Conformed Dimension

Jika menggunakan referensi dari kimball, maka terdapat istilah conformed dimension. Conformed dimension adalah dimensi memiliki arti hal yang sama dengan setiap tabel fakta yang mungkin yang dapat bergabung. Pembentukan conformed dimension adalah langkah yang sangat signifikan. Jadi conformed dimension berarti dimensi indentik yang sama di setiap data mart. Contoh conformed dimension yaitu: kostumer, produk, lokasi, promosi dan waktu (Kimball et al, 1 !".
Pemodelan dimensi (DM) adalah nama dari seperangkat teknik dan konsep yang digunakan dalam data warehouse design. Hal ini dianggap berbeda dari entity-relationship modeling (ER).Modeling dimensi tidak selalu melibatkan database relasional. Pendekatan pemodelan yang sama, di tingkat logis, dapat digunakan untuk bentuk isik apapun, seperti database multidimensi atau ile bahkan datar. Menurut konsultan data warehousing Ralph !imball , "#$ DM adalah teknik desain untuk database dimaksudkan untuk mendukung permintaan pengguna akhir di gudang data.Hal ini berorientasi sekitar dimengerti dan kiner%a. Menurut dia, meskipun ER berorientasi transaksi sangat berguna untuk menangkap transaksi , harus dihindari untuk pengiriman end-user. Pemodelan dimensi selalu menggunakan konsep akta (ukuran), dan dimensi (konteks). &akta biasanya (tetapi tidak selalu) nilai numerik yang dapat dikumpulkan, dan dimensi adalah kelompok hirarki dan deskriptor yang menentukan akta- akta. 'ebagai (ontoh, %umlah pen%ualan adalah akta, timestamp, produk, da tar ), toko ), dll adalah elemen dimensi. Model dimensi yang dibangun oleh area proses bisnis, misalnya toko pen%ualan, persediaan, klaim, dll !arena area proses bisnis yang berbeda berbagi beberapa tapi tidak semua dimensi, e isiensi dalam desain, operasi, dan konsistensi, ini di(apai dengan menggunakan dimensi serupa , yaitu menggunakan salah satu salinan dimensi dibagi di seluruh bidang studi. *stilah +sesuai dimensi+ berasal oleh Ralph !imball .

Proses pemodelan dimensi [ sunting ]

Model dimensi dibangun pada skema bintang seperti ., dengan dimensi sekitar tabel akta ",$ "-$ .ntuk membangun skema, model desain berikut digunakan/

1. Pilih proses bisnis 2. Menyatakan gandum 3. Mengidenti ikasi dimensi 4. Mengidenti ikasi akta
Pilih proses bisnis Proses pemodelan dimensi didasarkan pada metode desain 0-langkah yang membantu untuk memastikan kegunaan dari model dimensi dan penggunaan data warehouse . Dasardasar dalam desain membangun proses bisnis yang sebenarnya dimana data warehouse harus men(akup. 1leh karena itu langkah pertama dalam model adalah untuk menggambarkan proses bisnis yang model dibangun di atas. *ni bisa misalnya men%adi situasi pen%ualan di toko ritel. .ntuk menggambarkan proses bisnis, seseorang dapat memilih untuk melakukan hal ini dalam teks biasa atau menggunakan dasar 2usiness

Pro(ess Modeling 3otation ( 2PM3 ) atau panduan desain lainnya seperti .ni ied Modeling 4anguage ( .M4 ). Menyatakan gandum 'etelah men%elaskan Proses 2isnis, langkah berikutnya dalam desain adalah untuk menyatakan butir model. 5andum dari model adalah deskripsi yang tepat dari apa yang model dimensi harus ber okus pada. *ni bisa misalnya men%adi +*tem baris indi6idu pada slip pelanggan dari toko ritel+. .ntuk memper%elas apa artinya gandum, 7nda harus memilih proses pusat dan menggambarkannya dengan satu kalimat. 'elain itu bi%i-bi%ian (kalimat) adalah apa yang 7nda akan membangun dimensi dan tabel akta dari. 7nda mungkin merasa perlu untuk kembali ke langkah ini untuk mengubah gandum karena in ormasi baru yang diperoleh pada apa model 7nda seharusnya dapat memberikan. Mengidentifikasi dimensi 4angkah ketiga dalam proses desain adalah untuk menentukan dimensi model. Dimensi harus dide inisikan dalam gandum dari langkah kedua dari proses 0-langkah. Dimensi adalah dasar dari tabel akta, dan mana data untuk tabel akta dikumpulkan. 2iasanya dimensi benda seperti tanggal, toko, persediaan dll Dimensi ini adalah di mana semua data disimpan. Misalnya, dimensi tanggal bisa berisi data seperti tahun, bulan dan hari ker%a. Mengidentifikasi fakta-fakta 'etelah mende inisikan dimensi, langkah berikutnya dalam proses ini adalah untuk membuat kun(i untuk tabel akta. 4angkah ini adalah untuk mengidenti ikasi akta- akta numerik yang akan mengisi setiap baris tabel akta. 4angkah ini erat terkait dengan pengguna bisnis dari sistem, karena ini adalah di mana mereka mendapatkan akses ke data yang tersimpan dalam data warehouse . 1leh karena itu sebagian dari baris tabel akta adalah numerik, tokoh aditi seperti kuantitas atau biaya per unit, dll

Dimensi Normalisasi [ sunting ]

3ormalisasi dimensi atau snow laking menghilangkan atribut berlebihan, yang dikenal dalam meratakan de-dinormalisasi dimensi normal. Dimensi se(ara ketat bergabung bersama dalam sub dimensi. 'now laking memiliki pengaruh pada struktur data yang berbeda dari banyak iloso i dari gudang data. "-$ Data 8unggal tabel ( akta) yang dikelilingi oleh beberapa deskripti (dimensi) tabel Pengembang sering tidak menormalkan dimensi karena beberapa alasan/
"0$

1. 3ormalisasi membuat struktur data yang lebih kompleks 2. !iner%a dapat lebih lambat, karena banyak bergabung antara tabel 3. Penghematan spa(e minimal
0. *ndeks bitmap tidak dapat digunakan

5. !iner%a 9uery, database -3& menderita masalah kiner%a ketika menggabungkan

atau mengambil banyak nilai dimensi yang mungkin memerlukan analisis. :ika 7nda hanya akan melakukan laporan operasional maka 7nda mungkin dapat bertahan dengan -3& karena pengguna operasional 7nda akan men(ari data yang sangat halus butir.

1#
7da beberapa argumen tentang mengapa normalisasi dapat berguna. "-$ Hal ini dapat men%adi keuntungan ketika bagian dari hirarki umum untuk lebih dari satu dimensi. Misalnya, dimensi geogra is mungkin digunakan kembali karena kedua pelanggan dan pemasok dimensi menggunakannya.

Manfaat pemodelan dimensi [ sunting ]

Man aat dari pemodelan dimensi adalah sebagai berikut/
";$

Dimengerti - Dibandingkan dengan model normalisasi, model dimensi lebih mudah untuk memahami dan lebih intuiti . Dalam model dimensi, in ormasi dikelompokkan ke dalam kategori bisnis yang koheren atau dimensi, sehingga lebih mudah untuk memba(a dan mena sirkan. !esederhanaan %uga memungkinkan perangkat lunak untuk mena6igasi database e isien. Dalam model normalisasi, data dibagi men%adi banyak entitas diskrit dan bahkan proses bisnis sederhana mungkin mengakibatkan puluhan tabel bergabung bersama-sama dalam (ara yang kompleks. !iner%a 9uery - model Dimensi lebih denormali<ed dan dioptimalkan untuk data =uery, sementara model dinormalisasi berusaha untuk menghilangkan redudansi data dan dioptimalkan untuk memuat transaksi dan memperbarui. !erangka diprediksi dari model dimensi memungkinkan database untuk membuat asumsi yang kuat tentang data yang membantu dalam kiner%a. 'etiap dimensi merupakan entry point yang setara ke dalam tabel akta, dan struktur simetris ini memungkinkan penanganan yang e ekti dari =uery yang kompleks. 1ptimasi =uery untuk bergabung star database sederhana, dapat diprediksi, dan terkendali.

Perluasan - Model Dimensi yang e>tensible dan mudah menampung data baru yang tak terduga. 8abel yang ada dapat diubah di tempat baik dengan hanya menambahkan baris data baru ke dalam tabel atau mengeksekusi '94 mengubah perintah me%a. 8idak ada pertanyaan atau aplikasi lain yang duduk di atas 5udang perlu memprogram untuk mengakomodasi perubahan.9uery 4ama dan aplikasi terus ber%alan tanpa menghasilkan hasil yang berbeda. 3amun dalam model dinormalisasi setiap modi ikasi harus dipertimbangkan dengan hati-hati, karena ketergantungan yang kompleks antara tabel database.

Pemodelan dimensi ($%" adalah nama dari teknik desain logis sering digunakan untuk gudang data.&al ini berbeda dari, dan kontras dengan, entitas'hubungan pemodelan (()". *rtikel ini menun+ukkan banyak perbedaan antara kedua teknik dan menarik garis di pasir. $% adalah satu' satunya teknik yang layak untuk database yang dirancang untuk mendukung permintaan pengguna akhir di gudang data. () sangat berguna untuk menangkap transaksi dan fase administrasi data membangun data warehouse, tetapi harus dihindari untuk pengiriman end'user. $% adalah teknik desain logis yang berusaha untuk menya+ikan data dalam kerangka intuitif standar yang memungkinkan untuk akses kiner+a tinggi. &al ini inheren dimensi, dan menganut disiplin yang menggunakan model relasional dengan beberapa pembatasan penting. ,etiap model dimensi terdiri dari satu me+a dengan kunci multi, disebut tabel fakta, dan satu set me+a kecil yang disebut tabel dimensi. ,etiap tabel dimensi memiliki satu bagian primary key yang sesuai persis dengan salah satu komponen kunci multipart dalam tabel fakta. (-ihat .ambar /." Karakteristik struktur 01intang'seperti0 ini sering disebut bintang bergabung. 1intang 2stilah bergabung tanggal kembali ke hari'hari awal database relasional.

11
,ebuah tabel fakta, karena memiliki primary key multi bagian yang terdiri dari dua atau lebih kunci asing, selalu mengungkapkan banyak'ke'banyak hubungan. 3abel fakta yang paling berguna +uga mengandung satu atau lebih tindakan numerik, atau 0fakta,0 yang ter+adi untuk kombinasi tombol yang mendefinisikan setiap record. $alam .ambar /, fakta'fakta $olar 3er+ual, 4nit 3er+ual, dan $olar 1iaya. 5akta yang paling berguna dalam tabel fakta adalah numerik dan aditif. *diti6itas sangat penting karena aplikasi data warehouse hampir tidak pernah mengambil fakta catatan tabel tunggal, melainkan, mereka mengambil ratusan, ribuan, atau bahkan +utaan catatan ini pada satu waktu, dan satu'satunya hal yang berguna untuk dilakukan dengan begitu banyak catatan adalah untuk menambahkan mereka up. 3abel dimensi, sebaliknya, yang paling sering mengandung informasi deskriptif tekstual. *tribut dimensi digunakan sebagai sumber sebagian besar kendala yang menarik dalam 7uery data warehouse, dan mereka hampir selalu sumber header baris dalam ,8- +awaban set. $alam .ambar /, kita membatasi pada produk -emon rasa melalui atribut 5la6or dalam tabel Produk, dan promosi melalui )adio atribut adtype dalam tabel Promosi. 2ni harus +elas bahwa kekuatan database pada .ambar / sebanding dengan kualitas dan kedalaman tabel dimensi. Pesona desain database pada .ambar / adalah bahwa hal itu sangat dikenali oleh pengguna akhir dalam bisnis tertentu. ,aya telah mengamati ratusan kasus di mana pengguna akhir segera setu+u bahwa ini adalah 0bisnis mereka.0 Pembaca yang mengikuti pendekatan Kimball sering dapat melafalkan 9 keputusan penting ketika merancang sebuah model dimensi: mengidentifikasi proses bisnis, bi+i'bi+ian, dimensi dan fakta.,ementara ini terdengar sederhana, tim sering tersandung pada langkah pertama. %ereka ber+uang untuk mengartikulasikan proses bisnis seperti itu adalah istilah yang tampaknya mengambil makna yang berbeda tergantung pada konteksnya. Karena deklarasi proses bisnis adalah pasak pertama di tanah ketika merancang sebuah model dimensi, kita ingin menghilangkan kebingungan dalam konteks kita. Pertama, mari kita mulai dengan membahas apa proses bisnis tidak. Ketika merancang sebuah model dimensi, proses bisnis tidak mengacu pada departemen bisnis, organisasi atau fungsi.$emikian +uga, tidak harus mengacu pada satu laporan atau analisis spesifik. 4ntuk pembuat model dimensi, proses bisnis adalah suatu peristiwa atau kegiatan yang menghasilkan atau mengumpulkan metrik. %etrik ini pengukuran kiner+a bagi organisasi. *nalis bisnis pasti ingin meneliti dan menge6aluasi metrik ini dengan kombinasi tampaknya tak terbatas dari filter dan kendala. ,ebagai pemodel dimensi, itu tugas kita untuk menya+ikan metrik ini dalam struktur yang mudah untuk memahami bahwa merespon dengan cepat untuk pertanyaan tak terduga. Ketika mengidentifikasi proses bisnis untuk pemodelan dimensi, karakteristik dan pola umum yang sering muncul. 1. Proses bisnis biasanya didukung oleh sistem operasional. ,ebagai contoh, proses bisnis penagihan didukung oleh sistem penagihan, +uga untuk pembelian, pemesanan, atau menerima proses bisnis. /. Proses bisnis menghasilkan atau mengumpulkan pengukuran unik dengan granularity yang unik dan dimensi yang digunakan untuk mengukur kiner+a organisasi. Kadang' kadang metrik adalah akibat langsung dari proses bisnis. -ain kali, pengukuran adalah deri6asi. *papun, proses bisnis memberikan metrik kiner+a yang digunakan oleh berbagai proses analitik.,ebagai contoh, proses bisnis pen+ualan pemesanan mendukung banyak laporan dan analisis, seperti analisis pelanggan, kiner+a pen+ualan rep, dan sebagainya. :. Proses bisnis sering dinyatakan sebagai kata ker+a dengan dimensi diasosiasikan sebagai nomina men+elaskan siapa, apa, di mana, kapan, mengapa dan bagaimana berhubungan

1/
dengan proses. ,ebagai contoh, hasil proses bisnis penagihan akan diiris'dan'potong dadu dan dianalisis berdasarkan tanggal, pelanggan, layanan ; produk, dan sebagainya. 9. Proses bisnis biasanya dipicu oleh input dan hasil output yang perlu dipantau. %isalnya, proposal yang diterima adalah masukan untuk proses pemesanan yang menghasilkan order pen+ualan dan metrik terkait. $alam skenario ini, proses bisnis pen+ualan pemesanan, *nda akan memiliki tabel fakta pesanan dengan pesanan pen+ualan sebagai dimensi merosot potensial dan +umlah pesanan dan dianggap sebagai fakta. Cobalah untuk membayangkan aliran umum dari input ke dalam proses bisnis, sehingga metrik output. $i kebanyakan organisasi, ada serangkaian proses bisnis di mana output dari satu proses men+adi input ke yang berikutnya. $alam bahasa pembuat model dimensi, proses bisnis ini akan menghasilkan serangkaian tabel fakta. <. *nalis kadang'kadang ingin mengebor di seluruh proses bisnis, melihat hasil dari satu proses di samping hasil dari yang lain. Pengeboran seluruh proses ini tentu layak +ika dimensi umum untuk kedua proses yang sesuai.

BAB 2 LANDASAN TEORI

2.1

Teori-Teori Umum 2.1.1 Pengerti n D t %enurut 3urban dan )ainer (/## :=", data adalah fakta mentah atau deskripsi dasar dari benda, peristiwa, akti6itas, dan transaksi yang didapatkan, direkam, disimpan, diklasifikasi tetapi belum terorganisir untuk menyampaikan suatu arti spesifik. %enurut >illiams dan ,awyer (/#11:/<", data data terdiri dari fakta'fakta, dan gambaran mentah yang akan diproses men+adi informasi. $ata penting karena pengguna memerlukan data untuk membuat informasi yang berguna. %enurut 2ndra+ani (/#11:9!", data adalah fakta mentah tentang orang, tempat, ke+adian, dan apapun yang penting bagi perusahaan, di mana data itu sendiri tidak memiliki arti dan data +uga adalah fakta'

1: fakta atau obser6asi yang mentah, biasanya mengenai ke+adian atau transaksi bisnis. 1erdasarkan pengertian yang di+abarkan oleh para ahli diatas dapat disimpulkan bahwa pengertian data adalah fakta atau obser6asi mentah yang biasanya menggambarkan benda, peristiwa, akti6itas, dan transaksi yang akan diproses men+adi informasi.

2.1.2

Pengerti n Inform si %enurut 3urban dan )ainer (/## :=", informasi adalah suatu koleksi fakta (data" yang telah terorganisir dengan beberapa cara sehingga memberikan suatu arti yang dipahami oleh penerima. %enurut -audon dan -audon (/#1#:19", informasi adalah data yang telah disusun ke dalam bentuk yang memiliki arti dan berguna bagi manusia. 1erdasarkan pengertian yang di+abarkan oleh para ahli diatas dapat disimpulkan bahwa pengertian informasi adalah data yang telah terorganisir atau disusun dalam beberapa cara sehingga memberikan suatu arti yang mudah dipahami dan berguna bagi manusia.

2.1.! Pengerti n Sistem %enurut ?@1rien dan %arakas (/#11:/=", sistem didefinisikan sebagai sekumpulan komponen yang saling terkait, dengan batas yang +elas, beker+a sama untuk mencapai suatu serangkaian tu+uan umum

19 dengan menerima input dan menghasilkan output dalam proses transformasi yang terorganisir. %enurut >illiam dan ,awyer (/#11:9 /", sistem adalah kumpulan dari komponen'komponen yang berhubungan dan yang saling berinteraksi untuk melakukan suatu tugas untuk mencapai tu+uan. 1erdasarkan pengertian yang di+abarkan oleh para ahli diatas dapat disimpulkan bahwa pengertian sistem adalah sekumpulan komponen yang saling terkait dan saling berinteraksi dengan batas yang +elas untuk melakukan suatu tugas guna mencapai suatu tu+uan.

2.1."

Pengerti n Sistem Inform si %enurut ?@1rien dan %arakas (/#11:9", ,istem 2nformasi (2," adalah kombinasi yang terorganisir dari orang, perangkat keras, perangkat lunak, +aringan komunikasi, sumber daya data, dan kebi+akan dan prosedur yang menyimpan, mengambil, mengubah, dan

mendiseminasi informasi dalam sebuah organisasi. ?rang'orang bergantung pada sistem informasi modern untuk berkomunikasi dengan satu sama lain menggunakan berbagai perangkat keras ( hardware", petun+uk prosedur pengolahan informasi (Perangkat lunak", +aringan komunikasi, dan data yang disimpan (data sumber daya". %enurut ?@1rien dan %arakas (/#11:=", ada tiga peran utama dari aplikasi bisnis yang sistem informasi dapat lakukan dari sebuah business enterprise, yaitu: 1. %endukung proses bisnis dan operasi (support of business processes and operations".

1< /. %endukung pengambilan keputusan oleh karyawan dan manager (support of decision making by employees and managers". :. %endukung strategi untuk keunggulan kompetitif (support of strategies for competitive advantage".

# m$ r 2.1 Tig Per n Ut m d ri A%&i' si Bisnis Sistem Inform si (Sum$er) O*Brien d n + r ' s, 2-11, %./

2.1.0

Pengerti n Database %enurut 2ndra+ani (/#11:9!", Database adalah sebuah kumpulan data yang saling berhubungan secara logis, dan merupakan sebuah pen+elasan dari data tersebut, yang didesain untuk menemukan data yang dibutuhkan oleh sebuah organisasi. %enurut Connolly dan 1egg (/#1#:=<", Database adalah kumpulan data secara logis terkait, dan deskripsi dari data ini, didesain untuk memenuhi kebutuhan informasi sebuah organisasi. Database

1= adalah tunggal, tempat penyimpanan data yang besar yang dapat digunakan secara bersama'sama oleh banyak departemen dan pengguna. %enurut Cahyono (/## :!:", dalam +urnalnya mengatakan bahwa database adalah salah satu komponen sistem informasi yang mempunyai posisi yang sangat menentukan dalam menun+ang keberhasilan suatu sistem informasi. 1erdasarkan pengertian yang di+abarkan oleh para ahli diatas dapat disimpulkan bahwa pengertian database adalah kumpulan data secara logis atau salah satu komponen yang saling berhubungan dan deskripsi dari data ini didesain untuk memenuhi kebutuhan informasi dan menun+ang keberhasilan suatu sistem informasi dalam sebuah organisasi. 2.1.. DB+S (Database Management System/ %enurut ,ree6ani dan )ao (/#1#:<=", dalam +urnalnya mengatakan bahwa Database Management System ($1%," tidak dapat memberikan informasi yang diperlukan ketika datanya tidak konsisten. 2.1...1 Pengerti n DB+S (Database Management System/ %enurut Connolly dan 1egg (/#1#:==", Database Management System adalah sebuah sistem software yang memungkinkan pengguna untuk mendefinisikan, membuat, memlihara, dan mengontrol akses ke database. 2.1...2 1euntung n DB+S (Database Management System/ Keuntungan $1%, yang diuraikan Connolly dan 1egg (/#1#:AA", adalah sebagai berikut: 1. %engontrol pengulangan data.

1A /. $ata yang konsisten. :. $apat memperoleh informasi yang lebih banyak dan +umlah data yang sama. 9. Pemakaian data secara bersama'sama. <. %eningkatkan integritas data. =. %eningkatkan keamanan. A. Penetapan standarisasi. !. Perbandingan skala ekonomi. . %enyeimbangi konflik kebutuhan. 1#. %eningkatkan akses dan respon dari data. 11. %eningkatkan produktifitas. 1/. %eningkatkan pemeliharaan data melalui data independen. 1:. %eningkatkan konkurensi. 19. %eningkatkan layanan backup dan recovery. 2.1...! 1e'ur ng n DB+S (Database Management System/ Kekurangan dari $1%, menurut Connolly dan 1egg (/#1#:!#", adalah sebagai berikut: 1. Kompleksitas. /. 4kuran yang besar karena kompleksitas yang ter+adi. :. 1iaya $1%, yang beragam tergantung pada lingkungan dan fungsi yang disediakan. 9. 3ambahan biaya untuk hardware. <. 1iaya kon6ersi yang dibutuhkan untuk penggunaan $1%, yang baru. =. Peforma kiner+a menurun.

1! A. 3ingkat kegagalan yang lebih besar. 2.1..." 2 si&it s DB+S (Database Management System/ %enurut Connolly dan 1egg (/#1#:==", fasilitas' fasilitas yang disediakan oleh $1%, adalah, sebagai berikut: 1. $$- (Data Definition Language" adalah suatu bahasa yang memperbolehkan $1* (Database Administrator" ataupun user untuk menentukan tipe, struktur, dan batasan keamanan data yang akan disimpan pada database. /. $%- (Data Manipulation Language" adalah suatu bahasa yang memiliki fasilitas untuk mengoperasikan data yang ada dalam database. %isalnya insert, edit, delete, dan update. :. ,8- (Structured Query Language" adalah suatu bahasa yang memberikan layanan akses terhadap data. Contoh dari layanan akses yang diberikan adalah : ,istem keamanan, yang mecegah pengguna yang tidak memiliki hak untuk mengakses database. ,istem integritas, yang mempertahankan konsistensi data yang tersimpan. ,istem kontrol konkurensi, yang memungkinkan untuk mengakses database secara bersama'sama. 2.1.3 Pengerti n Activity Diagram %enurut ,atBinger et al (/#1#:191", Activity diagram merupakan sebuah tipe dari diagram workflow yang menggambarkan

1 tentang akti6itas dari pengguna ketika melakukan setiap kegiatan dan aliran sekuensial.

# m$ r 2.2 Activity Diagram (Sum$er) S t4inger et &, 2-1-, %1"!/

2.1.5

Pengerti n ERD (Entity Relationship Diagram/ %enurut 2nmon (/##<:9 =", Entity elationship Diagram

(()$" adalah diagram yang menun+ukkan semua entitas dalam cakupan integrasi dan hubungan langsung antar entitas tersebut.

/# 2.1.6 Pengerti n Data Mart %enurut ,cheps (/##!:/#!" Data Mart dapat menerima data dari data warehouse, atau secara langsung dari sistem transaksional. Data mart dapat menampilkan transformasi dan kalkulasi pada data yang sama dengan data warehouse. 3api data mart selalu terbatas pada ruang lingkupnya dan tu+uan bisnis. %enurut 3urban, ,harda, $elen dan King (/#11:<:", data mart adalah subset dari data warehouse dan berfokus pada topik tertentu atau departemen, yang biasanya terdiri dari suatu subyek (misalnya pemasaran, operasi". 3erdapat dua +enis data mart, antara lain: Dependent Data Mart, adalah sebuah subset yang dibuat secara langsung dari data warehouse. %emiliki keuntungan dari

penggunaan data model yang konsisten dan menyediakan kualitas data. Independent Data Mart, adalah data mart yang mendukung konsep dari single enterprise!wide data model, tetapi data warehouse harus dibuat terlebih dahulu. 1erdasarkan pengertian yang di+abarkan oleh para ahli diatas dapat disimpulkan bahwa pengertian data mart adalah subset dari data warehouse atau data secara langsung dari sistem transaksional yang berfokus pada topik tertentu atau departemen yang biasanya terdiri dari suatu subyek (misalnya pemasaran". 2.1.1- Data Warehouse 2.1.1-.1 Pengerti n Data Warehouse

/1 %enurut 3urban, ,harda, $elen, dan King (/#11:</", data warehouse adalah kumpulan data yang dihasilkan untuk mendukung pengambilan keputusan. Data warehouse +uga merupakan tempat penyimpanan data saat ini dan data historis dari kepentingan manager diseluruh organisasi. %enurut -audon dan -audon (/#1#:/::", data warehouse adalah database yang menyimpan data penting saat ini dan historis dari kebutuhan informasi untuk manager dalam perusahaan. 1erdasarkan pengertian yang di+abarkan oleh para ahli diatas dapat disimpulkan bahwa pengertian data warehouse adalah kumpulan data atau database yang digunakan sebagai tempat penyimpanan data saat ini dan data historis dari kebutuhan informasi untuk manager diseluruh organisasi untuk mendukung pengambilan keputusan. 2.1.1-.2 1 r 'teristi' Data Warehouse Karakteristik data warehouse terdiri dari sub"ect oriented, integrated, time variant, dan non volatile.

Karakteristik Data #arehouse menurut 3urban, ,harda, $elen, dan King (/#11:</", antara lain: $% Sub"ect &riented $ata tersusun berdasarkan subyek yang detil, seperti sales, product, atau customers, hanya mengandung informasi yang rele6an untuk mengambil keputusan. Sub"ect &riented tidak hanya dapat membantu user untuk

// menentukan bagaimana proses bisinis mereka ber+alan tetapi +uga membantu dalam menentukan mengapa proses bisnis mereka ber+alan.

'% (ntegrated 2ntegrasi berhubungan erat dengan sub"ect orientation. Data warehouse harus menempatkan data dari sumber yang berbeda ke dalam format yang konsisten untuk melakukannya, mereka harus menghadapi konflik

penamaan dan perbedaan di antara satuan ukuran.

3. )ime *ariant

Data warehouse menyimpan data historical. $ata yang tidak selalu memberikan status. %ereka mendeteksi tren, penyimpangan dan hubungan +angka pan+ang untuk melakukan peramalan dan perbandingan, yang mengarah kepada pengambilan keputusan. ,etiap data warehouse mempunyai kualitas yang sementara. >aktu adalah satu' satunya dimensi yang penting yang semua data warehouse harus bisa mendukung.
4. +onvolatile

,etelah data dimasukan ke dalam data warehouse , user tidak bisa mengganti atau meng'update data. $ata yang lama dibuang dan perubahan data disimpan sebagai data yang baru.

/: 2.1.1-.! Lifecycle Diagram %enurut Kimball dan )oss (/#1#: A", Lifecycle Diagram adalah roadmap yang menggambarkan secara keseluruhan dari urutan dari tugas yang dibutuhkan untuk desain yang efektif, pengembangan, dan penyebaran.

# m$ r 2.! Lifecycle Diagram (Sum$er) 1im$ && d n Ross, 2-1-, %63/

2 ! !" # !

$rogram%$ro&ect $lanning and Management %enurut Kimball dan )oss (/#1#: !", Kotak pertama dari roadmap adalah berfokus pada peluncuran program atau proyek, termasuk ruang lingkup, pembenaran, dan susunan karyawan. Keseluruhan dari lifecycle, program dan tugas proyek mana+emen memastikan akti6itas tetap pada +alur yang benar.

2 ! !" # 2

'usiness Re(uirements %enurut Kimball dan )oss (/#1#: !", %emilih kebutuhan bisnis adalah tugas utama dalam Kimball Lifecycle karena temuan ini

/9 mendorong sebagian besar keputusan upstream dan

downstream. Kebutuhan dikumpulkan untuk menentukan faktor kunci yang mempengaruhi bisnis dengan berfokus pada apa yang dilakukan oleh pengguna bisnis (atau apa yang akan dilakukan di masa mendatang", daripada bertanya Capa yang anda inginkan dalam data warehouseDE Kesempatan utama di seluruh perusahaan diidentifikasi, diberikan prioritas

berdasarkan pada nilai bisnis dan kelayakan, kemudian rincian kebutuhan dikumpulkan untuk iterasi pertama dari

pembangunan sistem $>;12. 2 ! !" # # )echnology )rac* %enurut Kimball dan )oss (/#1#: !", -ingkungan Data #arehouse atau ,usiness (ntelligence berintegrasi dalam berbagai teknologi, menyimpan data, dan metadata yang terkait. Jalur teknologi dimulai dengan mendesain sistem arsitektur ()echnical Architecture Design" untuk membuat daftar

kemampuan yang dibutuhkan, kemudian dilan+utkan dengan pemilihan dan pemasangan produk yang memuaskan kebutuhan' kebutuhan arsitektur (-roduct Selection . (nstallation/% 2 ! !" # + Data )rac* %enurut Kimball dan )oss (/#1#: !", data track dimulai dengan merancang sebuah Modeling" target dalam dari model

dimensional

(Dimensional

memenuhi

kebutuhan bisnis, dengan tetap mempertimbangkan data yang sebenarnya.

/< $ibawah ini terdapat tahapan (nine step

methodology" untuk merancang dimensional modeling menurut Kimball dan )oss (/#1#:/1#", adalah sebagai berikut: 1. ,hoose )he $rocess (Pemi&i7 n Proses/ %enurut Kimball dan )oss (/#1#:/11", $alam tahap awal ini, proses yang dipilih lebih menun+uk pada subyek yang ada dari sebuah bagian data mart. Data mart yang akan dibangun harus tepat waktu yang berdasarkan dengan anggapan dari men+awab semua pertanyaan bisnis yang banyak diutarakan atau yang paling penting. Contoh pemilihan terbaik untuk data mart adalah yang berhubungan dengan sales, misalnya property sales, property leasing, property advertising% 2. ,hoose )he -rain (Pi&i7 #r in/ %enurut Kimball dan )oss (/#1#:/11", $alam tahap kedua ini, pemilihan grain berarti menentukan secara tepat apa yang direpresentasikan oleh record pada tabel fakta. Ketika dalam memilih grain untuk tabel fakta, maka kita baru dapat mengidentifikasi dimensi dari tabel fakta tersebut. Keputusan dalam pemilihan grain untuk tabel fakta +uga dapat menentukan grain untuk masing'masing tabel dimensi. Contohnya, +ika sumber dari sebuah tabel fakta property sales adalah property sales individual maka sumber dari sebuah dimensi pelanggan berisi rincian pelanggan yang membeli property tersebut.

/= !. Identify and ,onform )he Dimensions (Identifi' si d n Pen8esu i n Dimensi/ %enurut Kimball dan )oss (/#1#:/11", $alam tahap ketiga ini, dimensi membentuk konteks untuk bertanya tentang fakta di dalam tabel fakta. Kumpulan dimensi yang baik membuat data mart mudah dimengerti dan digunakan. Jika ada dimensi yang digunakan pada dua data mart, maka dimensi tersebut harus sama atau secara matematis salah satunya harus merupakan bagian dari yang lainnya. &anya dengan cara ini, maka dua data mart dapat saling berbagi satu atau lebih dimensi pada aplikasi yang sama. Ketika dimensi digunakan pada lebih dari satu data mart, maka data mart mengarah sebagai conformed. Contohnya, dimensi dokter mendeskripsikan atribut (D, nama dokter, alamat, kota, no telepon. Set dimensi yang dibangun dengan baik, memberikan kemudahan untuk memahami dan menggunakan data mart% $imensi tersebut penting untuk menggambarkan fakta' fakta yang terdapat pada tabel fakta. Contohnya, setiap data dokter pada tabel dimensi dokter dilengkapi dengan idFdokter, noFdokter, gelarFdokter, tempatFtinggal dan lain sebagainya. Jika ada dimensi yang muncul pada dua data mart, kedua data mart tersebut harus berdimensi sama, atau paling

/A tidak salah satunya berupa subset matematis dari yang lainnya. Jika sebuah dimensi digunakan pada dua data mart atau lebih, dan dimensi ini tidak disinkronisasi, maka keseluruhan data warehouse akan gagal, karena dua data mart tidak dapat digunakan secara bersama'sama. ". ,hoose )he .act (Pemi&i7 n 2 't / %enurut Kimball dan )oss (/#1#:/1:", $alam tahap keempat ini, 0rain yang berasal dari tabel fakta digunakan untuk menentukan fakta yang dapat digunakan. %isalnya, grain dari tabel fakta adalah setiap property, kemudian semua fakta numerik harus menun+uk pada pen+ualan ini. 5akta'fakta tersebut harus numerik dapat dapat ditambah. ,umber dari sebuah tabel fakta menentukan fakta mana yang dapat digunakan dalam data mart. ,emua fakta harus diekspresikan pada tingkat yang telah ditentukan oleh sumber. 0. Store $recalculations in )he .act )able (Pen8im% n Pre' &'u& si di T $e& 2 't / %enurut Kimball dan )oss (/#1#:/1:", $alam tahap kelima ini, setelah melakukan pemilihan fakta'fakta, maka akan dilakukan pengka+ian ulang untuk menentukan apakah ada fakta'fakta yang dapat diterapkan untuk pre! calculation atau kalkulasi awal. Contohnya, kebutuhan untuk

/! penyimapan pre!calculation muncul ketika fakta berisi pernyataan untung dan rugi. ,ituasi ini akan meningkat ketika tabel fakta didasarkan pada invoice atau sales. Contoh lainnya adalah saat membandingkan keuntungan dan kerugian. .. Round /ut )he Dimension )ables T $e& Dimensi/ %enurut Kimball dan )oss (/#1#:/19", $alam tahap keenam ini, untuk memastikan tabel dimensi dengan menambahkan gambaran teks terhadap dimensi yang memungkinkan. .ambaran teks harus mudah dimengerti dan digunakan oleh user. Kegunaan suatu data mart ditentukan oleh lingkup dan atribut tabel dimensi. Kita menambahkan gambaran teks atau keterangan selengkap'lengkapnya pada tabel dimensi. Keterangannya harus bersifat intuitif dan mudah dipahami oleh user. 3. Duration of )he Database (Dur si Database/ %enurut Kimball dan )oss (/#1#:/1<", $alam tahap ketu+uh ini, durasi tersebut digunakan untuk mengukur se+auh mana tabel fakta dapat melihat ke beberapa tahun ke belakang. 1anyak perusahaan yang ingin melihat apa sa+a yang ter+adi pada periode waktu yang sama dalam satu tahun, dua tahun, atau tiga tahun sebelumnnya. 4ntuk +enis perusahaan tertentu, mereka ingin dapat melihat data hingga (+em sti' n

/ lima tahun ke belakang. 3abel fakta yang besar

menimbulkan dua persoalan. Pertama, semakin tua umur data, akan muncul masalah pembacaan dan interpretasi file lama. Kedua, menimbulkan kemungkinan 6ersi dimensi lama digunakan, bukan 6ersi terbarunya. 5. Determine )he 0eed to )rac* Slo1ly ,hanging

Dimensions (Determin si 8 ng Per&u untu' L 9 ' Peru$ 7 n d ri Dimensi se9 r Per& 7 n/ %enurut Kimball dan )oss (/#1#:/1<", $alam tahap kedelapan ini, masalah perubahan dimensi secara perlahan memiliki arti, contoh: deskripsi yang tepat pada old client dan old branch harus digunakan sebagai history transaksi sebelumnya. Perubahan dimensi ini dapat berubah secara perlahan seiring ber+alannya waktu dan kebutuhan. 3erdapat tiga tipe dasar perubahan secara perlahan untuk mengamati perubahan dari dimensi pada dimensional table, yaitu: 3ipe 1, *tribut dimensi yang diubah dituliskan ulang. 3ipe /, *tribut dimensi yang diubah menyebabkan pembentukan record yang baru. 3ipe :, *tribut dimensi yang diubah mengakibatkan sebuah atribut atau kolom alternative dibuat, +adi antara record yang lama dan baru diakses secara bersama'sama. 6. Decide )he $hysical Design (+enentu' n Per n9 ng n 2isi'/

:# %enurut Kimball dan )oss (/#1#:/1<", $alam tahap terakhir ini, dapat mempertimbangkan pengaruh dari rancangan fisik, seperti penyortiran urutan tabel fakta pada disk dan keberadaan dari penyimpanan awal ringkasan (summaries" atau pen+umlahan. ,elain itu, masalah seperti administrasi, summaries, kiner+a indeks, dan keamanan +uga merupakan faktor yang harus diperhatikan. ,etelah itu, model dimensional diubah men+adi kedalam rancangan fisik (-hysical Design" saat strategi penyesuaian kiner+a dipertimbangkan, kemudian rancangan dan pembangunan diekstrak, transformasi, dan load ((3$esign and $e6elopment" ditangani. 2 ! !" # 2 'usiness Intelligence )rac* %enurut Kimball dan )oss (/#1#: ", sementara beberapa anggota proyek berkonsentrasi pada teknologi dan data, anggota lain berfokus untuk mengidentifikasi dan membangun aplikasi ,usiness (ntelligence dengan cakupan yang besar, termasuk laporan'laporan standar 1uery berparameter, dashboards, scorecards, model'model analisis, dan aplikasi data mining, bersamaan dengan na6igasi interface yang

berhubungan. 2 ! !" # 3 Deployment4 Maintenance4 and -ro1th %enurut Kimball dan )oss (/#1#: ", tiga lifecycle track berada pada tahap deployment, membawa teknologi, data, dan aplikasi ,usiness (ntelligence (,(" bersama'sama.

:1 Deployment iteration memasuki tahap pemeliharaan, sedangkan pertumbuhan ditu+ukan untuk perencanaan proyek dalam iterasi selan+utnya dari sistem data warehouse atau ,usiness

(ntelligence (,(".

2.1.11 Dimensionality Modelling %enurut Connolly dan 1egg (/#1#:1//A", Dimensionality Modeling adalah sebuah teknik desain logika yang bertu+uan untuk menampilkan data dalam bentuk standar, intuitif yang memungkinkan akses cepat. Dimensionality Modeling menggunakan konsep model Entity! elationship (()" dengan beberapa batasan penting. ,etiap model dimensi terdiri dari satu tabel dengan satu composite primary key yang disebut fact table dan memiliki kumpulan dari tabel yang lebih sederhana yang disebut tabel dimensi (Dimension )able". 3iap tabel dimensi memiliki primary key (non composite" yang akan

berkorespondensi tepat satu dengan komponen pada composite key dalam fact table. 2.1.11.1 Star Schema %enurut Connolly dan 1egg (/#1#:1//A", star schema adalah model data dimensional yang mempunyai fact table di bagian tengah, dikelilingi oleh tabel dimensi yang terdiri dari data reference (yang bisa di'denormali2ed". Star schema mengambil karakteristik dari factual data yang di' generate oleh event yang ter+adi dimasa lampau.

:/

# m$ r 2." Conto7 St r S97em (Sum$er) Conno&&8 d n Begg, 2-1-, %1225/

2.1.11.2 Sno1fla*e %enurut Connolly dan 1egg (/#1#:1// ", Snowflake adalah +enis dari star schema dimana tabel dimensinya tidak mengandung denormalisasi.

# m$ r 2.0 Conto7 Sno:f& 'e (Sum$er) Conno&&8 d n Begg, 2-1-, %1226/

:: 2.1.11.! Starfla*e %enurut Connolly dan 1egg (/#1#:1/:#", Starflake adalah struktur gabungan yang mengandung campuran dari star schema dan snowflake. 1erdasarkan dari kutipan pengertian ketiga schema diatas, dapat disimpulkan bahwa tabel fakta pada star schema dikelilingi oleh banyak dimensi dengan hubungan one!to!many, sedangkan pada snowflake tabel fakta terhubung banyak ke tabel dimensi, yang dimana dimensi tersebut dapat dihubungkan ke tabel dimensi lain , sedangkan starflake schema merupakan gabungan antara star schema dengan snowflake% 2.1.12 E5tract4 )ransform4 Loading Data (ETL/ %enurut )ainardi (/##!", (3- adalah suatu proses mengambil dan mengirim data dari sumber data ke data warehouse. $alam proses pengambilan data, data harus bersih agar didapat kualitas data yang baik. Contohnya ada nomor telepon yang invalid, ada kode buku yang tidak eksis lagi, ada beberapa data yang null, dan lain sebagainya. Pendekatan tradisional pada proses (3- mengambil data dari data sumber, meletakkan pada staging area, dan kemudian mentransformasi dan meng'load ke data warehouse. Proses (3- ((Gtract, 3ransform, -oading" terbagi men+adi :, yaitu: 1. E3tract E3tract adalah proses penentuan source yang akan digunakan sebagai sumber data bagi data warehouse. $i sini kita bias

:9 menentukan data apa sa+a yang diperlukan, tabel apa sa+a yang di+adikan sumber. -angkah pertama pada proses (3- adalah mengekstrak data dari sumber'sumber data. Kebanyakan proyek data warehouse menggabungkan data dari sumber'sumber yang berbeda. Pada hakekatnya, proses ektraksi adalah proses penguraian, pembersihan dari data diekstrak untuk mendapatkan struktur atau pola data yang diharapkan. /. )ransform ,etelah source ditentukan, maka data tersebut diubah agar sesuai dengan standard yang ada pada data warehouse. 3ahapan transformasi menggunakan serangkaian aturan atau fungsi untuk mengekstrak data dari sumber dan selan+utnya dimasukkan dalam data warehouse. $ibawah ini hal'hal yang dilakukan dalam tahapan transformasi, yaitu: a. &anya memilih kolom tertentu sa+a untuk dimasukkan ke dalam data warehouse. b. %enter+emahkan nilai'nilai yang berupa kode, misalnya sumber database menyimpan nilai 1 untuk laki'laki dan nilai / untuk perempuan, tetapi data warehouse yang telah ada menyimpan * untuk dewasa dan C untuk anak'anak, maka ini disebut +uga dengan automated data cleaning (tidak ada pembersihan secara manual yang ditun+ukkan selama proses (3-". c. %elakukan perhitungan nilai'nilai baru seperti total H hF+ual I 7ty.

:< d. %engkodekan nilai'nilai ke dalam bentuk bebas seperti memetakan yang umurnya C=<E ke kategori C$E. e. %embuat ringkasan dari sekumpulan baris data seperti total pen+ualan untuk setiap toko atau setiap bagian. f. %enggabungkan data secara bersama'sama dari berbagai sumber. :. Load Load adalah proses memasukkan data'data yang sudah di transformasi ke dalam data warehouse untuk disimpan sebagai summary atau archieve. 5ase load merupakan tahapan yang berfungsi untuk memasukkan data ke dalam target akhir, yang biasanya ke dalam suatu data warehouse. Jangka waktu proses ini tergantung pada kebutuhan organisasi. 1eberapa data warehouse dapat setiap minggu menulis keseluruhan informasi yang ada secara kumulatif, data diubah, sementara data warehouse yang lain satau bagian lain dari data warehouse yang sama dapat menambahkan data baru dalam suatu bentuk historical, contohnya setiap +am. >aktu dan +angkauan untuk mengganti atau menambah data tergantung dari perancangan data warehouse pada waktu

menganalisis keperluan informasi. 2.1.1! Pengerti n /n6line )ransaction $rocessing %enurut ,tair dan )eynolds (/#1#", ?-3P adalah suatu bentuk pengolahan data dimana setiap transaksi diproses dengan

segera, tanpa penundaan mengumpulkan transaksi ke dalam batch. %emiliki karakteristik dengan +umlah data yang besar namun transaksi

:= yang dilakukan cukup sederhana seperti insert, update, dan delete. &al utama yang men+adi perhatian dari sistem yang dilakukan ?-3P adalah melakukan 1uery secara cepat dan mudah untuk diperbaiki dan dapat diakses. 2.1.1" OLAP (/nline Analytical $rocessing/ 2.1.1".1 Pengerti n OLAP (/nline Analytical $rocessing/ %enurut 3urban, ,harda, $elen, dan King (/#11:AA" struktur operasional utama dalam ?-*P didasarkan pada konsep yang disebut kubus (cube". Kubus (cube" didalam ?-*P adalah struktur data multidimensional (actual atau virtual" yang memungkinkan analisis data yang cepat. Juga dapat didefinisikan sebagai kemampuan dari memanipulasi dan menganalisis data secara efisien dari berbagai perspektif. ,usunan data ke dalam kubus bertu+uan untuk mengatasi keterbatasan database relational. Database relational tidak cocok untuk analisis yang cepat dan dekat dari se+umlah besar data. ,ebaliknya, mereka lebih cocok untuk memanipulasi record (menambahkan, menghapus, dan memperbarui data" yang mewakili serangkaian transaksi. %enurut ,cheps (/##!:=!" &nline Analytical

-rocessing adalah sebuah konsep data multidimensional dengan konsep mentualisasi data transaksional perusahaan. 1ukan hanya mengagregasi data, ?-*P memberikan

kemampuan pada sistem 12 untuk melihat data dengan cara baru.

:A

# m$ r 2.. /nline Analytical $rocessing (Sum$er) S97e%s, 2--5, %.6/ 1erdasarkan pengertian yang di+abarkan oleh para ahli diatas dapat disimpulkan bahwa pengertian &nline Analytical -rocessing (?-*P" adalah sebuah konsep data multidimensional yang mendukung kegiatan mulai dari self service reporting dan analisis data yang cepat dan efisien dari berbagai perspektif. 2.1.1".2 Arsite'tur OLAP %enurut ,cheps (/##!:AA", ,istem ?-*P

mempunyai dua kategori, yaitu: OLAP ,ube $i lingkungan ?-*P, cube adalah penyimpan data terspesialisasi dirancang secara spesifik untuk

:! menangani data ringkasan multidimensional

(multidimentional summary data". $ata cube disimpan di cell dan strukturnya seperti 4D spreadsheet.

# m$ r 2.3 ,ube (Sum$er) S97e%s, 2--5, %33/

OLAP Access )ools -ingkungan client yang memungkinkan

pengguna untuk memanipulasi data cube dan akhirnya menghasilkan ,usiness (ntelligence yang berarti dari berbagai sudut pandang dan dapat lebih dari satu sudut pandang. 2.1.10 Per$ed n OLAP d n OLTP %enurut Jercellis (/## :9 " terdapat perbedaan antara ?-*P dan ?-3P, antara lain dapat dilihat pada tabel dibawah ini:

T $e& 2.1 Per$ed

n nt r OLTP d n OLAP

(Sum$er) ;er9e&&is, 2--6, %"6/ 1 r 'teristi' Jolatilitas >aktu $imensi waktu 0ranuality 5pdate *kti6itas 5leksibilitas Kiner+a 5ser 5ungsi 3u+uan penggunaan Prioritas Metric 4kuran data OLAP $ata statis $ata saat ini dan historis (ksplisit dan 6arian $ata agregasi dan konsolidasi -eriodic dan regular OLTP $ata dinamis $ata saat ini 2mplisit dan terkini $ata yang detil 1erlan+ut dan tidak

regular 3idak dapat diprediksi 1erulang kali 3inggi )endah )endah untuk 1uery yang 3inggi, satu detik per kompleks 6nowledge workers *nalisis Query kompleks 1uery Karyawan ?perasional dan 3ransaksi Kiner+a tinggi )ata'rata transaksi Megabyte hingga gigabyte

pendukung keputusan 5leksibilitas tinggi )espon efektif 0igabyte hingga terabyte

2.1.1. Pengerti n Metadata %enurut Kimball dan )oss (/#1#:<==", Metadata adalah semua informasi dalam lingkungan data warehouse yang bukan merupakan data itu sendiri. Metadata ini hampir sama dengan sebuah insiklopedia untuk data warehouse. 2.1.13 Data Mining

9# %enurut &an dan Kamber (/#11::=", data mining adalah proses menemukan pola yang menarik dan pengetahuan dari data yang ber+umlah besar. %enurut Jercellis (/## :AA", data mining adalah akti6itas yang menggambarkan sebuah proses analisis yang ter+adi secara iteratif pada database yang besar, dengan tu+uan mengekstrak informasi dan knowledge yang akurat dan berpotensial berguna untuk knowledge workers yang berhubungan dengan pengambilan keputusan dan pemecahan masalah. *kti6itas data mining dapat dipisahkan men+adi /,

berdasarkan tu+uan dari analisis yaitu: 2nterpretasi 3u+uan dari interpretasi adalah untuk mengetahui pola dari data dan menghasilkannya dalam bentuk aturan dan kriteria yang dapat dimengerti eksekutif. Prediksi 3u+uan dari prediksi adalah untuk mengestimasikan ke+adian' ke+adian yang ter+adi di masa depan. Contohnya, perusahaan retail dapat menggunakan data mining untuk memprediksikan pen+ualan dari produk mereka di masa depan dengan menggunakan data'data yang telah didapatkan dari beberapa minggu. 1erdasarkan pengertian yang di+abarkan oleh para ahli diatas dapat disimpulkan bahwa pengertian data mining adalah sebuah proses analisis yang ter+adi secara interatif dan menemukan pola yang menarik, serta pengetahuan dari data yang ber+umlah besar.

91 2.1.15 Pengerti n ,lustering %enurut &an dan Kamber (/#11", 7lustering adalah proses pengelompokkan kumpulan data men+adi beberapa kelompok sehingga ob+ek di dalam satu kelompok memiliki banyak kesamaan dan memiliki banyak perbedaan dengan ob+ek dikelompok lain. Perbedaan dan persamaannya biasanya berdasarkan nilai atribut dari ob+ek tersebut dan dapat +uga berupa perhitungan +arak. 7lustering sendiri +uga disebut 5nsupervised 7lassification, karena clustering lebih bersifat untuk dipela+ari dan diperhatikan. 7luster analysis merupakan proses partisi satu set ob+ek data ke dalam himpunan bagian. ,etiap himpunan bagian adalah cluster, sehingga ob+ek yang di dalam cluster mirip satu sama dengan yang lainnya, dan mempunyai perbedaan dengan ob+ek dari cluster yang lain. Partisi tidak dilakukan dengan manual tetapi dengan algoritma clustering. ?leh karena itu, 7lustering sangat berguna dan bisa menemukan group yang tidak dikenal dalam data.

2.1.16 'usiness Intelligence 2.1.16.1 Pengerti n 'usiness Intelligence %enurut ,cheps (/##!:11", ,usiness (ntelligence adalah segala akti6itas, tool, atau proses yang digunakan untuk mendapatkan informasi yang terbaik untuk mendukung proses pembuatan keputusan.

9/ %enurut Jercellis (/## ::", ,usiness (ntelligence adalah kumpulan model metematika dan metodologi analisa yang secara sistematik menghasilkan data untuk menghasilkan suatu informasi dan pengetahuan yang berguna untuk mendukung proses pengambilan keputusan yang kompleks. 3u+uan utama dari business intelligence adalah untuk menyediakan alat dan metodologi bagi knowledge workers untuk membuat keputusan yang efektif dan tepat waktu. Keputusan yang efektif *plikasi dari metode analisa yang butuh ketelitian tinggi membuat pengambil keputusan harus mengandalkan informasi dan pengetahuan mana yang dapat diandalkan. &asilnya, mereka dapat membuat keputusan yang lebih baik dan membuat suatu perencanaan yang dapat membuat tu+uan mereka tercapai dengan efektif. Keputusan yang tepat waktu Perusahaan beroperasi dalam lingkungan ekonomi yang berkarakterisasi oleh tingkatan kompetisi dan dinamisme yang tinggi. Konsekuensinya, kemampuan untuk bereaksi dengan pesaing dan kondisi pasar baru merupakan faktor penting dalam kesuksesan ataupun kelangsungan hidup perusahaan. 1erdasarkan pengertian yang di+abarkan oleh para ahli diatas dapat disimpulkan bahwa pengertian ,usiness (ntelligence (,(" adalah kumpulan akti6itas, tool, atau proses

9: yang digunakan, dan metodologi analisa yang secara sistematis pengetahuan dapat yang menghasilkan berguna suatu informasi dan proses

untuk

mendukung

pembuatan keputusan yang kompleks. 2.1.16.2 Arsite'tur 'usiness Intelligence %enurut Jercellis (/## : ", arsitektur dari sebuah business intelligence system, terdiri dari enam komponen utama yaitu: 1. Data sources Pada tahap pertama, diperlukan suatu proses untuk mengumpulkan dan mengintegrasikan data'data yang disimpan dalam berbagai sumber yang ber6ariasi, yang mana saling berbeda baik itu asal maupun +enisnya. ,umber ini kebanyakan berasal dari data'data yang terdapat pada operational systems, tetapi bisa +uga berasal dari dokumen yang tidak terstruktur seperti email dan data' data yang dikirimkan oleh pihak luar. /. Data warehouse dan data marts $engan menggunakan e3traction dan transformation tools yang dikenal sebagai (3- (e3tract, transform, load", data yang berasal dari berbagai sumber yang berbeda disimpan ke dalam database yang ditu+ukan untuk mendukung analisis business intelligence% Database inilah yang biasanya dikenal dengan sebutan data warehouse dan data marts%

99 :. Data e3ploration Pada level ketiga ini, tools!tools yang berfungsi untuk keperluan analisis business intelligence pasif digunakan. )ools!tools ini terdiri dari 1uery dan reporting systems, serta statistical methods. %etodologi ini bersifat pasif karena para pengambil keputusan harus mengambil keputusan berdasarkan hipotesa mereka sendiri atau mendefinisikan kriteria dari data e3traction, kemudian menggunakan tools analisis untuk menemukan +awaban dan mencocokkannya dengan hipotesa awal mereka. 9. Data mining Level keempat ini terdiri dari se+umlah metodologi business intelligence yang bersifat aktif yang tu+uannya adalah untuk mengekstrak informasi dan pengetahuan dari data. %etodologi ini berisi se+umlah model matematika untuk pengenalan pola, pembela+aran mesin, dan teknik data mining% 3idak seperti tools yang digunakan pada level sebelumnya, model dari business intelligence yang bersifat aktif ini tidak mengharuskan para pengambil keputusan untuk mengeluarkan hipotesa apapun. <. &ptimi2ation Pada level ini, solusi terbaik harus dipilih dari sekian alternative yang ada, yang biasanya sangat banyak dan beragam. =. Decisions

9< Pada level terakhir ini yang men+adi persoalan utama adalah bagaimana menentukan keputusan akhir yang akan diambil yang dikenal sebagai decision making process. >alaupun metodologi business intelligence berhasil diterapkan, pilihan untuk mengambil sebuah keputusan ada pada para pengambil keputusan. Pertimbangkan untuk mengambil keputusan ini biasanya diambil +uga dari informasi yang tidak terstruktur serta tidak formal dan memodifikasi rekomendasi serta kesimpula yang dicapai melalui penggunaan model matematika.

# m$ r 2.5 1om%onen ut m d ri 'usiness Intelligence (Sum$er) ;er9e&&is, 2--6, %6/ 2.1.16.! Si'&us <idu% 'usiness Intelligence %enurut Jercellis (/## :1/", ada 9 siklus hidup business intelligence, yaitu : ! Analysis ,aat fase analisis, sangat penting untuk mengenali masalah luar maupun dalam. Pengambil keputusan harus membuat representasi dari ke+adian yang sedang dianalisis, dengan

9= mengidentifikasikan faktor penting yang paling rele6an dengan masalah. 2 Insight 5ase kedua membuat pengambil keputusan mengerti lebih dalam mengenai masalah, biasanya dalam tingkatan kausal. ,ebagai contoh, +ika analisis dalam fase pertama menun+ukkan bahwa banyak pelanggan yang tidak lagi melan+utkan asuransi mereka, dalam fase kedua sangat penting untuk mengidentifikasi profil dan karakteristik yang dimiliki oleh pelanggan. 2nformasi yang didapat dari fase pertama ditransformasikan kedalam fase kedua. # Decision ,aat fase ketiga, pengetahuan yang didapat dari fase kedua diubah men+adi suatu keputusan yang akan diikuti dengan ksi. %etodologi business intelligence memungkinkan fase analisis dan pendalaman dieksekusi berkali'kali agar keputusan yang efektif dan tepat waktu dalam dibuat untuk memenuhi prioritas strategis suatu perusahaan. + Evaluation 5ase terakhir dari ,usiness (ntelligence meliputi

pengukuran kiner+a dan e6aluasi. $engan menun+ukkan indikator kiner+a yang dapat digunakan untuk

menge6aluasi kiner+a dari perusahaan.

9A

# m$ r 2.6 Si'&us <idu% 'usiness Intelligence (Sum$er) ;er9e&&is, 2--6, %12/

2.1.16." 1euntung n 'usiness Intelligence %enurut Khan (/#1/:=9" dalam +urnalnya

mengatakan bahwa sementara dunia bisnis berubah dengan cepat dan proses bisnis men+adi lebih dan lebih kompleks sehingga lebih sulit bagi manager untuk memiliki yang komprehensif pemahaman lingkungan bisnis. 5aktor

globalisasi, deregulasi, merger dan akuisisi, kompetisi dan ino6asi teknologi, telah memaksa perusahaan untuk

memikirkan kembali strategi bisnis mereka dan hanya perubahan besar telah menggunakan teknik ,usiness

(nteligence (12" untuk membantu mereka memahami dan mengendalikan proses bisnis untuk mendapatkan keuntungan kompetitif. 12 terutama digunakan untuk meningkatkan ketepatan waktu dan kualitas informasi, dan memungkinkan manager lebih memahami posisi perubahan mereka

dibandingkan dengan pesaing.

9! *plikasi dan 3eknologi 12 ini membantu perusahaan untuk menganalisis perubahan tren dalam pangsa pasar, perubahan perilaku pelanggan dan pengeluaran pola,

preferensi pelanggan, kemampuan perusahaan dan kondisi pasar. &al ini digunakan untuk membantu analisis dan manager menentukan penyesuaian yang paling mungkin untuk merespon perubahan tren. 2a telah muncul sebagai sebuah konsep untuk menganalisis data yang dikumpulkan dengan tu+uan untuk membantu unit pengambilan keputusan

mendapatkan pengetahuan yang lebih baik yang komprehensif dari sebuah operasi, organisasi dan dengan demikian membuat keputusan bisnis lebih baik. 2.1.16.0 1om%onen 'usiness Intelligence %enurut Kapoor (/#1#://" dalam +urnalnya

mengatakan bahwa komponen ,usiness (ntelligence terdiri dari 9 (empat" sub!system, yaitu: 1. )he Data Management sub6system %encakup komponen yang berkaitan dengan data warehouse, data mart, dan &nline Analytical -rocessing (?-*P". ?rang'orang yang beker+a terutama di daerah ini adalah 0teknologi0, yang mengkhususkan diri dalam 2lmu Komputer, ,istem 2nformasi %ana+emen (%2,", atau disiplin terkait. 2. )he Advanced Analytics sub6system

9 %eliputi analisis fungsi berdasarkan statistik, data mining, peramalan, pemodelan prediktif, analisis prediktif, dan optimasi. ?rang'orang yang beker+a terutama di daerah ini adalah 0,uper 5ser0, yang mengkhususkan diri dalam %atematika, ,tatistik, 2lmu %ana+emen atau disiplin yang terkait. !. )he 'usiness $erformance Management sub6system 3erdiri dari proses untuk tu+uan strategis dan tu+uan, pengukuran kiner+a dan mentoring, menganalisis kiner+a dan membuat keputusan untuk meningkatkan kiner+a bisnis. ". )he Information Delivery sub6system %emberikan pengguna bisnis kemampuan untuk

mengakses laporan dan terus memantau kiner+a organisasi pada perusahaan dan tingkat yang lebih rendah. %enurut perannya sebagai teknokrat, super user, manager

menengah, manager eksekutif, atau pengguna operasional, ia akan diberi peran berbasis hak untuk mengakses laporan yang rele6an dalam ringkasan dan atau format rinci. Pengguna akhir +uga mampu memantau kegiatan kunci seperti tren, metrik, dan KP2 dalam mudah untuk memahami desain, seperti portal informasi dikonfigurasi, Scorecard dan dashboard. 3ergantung pada peran indi6idu dan tanggung +awab, disa+ikan dengan tren, metrik, dan

<# KP2 pada tingkat agregasi yang sesuai dengan keamanan untuk memblokir non'hak istimewa item. 2.1.2- Dashboard %enurut ,cheps (/##!: <" Dashboard merupakan keturunan langsung dari (2, lama dan sistem $,,, dengan meningkatkan fungsional dan penampilan. Karena mereka terhubung dengan sistem data yang kuat dan memanfaatkan KP2. %enurut ,cheps (/##!: A" terdapat tiga +enis dashboard yaitu: )actical Dashboard %engukur produkti6itas +angka pendek dan efekti6itas. &asilnya sering digunakan oleh contributor indi6idu. /perational Dashboard %engukur efekti6itas +angka pendek dari fungsi bisnis yang spesifikasi pada tim atau level unit bisnis. Level dashboard ini dapat secara potensial dikembangkan untuk seorang knowledge worker atau local team manager. Strategic Dashboard $ibangun untuk level pengaturan kebi+akan dari organisasi. Dashboard menampilkan metric yang menggambarkan strategi dan tu+uan korporasi. 2.1.21 Management Reporting %enurut Jan 1arned (/#11:9", dalam +urnalnya mengatakan bahwa pengertian dari Management eporting adalah suatu pelaporan yang bertu+uan untuk memberikan informasi yang berguna secara berkala kepada pemilik perusahaan dalam pengambilan keputusan.

<1 $alam %anagement 5inancial 5ramework (/#1/:1",

Pengertian Management eporting adalah proses penyediaan informasi kepada lembaga mana+emen dengan tepat waktu, akurat dan rele6an yang dirancang untuk membantu dalam strategis dan operasional perusahaan. Karena Management eporting yang efektif sangat penting untuk mana+emen dalam membuat keputusan yang tepat, efisien, dan efektif. $ibawah ini manfaat bagi lembaga mana+emen dengan menggunakan management reporting yang tepat waktu dan efektif, adalah sebagai berikut:
-

%eningkatkan proses pengambilan keputusan. %eningkatkan efekti6itas mana+emen. Penggunaan sumber daya dalam proses pengiriman +asa men+adi lebih efisien.

%eningkatkan keyakinan dalam kualitas keputusan mana+emen oleh staf lembaga.

%eningkatkan responsi6itas terhadap isu'isu yang muncul

Pengembangan struktur dan format dari management reporting merupakan elemen yang mendasar dalam menyediakan informasi kepada lembaga dan staf mana+emen dengan tepat, akurat dan tepat waktu. %isalnya, laporan diberikan kepada mana+emen senior biasanya mengenai summary laporan tentang berbagai aspek operasional. -aporan'laporan ini akan didukung dengan fungsi drill!down yang memungkinkan untuk ulasan transaksional bagi mana+emen apabila diperlukan. eporting diberikan kepada mana+emen lini dan staf

</ umumnya akan menyediakan laporan lebih bertarget dan transaksional pada fungsi instansi dari laporan mana+emen tingkat yang lebih tinggi.

2.2

Teori-Teori 17usus 2.2.1 Instru'tur %enurut &amalik (/##A:199", instruktur (pelatih" adalah tenaga kependidikan yang bertugas dan berfungsi melaksanakan pendidikan dan pelatihan. %enurut &amalik (/##A: 19<'19A", instruktur memiliki peranan'peranan tertentu yang meliputi: 1. Peranan sebagai penga+arK instruktur berperan menyampaikan pengetahuan dengan menya+ikan berbagai informasi yang

diperlukan berupa konsep'konsep, fakta, dan informasi yang dapat memperkaya wawasan pengetahuan para peserta pelatihan dengan cara melibatkan mereka secara aktif untuk mencari pengetahuan sendiri yang mereka butuhkan. /. Peranan sebagai pemimpin kelasK instruktur berperan sebagai pemimpin kelas secara keseluruhan sehingga dari peranannya itu pelatih perlu menyusun perencanaan, pelaksanaan, pengawasan, dan penilaian selama berlangsungnya proses pembela+aran. :. Peranan sebagai pembimbingK instruktur perlu memberikan bantuan dan pertolongan bagi peseta pelatihan yang mengalami kesulitan dalam proses pembela+aran;pelatihan yang pada akhirnya

mengarahkan peserta lebih aktif dan mandiri. 1entuk bimbingannya

<: dapat berupa mengarahkan, memoti6asi, membantu memecahkan masalah dan lain'lain. 9. Peranan sebagai fasilitatorK instruktur berperan menciptakan kondisi lingkungan pelatihan agar peserta pelatihan bela+ar aktif sehingga proses pembela+aran men+adi efektif. <. Peranan sebagai peserta aktifK instruktur dapat berperan serta sebagai peserta aktif dalam kegiatan diskusi dengan cara memberikan informasi, mengarahkan pemikiran, menun+ukkan +alan pemecahan (problem solving", dan sumber'sumber yang diperlukan. =. Peranan sebagai pengawasK pelatih harus melakukan pengawasan secara terus menerus agar proses pelatihan senantiasa terarah, kendala'kendala yang dihadapi peseta pelatihan segera tertangani, disiplin kelas dapat dibina dengan baik dan ketertiban kelas ter+aga. A. Peranan sebagai moti6atorK instruktur perlu secara berkelan+utan menggerakkan moti6asi bela+ar peserta pelatihan supaya kegiatan bela+arnya lebih aktif. !. Peranan sebagai e6aluatorK instruktur berperan melakukan penilaian pada pra'proses'akhir pelatihan melalui tes, petanyaan lisan, pengamatan dan lain'lain agar peserta pelatihan mengetahui kema+uan bela+arnya, mengetahui kesulitan bela+arnya dan membantunya dengan bimbingan. . Peranan sebagai konselorK instruktur dapat berperan memberikan penyuluhan tentang kesulitan pribadi dan sosial peserta pelatihan.

<9 1#. Peranan sebagai penyidik sikap dan nilaiK sistem nilai yang di+adikan panutan dan sikap hidup bagi semua peserta pelatihan, mengingat semuanya akan didayagunakan sebagai tenaga ker+a yang melayani masyarakat dan dibina sesuai dengan tuntutan lapangan peker+aan. 2.2.2 Pengerti n Peni& i n %enurut *hyan (/#11", dalam artikelnya mengatakan bahwa penilaian adalah suatu pernyataan berdasarkan se+umlah fakta untuk men+elskan karakteristik seseorang atau sesuatu. %enilai pada hakikatnya adalah mengambil suatu keputusan terhadap sesuatu dengan ukuran baik atau buruk, sehat atau sakit, pan+ang atau pendek, pandai atau bodoh, dan lain sebagainya, dimana keputusan itu diambil berdasarkan apakah sesuai atau tidak sesuai dengan kriteria yang ditentukan. Penilaian itu sendiri bersifat kualitatif. 2.2.! Pengerti n 1iner= %enurut Lohana (/#1/:1::", dalam +urnalnya mengatakan bahwa pengertian kiner+a mengarah pada suatu upaya pencapaian prestasi ker+a yang lebih baik maka keberhasilan dalam melakukan suatu peker+aan sangat ditentukan oleh kiner+a. 2.2." Pengerti n E> &u si %enurut ,udi+ono (/#1#:1", (6aluasi adalah suatu tindakan atau suatu proses untuk menentukan nilai dari sesuatu. %enurut *rikunto (/#1#::", (6aluasi merupakan sebuah proses pengumpulan data untuk menentukan se+auh mana, dalam hal apa, dan bagian mana tu+uan pendidikan sudah tercapai.

<< 1erdasarkan pengertian yang di+abarkan oleh para ahli diatas dapat disimpulkan bahwa pengertian e6aluasi adalah suatu tindakan atau suatu proses pengumpulan data untuk menentukan nilai dari sesuatu seperti menentukan se+auh mana, dalam hal apa, dan bagian mana tu+uan pendidikan sudah tercapai. 2.2.0 Pengerti n Sertifi' si %enurut ,yafarudin (/##!:::", ,ertifikasi guru dapat diartikan sebagai suatu proses pemberian pengakuan bahwa seseorang telah memiliki kompetensi untuk melaksanakan pelayanan pendidikan pada satuan pendidikan tertentu, setelah lulus u+i kompetensi yang diselenggarakan oleh lembaga sertifikasi.