Terminologi Data Ware House dan Business Intelligence
1.
Warehouse
Data
Warehouse (yang secara harafiah berarti gudang data) adalah kumpulan seluruh
data yang dimiliki oleh perusahaan yang didesain untuk melakukan analisis
dan pelaporan, dan bukan untuk pemrosesan transaksi. Jadi,
dalam istilah yang lebih sederhana, data warehouse adalah basis data
yang ditujukan untuk analisis, pelaporan, dan terkadang juga untuk penambangan
pengetahuan (knowledge mining).
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.
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.
keuntungan
data warehouse adalah sebagai berikut :
- 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.
4.
Masalah keamanan
dan kinerja bisa dipecahkan tanpa perlu mengubah sistem produksi.
2. Data Mart
2. Data Mart
Yang kedua adalah data Mart, Sebuah data
mart adalah lapisan akses dari data warehouse lingkungan yang digunakan
untuk mendapatkan data keluar bagi pengguna. Data mart adalah subset dari data
warehouse yang biasanya berorientasi pada lini bisnis tertentu atau tim. Dalam
beberapa penyebaran, masing-masing departemen atau unit bisnis dianggap sebagai
pemilik data mart yang termasuk semua perangkat lunak, perangkat keras
dan data
Perbedaan Data Mart dan Data Warehouse
Keutungan dan Kerugian Data Mart
Keuntungan
Data mart
dapat meningkatkan waktu respon pengguna akhir, karena berisi data mentah yang
memungkinkan sistem komputer untuk fokus pada satu tugas, sehingga meningkatkan
kinerja. Berbeda dengan sistem OLTP, data mart juga dapat menyimpan data
historis yang memungkinkan pengguna untuk menganalisis kecenderungan data.
Selain itu, data mart tidak begitu mahal dan kompleks sebagai data gudang untuk
setup dan melaksanakan karena masalah teknis tidak begitu sulit untuk
diselesaikan.
- Kerugian
Mmemiliki
nilai yang terbatas karena mereka tidak dapat melihat organisasi secara
keseluruhan dan pelaporan dan analisis potensi terbatas.
Pengertian
Data Maining
Data Mining
merupakan Serangkaian proses untuk menggali nilai tambah berupa informasi yang
selama ini tidak diketahui secara manual dari suatu basis data atau bisa
disebut dengan KDD ( Knowledge Discovery in Database). Informasi yang
dihasilkan diperoleh dengan cara mengekstraksi dan mengenali pola yang penting
atau menarik dari data yang terdapat dalam basis data.
3. Data Mining
Istilah data mining sudah berkembang jauh dalam
mengadaptasi setiap bentuk analisa data. Pada dasarnya data mining berhubungan
dengan analisa data dan penggunaan teknik-teknik perangkat lunak untuk mencari
pola dan keteraturan dalam himpunan data yang sifatnya tersembunyi.
Data mining diartikan sebagai suatu proses
ekstraksi informasi berguna dan potensial dari sekumpulan data yang terdapat
secara implisit dalam suatu basis data. Banyak istilah lain dari data mining
yang dikenal luas seperti knowledge mining from databases, knowledge
extraction, data archeology, data dredging, data analysis dan lain sebagainya
[AGR-93].
- KEGUNAAN, KEPASTIAN DAN KEAKURATAN HASIL
Informasi yang
diperoleh harus secara akurat menggambarkan isi basis data dan berguna untuk
aplikasi terkait. Kekurangsempurnaan yang ada haruslah dapat diekspresikan
dengan suatu ukuran yang pasti dalam bentuk aturan-aturan kuantitif dan
perkiraan-perkiraan yang masuk akal. Noise dan data-data yang tidak diperlukan
harus ditangani dengan rapi dalam sistem data mining. Hal ini juga akan
memotivasi suatu studi sistematik untuk mengukur kualitas dari informasi yang
dihasilkan, termasuk seberapa menariknya dan tingkat kepercayaannya yang dapat
diukur secara statistik, analitis dan menggunakan model simulasi.
- TAHAPAN DALAM DATA MINING
- Basis Data Relasional
- Ekstraksi Data
- Transformasi Data -
Pembersihan Data
- Bentuk Standar
- Reduksi Data dan Feature
- Menjalankan Algoritma
4.OLAP
Pengertian OLAP
Pemrosesan database yang menggunakan tabel fakta dan
dimensi untuk dapat menampilkan berbagai macam bentuk laporan analisis query
transaksi sehari-hari.
Keuntungan OLAP
Keuntungan OLAP
- Meningkatkan produktifitas pemakai akhir bisnis, pengembang IT, dan keseluruhan organisasi. Pengawasan yang lebih dan akses tepat waktu terhadap informasi strategis dapat membuat pengambilan keputusan lebih efektif.
- Mengurangi “backlog” pengembangan aplikasi bagi staf IT dengan membuat pemakai akhir dapat merubah schema dan membangun model sendiri.
5. ROLAP (Relational OLAP)
ROLAP adalah tipe OLAP yang bergantung kepada database
relasional atau RDBMS (Relational Database Management System) sebagai media
penyimpanan (storage) data yang akan diolah.
Dengan strategi tersebut maka OLAP Server terhindar
dari masalah pengelolaan data storage dan hanya menerjemahkan proses query
analysis (MDX) ke relational query (SQL).
Otomatis proses optimasi ROLAP akan sangat ditentukan
di sisi produk RDBMS yang digunakan misalkan dari sisi penanganan jumlah data
dan strategi indexing.
Cara kerja ROLAP secara umum adalah
sebagai berikut :
- OLAP client mengirimkan query analisis ke OLAP Server.
- OLAP server akan melakukan pemeriksaan di cache apakah sudah bisa melayani permintaan query dari client tersebut, jika sudah akan dikirimkan.
- Jika pada cache belum terdapat data diminta, akan dilakukan query SQL ke data mart dan hasil eksekusinya disimpan di cache dan dikirimkan kepada client. Demikian seterusnya.
- Cache akan disimpan selama periode waktu tertentu dan akan dibersihkan total jika server dimatikan.
6. MOLAP (Multi Dimensional OLAP)
MOLAP adalah tipe OLAP yang memiliki storage sendiri,
yang isinya merupakan precomputed agregasi data - sum, count, min, max, dan
sebagainya - yang terlibat pada berbagai level detil. Storage ini berupa format
yang hanya dikenali oleh MOLAP server tersebut dan telah khusus dioptimalkan
untuk penggunaan oleh aplikasi tersebut.
Cara kerja MOLAP secara umum dibagi ke dalam dua tahap
sebagai berikut :
Tahap konstruksi dan populasi data, pada tahap ini
sumber data akan dibaca, dilakukan perhitungan agegrasi (summary group) pada
berbagai level dimensi, dan hasilnya akan disimpan di storage MOLAP. Jika objek
data diperumpamakan dengan table, maka untuk satu cube akan banyak fragmen
table yang isinya adalah detil agregasi dari level tertentu.
Tahap query atau layanan permintaan data analisis, pada tahap ini OLAP
Server akan melayani permintaan query dari client dan membaca data dari storage
MOLAP. Table yang akan dibaca adalah suatu fragmen yang akan disesuaikan dengan
permintaan dari client. Pada fase query ini, jika OLAP Server terputus dengan
data source tidak apa-apa karena sudah tidak ada kaitannya.
MOLAP dan ROLAP
Perbedaan keduanya sangat jelas pada aspek penyimpanan
datanya. Jika melihat pada gambar di atas, maka bagian tersebut adalah
"Temporary Or Permanent Cache", dimana :
ROLAP menggunakan Temporary Cache (SQL Result Cache)
MOLAP menggunakan Permanent Cache (Precomputed
Storage)
Sangat jelas dan sederhana bukan ? Tetapi untuk
memperjelas statement di atas maka kami coba memberikan gambaran mengenai
mekanisme kerja keduanya di bawah ini.
7. Pengertian Business Intelligence
Istilah Business Intelligence pertama kali
didengungkan pada tahun 1989 oleh Howard Dresner. Dia menggambarkan istilah
tersebut sebagai seperangkat konsep dan metode yang berguna untuk meningkatkan
pembuatan keputusan dengan bantuan sistem yang berbasiskan fakta atau realita
yang terjadi. Menurut tim studi Busines Intelligence pada Departemen Keuangan
Indonesia menyatakan, Business Intelligence (BI) merupakan sistem dan aplikasi
yang berfungsi untuk mengubah data-data dalam suatu perusahaan atau organisasi
(data operasional, data transaksional, atau data lainnya) ke dalam bentuk
pengetahuan. Aplikasi ini melakukan analisis data-data di masa lampau,
menganalisisnya dan kemudian menggunakan pengetahuan tersebut untuk mendukung
keputusan dan perencanaan organisasi(Indonesia, 2007).
Menurut Nadia Branon, Business Intelligence merupakan
kategori yang umum digunakan untuk aplikasi dan teknologi untuk mengumpulkan,
menyimpan, menganalisa, dan menyediakan akses pada data agar dapat membantu
pengguna dari kalangan perusahaan agar dapat mengambil keputusan dengan lebih
baik dan tepat.
Dari definisi itu, dapat dikatakan bahwa Business
Intelligence merupakan suatu sistem pendukung keputusan yang berdasarkan pada
data-data fakta kinerja perusahaan. Business Intelligence berguna untuk
mengefisienkan finansial, manusia, material serta beberapa sumber daya lainya.
Tidak ada komentar:
Posting Komentar