda. Fasilitas lain
yang ada pada sofware OLAP adalah fasilitas rool-up dan drill-down. Drill-down
adalah kemampuan untuk melihat detail dari suatu informasi dan roll-up adalah
kebalikannya.
- Data mining
Data
mining merupakan proses untuk menggali(mining) pengetahuan dan informasi baru
dari data yang berjumlah banyak pada data warehouse, dengan menggunakan
kecerdasan buatan (Artificial Intelegence), statistik dan matematika. Data
mining merupakan teknologi yang diharapkan dapat menjembatani komunikasi antara
data dan pemakainya.
Beberapa
solusi yang diberikan data mining antara lain :
1.
Menebak target pasar
Data mining dapat mengelompokkan (clustering) model-model
pembeli dan melakukan klasifikasi terhadap setiap pembeli dan melakukan
klasifikasi terhadap setiap pemebeli sesuai dengan karakteristik yang
diinginkan.
2.
Melihat pola beli dari waktu ke waktu
Data mining dapat digunakan untuk melihat pola beli dari
waktu ke waktu.
3.
cross-market analysis
Data mining dapat dimanfaatkan untuk melihat hubungan
antara satu produk dengan produk lainnya.
4.
Profil pelanggan
Data mining bisa membantu pengguna untuk melihat profil
pembeli sehingga dapat diketahui kelompok pembeli tertentu cenderung kepada
suatu produk apa saja.
5.
Informasi summary
Data mining dapat membuat laporan summary yang bersifat
multi dimensi dan dilengkapi dengan informasi statistik lainnya.
- Proses informasi executive
Data warehouse dapat membuat
ringkasan informasi yang penting dengan tujuan membuat keputusan bisnis, tanpa
harus menjelajahi keseluruhan data. Dengan menggunakan data warehouse segala
laporan telah diringkas dan dapat pula mengetahui segala rinciannya secara
lengkap, sehingga mempermudah proses pengambilan keputusan. Informasi dan data
pada laporan data warehouse menjadi target informative bagi user.
II.3. Keuntungan Data Warehouse
Data warehouse merupakan pendekatan
untuk menyimpan data dimana sumber-sumber data yang heterogen(yang biasanya
tersebar pada beberapa database OLTP) dimigrasikan untuk penyimpanan data yang
homogen dan terpisah. Keuntungan yang didapatkan dengan menggunakan data
warehouse tersebut dibawah ini (Ramelho).
Ø Data
diorganisir dengan baik untuk query analisis dan sebagai bahan untuk
pemrosesan transaksi.
Ø Perbedaan
diantara struktur data yang heterogen pada beberapa sumber yang terpisah dapat
diatasi.
Ø Aturan
untuk transformasi data diterapkan untuk memvalidasi dan mengkonsolidasi data
apabila data dipindahkan dari database OLTP ke data warehouse.
Ø Masalah
keamanan dan kinerja bisa dipecahkan tanpa perlu mengubah sistem produksi.
Membangun
data warehouse tentu saja memberikan keuntungan lebih bagi suatu perusahaan,
karena data warehouse dapat memberikan keuntungan strategis pada perusahaan
tersebut melebihi pesaing-pesaing mereka. Keuntungan tersebut diperoleh dari
beberapa sumber (Sean Nolan,Tom Huguelet):
Ø Kemampuan
untuk mengakses data yang besar
Ø Kemampuan
untuk memiliki data yang konsistent
Ø Kemampuan
kinerja analisa yang cepat
Ø Mengetahui
adanya hasil yang berulang-ulang
Ø Menemukan
adanya celah pada business knowledge atau business process.
Ø Mengurangi
biaya administrasi
Ø Memberi
wewenang pada semua anggota dari perusaahan dengan menyediakan kepada mereka
informasi yang dibutuhkan agar kinerja bisa lebih efektif.
BAB III
MEMBANGUN DATA WAREHOUSE
III.1.
Menentukan Bentuk Data Warehouse
Data warehouse memiliki berbagai macam bentuk yang sering digunakan. Jadi sebelum membangun
suatu data warehouse kita harus memutuskan bentuk data warehouse seperti apa
yang dibutuhkan oleh aplikasi yang kita rancang.
III.2.
Anatomi Data Warehouse
Penerapan awal dari arsitektur data warehouse dibuat berdasarkan konsep bahwa data warehouse mengambil data dari berbagai sumber dan memindahkannya ke dalam pusat
pengumpulan data yang besar. Konsep ini sebenarnya lebih cenderung kepada
sebuah lingkungan mainframe yang terpusat.
Keunggulan teknologi Client Server memungkinkan data warehouse diterapkan
dalam berbagai macam cara untuk menampung kebutuhan pemakai sistem secara lebih
proposional. Dalam suatu kasus, misalkan saja pemakai tertentu perlu
menggabungkan data dari sebuah sistem pengumpulan data yang statis dengan data
dari sistem operasional yang dinamis hanya dengan sebuah query saja.
Berikut ini adalah tiga jenis dasar sistem Data Warehouse :
1. Functional Data Warehouse (Data Warehouse Fungsional)
Kata operasional disini merupakan database yang diperoleh
dari kegiatan sehari-hari. Data warehouse dibuat lebih dari satu dan
dikelompokkan berdasar fungsi-fungsi yang ada di dalam perusahaan seperti
fungsi keuangan(financial),marketing,personalia dan lain-lain.
Keuntungan dari bentuk data warehouse seperti ini adalah,
sistem mudah dibangun dengan biaya relatif murah sedangkan kerugiannya adalah
resiko kehilangan konsistensi data dan terbatasnya kemampuan dalam pengumpulan
data bagi pengguna.
|
2. Centralized Datawarehouse (Data Warehouse Terpusat)
Bentuk ini terlihat seperti bentuk data warehouse
fungsional, namun terlebih dahulu sumber data dikumpulkan dalam satu tempat
terpusat, kemudian data disebar ke dalam fungsinya masing-masing, sesuai
kebutuhan persuhaan. Data warehouse terpusat ini, biasa digunakan oleh
perusahaan yang belum memiliki jaringan eksternal.
Keuntungan dari bentuk ini adalah data benar-benar terpadu karena konsistensinya yang tinggi sedang kerugiannya adalah biaya yang mahal serta memerlukan waktu yang cukup lama untuk membangunnya.
|
3. Distributed Data Warehouse (Data Warehouse terdistribusi)
Pada data warehouse terdistribusi ini, digunakan gateway
yang berfungsi sebagai jembatan penghubung antara data warehouse dengan
workstation yang menggunakan sistem beraneka ragam. Dengan sistem terdistribusi
seperti ini memungkinkan perusahaan dapat mengakses sumber data yang berada
diluar lokasi perusahaan(eksternal).
Keuntungannya adalah data tetap konsisten karena sebelum data digunakan data terlebih dahulu di sesuaikan atau mengalami proses sinkronisasi. Sedangkan kerugiannya adalah lebih kompleks untuk diterapkan karena sistem operasi dikelola secara terpisah juga biaya nya yang paling mahal dibandingkan dengan dua bentuk data warehouse lainnya.
III.3
Arsitektur dan Infrastruktur Data Warehouse
III.3.1. Arsitekur Data Warehouse
Menurut Poe, arsitektur adalah sekumpulan atau struktur
yang memberikan kerangka untuk keseluruhan rancangan suatu sistem atau produk. Ada arsitektur client-server,arsitektur
networking dan masih banyak
arsitektur lainnya. Arsitektur data menyediakan kerangka dengan
mengidentifikasikan dan memahami bagaimana data akan pindah melalui sistem dan
digunakan dalam perusahaan. Arsitektur data untuk data warehouse mempunyai
komponen utama yaitu read-only database.
Karakterisitik arsitektur data warehouse (Poe) :
1.
Data diambil dari sistem asal (sistem informasi yang
ada), database dan file.
2.
Data dari sistem asal diintegrasikan dan ditransformasi
sebelum disimpan ke dalam Database Management System (DBMS) seperti
Oracle,Ms SQL Server, Sybase dan masih banyak yang lainnya.
3.
Data warehouse merupakan sebuah database
terpisah bersifat hanya dapat dibaca
yang dibuat khusus untuk mendukung pengambilan keputusan
4.
Pemakai mengakses data warehouse melalui aplikasi front
end tool
Arsitektur dan komponen utama dari data warehouse dapat
dilihat pada gambar berikut ini :
Sumber :
Conolly,T.M.,Begg
a. Operational
Data
Sumber data dari data warehouse dapat diambil
langsung dari mainframe, basis data relasional seperti Oracle, Ms SQL
server dan sebagainya. Selain itu dapat melaluo Operational Data Source(ODS).
ODS menampung data yang diekstrak dari sistem utama atau sumber-sumber data
yang ada dan kemudian data hasil ekstrasi tersebut dibersihkan.
b.
Load manager
Load manager juga disebut sebagai komponen front-end yang bertugas melakukan seluruh operasi yang
berhubungan dengan ekstrasi dan me-load data ke warehouse.
c.
Warehouse Manager
Warehouse manager melakukan
seluruh operasi-operasi yang berhubungan dengan kegiatan manajemen data di
dalam warehouse. Operasi-operasi tersebut meliputi :
Ø Analisis
terhadap data untuk memastikan konsistensi
Ø Transformasi
dan penggabungan sumber data dari tempat penyimpanan sementara menjadi
tabel-tabel data warehouse.
Ø Penciptaan
indeks-indeks dan view berdasarkan tabel-tabel dasar
Ø Melakukan
denormalisasi dan agregasi jika diperlukan
Ø Backing-Up
dan mengarsipkan data
d.
Query manager
Query manager juga disebut komponen back-end,
melakukan operasi-operasi yang berhubungan dengan manajemen user
queries. Operasi-operasi yang dilakukan oleh komponen ini termasuk mengarahkan
query kepada tabel-tabel yang tepat dan menjadwalkan eksekusi dari query
tersebut.
e.
End-user Access Tools
Prinsip atau tujuan utama dari dibangunnya data
warehouse adalah untuk menyediakan informasi bisnis kepada user-user untuk dapat melakukan pengambilan keputusan
secara cepat dan tepat.User ini
berinteraksi dengan warehouse melalui end-user access tools. Data
warehouse harus secara efisien
mendukung secara khusus kebutuhan user serta secara rutin melakukan
analisis. Performa yang baik dapat dicapai dengan merencanakan dahulu
keperluan-keperluan untuk melakukan joins,summations dan laporan-laporan
per periode dengan end-users.
Berdasarkan
kategori yang dikemukakan oleh Berson dan Smith terdapat lima grup utama dari
tools tersebut, antara lain :
1. Reporting
and query tools
2.
Application development tools
3. Executive
information System (EIS) tools
4. Online
Analytical Processing (OLAP) tools
5. Data
mining tools
Arsitektur dan infrastruktur dari data warehouse sangat
erat hubungannya dan satu dengan lainnya saling berkaitan.
III.3.2. Infrastruktur Data
Warehouse
Infrastruktur data warehouse adalah software,
hardware, pelatihan dan komponen-komponen lainnya yang memberikan dukungan yang
dibutuhkan untuk mengimplementasikan data warehouse(Poe).
Salah satu instrumen yang mempengaruhi keberhasilan
pengembangan data warehouse adalah pengidentifikasian arsitektur mana
yang terbaik dan infrasruktur apa yang dibutuhkan. Arsitektur yang sama,
mungkin memerlukan infrastruktur yang berbeda, tergantung pada lingkunan
perusahaan ataupun organisasi.
III.4. Struktur Data
Warehouse
Seperti yang kita lihat sebelumnya pada arsitektur data
warehouse, ada beberapa struktur yang spesifik terdapat pada bagian warehouse
manager. Bagian tersebut merupakan struktur data warehouse.
Menurut Poe, Vidette, data warehouse memiliki struktur
yang spesifik dan mempunyai perbedaan
dalam tingkatan detail data dan
umur data.
|
Komponen dari struktur data warehouse adalah:
Ø Current
detail data
Current detail data merupakan
data detil yang aktif saat ini,mencerminkan keadaan yang sedang berjalan dan
merupakan level terendah dalam data warehouse. Didalam area ini
warehouse menyimpan seluruh detail data yang terdapat pada skema basis data.
Jumlah data sangat besar sehingga memerlukan storage yang besar pula dan
dapat diakses secara cepat. Dampak negatif yang ditimbulkan adalah kerumitan
untuk mengatur data menjadi meningkat dan biaya yang diperlukan menjadi mahal.
Berikut ini beberapa alasan mengapa current detail
data menjadi perhatian utama :
1.
Menggambarkan kejadian yang baru terjadi dan selalu
menjadi perhatian utama
2.
Sangat banyak jumlahnya dan disimpan pada tingkat
penyimpanan terendah.
3.
Hampir selalu disimpan dalam storage karena cepat
di akses tetapi mahal dan kompleks dalam
pengaturannya.
4.
Bisa digunakan dalam membuat rekapitulasi sehingga current
detail data harus akurat.
Ø Older
detail data
Data ini merupakan data historis dari current detail
data, dapat berupa hasil cadangan atau archive data yang disimpan dalam storage
terpisah. Karena bersifat back-up(cadangan), maka biasanya data
disimpan dalam storage alternatif seperti tape-desk.
Data ini biasanya memilki tingkat frekuensi akses yang
rendah. Penyusunan file atau directory dari data ini di susun
berdasarkan umur dari data yang bertujuan mempermudah untuk pencarian atau
pengaksesan kembali.
Ø Lighlty
summarized data
Data ini merupakan ringkasan atau rangkuman dari current
detail data. Data ini dirangkum berdasar periode atau dimensi lainnya
sesuai dengan kebutuhan.
Ringkasan dari current detail data belum bersifat total summary.Data-data
ini memiliki detil tingkatan yang lebih tinggi dan mendukung kebutuhan warehouse
pada tingkat departemen. Tingkatan data ini di sebut juga dengan data
mart. Akses terhadap data jenis ini banyak
digunakan untuk view suatu kondisi yang sedang atau sudah berjalan.
Ø Highly
summarized data
Data ini merupakan tingkat lanjutan dari Lightly
summarized data, merupakan hasil ringkasan yang bersifat totalitas, dapat
di akses misal untuk melakukan analisis perbandingan data berdasarkan urutan
waktu tertentu dan analisis menggunakan data multidimensi.
Ø Metadata
Metadata
bukan merupakan data hasil kegiatan seperti keempat jenis data diatas. Menurut
Poe, metadata adalah ‘data tentang data’ dan menyediakan informasi tentang
struktur data dan hubungan antara struktur data di dalam atau antara storage(tempat
penyimpanan data).
Metadata
berisikan data yang menyimpan proses perpindahan data meliputi database
structure,contents,detail data dan summary data, matrics,versioning, aging
criteria,versioning, transformation criteria. Metadata khusus dan memegang
peranan yang sangat penting dalam data
warehouse.
Metadata sendiri
mengandung :
Ø Struktur
data
Sebuah direktori yang membantu user untuk melakukan analisis Decission
Support System dalam pencarian letak/lokasi dalam data warehouse.
Ø Algoritma
Algoritma digunakan untuk summary data. Metadata sendiri merupakan panduan
untuk algoritma dalam melakukan pemrosesan summary data antara current
detail data dengan lightly summarized data dan antara lightly
summarized data dengan hightly summaried data.
Ø Mapping
Sebagai panduan pemetaan(mapping) data pada saat data di
transform/diubah dari lingkup operasional menjadi lingkup data warehouse.
III.5 Metodologi Perancangan
Database untuk Data Warehouse
Menurut Kimball ada sembilan tahap metodologi dalam
perancangan database untuk data warehouse, yaitu :
Langkah 1 : Pemilihan proses
Ø Data
mart yang pertama kali dibangun haruslah data mart yang dapat dikirim tepat
waktu dan dapat menjawab semua pertanyaan bisnis yang penting
Ø Pilihan
terbaik untuk data mart yang pertama adalah yang berhubungan dengan sales, misal
property sales, property leasing,property advertising.
Langkah 2 : Pemilihan sumber
Ø Untuk
memutuskan secara pasti apa yang diwakili atau direpresentasikan oleh sebuah
tabel fakta.
Ø Misal,
jika sumber dari sebuah tabel fakta properti sale adalah properti sale
individual maka sumber dari sebuah dimensi pelanggan berisi rincian pelanggan
yang membeli properti utama
Langkah 3 : Mengidentifikasi dimensi
Ø Set
dimensi yang dibangun dengan baik, memberikan kemudahan untuk memahami dan
menggunakan data mart
Ø Dimensi
ini penting untuk menggambarkan fakta-fakta yang terdapat pada tabel fakta
Ø Misal,
setiap data pelanggan pada tabel dimensi pembeli dilengkapi dengan
id_pelanggan,no_pelanggan,tipe_pelanggan,tempat_tinggal, dan lain sebagainya.
Ø Jika
ada dimensi yang muncul pada dua data mart,kedua data mart tersebut harus
berdimensi sama,atau paling tidak salah satunya berupa subset matematis dari yang
lainnya.
Ø Jika
sebuah dimensi digunakan pada dua data mart atau lebih,dan dimensi ini tidak
disinkronisasi,maka keseluruhan data warehouse akan gagal, karena dua
data mart tidak bisa digunakan secara bersama-sama
Langkah 4 : Pemilihan fakta
Ø Sumber
dari sebuah tabel fakta menentukan fakta mana yang bisa digunakan dalam data
mart.
Ø Semua
fakta harus diekspresikan pada tingkat yang telah ditentukan oleh sumber
Langkah 5 : Menyimpan pre-kalkulasi di tabel fakta
Ø Hal
ini terjadi apabila fakta kehilangan statement
Langkah 6 : Melengkapi tabel dimensi
Ø Pada
tahap ini kita menambahkan keterangan selengkap-lengkapnya pada tabel dimensi
Ø Keterangannya
harus bersifat intuitif dan mudah dipahami oleh pengguna
Langkah 7 : Pemilihan durasi database
Ø Misalnya
pada suatu perusahaan asuransi, mengharuskan data disimpan selama 10 tahun atau
lebih
Langkah 8 : Menelusuri perubahan dimensi yang perlahan
Ø Ada
tiga tipe perubahan dimensi yang perlahan, yaitu :
o
Tipe 1. Atribut dimensi yang telah berubah tertulis ulang
o
Tipe 2. Atribut dimensi yang telah berubah menimbulkan
sebuah dimensi baru
o
Tipe 3. Atribut dimensi yang telah berubah menimbulkan
alternatif sehingga nilai atribut lama dan yang baru dapat diakses secara
bersama pada dimensi yang sama.
Langkah 9 : Menentukan prioritas dan mode query
Ø Pada
tahap ini kita menggunakan perancangan fisik.
Dengan langkah-langkah tadi, seharusnya kita bisa
membangun sebuah data warehouse yang baik.
III.6. Model untuk Data Warehouse
Berikut di bawah ini adalah penjelasan dari model untuk
data warehouse
III.6.1. Model Dimensional
Model dimensional merupakan rancangan logikal yang
bertujuan untuk menampilkan data dalam bentuk standar dan intuitif yang
memperbolehkan akses dengan performa yang tinggi.
Model dimensional menggunakan konsep model hubungan antar
entity (ER) dengan beberapa batasan yang penting. Setiap model dimensi terdiri
dari sebuah tabel dengan sebuah komposit primary key, disebut dengan table fakta, dan satu set
table yang lebih kecil disebut table dimensi. Setiap table dimensi memiliki
sebuah simple primary key yang
merespon tepat pada satu komponen primary key pada tabel fakta. Dengan
kata lain primary key pada table
fakta terdiri dari dua atau lebih foreign key. Struktur karakteristik
ini disebut dengan skema bintang atau join bintang.
Fitur terpenting dalam model dimensional ini adalah semua
natural keys diganti dengan kunci pengganti(surrogate keys). Maksudnya
yaitu setiap kali join antar table fakta dengan table dimensi selalu didasari
kunci pengganti. Kegunaan dari kunci pengganti adalah memperbolehkan data pada data
warehouse untuk memiliki beberapa kebebasan dalam penggunaan data, tidak
seperti halnya yang diproduksi oleh sistem OLTP.
Sebuah sistem OLTP memerlukan normalisasi untuk
mengurangi redudansi, validasi untuk input data, mendukung volume yang besar
dari transaksi yang bergerak sangat cepat. Model OLTP sering terlihat seperti
jaring laba-laba yang terdiri atas ratusan bahkan ribuan tabel sehingga sulit
untuk dimengerti.
Sebaliknya, dimension model yang sering digunakan pada data
warehouse adalah skema bintang atau snowflake yang mudah dimengerti
dan sesuai dengan kebutuhan bisnis, mendukung query sederhana dan menyediakan performa query yang
superior dengan meminimalisasi tabel-tabel join. Berikut contoh perbandingan
diagram antara model data OLTP dengan dimension table data warehouse :
Model
data OLTP
Dimension
Model
III.6.2.1. Schema Bintang
Skema bintang merupakan struktuk logikal yang memiliki
tabel fakta yang terdiri atas data faktual ditengahnya, dan dikelilingi oleh
tabel-tabel dimensi yang berisi referensi data.
Jenis-jenis Skema Bintang
1.
Skema bintang sederhana
Dalam skema ini, setiap table harus memiliki primary
key yang terdiri dari satu kolom atau lebih.
Primary key dari table fakta terdiri dari
satu atau lebih foreign key.Foreign key merupakan primary key pada
table lain.
2.
Skema bintang dengan banyak table fakta
Skema bintang juga bisa terdiri dari satu atau lebih
table fakta. Dikarenakan karena table fakta tersebut ada banyak, misalnya
disamping penjualan terdapat table fakta forecasting dan result. Walaupun
terdapat lebih dari satu table fakta, mereka tetap menggunakan table dimensi
bersama-sama.
Adapun ketentuan dalam pembacaan skema bintang adalah :
Ø Bagian
yang ada di bawah judul tabel merupakan kolom-kolom tabel tersebut
Ø Primary
key dan Foreign key diberi kotak
Ø Primary
key diarsir sedang Foreign key yang bukan primary tidak
Ø Foreign
key yang berhubungan ditunjukkan dengan garis yang menghubungkan tabel.
Kolom yang bukan kunci disebut kolom data pada table fakta dan atribut pada
table dimensi
III.6.2.3 Snowflake Schema
Merupakan varian dari skema bintang dimana table-table
dimensi tidak terdapat data yang di denormalisasi. Dengan kata lain satu atau
lebih table dimensi tidak bergabung secara langsung kepada table fakta tapi
pada table dimensi lainnya. Sebagai
contoh, sebuah dimensi yang mendeskripsikan produk dapat dipisahkan menjadi
tiga table (snowflaked) seperti contoh dibawah ini :
Snowflake
Schemes
III.6.2.4.
Star atau Snowflake
Keduanya merupakan model-model dimensional, perbedaannya
terletak pada implementasi fisikal. Skema snowflake memberi kemudahan pada
perawatan dimensi, dikarenakan strukturnya yang lebih normalisasi. Sedangkan
skema bintang lebih efisien serta sederhana dalam membuat query dan mudah diakses secara langsung oleh pengguna.
Adapun starflake merupakan gabungan diantara keduanya.
Keuntungan menggunakan masing-masing model tersebut dalam data warehouse antara
lain :
Ø Efisien
dalam hal mengakses data
Ø Dapat
beradaptasi terhadap kebutuhan-kebutuhan user
Ø Bersifat
fleksibel terhadap perubahan yang terjadi khususnya perubahan yang mengarah
pada perkembangan
Ø Memiliki
kemampuan dalam memodelkan situasi bisnis secara umum
Ø Meskipun
skema yang dihasilkan sangat kompleks, tetapi pemrosesan query dapat
diperkirakan, hal ini dikarenakan pada level terendah, setiap table fakta harus
di query secara independen.
BAB IV
HUBUNGAN DATA WAREHOUSE DENGAN
DSS
IV.1.
Definisi Decision Support System
Istilah
dari decision support system telah digunakan dengan banyak cara (Alter
1980) dan menerima banyak definisi yang berbeda menurut pandangan dari sang
penulis (Druzdzel dan Flynn 1999). Finlay (1994) dan lainnya mendefiniskan DSS
kurang lebih sebagai sebuah sistem berbasis komputer yang membantu dalam proses
pengambilan keputusan.
Turban
(1995) mendefinisikan secara lebih spesifik dengan, sesuatu yang
interaktif,flexible dan dapat menyesuaikan diri(adaptable) dari sistem
informasi berdasarkan komputer, khususnya pengembangan untuk mendukung
pemecahan masalah dari non-struktur management, untuk meningkatkan pengambilan
keputusan. Dengan menggunakan data, mendukung antar muka yang mudah digunakan
dan memberikan wawasan untuk sang pengambil keputusan.
Definisi
lainnya bisa jadi gugur dibandingkan dengan dua pandangan ekstrim berikut, Keen
dan Scott Morton (1978), DSS adalah dukungan berdasar kan komputer untuk para pengambil keputusan management
yang berurusan dengan masalah semi-struktur. Sprague dan Carlson (1982), DSS
adalah sistem berdasarkan komputer
interaktif yang membantu para pengambil keputusan menggunakan data dan model-model untuk
memecahkan masalah yang tak terstruktur(unstructured problem). Menurut Power
(1997), istilah DSS mengingatkan suatu yang berguna dan istilah inklusif untuk
banyak jenis sistem informasi yang mendukung pembuatan pengambilan keputusan.
Dia dengan penuh humor menambahkan bahwa jika suatu sistem komputer yang bukan
OLTP, seseorang akan tergoda untuk menyebutnya sebagai DSS.
Seperti
yang kita lihat, DSS memiliki banyak arti dengan maksud yang kurang lebih
hampir sama, yaitu suatu sistem komputer yang berguna bagi para pengambil
keputusan untuk memecahkan masalah mereka yang kurang lebih berhadapan dengan
masalah non-struktur atau semi-struktur.
IV.2.
Hubungan antar DSS dengan Data Warehouse
Setelah kita lihat dan selami
tentang data warehouse, kita dapat menyimpulkan bahwa data warehouse adalah
sebuah model database yang berguna untuk menyimpan dan memproses data dengan
pendekatan kepada kegunaan data dalam pengambilan keputusan bagi EIS atau DSS.
Sebuah DSS (tergantung dengan yang
disupport-nya)membutuhkan data warehouse agar dapat menjalankan kerjanya dengan
baik. Dan memang data warehouse sendiri dibangun untuk memenuhi kebutuhan DSS.
IV.3.
Contoh Data Warehouse Yang Ada
Contoh dari data warehouse yang
digunakan bersamaan dengan DSS, misalkan saja pegawai peminjaman bank
memverikasi data peminta pinjaman atau suatu perusahaan engineer melakukan
tawar menawar dalam beberapa project dan ingin tahu jika dia bisa kompetitive
dalam harga terhadap para pesaingnya.
Contoh yang lain masih lebih banyak
lagi, yang kesemuanya membutuhkan kecepatan dalam pengambilan keputusan dan
kemudahan dalam penggunaannya.
BAB
V
PENUTUP
V.1.
Kesimpulan
Data warehouse merupakan suatu cara/metode dari suatu
database yang berorientasi kepada subjek, non-volatile, time-variance dan
terintegrasi yang digunakan untuk mempermudah para pengambil keputusan dalam
memecahkan masalah.
Keberadaan data warehouse sangat penting sebagai tools
dari DSS, karena data warehouse memang digunakan untuk itu. Dengan adanya data
warehouse, diharapkan suatu perusahaan dapat lebih unggul dari kompetitornya
dan lebih jeli lagi dalam melihat peluang pasar.
Daftar
Pustaka
Conolly,Thomas dan Begg Carolyn(2002). Database
systems – A Practical Approach to Design, Implementation and Management, edisi-3.
Addison Wesley Longman.Inc., USA
Fatansyah(2002). Buku Teks Ilmu Komputer – Basis Data,
cetakan-4. Informatika
Inmon, W.H.(2002). Building the Data Warehouse,edisi-3.
Wiley Computer Publishing.
Kimball,R.,Merz, R (1998). The Data Warehouse
Lifecycle Toolkit. Expert Methods for Designing, Developing and Deploying Data
Warehouses. Wiley Computer Publishing, Canada.
Mcleod,Raymond(1996). Sistem Informasi Manajemen, Jilid-1.
Terjemahan Teguh,H. PT. Prenhallindo, Jakarta.
Nolan,Sean And Huguelet, Tom(2000).Microsoft SQL
Server 7.0 Data Warehousing Training Kit. Microsoft Prees, USA
Poe, Vidette(1998). Building Data Warehouse for
Decision Support, edisi-2. Prentice Hall.
No comments:
Post a Comment