Data Warehouse 3

Case

      Tujuan dari penelitian ini adalah untuk membuat data warehouse sebagai pendukung pengambilan keputusan Program Keluarga Berencana Nasional pada Badan Koordinasi Keluarga Berencana Nasional (BKKBN) yang bergerak di bidang pendataan dan pengendalian keluarga. Penelitian ini membatasiruang lingkup pada data kependudukan peserta Keluarga Berencana (KB) dan bagian logistic alat kontrasepsi. Kedua hal inilah yang cukup berpengaruh dalam kesuksesan Program Keluarga Berencana Nasional. Metedologi yang digunakan dalam penyusunan skripsi ini adalah metode studi kepustakaan, analisis dan perancangan yang terdiri dari penentuan proses bisnis, penentuan grain, penentuan dimensi, penentuan fakta dan perancangan skema bintang. Penelitian ini telah menghasilkan rancangan data warehouse yang berisikan data yang telah terintegrasi, bersifat historis, ringkas dan dapat ditampilkan sesuai dengan keinginan dan kebutuhan pihak eksekutif untuk menunjang proses pengambilan keputusan. Simpulan dari penelitian ini adalah data yang dibutuhkan untuk analisis dalam pengambilan keputusan dapat diintegrasikan  dari berbagai sumber melalui data warehouse yang dirancang telah dapat memenuhi kebutuhan informasi para eksekutif dan membuat pengambilan keputusan menjadi lebih cepat dan akurat. Selain itu disarankan juga untuk memperluas ruang lingkup perancangan data warehouse serta dapat dikembangkan terus hingga ke tahap selanjutnya yaitu  data maining.

Soal beserta solusinya

1.      Mengapa pada proses pembuatan Data warehousenya menggunakan Skema Bintang ?

Jawab : 

Karena dengan Skema Bintang BKKBN akan memperoleh keuntungan sebagai berikut :

-          Membentuk rancangan database yang memberikan waktu respon yang cepat.

-          Menghasilkan rancangan yang dapat dimodifikasi dengan mudah atau ditambahkan sesuai dengan perkembangan dan pertumbuhan data warehouse

-          Paralel dalam perancangan databasenya.

2.      Perbedaan Output dari Data Mining dan Data Warehouse ?

Jawab :

-     Data Mining merupakan teknologi yang sangat berguna untuk membantu perusahaan-perusahaan dalam menemukan informasi yang sangat penting dari Data Warehouse mereka. Dengan data mining dapat meramalkan tren dan sifat-sifat perilaku bisnis yang sangat berguna untuk mendukung pengambilan keputusan penting.

-   Data Warehouse merupakan teknologi yang menghasilkan sebuah informasi yang berguna untuk proses pengambilan keputusan dalam sebuah organisasi atau perusahaan

3.      Mengapa data yang ditampilkan oleh Data Warehouse dapat digunakan untuk pendukung pengambilan keputusan ?

Jawab :

Karena data warehouse merupakan tempat ditampungnya banyak informasi dari sebuah organisasi atau perusahaan dari bisnis mereka pada masa lalu yang dapat digunakan untuk pandangan ke depannya. Karena dengan data masa lampau mereka dapat memperbaiki apapun di masa lampau yang mereka rasa kurang baik dan kurang tepat.

Daftar Pustaka

-          http://eprints.binus.ac.id/1646/1/2007-3-00147-IF-Abstrak.pdf

Data Warehouse II

I.            OLAP (On Line Analyze Processing)

OLAP merupakan sebuah sistem yang mengatur aplikasi berorientasi pada transaksi, umumnya untuk entry dan pengambilan pada transaksi online. Karena itu, sebuah database OLTP hanya akan memproses database transaksi, dan tentunya terpisah dari data warehouse. Sistem OLTP harus mampu melakukan respon dengan segera terhadap permintaan user,  misalnya seperti pada ATM. Contoh lainnya meliputi sistem order, perhitungan waktu, e-commerce, ataupun e-trading.

OLAP dapat digunakan untuk melakukan konsolidasi, drill-down, dan slicing and dicing.

·         Konsolidasi

Melibatkan pengelompokan data. Sebagai contoh kantor-kantor cabang dapat dikelompokkan menurut kota atau bahkan propinsi. Transaksi penjualan dapat ditinjau menurut tahun, triwulan, bulan, dan sebagainya. Kadangkala istilah rollup digunakan untuk menyatakan konsolidasi.

·         Drill-Down

Suatu bentuk yang merupakan kebalikan dari konsolidasi, yang memungkinkan data yang ringkas dijabarkan menjadi data yang lebih detail. Sebagai contoh, mula-mula data yang tersaji didasarkan pada kuartal pertama. Jika dikehendaki, data masing-masing bulan pada kuartal pertama tersebut bisa diperoleh, sehingga akan tersaji data bulan Januari, Februari, Maret, dan April.

·         Slicing and Dicing (Pivoting)

Menjabarkan pada kemampuan untuk melihat data dari berbagai sudut pandang. Data dapat diiris-iris atau dipotong-potong berdasarkan kebutuhan. Sebagai contoh, dapat diperoleh data penjualan berdasarkan semua lokasi atau hanya pada lokasi-lokasi tertentu.

Sistem OLAP pada masa awal menggunakan larik multidimensi di dalam memori untuk menyimpan data kubus. Sistem seperti ini disebut MOLAP (Multidimensional OLAP). Pada perkembangan selanjutnya, data disimpan dalam bentuk basis data relasional. Sistem OLAP seperti ini dikenal dengan sebutan ROLAP (Relational OLAP), selain MOLAP dan ROLAP, terdapat pula sistem yang dinamakan hybrid OLAP (HOLAP), yaitu sistem OLAP yang menyimpan beberapa ringkasan dalam memori dan menyimpan basis data dan ringkasan-ringkasan yang lain dalam basis data relasional.

Karakteristik OLAP :

·         Permintaan data sangat kompleks,

·         Jarang ada pemutakhiran, dan

·         Transaksi mengakses banyak bagian dalam basis data.

II.            OLTP (On Line Transaction Processing)

OLTP adalah jenis perangkat lunak yang digunakan untuk melakukan permintaan terhadap data dalam bentuk yang kompleks dan bersifat sementara serta sewaktu-waktu. OLAP memanipulasi dan menganalisis data bervolume besar dari berbagai perspektif (multidimensi). Oleh karena itu OLAP seringkali disebut analisis data multidimensi. OLAP bekerja dengan data dalam bentuk multidimensi. Yang umum, bentuk tiga dimensi diwujudkan ke dalam bentuk kubus data.

Karakteristik OLTP :

·         Transaksi singkat dan sederhana,

·         Pemutakhiran relatif sering dilakukan, dan

·         Transaksi hanya mengakses sebagian kecil basis data.

III.            Comparing OLTP n OLAP

IV.            DAFTAR PUSTAKA

-          http://giriayoga.com/2011/03/16/perbedaan-oltp-dan-olap/

-          http://andrey-derma.com/article/detail/32/Mengenal-OLAP-dan-OLTP

-          http://maisya.staff.gunadarma.ac.id/

Data Warehouse

I.            Data Warehouse

Kumpulan data yang berorientasi subjek, terintegrasi, time-variant, dan non volatile untuk mendukung proses pengambilan keputusan. Kesimpulannya data warehouse merupakan kumpulan data yang berorientasi subjek, terintegrasi, time-variant, dan non volatile untuk mendukung proses pengambilan keputusan.

Subject Oriented :

Data warehouse mengorganisasikan subjek utama perusahaan (pe-langgan, produk, dan penjualan), bukan area aplikasi utama (faktur pelanggan, pengawasan stock, dan penjualan produk). Hal ini menggambarkan kebutuhan untuk menyimpan data pendukung keputusan dari pada aplikasi yang berorientasi data.

·         Integrated

Pengambilan secara bersamaan sumber data yang berasal dari system aplikasi berbagai perusaan besar yang berbeda. Sumber data sering tidak konsisten, misal berbeda format. Sumber data yang terintegrasi harus dapat dibuat konsisten untuk menggambarkan view gabungan data ke pemakai.

·         Time variant

Data warehouse hanya akurat dan valid pada saat tertentu atau beberapa interval waktu tertentu.

·         Non-volatile

Data tidak diperbaharui secara real time tetapi diperbaharui dari system operasional secara regular. Data baru selalu ditambahkan sebagai lampiran pada basis data, bukan menggantikan data lama.

Keuntungan Data Warehouse

-          Pengembalian investasi yang tinggi

-          Keuntungan yang kompetitif

-          Meningkatkan produktifitas para pembuat keputusan korporasi

·         Data warehouse digunakan untuk mendukung pengambilan keputusan, bukan untuk melaksanakan pemrosesan transaksi

·         Data warehouse hanya berisi informasi-informasi yang relevan bagi kebutuhan pemakai yang dipakai untuk pengambilan keputusan.

II.            Arsitektur Data Warehouse

III.            Sumber data untuk Data Warehouse :

1.       Data operasional dalam organisasi, misalnya basis data pelanggan dan produk.

2.       Sumber eksternal yang diperoleh misalnya melalui Internet, basis data komersial, basis data pemasok atau pelanggan.

Berbagai data yang berasal dari sumber digabungkan dan diproses lebih lanjut oleh manajer data warehouse dan disimpan dalam basis data tersendiri. Selanjutnya, perangkat lunak seperti OLAP dan data mining dapat digunakan oleh pemakai untuk mengakses data warehouse.

IV.            Alur  Data Warehouse

·         Inflow

Pengekstrasian, pembersihan, dan pemuatan sumber data.

·         Upflow

Menambahkan nilai data ke dalam warehouse melalui ringkasan, pemaketan, dan pendistribusian data.

·         Downflow

Pengarsipan dan backup data ke dalam warehouse.

·         Outflow

Membuat data agar tersedia untuk pemakai akhir.

·         Meta-flow

Pengaturan meta-data

V.            Teknologi dan Peralatan Data Warehouse

Peralatan untuk pengekstrasian, pembersihan, dan transformasi:

·         Code generator

Membuat program transformasi 3GL/4GL yang dapat disesuaikan berdasarkan sumber dan target pendefinisian data.

·         Database data replication tools

Menggunakan database trigger dan recovery log untuk merekam perubahan terhadap sumber data tunggal pada satu system dan mengunakan perubahan tsb kesuatu salinan sumber data yang dialokasikan pada sebuah sistem yang berbeda.

·         Dynamic transformation engines

Merekam data dari sumber system pada interval yang telah definisikan pemakai, mentransformasikan data kemudian mengirim dan memuat hasilnya ke dalam target lingkungan

VI.            Perancangan Data Warehouse

Petunjuk membangun data warehouse :

o   Menentukan misi dan sasaran bisnis bagi pembentukandata warehouse.

o   Mengidentifikasi data dari basis data operasional dan sumber lain yang diperlukan bagi data warehouse.

o   Menentukan item-item data dalam perusahaan dengan melakukan standarisasi penamaan data dan artinya

o   Merancang basis data untuk data warehouse

o   Membangun kebijakan dalam mengarsipkan data lama sehingga ruang penyimpanan tak menjadi terlalu besar dan agar pengambilan keputusan tidak menjadi terlalu lamban.

o   Menarik data produksi (operasional) dan meletakkan ke basis data milik data warehouse

VII.            Contoh Implementasi data warehouse di Oracle

Fasilitasyang disediakanOracle untukdata warehouse :

1.       Summary management

Mekanisme untuk menyimpan data multi dimensi dan ringkasan perhitungan pada sebuah tabel.

2.       Analytical functions

Penggunaan fungsi analitikal SQL (ranking, moving aggregate,dll) untuk keperluan business intelligence dan aplikasi data warehouse.

3.       Bitmapped indexes

Meningkatkan kinerja yang sangat baik terhadap aplikasi data warehouse.

4.       Advanced join methods

Dengan partition wise-join, secara dramatis meningkatkan kinerja join yang melibatkan tabel yang telah dipartisi pada join key.

5.       Sophisticated SQL optimizer

Optimizer secara dinamik menentukan path dan join yang paling efisien untuk setiap query

6.       Resource management

Menyediakan pengawasan sumber-sumber system yang telah ditentukan pemakai.