BAB I

Pendahuluan
1.1 Latar Belakang
Decision Support System merupakan suatu sistem yang berfungsi sebagai penunjang
keputusan. Dengan adanya DSS, pekerjaan dari para pengambil keputusan akan lebih terbantu secara
signifikan.

Makalah yang disusun berikut ini menjelaskan suatu database yang biasa digunakan sebagai
pengambil keputusan yaitu data warehouse. Dikarenakan banyak organisasi atau perusahaan kurang
dapat menggunakan database operasional dalam mendukung secara langsung pengambilan keputusan.

Penyusun sadar dalam penulisan makalah ini terdapat banyak kekurangan, oleh karena itu,
kami menerima saran dan kritik yang membangun agar dikemudian hari kami dapat menyusun suatu
makalah dengan lebih baik lagi.

Kumpulan basis data ini dapat menjadi bahan untuk analisis data dan terutama untuk
mendukung pengambilan keputusan, dan pada umumnya tidak digunakan oleh organisasi
untuk memproses transaksi.

1.2 Rumusan Masalah

a. Pengertian Data Warehouse
b. Pendekatan apa yang digunakan dalam pembuatan Data Warehouse
c. Pengertian Data Wining
d. Tujuan Data Warehouse
e. Perbedaan Data Mining dan Data warehouse
f. Keuntungan dan kerugian Data Warehouse

1
 BAB II
Pembahasan

2.1 Pengertian data warehouse

Gudang data (Bahasa Inggris: data warehouse) adalah suatu sist em

komputer untuk mengarsipkan dan menganalisis data historis suatu organisasi
seperti data penjualan, gaji, dan informasi lain dari operasi harian. Pada
umumnya suatu organisasi menyalin informasi dari sistem operasionalnya
(seperti penjualan dan SDM) ke gudang data menurut jadwal teratur,
misalnya setiap malam atau setiap akhir minggu. Setelah itu, manajemen
dapat melakukan kueri kompleks dan analisis (contohnya penambangan data,
data mining) terhadap informasi tersebut tanpa membebani sistem yang
operasional.

Data yang terdapat dalam data warehouse dapat dibagi perbagian

sesuai dengan kebutuhan dalam informasi. Inilah yang dsebut dengan data
mart. Data mart memiliki karakteristik yang sama dengan data warehouse,
perbedaannya hanya terdapat pada jumlah data yang dimiliki. Dalam data
mart, data yang ada hanya berasal dari satu bagian atau satu departemen saja,
sedangkan pada data warehouse, data yang ada berasal dari seluruh bagian
dalam perusahaan tersebut.

2.2 Pendekatan Data warehouse

1. Pendekatan Top Down (Top Down Approach)

Pendekatan ini dilakukan dengan membuat perancangan data
warehouse terlebih dahulu secara keseluruhan. Dalam pembuatannya,
ditentukan apa yang menjadi sumber data dan bagaimana cara untuk
memasukkannya ke dalam data warehouse yang telah dirancang terlebih
dahulu. Pendekatan ini menyatakan bahwa pembangunan desain
arsitektur data warehouse adalah hal pertama yang dilakukan dalam
membangun suatu data warehouse.

2. Pendekatan Bottom Up (Bottom Up Approach)

Berbeda dengan pendekatan Top Down, pendekatan ini
menyatakan bahwa data warehouse berawal dari kumpulan data mart
yang telah dibangun terlebih dahulu untuk masing-masing departemen.

2
 Data mart yang telah dibangun kemudian digabungkan untuk
membangun suatu data warehouse yang utuh.

2.3 Data Mining

Data mining memerlukan data yang banyak untuk di analisa dan

mendapatkan pattern2 tertentu, nah datanya dari datawarehouse yang
menyimpan banyak data. nah DataWareHouse pake OLAP ini biar lebih
cepet pemrosesannya CMIIW.

2.4 Perbedaan data warehousing dan data mining

Data warehouse dan data mining adalah dua hal yang berbeda. data
warehouse adalah database biasa yang berisi summary atau rekap untuk
subject tertentu yang sudah diketahui. misalnya manajemen ingin
mengetahui informasi tentang penjualan produk, maka dalam data
warehouse dimasukkan rekap data penjualan dari database transaksi
penjualan. bentuknya pun tabel biasa saja. tabel rekap ini hanya boleh
diretrieve (diambil datanya) dan ditambah, tidak boleh diubah, atau di
hapus. rekap ini biasanya akan ditampilkan dalam bentuk tabel, grafik, chart
di dashboard (aplikasi Business Intelligence).

Data mining adalah proses pengolahan data untuk mendapatkan

informasi yang belum diketahui informasi apa saja yang terdapat di
kumpulan data tersebut. data mining dapat dilakukan terhadap berbagai
jenis sumber data, misalnya data warehouse, artikel web, multimedia
(gambar, suara, video), atau dokumen (files). data mining dilakukan dengan
mengimplementasikan algoritma-algoritma data mining (akan dibahas di
artikel lain) untuk mendapatkan informasi yang tidak terlihat dengan
pengamatan langsung (perlu pengolahan lebih lanjut)

2.5 Tujuan Data Warehouse

Tujuan ini membuat data warehouse harus memiliki beberapa sifat (referensi:
Inmon, Turban) yaitu :
 Non volatile
 Berisi data bersih
 Terintegrasi
 standardized format
 enterprise-wide

3
  time variant
 subject oriented

Data warehouse menggunakan 3 macam pemodelan, yaitu :

star schema: adalah desain/skema dari satu fact table yang dikelilingi beberapa
dimension table
snow flake schema: adalah desain lanjutan dari star schema, digunakan jika ada
dimension table yang memiliki struktur bertingkat-tingkat (leveling) misalnya
[propinsi, kabupaten, kecamatan, kelurahan], [tanggal, bulan, kuarter, semester,
tahun], atau [negara, pulau, kota]
fact constellation: ini jika dalam satu skema terdapat beberapa fact table yang
saling berbagi dimension table, ini mirip sekali dengan desain relational
database, namun fact table hanya menyimpan data yang akan diolah lebih
lanjut di data mining dan OLAP

Pada data warehouse tidak digunakan istilan entity, istilah yang digunakan
adalah fact table dan dimension table. Fact table adalah tabel yang berisi semua
data yang ingin dan dapat diolah, misalnya jumlah penjualan, gaji pegawai, nilai
pengadaan dan seterusnya. Dimension table adalah pengelompokkan untuk data
yang ada di fact table, misalnya lokasi toko, usia pembeli, nama departemen,
jenis pengadaan dan seterusnya.

2.6 Keuntungan dan Kerugian Data Warehouse

a. Keuntungan Data Warehouse

Data warehouse menyediakan model data yang bervariasi, dan tidak

bergantung pada satu sumber data saja. Hal ini memudahkan pimpinan
perusahaan/manager membuat laporan dan menganalisa.
Saat me-load data ke dalam datawarehouse, data yang tidak
konsisten akan diketahui dan secepatnya dirubah. Mendukung proses
pembuatan laporan, agar keputusan yang diambil adalah keputusan yang benar
sesuai data.
Keamanan informasi didalam datawarehouse terjamin, karena
datawarehouse selalu digunakan dan dimonitor oleh pengguna datawarehouse
tersebut.
Dalam membuat laporan tidak membuat proses transaksi yang ada
menjadi lambat, karena datawarehouse terpisah dengan database operasional.
Datawarehouse menyediakan berbagai macam bentuk laporan yang
terbaru.

4
b. Kerugian Datawarehouse

Datawarehouse tidak cocok untuk data yang tidak struktur. Data

perlu di extract, diubah, dan di load ke datawarehouse, sehingga
membutuhkan waktu (delay) kerja untuk datawarehouse yang belum
terbentuk. Semakin lama masa hidup bisnis yang menggunakan
datawarehouse, maka semakin banyak biaya yang dikeluarkan oleh
perusahaan untuk memodifikasi teknologi datawarehouse atau perawatan
berjalan datawarehouse. Jika data yang diambil lambat, maka data yang
dimiliki di datawarehouse tidak berkulitas/ sehingga laporan tidak optimal.

5
 BAB III
Penutup
3.1 Kesimpulan
Gudang data (Bahasa Inggris: data warehouse) adalah suatu sist em
komputer untuk mengarsipkan dan menganalisis data historis suatu organisasi
seperti data penjualan, gaji, dan informasi lain dari operasi harian. Pada
umumnya suatu organisasi menyalin informasi dari sistem operasionalnya
(seperti penjualan dan SDM) ke gudang data menurut jadwal teratur,
misalnya setiap malam atau setiap akhir minggu. Setelah itu, manajemen
dapat melakukan kueri kompleks dan analisis (contohnya penambangan data,
data mining) terhadap informasi tersebut tanpa membebani sistem yang
operasional.

6
Sumber

- http://id.wikipedia.org/wiki/Gudang_data

- http://my.opera.com/aviciena/blog/2010/06/05/data-mining

- http://www.kaskus.us/showthread.php?t=5073964

- http://rencanait.wordpress.com/category/data-mining-dan-business-intelligence/

- http://geeks.netindonesia.net/blogs/muhammadsubhan/archive/2009/11/10/tujuan-
datawarehouse.aspx