Tugas Data Warehouse Pertemuan 4

Arsitektur Data Warehouse

Arsitektur data warehouse (lihat gambar di bawah) mencakup proses ETL (Extraction, Transformation, Loading) untuk memindahkan data dari operational data source dan sumber data eksternal lainnya ke dalam data warehouse.

Data Mart, Data warehouse dapat dibagi menjadi beberapa data mart, berdasarkan fungsi bisnisnya (contoh data mart untuk penjualan, pemasaran, dan keuangan). Data dalam data warehouse dan data mart diatur oleh satu atau lebih server yang mewakili multidimensional view dari data terhadap berbagai front end tool, seperti query tools, analysis tools, report writers, dan data mining tools.

Tugas pertemuan 3 Data Warehouse

PT. Asuransi Takaful Umum merupakan perusahaan jasa yang bergerak dalam bidang asuransi syariah yang saat ini sedang banyak diminati oleh masyarakat untuk mempercayakan kendaraan mereka ke dalam produk pertanggungan yang dikeluarkan oleh PT. Asuransi Takaful Umum. Berdasarkan data dari PT. Asuransi Takaful Umum, total premi yang berhasil dihimpun dari asurani kendaraan semakin meningkat setiap tahunnya, pada tahun 2001 mencapai Rp.2,3 triliun, tahun 2002 Rp.2,8 triliun, tahun 2003 Rp. 3,2 triliun, dan tahun 2004 mencapai Rp.4 triliun. Seiring dengan meningkatnya jumlah peserta asuransi maka semakin banyak pula jumlah premi dari peserta asuransi, maupun jumlah peserta yang mengajukan klaim kepada PT. Asuransi Takaful Umum. Dengan demikian semakin banyak pula data yang masuk ke dalam perusahaan, data-data tersebut tentunya perlu disimpan, diolah, dan dianalisis untuk menghasilkan suatu informasi yang berguna bagi perusahaan, dan dilaporkan kepada manajer untuk mengetahui keadaan perusahaan pada periode waktu tertentu. Sementara itu, untuk membuat laporan tersebut, dibutuhkan waktu lebih untuk mengumpulkan informasi dan mengolah data yang tersimpan dalam database operasional di General Takaful System. Karena dianggap perlu untuk melakukan pengelolaan data yang berjumlah besar untuk dapat menghasilkan suatu informasi secara cepat, maka dibuatlah suatu perancangan data warehouse yang dapat memudahkan dalam melakukan pengolahan data-data, menganalisis, dan melaporkan hasil analisis data. Metode yang digunakan dalam merancang data warehouse ini adalah Nine Step Design Methodology yang terdiri dari sembilan langkah yaitu memilih proses, menentukan grain/sumber dari proses bisnis, mengidentifikasi dan penyesuaian dimensi, memilih fakta, menyimpan perhitungan awal dalam tabel fakta, melihat kembali tabel dimensi, memilih durasi database, menelusuri perubahan dari dimensi, dan yang terakhir adalah memutuskan prioritas query dan tipe query. Dari penelitian ini menghasilkan sebuah data warehouse untuk PT. Asuransi Takaful Umum, serta jumlah kapasitas media penyimpanan yang dibutuhkan untuk data histori.

Spesifikasi Perangkat Lunak

Software yang digunakan :

Sistem operasi menggunakan Windows 7 Ultimate

Microsoft SQL Server 2008 R2 :

Import dan Export Data (32 bit) untuk  melakukan importing data source ke data warehouse

SQL Server Management Studio untuk  membangun data data warehouse

SQL Server Business Intelligent Development Studio untuk melakukan proses OLAP

Report Builder 3.0 untuk reporting

Tahap awal adalah menngumpulkan data-data yang berhubungan dengan peserta asuransi yang bersumber dari berbagai database seperti data jumlah premi dari peserta asuransi, maupun jumlah peserta yang mengajukan klaim dllnya.

Tahap selanjutnya adalah melakukan ekstrasi terhadap data-data tersebut sesuai rencana kebutuhan pembuatan data warehouse setelah itu data ditransformasi. Pada proses transformasi dilakukan penyeleksian data yang tidak konsisten, memperbaiki penamaan pada field, atribut dan lain-lainnya.

Tahap selanjutnya adalah data loading ke gudang data yang sudah dibangun dengan menggunakan script yang ada di SQL. Sehingga terbentuklah sebuah data warehouse yang siap digunakan untuk menghasilkan suatu informasi yang berguna bagi perusahaan, dan dilaporkan kepada manajer untuk mengetahui keadaan perusahaan pada periode waktu tertentu.

Sumber : http://repository.uinjkt.ac.id/dspace/handle/123456789/1766

Resume Data Warehouse Pertemuan 2

Subjek Oriented Data :

• OLTP

 - Data set disimpan pada sebuah aplikasi individu
 - Menyediakan data untuk semua fungsi organisasi (entering order, checking stock, verifying custumer’s          credit dll)

- Individual data mendukung individual aplikasi

- Pada datawarehouse data disimpan berdasarkan subjek (business subjek), bukan berdasarkan aplikasi

- Manufaktur -> sales, pengiriman, inventori adalah critical business subjects.














Integrated Data :

data perlu di standartkan:









Time Varian Data :
 •Operasional :
- Data pada saat ini (current value)
•Datawarehouse :
- Analisa data pada masa lampau
- Informasi pada saat ini
- Forecast untuk masa yang akan datang

Data Mart adalah bagian data warehouse yang mengandung kebutuhan di tingkat department atau fungsi bisnis tertentu pada perusahaan. Dan karakteristik data mart adalah

1.      Data mart hanya fokus pada kebutuhan-kebutuhan pemakai yang terkait dalam department atau fungsi bisnis,

2.      Data mart tidak mengandung data operasional yang rinci,

3.      Data mart sedikit mengandung informasi dan lebih mudah dipahami serta di navigasi.

Perbedaan Data Warehouse dan Data Mart

Secara singkat data warehouse adalah gabungan dari beberapa data mart yang memiliki level pada perusahaan atau organisasi. Sedangkan data mart adalah bagian data warehouse yang ada pada level department perusahaan atau organisasi tersebut dan data mart menangani satu proses bisnis.

Metadata adalah data yang ada pada data warehouse. Metadata dalam data warehouse sama dengan kamus data atau katalog data yang ada didalam DMBS (Database Management System). Contoh informasi yang di dapat dari metadata ini adalah informasi tentang logical struktur data, index, file beserta alamatnya dan lain-lain.

Fungsi dari metadata

A.     Menggabungkan semua bagian pada data warehouse,

B.     Menyediakan informasi tentang isi dan struktur pada pengembang,

C.     Membuka pintu bagi end - user dan membuat isi yang dapat dikenal oleh mereka.

Tipe-tipe metadata :

a.       Operasi metadata

Terdiri dari semua informasi tentang data sumber.

b.      Ekstraksi dan transformasi metadata

Terdiri dari data dari data extraksi data dari sistem sumber, yaitu:

§  Extraction frequencies

§  Extraction method

§  Business rules untuk data extraction

c.       End – user metadata

Peta navigasi pada data warehouse

Resume Data Warehouse Pertemuan 1

OLTP (Online Transaction Processing) : Secara singkat OLTP adalah segala penanganan dalam proses transaksi sehari-hari, misalkan sebuah toko Alfamart yang menangani ransaksi pembelian setiap harinya, bayangkan ada berapa banyak transaksi input ke dalam database? pasti banyak sekali. lantas apakah data transaksi tersebut akan di diamkan menumpuk sampai berbulan-bulan bahkan bertahun-tahun? disinilah OLAP berperan.

OLAP (Online Analytical Processing) : Secara singkat OLAP adalah suatu proses yang digunakan untuk melakukan permintaan terhadap data dalam bentuk yang kompleks dan menganalisa data yang bervolume besar. maka dari itu OLAP seringkali disebut analisis data multidimensi. Lalu bagaimana OLAP itu bekerja? OLAP bekerja dengan data dalam bentuk multidimensiyang biasanya berbentuk 3 dimensi yang disebut kubus (cube). bagaimana kubus itu dibuat dalam OLAP? nanti akan saya bahas di artikel berikutnya. Dibawah ini adalah gambar bagaimana OLTP dan OLAP, yang saya jelaskan diatas.

Pada OLAP biasanya digunakan untuk pengambilan suatu keputusan, misalkan sebagai contoh para top level di Alfamart ingin melihat data transaksi perbulan, per 3 bulan atau bahkan per tahun untuk pengambilan keputusan barang apa saja yang paling laku dijual da barang apa saja yang tidak laku di pasar.

Dimension Table : Dimension table (tabel dimensi) adalah tabel yang berisi data detail yang menjelaskan foreign key yang terdapat pada fact table. Atribut-atribut yang terdapat pada dimension table dibuat secara berjenjang (hirarki) untuk memudahkan proses query.

Fact Table : Fact table (tabel fakta) adalah tabel yang umumnya mengandung sesuatu yang dapat diukur (measure), seperti harga, jumlah barang, dan sebagainya. Fact table juga merupakan kumpulan foreign key dari primary key yang terdapat pada masing-masing dimension table. Fact table juga mengandung data yang historis.

DATA WAREHOUSE – Tugas 3

1.) Perusahaan yang ingin membangun Data Warehouse :

“Operator Harus Mentransformasi Bisnis”

Sarwoto Atmosutarno, Dirut Telkomsel:

Berbicara bisnis telekomunikasi tahun depan, apakah bisa sukses dan sustain? Itu akan tergantung pada bagaimana para pemimpinnya mentransformasi bisnisnya. Sebab, tahun depan kami perkirakan jumlah pelanggan yang berbasis SIM card akan menyamai, bahkan melebihi, jumlah penduduk. Dengan kata lain, penetrasi pasarnya sudah lebih dari 100%. Akibatnya, itu akan menekan profit dan pendapatan, karena pasar sudah dalam kondisi jenuh, saturation.

Jika pasar dalam kondisi jenuh, kami harus mencari bisnis baru (new business) lain yang bisa mengompensasi tekanan revenue, pangsa pasar dan profitabilitas. Ada beberapa yang berhasil secara signifikan mengatasi soal profitabilitas itu. Namun, penderitaannya terhadap tekanan pasar ini sama. Pasalnya, di Indonesia, selain penetrasinya akan melebihi 100%, pemain di industri ini pun sudah terlalu banyak: lebih dari 11 perusahaan. Cina saja yang penduduknya 1 miliar, jumlah operatornya tidak sebanyak di Indonesia. Ini menjadi tugas regulator bagaimana mengatasinya. Jangan sampai pasar dibiarkan. Buktinya, perang harga terjadi lagi. Di industri Internet pun sudah mulai ada perang harga. Dari sisi industri, ini berbahaya.

Karena itu, perusahaan telekomunikasi sudah saatnya melakukan transformasi bisnis, yakni menuju bisnis data dan Internet. Jika pada bisnis data dan Internet terjadi perang harga juga, industri telekomunikasi akan berat sekali.

Ketika industri dalam kondisi jenuh dan jumlah operator terlalu banyak, ada tiga tahap konsolidasi yang perlu dilakukan. Pertama, konsolidasi jaringan (infrastruktur). Contohnya, dengan tower sharing atau bandwidth sharing. Kedua, konsolidasi di bidang services, karena platform-platform value added service bisa dibuat bersama. Misalnya, ring back tone (RBT) atau musik, cukup Telkomsel yang punya, sementara operator-operator lain ikut saja. Dengan begitu, mereka tidak perlu mengeluarkan capital expenditure. Ini konsolidasi juga, sehingga industri ini efisien. Tidak perlu duplikasi, dan akan menekan cost. Ketiga, konsolidasi dalam hal entitasnya, dengan merger atau akuisisi. Contohnya, belakangan ada wacana merger Flexi – Esia dan Smart – Mobile 8.

Maka, sejak tahun lalu Telkomsel sudah mempersiapkan masuk ke bisnis baru, yaitu bisnis data dan Internet. Sejauh ini, kami lihat dari sisi result, pertumbuhan bisnis baru hampir 84% setahun. Persentase kontribusi bisnis baru terhadap total bisnis meningkat. Tahun lalu persentasenya 7%, tahun ini sudah 13%. Ini menunjukkan Telkomsel sudah mentransformasi bisnis dengan benar, karena telah meningkat dua kali lipat dari tahun sebelumnya. Di negara maju seperti Jepang, kontribusi bisnis baru terhadap total revenue ini sudah lebih dari 50%. Semua pemain telekomunikasi akan mengarah ke sana. Tahun depan, Telkomsel menargetkan persentase bisnis baru ini akan mendekati 20%.

Untuk masuk ke bisnis baru ini, banyak yang harus disiapkan. Dari sisi infrastruktur, kami akan menggelar broadband secara lebih luas. Broadband Telkomsel sudah siap di 25 kota. Tahun depan akan dikembangkan hingga 40 kota. Itu penting sekali. Dari sisi sistem support, Telkomsel membangun billing system dan CRM yang lebih canggih. Telkomsel juga membangun data warehouse yang memiliki kapasitas lebih dari 2 pentabyte. Ini untuk mempersiapkan target pelanggan kami yang akan lebih dari 100 juta pada tahun depan. Sekarang pelanggan Telkomsel telah mencapai 95 juta.

Selain itu, kami juga akan membangun platform yang lebih kuat. Saat ini di Telkomsel sudah ada beberapa platform, seperti Music Platform, Application Platform, Mobile Commerce Platform (mobile payment, contactless, T-Cash, dan sebagainya), dan Mobile Advertising Platform. Itu persiapan-persiapan kami untuk menjalankan bisnis baru dengan lebih baik.

Di era new business, yang menonjol adalah kemitraan dan kolaborasi. Dalam era seperti itu, pemimpin maupun SDM harus open minded dan berpikir win-win. Sekarang, tidak bisa lagi mau menang sendiri. Sebab, bisnis baru tidak bisa dikerjakan sendiri. Operator harus mengundang mitra.

Agenda prioritas saya ke depan adalah, pertama, Telkomsel harus me-rebound bisnis ini. Itu harus kami kembalikan: pertumbuhan revenue, pangsa pasar dan profitabilitas. Kedua, menjadikannya sebagai high performance organization. Kami coba mengingatkan, ini lho ada bisnis baru, ada ilmu baru, yaitu IP broadband. Tahun depan, kami punya program: lebih dari 50% orang di Telkomsel harus ready broadband juga. Bukan saja kota-kotanya yang ready broadband. Karena Telkomsel sebagai planner dan controller, SDM-nya harus mengerti broadband itu apa dan karakternya seperti apa. Sebab, berbeda sekali dengan bisnis lalu yang terdiri dari calling dan SMS.

Tantangannya sebenarnya pada regulasi soal frekuensi yang perlu ditata kembali. Karena, frekuensi yang sekarang menyebabkan tidak semua operator siap menuju broadband. Misalnya, frekuensi hanya 5-10 megabyte, itu tidak mencukupi. Dari sisi itu, bisa diselesaikan dengan konsolidasi. Mengenai soal BHP frekuensi dan interkoneksi, saya asumsikan selesai.

Tantangan lainnya, bagaimana pemerintah menyikapi perang harga yang tak terkendali. Pemerintah harus memberi jaminan kompetisi dan kepastian return on investment. Saat ini, dari 11 operator, kompetisinya hanya dinikmati 3-4 operator.

Jadi, meskipun saturation, bisnis ini tidak akan mati. Selama kita berhasil mentransformasi bisnis ke bisnis baru, tidak akan bermasalah. Saya pun masih yakin Telkomsel akan terus nomor satu, bahkan hingga lima tahun ke depan. Pangsa pasar kami 50% tetap terjaga. Telkomsel memiliki volume bisnis US$ 5 miliar. Profit kami lebih besar daripada bank BUMN terbesar dan kami pembayar pajak terbesar.

Sumber :http://swa.co.id/sajian-utama/menyiapkan-amunisi-untuk-menubruk-peluang

2.) Buat soal serta solusinya tentang segala yang berhubungan dengan data warehouse (minimal 3) :

1.) Sebutkan hal-hal yang melatarbelakangi datamining?

• Melimpahnya data (overload data) yang dialami oleh berbagai institusi, perusahaan atau organisasi.
• Merlimpahnya data ini merupakan akumulasi data transaksi yang terekam bertahun-tahun..
• Data–data tersebut merupakan data transaksi yang umumnya diproses menggunakan aplikasi komputer yang biasa disebut dengan OLTP (On Line Transaction Processing).

2.) Berikan 4 contoh dan penjelasan implementasi datamining?

Analisa Pasar dan Manajemen

Untuk analisa pasar, banyak sekali sumber data yang dapat digunakan seperti transaksi kartu kredit, kartu anggota club tertentu, kupon diskon, keluhan pembeli, ditambah dengan studi tentang gaya hidup publik.

Telekomunikasi

Sebuah perusahaan telekomunikasi menerapkan data mining untuk melihatdari jutaan transaksi yang masuk, transaksi mana sajakah yang masih harusditangani secara manual (dilayani oleh orang). Tujuannya tidak lain adalahuntuk menambah layanan otomatis khusus untuk transaksi-transaksi yangmasih dilayani secara manual. Dengan demikian jumlah operator penerimatransaksi manual tetap bisa ditekan minimal.

Keuangan

Financial Crimes Enforcement Network di Amerika Serikat baru-baru inimenggunakan data mining untuk me-nambang trilyunan dari berbagai subyek seperti property, rekening bank dan transaksi keuangan lainnya untuk mendeteksi transaksi-transaksi keuangan yang mencurigakan (seperti money laundry). Mereka menyatakan bahwa hal tersebut akan susah dilakukan jika menggunakan analisis standar.  (www.senate.gov/~appropriations/treasury/testimony/sloan.htm. Mungkinsudah saatnya juga Badan Pemeriksa Keuangan Republik Indonesia menggunakan teknologi ini untuk mendeteksi aliran dana BLBI.

Asuransi

Australian Health Insurance Commision menggunakan data mining untukmengidentifikasi layanan kesehatan yang sebenarnya tidak perlu tetapi tetap dilakukan oleh peserta asuransi. Hasilnya? Mereka berhasil menghemat satu juta dollar per tahunnya. ATentu saja ini tidak hanya bias diterapkan untuk asuransi kesehatan, tetapi juga untuk berbagai jenis asuransi lainnya.

3.)  Jelaskan perbedaan-perbedaan antara data operasional dengan data warehouse?


 Data Operasional

• Dirancang berorientasi hanya pada aplikasi dan fungsi tertentu
• Fokusnya pada desain basisdata dan proses
• Berisi rincian atau detail data
• Relasi antar table berdasar aturan terkini(selalu mengikuti aturan terbaru)

Data Warehouse

• Dirancang berdasar pada subjek-subjek tertentu (utama)
• Focusnya pada pemodelan data dan desain data
• Berisi data-data history yang akan dipakai dalam proses analisis
• Banyak aturan bisnis dapat tersaji antara tabel-tabel

4.) Sebutkan dan jelaskan secara singkat tugas-tugas yang dilakukan data warehouse?

• Pembuatan laporan, Pembuatan laporan merupakan salah satu kegunaan data warehousing 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.
• Proses informasi eksekutif, data warehousing dapat membuat ringkasan informasi yang penting dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi keseluruhan data. Dengan menggunakan data warehousing segala laporan telah diringkas dan dapat pula mengetahui segala rinciannya secara lengkap, sehingga mempermudah proses pengambilan keputusan. Informasi dan data pada laporan data warehousing menjadi target informatif bagi pengguna.

5.) Sebutkan 4 keuntungan menggunakan data warehouse!

• Data diorganisir dengan baik untuk query analisis dan sebagai bahan untuk pemrosesan transaksi.
• Perbedaan diantara struktur data yang heterogen pada beberapa sumber yang terpisah dapat diatasi.
• Aturan untuk transformasi data diterapkan untuk memvalidasi dan mengkonsolidasi data apabila data dipindahkan dari basisdata OLTP ke data warehouse
• Masalah keamanan dan kinerja bisa dipecahkan tanpa perlu mengubah sistem produksi.

DATA WAREHOUSE – Resume 2

PENTINGNYA 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:

1. 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.

2. 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.

3. 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.

4. 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).

• Data diorganisir dengan baik untuk query analisis dan sebagai bahan untuk pemrosesan transaksi.
• Perbedaan diantara struktur data yang heterogen pada beberapa sumber yang terpisah dapat diatasi.
• Aturan untuk transformasi data diterapkan untuk memvalidasi dan mengkonsolidasi data apabila data dipindahkan dari database OLTP ke data warehouse.
• 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):

• Kemampuan untuk mengakses data yang besar
• Kemampuan untuk memiliki data yang konsistent
• Kemampuan kinerja analisa yang cepat
• Mengetahui adanya hasil yang berulang-ulang
• Menemukan adanya celah pada business knowledge atau business process.
• Mengurangi biaya administrasi

Memberi wewenang pada semua anggota dari perusaahan dengan menyediakan kepada mereka informasi yang dibutuhkan agar kinerja bisa lebih efektif.

Sumber :

Fatansyah(2002). Buku Teks Ilmu Komputer – Basis Data, cetakan-4. Informatika

Inmon, W.H.(2002). Building the Data Warehouse,edisi-3. Wiley Computer Publishing.

Poe, Vidette(1998). Building Data Warehouse for Decision Support, edisi-2. Prentice Hall.

DATA WAREHOUSE – Resume 1

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 padadata warehouse normalisasi bukanlah cara yang terbaik.

Dari definisi-definisi yang dijelaskan tadi, dapat disimpulkan data warehouseadalah 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 :

1. Data Mart

Adalah suatu bagian pada data warehouse yang mendukung pembuatan laporan dan analisa data pada suatu unit, bagian atau operasi pada suatu perusahaan.

2. 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.

3. On-Line Transaction Processing(OLTP)

Merupakan suatu pemrosesan yang menyimpan data mengenai kegiatan operasional transaksi sehari-hari.

4. 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).

5. Fact Table

Merupakan tabel yang umumnya mengandung angka dan data history dimanakey (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

6.DSS

Merupakan 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 :

1. 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

2. 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 seperti 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.

Sumber :

http://www.cait.wustl.edu/papers/prism/vol1_no1/integration/home.html

3. 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 :

• Cara yang paling sederhana adalah menyajikan data warehouse pada rentang waktu tertentu, misalnya antara 5 sampai 10 tahun ke depan.
• 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.

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.

4. 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 continue menyerap data baru ini, kemudian secara incremental disatukan dengan data sebelumnya.

Sumber

Fatansyah(2002). Buku Teks Ilmu Komputer – Basis Data, cetakan-4. Informatika

Inmon, W.H.(2002). Building the Data Warehouse,edisi-3. Wiley Computer Publishing.