TUGAS DATA WAREHOUSE Dan OLAP

Pengertian data warehouse dan olap

Nama Praktikan :

Darmawan(0935010040)

PROGRAM STUDI SISTEM INFORMASIFAKULTAS TEKNOLOGI INDUSTRIUNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JATIM2012DATA WAREHOUSE

Pengertian Data Warehouse adalah basis data yang menyimpan kumpulan data sekarang dan data masa lalu dari berbagai sumber yang ditempatkan menjadi satu dalam tempat penyimpanan berukuran besar lalu diproses menjadi bentuk penyimpanan multidimensional dan didesain untuk querying dan reporting. Data operasional dalam organisasi, misalnya basis data pelanggan dan produk, dan 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.

Tujuan utama dari pembuatan data warehouse adalah untuk menyatukan data yang beragam ke dalam sebuah tempat penyimpanan dimana pengguna dapat dengan mudah menjalankan query (pencarian data), menghasilkan laporan, dan melakukan analisis. Salah satu keuntungan yang diperoleh dari keberadaan data warehouse adalah dapat meningkatkan efektifitas pembuatan keputusan (Wajarsana, 2008).

Karakteristik Menurut Bill Inmon, data yang disimpan didalam data warehouse ini memiliki empat karakteristik, yaitu : Subject Oriented Data warehouse diorganisasikan pada subjek-subjek utama, seperti pelanggan, barang/produk, dan penjualan. Berfokus pada model dan analisis pada data untuk membuat keputusan, jadi bukan pada setiap proses transaksi atau bukan pada OLTP. Menghindari data yang tidak berguna dalam mengambil suatu keputusan. Integrated Dibangun dengan menggabungkan/menyatukan data yang berbeda. relational databse, flat file, dan on-line transaction record. Menjamin konsistensi dalam penamaan, struktur pengkodean, dan struktur atribut diantara data satu sama lain. Time Variant Data disimpan untuk menyediakan informasi dari perspektif historical, data yang tahun lalu/ 4-5 thn. Waktu adalah elemen kunci dari suatu data warehouse/ pada saat pengcapture-an. Non Volatile Setiap kali proses perubahan, data akan di tampung dalam tiap-tiap waktu. Jadi tidak di perbaharui terus menerus. Data warehouse tidak memerlukan pemrosesan transaksi dan recovery. Hanya ada dua operasi initial loading of data dan access of data.

Langkah Penerapan Data warehouse1. Identifikasi sistem & unit bisnis yang membutuhkan integrasi data2. Menetapkan batasan data dan prioritas data yang dibutuhkan untuk putusan organisasional3. Menampilkan dan memutuskan berbagai alternatif teknologi basis data yang menerapkan konsep data warehouse4. Merencanakan pemrosesan dan perancangan standar prosedur operasional implementasi data warehouse.

Data Warehousing Process OverviewKomponen utama proses data warehouse : Data Sources : Data bersumber dari beberapa operasional independen sistem legacy dan mungkin juga dari data eksternal provider. Data Extraction : Data diekstrak menggunakan custom-written atau komersial software disebut ETL Data Loading : Data dimuat kedalam staging area dimana data-data tersebut diubah dan dibersihkan. Comprehensive database : Pada dasarnya ini Enterprise Data Warehouse yang mendukung semua keputusan analisis dengan menyediakan ringkasan dan detail informasi dari banyak sumber berbeda. Metadata : Metadata dipelihara sehingga dapat diakses oleh personil dan pengguna IT. Middleware tools : Memungkinkan akses ke data warehouse

Arsitektur Data Warehouse Operational database layer : Sumber data untuk data warehouse-Organisasi sistem Enterprise Resource Planning berada pada layer ini. Data access layer : Interface antara akses layer operasional dan informasional- Alat-alat untuk mengekstrak,mengubah dan memuat data kedalam warehouse berada pada layer ini. Metadata layer: Kamus data-Ini biasanya lebih detail daripada sistem operasional kamus data. Informational access layer : Data diakses untuk membuat laporan dan analisis dan alat alat untuk pelaporan dan analisis data.Disebut juga datamart. Business intelligence tools berada pada layer ini.

Kelebihan dan Kekurangan Data warehouse

Kelebihan Data warehouse : data terorganisir dengan baik untuk query analisis dan sebagai bahan yang baik untuk proses transaksi. perbedaan struktur data yang banyak macamnya dari sumber yang berbeda dapat di atasi memiliki aturan transformasi untuk memvalidasi dan menkonsolidasi data dari OLTP ke datawarehouse. masalah keamanan dan kinerja dapat dipecahkan tanpa perlu mengubah sistem produksi. memiliki model data yang banyak macamnya, dan tidak tergantung dari format data awal/sumbernya, sehingga memudahkan dalam menciptakan laporan. proses transformasi/ perpindahan dapat di monitoring. jika terjadi kesalahan dapat di arahkan / di luruskan. informasi yang disimpan dalam data warehouse, jadi ketika OLTP data sumber nya hilang. informasi yang diolah tetap terjaga dalam suatu datawarehouse. datawarehose tidak memperlambat kerja operasional transaksi. dapat menyediakan laporan yang bermacam-macamKekurangan Datawarehouse : datawarehouse bukan merupakan lingkungan yang cocok untuk data yang tidak terstruktur. data perlu di ekstrak, diubah (ETL) dan di load ke datawarehouse sehingga membutuhkan tenggang waktu untuk memindahkannya. semakin lama dipelihara, semakin besar biaya untuk merawat sebuah datawarehouse. datawarehouse dapat menjadi ketinggalan dari data terbaru yang relatif cepat, karena data yang digunakan di datawarehouse tidak di update secara cepat. sehingga data yang ada tidak optimal.

ONLINE ANALYTICAL PROCESSING (OLAP)Pengertian OLAP adalah Suatu jenis prangkat lunak yang melakukan pemrosesan untuk menganalisa data bervolume besar dari berbagai perspektif (multidimensi). OLAP seringkali disebut analisis data multidimensi yang berfungsi sebagai data analasis (select) (Ardi, 2010).

On-Line Analytical Processing (OLAP) merupakan salah satu jenis teknologi database yang dirancang khusus untuk Bussiness Intelligence. Selain mengorganisasikan informasi ke dalam tabel dengan baris dan kolom seperti database relasional, database OLAP menyimpan data dalam format multidimensi. Daripada menggunakan database relasional (OLTP) untuk memenuhi semua kebutuhan informasi data yang bersifat analisis, kita dapat membuat sebuah database OLAP sendiri sehingga pengguna dapat melakukan query secara berkala sehingga tidak membebani data yang ada di Datawarehouse (gudang data) atau OLTP system, seperti yang ditunjukkan pada Gambar diatas.Pada Gambar tersebut kita memilki engine / server sendiri yang berfungsi khusus untuk melakukan proses data yang berhubungan kegiatan analisis data yang berasal dari datawarehouse atau datamart system.

Query OLAP dipengaruhi oleh dua hal, yaitu : SQL dan spreadsheet. Operasiyang umum di dalam query OLAP adalah melakukan agregasi pada satu atau lebihdimensi. Misalnya, cari total penjualan (sales), cari total penjualan tiap propinsi, cari 4ranking produk teratas berdasarkan total penjualan. Jenis-jenis query OLAP adalah :1. Roll upYaitu dengan melakukan agregasi pada level yang berbeda dari hirarki dimensi.Misalnya untuk setiap kota diberikan total penjualan, maka untuk total penjualan tiappropinsi bisa didapatkan dengan menambahkan total penjualan pada semua kota dalamsatu propinsi.2. Drill downAdalah kebalikan dari roll up. Misalnya untuk setiap propinsi dapat diberikan totalpenjualan, maka total penjualan tiap kota dapat di-drill down.3. PivotingYaitu melakukan agregasi pada dimensi terpilih. Misalnya jika dilakukan pivoting padaLocation dan Time.4. Slicing dan DicingYaitu mencari kesamaan dan jangkauan seleksi pada satu atau lebih dimensi.

DAFTAR PUSTAKA http://ananta-sena.blogspot.com/2010/03/data-warehouse-olap-oltp-data-mining.html http://basdat.wordpress.com/2010/12/26/on-line-analytical-processing-olap/ http://misspikun.blogspot.com/2011/05/data-warehouse-dan-data-mining.html