Data Warehouse Dan Business Intelligence

Oleh

Ida Bagus Brama Barnawa/1304505079

Jurusan Teknologi Informasi Fakultas Teknik Univeristas Udayana

Data Warehouse

Dosen Pengampu

I Putu Agus Eka Pratama S.T., M.T.

Peranan Data Warehouse dalam suatu aktifitas perusahaan atau instansi apapun itu jelas sangat penting. Selain sebagai media penyimpanan data, Data Warehouse juga berperan penting dalam berhasil atau tidaknya suatu usaha. Keberhasilan tersebut tidak hanya karena peranan dari SDM saja, namun juga dari sistem yang digunakan dalam membantu pengambilan keputusan itu sendiri. Dalam kasus ini yaitu BI atau Business Intelligence. 

Business Intelligence adalah tool atau teknik yang men-transform atau merubah data bisnis dengan tujuan membantu pengambilan suatu keputusan. Peranan BI sangat penting dalam menentukan keputusan dan strategi yang tepat dalam pasar. BI (Business Intelligence) berbeda dengan AI (Artificial Intelligence). AI (Artificial Intelligence) merupakan suatu bentuk kecerdasan buatan yang diciptakan untuk meniru suatu kepintaran ilmiah yang biasanya dimasukkan dalam mesin komputer guna meyelesaikan suatu masalah. Jika dilihat dari definisinya, perbedaan antara AI dan BI terlihat jelas yakni BI merupakan kecerdasan yang dibuat untuk membantu mengambil keputusan, dengan kata lain informasi apapun yang diberikan oleh sistem merupakan informasi mentah yang akan dipertimbangkan dalam menentukan strategi berikutnya. Sedangkkan AI (dalam hal ini kegunaannya sebagai sistem pakar atau expert system) merupakan kecerdasan yang dibuat menjadi penentu dari keputusan itu sendiri, artinya informasi yang diberikan bersifat mutlak dan harus dilakukan oleh pengguna sistem. Dengan kata lain BI membantu pengguna mengambil keputusan, sedangkan AI merupakan penentu atau pembuat dari keputusan.

Dalam suatu sistem, umumnya Data Warehouse, Business Intelligence, OLAP (Online Analytical Processing), Data Mining, dan Open Data sering digunakan dalam setiap pengolahan data bervolume besar untuk menjadi suatu informasi yang dibutuhkan oleh pengguna. Mereka memiliki peranan masing-masing dalam pengolahan suatu data agar menjadi suatu informasi yang berguna bagi pengguna. Data Warehouse sebagai analisa data, analisa di sini merupakan pengelompokan atau pemilahan data agar data tersebut mudah untuk digunakan lebih lanjut. Kemudian OLAP dan Data Mining, kedua bagian ini sama-sama sebagai tempat pemrosesan data yang utama, di bagian ini data akan diproses dan dianalisis kemudian akan ditemukan beberapa informasi yang dapat digunakan sebagai pengambilan suatu keputusan. Seluruh informasi tersebutlah yang akan ditampilkan dalam Bussiness Intelligence sehingga dapat ditentukan kebijakan atau strategi apa yang akan dijalankan kedepannya. Open data sendiri jarang digunakan karena biasanya hanya digunakan dalam suatu instansi bukan bisnis karena sifatnya yang terbuka dan bebas untuk disebar luaskan namun harus mencantumkan sumber datanya.

Dalam Data Warehouse terdapat tiga jenis arsitektur yakni arsitektur Central, Federated, dan Tiered. Arsitektur Central seperti namanya, client dan sumber data langsung disimpan dalam sebuah Data Warehouse tanpa adanya Database perantara antara client dengan Data Warehouse. Sementara arsitektur Federated adalah kebalikan dari Central, yakni dimana antara client dan Data Warehouse terdapat Database dari setiap client yang nantinya akan disimpan ke sebuah Data Warehouse. Sedangkan arsitektur Tiered, seperti definisinya yaitu terikat, arsitektur ini terikat pada sebuah client yang menjadi acuan utama dalam integrasi data, client inilah yang menjadi pusat dan akan berakhir di suatu Data Warehouse. Untuk lebih jelasnya lihat gambar:

Arsitektur Data Warehouse

Daftar Pustaka

[1] Wikipedia (Indonesia). Kecerdasan Buatan. https://id.wikipedia.org/wiki/Kecerdasan_buatan . 24 Sept 2015

[2] Rencana IT. FAQ Data Mining. 2013. https://rencanait.wordpress.com/2010/03/05/faq-data-mining/ . 24 Sept 2015

Data Warehouse, OLAP, dan OLTP

Oleh

Ida Bagus Brama Barnawa/1304505079

Jurusan Teknologi Informasi Fakultas Teknik Univeristas Udayana

Data Warehouse

Dosen Pengampu

I Putu Agus Eka Pratama S.T., M.T.

Konsep Data Warehouse

Sumber: http://savis.vn/wp-content/uploads/2014/08/data-warehouse.jpg

OLAP dan OLTP memiliki kaitan yang erat dengan Data warehouse. Sebelum memahami apa itu OLAP dan OLTP maka perlu memahami terlebih dahulu mengenai Data warehouse, dan berikut merupakan beberapa pendapat para ahli mengenai Data warehouse:

• Menurut W.H. Inmon dan Richard D.H., adalah Data warehousing adalah koleksi data yang mempunyai sifat berorientasi subjek, erintegrasi, time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management.
• Menurut Vidette Poe, adalah data warehousing merupakan basisdata yang bersifat analisis dan read only yang digunakan sebagai fondasi dari sistem penunjang keputusan.
• Menurut Paul Lane, adalah data warehousing merupakan basisdata 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 warehousing memisahkan beban kerja analisis dari beban kerja transaksi dan memungkinkan organisasi menggabung/konsolidasi data dari berbagai macam sumber.

Dari definisi-definisi para ahli tadi, yang dapat disimpulkan data warehouse adalah basis data yang saling berhubungan dan dapat diambil suatu data yang dapat diolah menjadi informasi, serta bersifat orientasi subjek, terintegrasi, time variant, tidak berubah yang juga dapat digunakan untuk membantu pengambil keputusan. (Dewangga Pramananda : Konsep Data warehouse Serta Pengertian OLAP dan OLTP).

OLAP vs OLTP

Sumber: http://datawarehouse4u.info/images/olap_vs_oltp.jpg 

OLAP (Online Analytical Processing)

Online Analytical Processing atau Proses Analisis Online merupakan suatu perangkat lunak yang digunakan untuk memproses dan menganalisis suatu data multidimensi bervolume besar yang bertujuan untuk mengatasi keterbatasan basis data relasional sehingga dapat memperoleh suatu informasi yang dibutuhkan pengguna dari berbagai perspektif. Data multidimensi adalah data yang dapat dimodelkan sebagai atribut dimensi dan atribut ukuran. Contoh atribut dimensi adalah nama barang dan warna barang, sedangkan contoh atribut ukuran adalah jumlah barang.

Desain database dalam OLAP adalah database yang denormalisasi. De-normalized dengan sedikit tabel dan menggunakan star/showflake schemas. OLAP menggunakan dimensional mode. Perancangan dan penerapan dimensional model dilakukan pada data warehouse untuk di ambil dan dianalisis oleh OLAP. Dimensional model merupakan permodelan data yang terdiri dari tabel dimensi dan tabel fact yang relasianya dapat di gambarkan pada star scema, tabel fact merupakan tabel utama dalam dimensional model yang berisi pengukuran nilai angka dari bisnis yang disimpan. Tabel dimensi merupakan tabel perlengkapan dari tabel fact yang berisi penjelasan tekstuan dari bisnis. Keuntungan dari dimensional model ialah memisahkan rancangan logika tabel dengan tipe query yang di gunakan pengguna. keuntungan lainya pengguna dimensional model ialah kemudahan pengawasan terhadap penambahan data kemudian penambahan kolom dan rancangan baru serta menagani pergantian kebutuhan bisnis. 

OLAP sendiri merupakan bagian dari Business Intelligencey yang berguna untuk menyediakan laporan analisis, seperti penjualan, marketing, BPM (Business Process Management), budgeting, forecasting, keuangan dan sebagainya. (Adi Wira : Perbedaan OLTP dengan OLAP)

OLTP (Online Transaction Processing)

Online Transaction Processing atau Proses Transaksi Online adalah suatu aplikasi yang digunakan untuk memanipulasi data (insert, delete, update) dalam suatu transaksi. Biasanya OLTP digunakan pada perusahaan-perusahaan atau lembaga lain untuk memanipulasi data mereka guna menjalankan tugas sehari-hari. Hal ini berarti data tersebut bersifat asli dan akan terus di-update (baik itu ditambah, dihapus, maupun dirubah). Biasanya kapasitas space yang digunakan untuk menyimpan data relatif kecil. Mengingat query yang digunakan cukup sederhana, hal ini membuat kecepatan prosesnya relatif cepat.  Salah satu keunggulan dari OLTP yang lain adalah data tersebut dapat disimpan ke dalam beberapa platform sehingga memungkinkan berbagai aplikasi untuk memanipulasi data tersebut.

Desain database dalam OLTP bersifat Entity Relational atau database-nya dinormalisasi dulu sebelum digunakan. Database untuk mendukung OLTP adalah database yang normal. OLTP mengunakan data model ER untuk melihat transaksi sebagai proses model yang tunggal dan sinormalisaionel untuk menjaga integritas data. Karena sudah dinormalisasikan, maka data tersebut jadi lebih mudah di ambil dan dianalisis.  Rancangan OLTP mengharuskan perancangan logika tabel dan tipe query secara bersama-sama agar tabel tersebut dapat terakses dengan cepat.

DAFTAR PUSTAKA:

[1] Resti. 2013. Perbedaan OLAP dan OLTP. http://tehnikinformatia.blogspot.com/2013/07/perbedaan-olap-dan-oltp.html . 12 Sept 2015

[2] Wira, Adi. 2008. Perbedaan OLTP Dengan OLAP. https://adiwira058.wordpress.com/2008/12/09/perbedaan-oltp-dengan-olap/ . 11 Sept 2015

[3] Pramananda, Dewangga.  2014. Konsep Datawarehouse Serta Pengertian OLAP dan OLTP. http://dundungismyblog.blogspot.com/2014/09/data-warehouse-oltp-dan-olap-simak.html . 11 Sept 2015

[4]Putri, Alifianti. 2014. Data Warehouse, OLTP dan OLAP, Fact dan Dimension Table.

 http://datawarehouse12.blogspot.com/2014/12/data-warehouse-oltp-dan-olap-fact-dan.html . 11 Sept 2015