DATA WAREHOUSE

PENGERTIAN DATA WAREHOUSE

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. Sedangkan Vidette Poe, data warehouse merupakan database yang bersifat analisis dan read only yang digunakan sebagai fondasi dari sistem penunjang keputusan. Data warehouse juga bisa diartikan sebagai 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.

Sedangkan Karakteristik data warehouse menurut Inmon, yaitu :

a. Subject Oriented (Berorientasi subject)

Tabel 5. Data Operasiaonal dan Data Warehouse

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

 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.

b.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.

c. 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.

d. 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).

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).

Sedangkan kombinasi data mining verifikasi dan penemuan merupakan perkembangan data mining di masa depan akan mengkombinasikan pendekatan hipotesis dan penemuan. Perkembangan ini menggunakan penalaran yang sama yang mendasari konsep Sistem Pendukung Keputusan (Decision Support System – DSS). Konsep tersebut memungkinkan pemakai dan komputer bekerja sama untuk memecahkan suatu masalah. Pemakai menerapkan keahliannya dalam hal masalah, dan komputer melakukan analisis data yang canggih untuk memilih data yang tepat dan menempatkannya dalam format yang tepat untuk pengambilan keputusan. Menurut Fayyad Usama (1996), proses KDD secara garis besar dapat dijelaskan sebagai berikut:

1. Data Selection

Pemilihan (seleksi) data daru sekumpulan data operasional perlu dilakukan sebelum tahap penggalian informasi dalam KDD dimulai. Data hasil seleksi yang akan digunakan untuk proses data mining, disimpan dalam suatu berkas, terpisah dari basis data operasional.

1. Pre-processing/ Cleaning

Sebelum proses data mining dapat dilaksanakan, perlu dilakukan proses cleaning pada data yang menjadi fokus KDD.

Proses cleaning mencakup antara lain membuang duplikasi data, memeriksa data yang inkonsisten, dan memperbaiki kesalahan pada data, seperti kesalahan cetak (tipografi).

Juga dilakukan proses enrichment, yaitu  proses “memperkaya” data yang sudah ada dengan data atau informasi lain yang relevan dan diperlukan untuk KDD, seperti data atau informasi eksternal.

1. Transformation

Coding adalah proses transformasi pada data yang telah dipilih, sehingga data tersebut sesuai untuk proses data mining. Proses coding dalam KDD merupakan proses kreatif dan sangat tergantung pada jenis atau pola informasi yang akan dicari dalam basis data

1. Data mining

Data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu. Teknik, metode, atau algoritma dalam data mining sangat bervariasi. Pemilihan metode atau algoritma yang tepat sangat bergantung pada tujuan dan proses KDD secara keseluruhan.

1. Interpretation/ Evaluation

Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan. Tahap ini merupakan bagian dari proses KDD yang disebut dengan interpretation. Tahap ini mencakup pemeriksaan apakah pola atau informasi yang ditemukan bertentangan dengan fakta atau hipotesa yang ada sebelumnya.

Proses KDD secara garis besar memang terdiri dari 5 tahap seperti yang telah dijelaskan sebelumnya. Akan tetapi, dalam proses KDD yang sesungguhnya, dapat saja terjadi iterasi atau pengulangan pada tahap tahap tertentu. Pada setiap tahap dalam proses KDD, seorang analis dapat saja kembali ke tahap sebelumnya. Sebagai contoh, pada saat coding atau data mining, analis menyadari proses cleaning belum dilakukan dengan sempurna, atau mungkin saja analis menemukan data atau informasi baru untuk “memperkaya” data yang sudah ada.

KDD mencakup keseluruhan proses pencarian pola atau informasi dalam basis data, dimulai dari pemilihan dan persiapan data sampai representasi pola yang ditemukan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan. Data mining merupakan salah satu komponen dalam KDD yang difokuskan pada penggalian pola tersembunyi dalam basis data.

PERMASALAHAN PEMROSESAN FILE

1. Data Berlebihan dan Simpang-Siur

Data berlebihan memunculkan duplikasi data dalam beberapa file data. Data berlebihan terjadi sewaktu beberapa divisi, wilayah fungsional, dan kelompok-kelompok dalam organisasi secara independen mengumpulkan sekelompok informasi yang sama. Akibatnya adalah terjadi kesimpangsiuran informasi yang menyebabkan kesulitan bagi perusahaan untuk menciptakan manajemen hubungan pelanggan, manajemen rantai persediaan, atau system enterprise yang seharusnya mengintegrasikan data dari berbagai sumber.

Misalnya diberikan contoh : Apabila terjadi perubahan jumlah sks mata kuliah, sedangkan perubahan hanya diperbaiki pada file mata kuliah dan tidak diperbaiki pada file mahasiswa. Hal ini dapat mengakibatkan kesalahan dalam laporan nilai mahasiswa.

2. Ketergantungan Program Data

Ketergantungan program data berhubungan erat antara data yang tersimpan dalam file dengan program tertentu yang dibutuhkan oleh data untuk melakukan proses pembaruan dan pemeliharaan file-file. Hal ini berarti setiap perubahan dalam pengaturan data atau formatnya juga mengakibatkan perubahan pada semua program yang terkait dengan file-file tersebut.  Perubahan pemrograman ini sangatlah tidak efisien, karena mungkin memerlukan investasi dana dalam jumlah cukup besar.

3. Kurang Fleksibel

Sistem file tradisional bisa menimbulkan banyak laporan rutin terjadwal setelah dilakukan banyak perubahan pemrograman, sebab pengguna tidak bias membuat laporan yang bersifat instan atau merespon prasyaratprasyarat informasi yang tak terantisipasi sebelumnya secara cepat.

4. Keamanannya Kurang Terjamin

Oleh karena kurang bisa mengendalikan atau mengelola data, maka aktivitas akses dan penyebaran informasinya tidak bisa terkuasai dengan baik.  Manajemen tidak bisa mengetahui dengan pasti siapa yang mengakses atau bahkan membuat perubahan pada data organisasi.

Misalnya diberikan contoh : Tidak semua pemakai diperbolehkan mengakses seluruh data. Bagian Mahasiswa hanya boleh mengakses file mahasiswa. Bagian Mata kuliah hanya boleh mengakses file mata kuliah, tidak boleh mengakses file mahasiswa. Tetapi sejak program-program aplikasi ditambahkan secara ad-hoc maka sulit melaksanakan pengamanan seperti yang diharapkan.

5. Kurang Mampu Berbagi Pakai Data

Akses data yang tidak fleksibel dalam sebuah sistem yang simpang siur membuat orang kesulitan untuk mendapatkan informasi. Informasi tidak bias mengalir dengan lancar ke semua wilayah fungsional atau ke bagian-bagian dalam organisasi.

Misalnya di berikan contoh, seorang manajer menginginkan data mengenai tunjangan karyawan. Tentu sang manajer akan kesulitan mengingat data tunjangan dan karyawan berada dalam file yang berbeda.

KEUNTUNGAN DAN KELEMAHAN

PEMROSESAN DATABASE

A. Keuntungan Pemrosesan Database

A.1. Mengurangi Redundancy Data

Terkontrolnya kerangkapan data, setiap data hanya mencantumkan satu kali saja field yang sama yang dapat dipakai oleh semua aplikasi yang memerlukannya.

A.2. Dapat Menyimpan Data Secara Terpisah

Data disimpan secara terpisah yang dihubungkan dengan relasi. Misalnya nama, NIM dan alamat mahasiswa cukup dibuat satu kali saja di dalam database. Kemudian dari data umum ini dapat dihubungkan ke data lain misalnya pembayaran uang kuliah, daftar nilai, beasiswa dan sebagainya. Dengan menggunakan database ini maka masing-masing bagian yang mengangani mahasiswa, msalnya bagian keuangan dan bagian akademik, tidak perlu memiliki file sendiri-sendiri, yang mengandung record nama, alamat, NIM.

A.3. Dapat Mengintegrasikan Data dari Berbagai File

Integrasi data merupakan proses mengkombinasikan dua atau lebih set data agar mempermudah dalam berbagi dan analisis, dalam rangka mendukung manajemen informasi di dalam sebuah lingkungan kerja. Integrasi data menggabungkan data dari berbagai sumber database yang berbeda ke dalam sebuah penyimpanan seperti gudang data (data warehouse). Syarat integrasi data dapat dipenuhi dengan berbagai cara seperti konsisten dalam penamaan variabel, konsisten dalam ukuran variabel, konsisten dalam struktur pengkodean dan konsisten dalam atribut fisik dari data. Masalah-masalah yang ada pada integrasi data yaitu heterogenitas data, otonomi sumber data, kebenarandankinerjaquery/permintaan.

Contoh:

- Data yang sama (misalnya: data penduduk) dapat dipakai bersama antar

bagian organisasi(antarinstansi).

- Data suatu instansi dapat dipakai bersama oleh instansi-instansi lain yang memerlukan (tidak perlu ada duplikasi data dalam suatu lingkungan organisasi).

A.4. Dapat Melakukan Pengambilan Data dan Informasi Secara Lebih Cepat

            Misalnya sistem pada sebuah bank memungkinkan seorang nasabah dapat melakukan transaksi perbankan tanpa harus berada di kantor banknya.

A.5. Meningkatkan Keamanan Data

            Database Administrator (DBA) dapat memberikan batasan-batasan pengaksesan data, misalnya dengan memberikan password dan pemberian hak akses bagi pemakai (misal : modify, delete, insert, retrieve) sehingga keamanan data tetap terjaga.

   

B. Kelemahan Pemrosesan Database

B.1. Membutuhkan Software Khusus dan Umumnya Biaya Mahal

Hal ini disebabkan sangat sulit untuk membuat software khusus database ini, sehingga diperlukan biaya yang mahal untuk membangun software tersebut.

B.2. Membutuhkan Perangkat Keras yang Spesifikasinya Tinggi

Untuk pemrosesan data yang sangat banyak dengan cepat dan akurat maka diperlukan software yang membutuhkan spesifikasi hardware yang tinggi untuk mengoprasikannya. Maka diperlukan biaya yang mahal untuk mendapatkan tingkat pemrosesan data terbaik.

B.3. Membutuhkan Tenaga Khusus untuk Melakukan Maintenance

Untuk merawat sofware diperlukan tenaga khusus dengan biaya yang tidak sedikit dan hal itu dilakukan rutin dengan priode tertentu, ini diperlukan apabila software tersebut mengalami perubahan ataupun kerusakan.

Lihat dan download document disini:
https://docs.google.com/document/d/17sftLfxIxY8rZFs9ye1gYK9bJucPTaJnX4X7dhK3WoA/edit