MAKALAH

SISTEM INFORMASI AKUNTANSI II

Data Warehouse

DOSEN PENGAMPU
Joko Purwanto, S.E., M. Akt., MTSC

Disusun oleh:
Anirotul Bariroh
NIP 1711070105

PERBANAS INSTITUTE
FAKULTAS EKONOMI
PROGRAM STUDI S1 AKUNTANSI (LANJUTAN) – INTENSIF
2018
 DAFTAR ISI
Hal
Daftar Isi………………………………………………………………………………… ii
Kata Pengantar…………………………………………………………………………. iii
BAB I Pendahuluan…………………………………………………………………… 1
1.1 Latar Belakang……………………………………………………………………… 1
1.2 Tujuan Masalah…………………………………………………………………….. 2
1.3 Rumusan Masalah………………………………………………………………….. 2
1.4 Batasan Masalah…………………………………………………………………… 2
BAB II Pembahasan…………………………………………………………………… 3
2.1 Pengertian Data Warehouse……………………………………………………….. 3
2.2 Karakteristik Data Warehouse…………………………………............................ 3
2. 3 Anatomi Data Warehouse…………………………………………………….….. 5
2.4 Struktur Data Warehouse………………...…………………………………......... 7
2.5 Mekanisme Data pada Data Warehouse……………………………………......... 9
2.6 Manfaat Data Warehouse………………….……………………………………… 9
2.7 Keuntungan dan Kekurangan Data Warehouse………………………………….. 11
2.7.1 Keuntungan Data Warehouse........................................................................... 11
2.7.2 Kekurangan Data Warehouse........................................................................... 11
2.8 Model Data Warehouse…………………………………………………………… 11
2.9 Perancangan Data Warehouse …………………………………………………… 12
2.10 Implementasi Data Warehouse pada PT Bank BCA Tbk……………………... 14

BAB III Penutup……………………………………………………………………… 15

3.1. Kesimpulan………………………………………………………………………. 15
3.2. Saran……………………………………………………………………………… 15
3.3. Daftar Pustaka……………………………………………………………………. 16

ii
 KATA PENGANTAR

Puji dan syukur atas kehadirat Tuhan Yang Maha Esa. karena atas rahmat dan karunia-Nya
memberikan kesehatan dan kelapangan waktu bagi penulis sehingga dapat menyelesaikan
makalah dengan lancar.

Pada kesempatan ini penulis mengucapkan terima kasih kepada Bpk. Joko Purwanto, S.E.,
M. Akt., MTSC selaku dosen mata kuliah Sistem Informasi Akuntansi yang telah memberikan
arahan dalam penyelesaian makalah ini.

Judul makalah ini ialah mengenai “Data Warehouse”. Adapun tujuan penulisan makalah ini
ialah untuk memberikan informasi mengenai berbagai hal yang berhubungan dengan Data
Warehouse.

Penulis menyadari bahwa makalah ini masih jauh dari sempurna. Oleh karena itu, penulis
dengan senang hati akan menerima segala kritikan yang bersifat membangun dan saran-saran
yang akhirnya dapat memberikan manfaat bagi makalah ini. Akhir kata, penulis mengucapkan
terimakasih.

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Pada era globalisasi yang berkembang pesat saat ini, banyak perusahaan menyadari bahwa
informasi yang tepat dan berguna dapat menjadi kunci untuk meraih sukses dalam kompetisi
dunia bisnis. Informasi yang tepat dan berguna tersebut penting karena dapat digunakan untuk
meramalkan perubahan pasar, melakukan analisis terhadap kinerja perusahaan serta dapat
membantu dalam pengambilan keputusan manajemen. Hal inilah yang menyebabkan
timbulnya investasi besar-besaran pada teknologi dan sistem informasi.
Sistem informasi digunakan untuk mengolah data-data menjadi informasi. Semua sistem
informasi yang terkait dengan proses bisnis perlu diintegrasikan agar informasi yang dihasilkan
lebih cepat dan akurat. Untuk mengintegrasikan beberapa basis data dari beberapa sistem
informasi dibutuhkan sebuah gudang penyimpanan data yang besar. Data warehouse adalah
solusi utama dari penyimpanan data-data yang penting dan menghasilkan informasi yang
tentunya dapat berguna bagi para eksekutif dalam pengambilan keputusan.
Bagi perusahaan besar, data warehouse adalah hal yang sangat riskan dan tentunya sangat
dijaga keberadaannya. Data warehouse dapat membantu eksekutif dalam mengambil keputusan
secara cermat, cepat dan akurat, selain itu data warehouse menyediakan tampilan yang user
friendly kepada penggunanya. Oleh karena itu, penulis bermaksud membuat makalah untuk
membahas data warehouse yang banyak digunakan perusahaan saat ini dan mengetahui
kelebihan dan kekurangannya.

1.2 Rumusan Masalah

Adapun rumusan masalah yang dapat diambil dalam uraian latar belakang di atas adalah:
1. Apa yang dimaksud dengan data warehouse?
2. Apa saja karakteristik data warehouse?
3. Bagaimana konsep dan arsitektur data warehouse?
4. Apa manfaat dari penggunaan data warehouse?
5. Apa keuntungan dan kekurangan dari penggunaan data warehouse?
6. Bagaimana membangun sebuah data warehouse ?
7. Bagaimana implementasi data warehouse dalam Bank BCA?

1
1.3 Tujuan
Penulisan makalah ini bertujuan adalah sebagai berikut:

1. Untuk mengetahui definisi data warehouse.

2. Untuk mengetahui karakteristik data warehouse.
3. Untuk mengetahui konsep dan arsitektur data warehouse.
4. Untuk mengetahui manfaat penggunaan data warehouse.
5. Untuk mengetahui apa keuntungan dan kekurangan dari data warehouse.
6. Untuk mengetahui cara membangun data warehouse.
7. Untuk mengetahui bagaimana implementasi data warehouse pada Bank BCA.
1.4 Batasan Masalah
Batasan masalah dalam penulisan makalah ini adalah pengertian data warehouse,
karakteristik data warehouse, arsitektur data warehouse, keuntungan dan kekurangan data
warehouse, cara membangun data warehouse dan penggunaannya di dalam perusahaan.

2
 BAB II
PEMBAHASAN

2.1 Pengertian Data Warehouse

Menurut Reinardi (2008), data warehouse adalah sebuah sistem yang mengambil (retrieve)
dan menggabungkan (consolidate) data secara periodik (periodically) dari sistem sumber data
ke dalam penyimpanan data bentuk dimensional dan ternormalisasi. Data yang disimpan
merupakan data historis dan digunakan untuk permintaan data (query) pada bisnis intellegence
dan aktivitas analisis.
Menurut Paul Lane (2002), data warehouse merupakan database relasional yang didesain
lebih kepada query dan analisis daripada proses transaksi, biasanya mengandung data history
dari proses transaksi dan bisa juga dari data sumber lain. Data warehouse memisahkan beban
kerja analisis dari beban kerja transaksi dan memungkinkan organisasi
menggabungkan/konsolidasi dari dari berbagai sumber.
Menurut W.H. Inmon (2002), data warehouse adalah kumpulan data yang berorientasi
subyek, terintegrasi, tidak dapat di-update, memiliki dimensi waktu, yang digunakan untuk
mendukung pengambilan keputusan dari pihak manajemen. Menurut Vidette Poe (1996), data
warehouse adalah database yang bersifat analisis dan hanya dapat dibaca saja, digunakan
sebagai dasar dari sistem pendukung keputusan.
Dari beberapa pendapat para ahli di atas dapat disimpulkan bahwa data warehouse
merupakan database relasional yang digunakan untuk query, bersifat analisis, berorientasi
subyek, terintegrasi, tidak dapat diubah, digunakan dalam membantu proses pengambilan
keputusan pihak manajemen. Dalam data warehouse hanya diperbolehkan dua aktivitas yaitu
loading data dan access data, tidak ada kegiatan update data.

2.2 Karakteristik Data Warehouse

Menurut W.H. Inmon (2002), karakteristik data warehouse adalah sebagai berikut:
1. Subject Oriented (Berorientasi Subjek)
Karakteristik data warehouse berorientasi subyek artinya data warehouse didesain
untuk menganalisa data berdasarkan subyek-subyek tertentu dalam perusahaan (customer,
product, dan sales), bukan pada proses sehari-hari yang dilakukan oleh perusahaan atau
fungsi aplikasi tertentu (customer invoicing, stock control, dan product sales). Data
warehouse berbeda dengan data operasional yang menangani transaksi dan memperbaharui

3
 database. Untuk memahami perbedaan data warehouse dengan data operasional dapat
dilihat pada table di bawah ini.
Perbedaan Data Warehouse Data Operasional
Maksud Perancangan Digunakan untuk menganalisis Digunakan untuk kegiatan
perusahaan operasional
Lingkungan Pada Subyek Utama Pada proses yang dilakukan
Perancangan oleh perusahaan
Data yang disimpan Data analisis dari kumpulan data Data dan detail hasil
operasional dan bersifat statis kegiatan perusahaan dan
bersifat dinamis
Pengguna Managerial user dalam jumlah Operasional user dalam
yang relatif sedikit jumlah yang cukup banyak
2. 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 satu
kesatuan yang menunjang keseluruhan konsep data warehouse itu sendiri. Syarat integrasi
sumber data dapat dipenuhi dengan cara konsisten dalam penamaan variabel, ukuran
variabel dan atribut fisik dari data.
Contoh dari integrasi sumber data adalah penggunaan format dalam tabel pelanggan
yang berasal dari sumber data I adalah menggunakan format F dan M (Female dan Male),
sedangkan untuk tabel pelanggan yang berasal dari sumber data II menggunakan format P
dan L (Perempuan dan Laki-Laki). Oleh karena itu, data tersebut sebelum masuk ke dalam
data warehouse harus dilakukan integrasi terlebih dahulu yaitu dengan memilih format dari
salah satu sumber data atau menggunakan format yang baru, misalnya 0 untuk perempuan
atau female dan 1 untuk laki-laki atau male.

3. Time Variant (Rentang Waktu)

Data warehouse menyimpan dan memelihara data historis. Data tidak terlalu perlu
menyajikan data status saat ini (kecuali dalam sistem real time). Data disimpan untuk
untuk menyajikan informasi dari sudut pandang masa lampau (misalnya lima atau sepuluh
tahun yang lalu) dan digunakan untuk trend, peramalan dan perbandingan. Seluruh data
pada data warehouse dapat dikatakan akurat atau valid pada rentang waktu tertentu. Untuk

4
 melihat interval waktu yang digunakan dalam mengukur keakuratan suatu data warehouse,
kita dapat menggunakan cara antara lain:
a. menyajikan data warehouse pada rentang waktu tertentu, misalnya antara 5 (lima)
sampai 10 (sepuluh) tahun ke depan;
b. menggunakan variasi/perbedaan waktu yang disajikan dalam data warehouse baik
secara implicit maupun 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.
c. 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.
4. Nonvolatile
Data warehouse secara fisik selalu disimpan terpisah dari data operasional. Data
warehouse tidak dapat di-update secara real time tetapi di-refresh dari sistem operasional
secara reguler. Data yang baru selalu ditambahkan sebagai suplemen bagi database itu
sendiri daripada sebagai sebuah perubahan. Database tersebut secara kontinyu menyerap
data baru, kemudian secara incremental disatukan dengan data sebelumnya.
Berbeda dengan data operasional yang dapat melakukan update, insert, dan delete
terhadap data yang mengubah isi dari database , sedangkan pada data warehouse hanya ada
dua kegiatan manipulasi data yaitu loading data (mengambil data) dan akses data seperti
melakukan query atau menampilkan laporan yang dibutuhkan, tidak ada kegiatan update
data.
2.3 Anatomi Data Warehouse
Konsep penerapan arsitektur data warehouse yaitu data warehouse mengambil data dari
berbagai sumber dan memindahkannya ke dalam pusat pengumpulan data yang besar. Konsep
ini sebenarnya lebih cenderung kepada sebuah lingkungan mainframe yang terpusat.

Data warehouse dapat diterapkan dalam berbagai macam cara untuk menampung
kebutuhan pemakai sistem secara lebih proporsional. Contohnya pemakai data warehouse
dapat menggabungkan data dari sebuah sistem pengumpulan data yang statis dengan data dari
sistem operasional yang dinamis hanya dengan sebuah query saja. Berikut ini adalah
penjelasan dari tiga jenis anatomi data warehouse, yaitu data warehouse fungsional, data
warehouse terpusat dan data warehouse terdistribusi.

5
1. Functional Data Warehouse (Data Warehouse Fungsional)
Data warehouse fungsional merupakan data warehouse yang dibuat lebih dari satu dan
dikelompokkan berdasarkan fungsi-fungsi yang ada di dalam perusahaan seperti fungsi
keuangan (financial), pemasaran, personalia, dan lain-lain. Keuntungan dari bentuk data
warehouse seperti ini adalah sistem mudah dibangun dengan biaya yang relatif murah
sedangkan kerugiannya adalah resiko kehilangan konsistensi data dan terbatasnya
kemampuan dalam pengumpulan data bagi pengguna.

SOURCE
DATA WAREHOUSE
FUNGSIONAL
Workstation

SOURCE

DATA WAREHOUSE
SOURCE FUNGSIONAL

Workstation

2. Centralized Data Warehouse (Data Warehouse Terpusat)

Data Warehouse Terpusat sama seperti data warehouse fungsional. Perbedaannya
adalah data yang didapat dari berbagai sumber dikumpulkan terlebih dahulu pada sebuah
wadah atau tempat baru, setelah itu data tersebut dipilah-pilah sesuai dengan fungsi atau
kebutuhan yang ada. Keuntungan dari bentuk ini adalah data yang ada didalamnya sudah
benar-benar terpadu karena konsistensinya yang tinggi. Kerugiannya adalah biaya yang
mahal serta waktu yang cukup lama untuk membangunnya.

Workstation
SOURCE
Data Warehouse
Fungsional

Data Warehouse
SOURCE Terpusat

Workstation
Data Warehouse
Fungsional
SOURCE

6
 3. Distributed Data Warehouse (Data Warehouse Terdistribusi)
Pada data warehouse terdistribusi ini, digunakan gateway yang berfungsi
menjembatani atau menghubungkan antara sumber data dengan workstation yang
menggunakan sistem beraneka ragam. Dengan sistem terdistribusi seperti ini
memungkinkan perusahaan dapat mengakses sumber data yang berada di luar lokasi
perusahaan (eksternal). Keuntungannya adalah data tetap bersifat konsisten karena sebelum
data digunakan, data terlebih dahulu disesuaikan atau mengalami proses sinkronisasi.
Sedangkan kerugiannya adalah lebih kompleks untuk diterapkan karena sistem operasi
dikelola secara terpisah, juga biayanya yang paling mahal dibandingkan dengan dua bentuk
data warehouse lainnya.
Workstation

SOURCE
DATA WAREHOUSE
GATEWAY

SOURCE Workstation

SOURCE

2.4 Struktur Data Warehouse

Data mengalir dari lingkungan operasional ke data warehouse. Biasanya transformasi data
yang signifikan terjadi pada perjalanan dari tingkat operasional ke tingkat data warehouse.
Saat data telah tersimpan lama, data melewati current detail ke older detail. Selama data
diringkas, data melewati current detail ke lightly summarized data, kemudian dari lightly
summarized data ke highly summarized data (W.H. Inmon, 2002).
Penjelasan dari struktur data warehouse adalah sebagai berikut:
1. Current Detail Data (Detail data saat ini)
Current detail data adalah data yang dapat diperbarui pada suatu waktu tertentu
sehingga keakuratan datanya sah. Current detail data ini biasanya memerlukan media
penyimpanan yang besar. Berikut ini beberapa alasan mengapa current detail data menjadi
perhatian utama:
a. menggambarkan kejadian yang baru terjadi dan selalu menjadi perhatian utama;
b. sangat banyak jumlahnya dan disimpan pada tingkat penyimpanan terendah;
c. hampir selalu disimpan di media penyimpanan karena cepat diakses tetapi mahal dan
kompleks dalam pengaturannya;

7
 d. bisa digunakan dalam membuat rekapitulasi sehingga datanya harus akurat.
2. Older Detail Data (Detil data historis)
Older detail data merupakan data history yang dapat berupa hasil back up yang
disimpan dalam media penyimpanan yang terpisah dan pada saat tertentu dapat diakses
kembali. Saat data sudah berumur lama maka data akan berpindah dari current detail data
ke older detail data. Data ini jarang diakses sehingga biasanya disimpan dalam media
penyimpanan alternatif atau disebut juga bulk storage seperti tape disk. Penyusunan
direktori untuk data ini harus menggambarkan umur dari data agar mempermudah untuk
pengaksesan kembali.
3. Lightly Summarized Data
Lightly summarized data merupakan ringkasan dari current detail data. Di dalam tahap
ini data belum dapat digunakan untuk pengambilan keputusan karena sifat data belum
“total summary” yang artinya data masih bersifat detil. Lightly summarized data sering
digunakan sebagai gambaran dari keadaan yang sedang berlangsung maupun yang belum
berlangsung. Data ini hampir selalu tersimpan dalam disk dan yang diperlukan adalah
satuan waktu ringkasan dan atribut Lightly summarized data. Contohnya laporan penjualan
perminggu berdasarkan subproduk dari tahun 2000-2010.
4. Highly Summarized Data (Rangkuman data secara umum)
Highly summarized data merupakan hasil proses ringkasan yang bersifat total, solid,
serta mudah diakses. Data ini digunakan untuk melakukan analisa perbandingan data
berdasarkan urutan waktu dan analisa yang menggunakan data multi dimensi. Database
multi dimensi adalah suatu teknologi software komputer yang dirancang untuk
meningkatkan efisiensi dalam mencari table (query) sehingga menjadi media penyimpanan
yang lebih baik, serta memudahkan pengambilan data dengan volume yang besar.
5. Metadata
Menurut W.H. Inmon (2002), komponen yang paling penting dalam data warehouse
adalah metadata atau data tentang data. Metadata memberikan peranan yang penting untuk
keefektifan penggunaan data warehouse karena dengan adanya metadata, maka akan
mempermudah end user dalam melakukan analisis dan menghemat waktu. Akan tetapi,
metadata dalam dunia data warehouse membawa kepada tingkat kepentingan yang baru
yaitu memberikan kegunaan yang paling efektif dari data warehouse. Metadata
mengizinkan pengguna/DSS analyst untuk melakukan navigasi melalui berbagai
kemungkinan.

8
 Menurut (Connoly dan Begg, 2005), Metadata digunakan untuk tujuan yang beragam
diantaranya sebagai berikut:
a. Proses loading dan extraction
metadata digunakan untuk memetakan sumber data ke dalam gambaran yang umum
dari data dalam data warehouse.
b. Proses pengelolaan warehouse
metadata digunakan untuk mengotomatisasi produksi tabel ringkasan.
c. Bagian dari proses pengelolaan query
Metadata digunakan untuk mengarahkan query pada sumber data yang paling tepat.

2.5 Mekanisme Data Pada Data Warehouse

Data warehouse memiliki empat level data (kimball, 2004), yaitu :
1. Level Operasional
Level ini khusus menyimpan data yang berorientasi pada aplikasi secara detil dan
diutamakan untuk memenuhi kebutuhan operasional. Akses pada level operasional pada
umumnya memiliki frekuensi yang sangat tinggi. Level ini sering juga disebut dengan
OLTP (Online Analytical Transactional Processing)
2. Level Integrasi
Level ini menyimpan data historis yang terintegrasi serta berorientasi subyek. Data
pada level ini lebih sederhana daripada di level operasional dan tidak dapat di-update.
3. Level data mart
Level ini dirancang sesuai dengan kebutuhan dari pengguna dan merupakan data
agregasi.
4. Level Individual
Level ini merupakan tempat terjadinya analisis dan reporting. Data pada level ini
bersifat temporal, ad hoc, heuristik, dan non retitif.
2.6 Manfaat Data Warehouse
Menurut Williams, ada empat manfaat yang bisa dilakukan dengan data warehouse adalah
sebagai berikut:
1. Pembuatan Laporan
Pembuatan laporan merupakan salah satu kegunaan dari data warehouse yang umum
dilakukan. Dengan menggunakan query sederhana dapat diperoleh laporan perminggu,
perbulan, pertahun, atau jangka waktu kapanpun yang diinginkan.

9
2. On-Line Analytical Processing (OLAP)
OLAP merupakan tools mendayagunakan konsep data multi dimensi dan
memungkinkan para pemakai menganalisa data sampai mendetail, tanpa mengetikkan
satupun perintah SQL. Dengan menggunakan data warehouse, semua informasi baik detail
maupun hasil summary yang dibutuhkan dalam proses analisa mudah didapat. Fasilitas lain
yang ada pada software OLAP adalah fasilitas rool-up dan drill-down. Drill-down adalah
kemampuan untuk melihat detail dari suatu informasi dan rool-up adalah kebalikannya.
3. Data Mining
Data mining merupakan proses untuk menggali (mining) pengetahuan dan informasi
baru dari data yang berjumlah banyak pada data warehouse dengan menggunakan
kecerdasan buatan (artificial intelegence), statistik dan matematika. Data mining
merupakan teknologi yang diharapkan dapat menjembatani komunikasi antara data dan
pemakai. Berikut adalah solusi yang diberikan data mining diantaranya:
a. Menebak target pasar
Data mining dapat mengelompokkan (clustering) model-model pembeli dan melakukan
klasifikasi terhadap setiap pembeli dan melakukan klasifikasi terhadap setiap pemebeli
sesuai dengan karakteristik yang diinginkan.
b. Melihat pola beli dari waktu ke waktu
Data mining dapat digunakan untuk melihat pola beli dari waktu ke waktu.
c. Cross market analysis
Data mining dapat dimanfaatkan untuk melihat hubungan antara satu produk dengan
produk lainnya.
d. Profil pelanggan
Data mining bisa membantu pengguna untuk melihat profil pembeli sehingga dapat
diketahui kelompok pembeli tertentu cenderung kepada suatu produk apa saja.
e. Informasi summary
Data mining dapat membuat laporan summary yang bersifat multi dimensi dan
dilengkapi dengan informasi statistik lainnya.
4. Proses Informasi Executive
Data warehouse dapat membuat ringkasan informasi yang penting dengan tujuan
membuat keputusan bisnis, tanpa harus menjelajahi keseluruhan data. Dengan
menggunakan data warehouse, segala laporan dapat diringkas dan dapat pula dilihat
riciannya secara lengkap, sehingga mempermudah proses pengambilan keputusan.

10
 Informasi dan data pada laporan data warehouse menjadi target informative bagi user yang
dalam hal ini adalah pihak eksekutif.

2.7 Keuntungan dan Kekurangan Data Warehouse

2.7.1 Keuntungan Data Warehouse
Membangun data warehouse tentu saja memberikan keuntungan lebih bagi suatu
perusahaan, karena data warehouse dapat memberikan keuntungan strategis pada
perusahaan tersebut melebihi pesaing-pesaing mereka. Keuntungan data warehouse adalah
sebagai berikut:
1. kemampuan untuk mengakses data yang besar;
2. kemampuan untuk memiliki data yang konsisten;
3. kemampuan kinerja analisa yang cepat;
4. mengetahui adanya hasil yang berulang-ulang;
5. menemukan adanya celah pada business knowledge atau business process;
6. mengurangi biaya administrasi;
7. memberi wewenang pada semua anggota dari perusahaan dengan menyediakan kepada
mereka informasi yang dibutuhkan agar kinerja bisa lebih efektif.

2.7.2 Kekurangan Data Warehouse

Adapun kekurangan data warehouse adalah sebagai berikut:
1. data warehouse bukan merupakan lingkungan yang cocok untuk data yang tidak
terstruktur;
2. data perlu diekstrak, diubah (ETL) dan diunggah (load) ke data warehouse sehingga
membutuhkan tenggang waktu;
3. semakin lama dipelihara, semakin besar biaya untuk merawat sebuah data warehouse;
4. data warehouse dapat menjadi ketinggalan dari data terbaru yang relatif cepat, karena
data yang digunakan di data warehouse tidak dilakukan update secara cepat sehingga
data yang ada tidak optimal.

2.8 Model Data Warehouse

Ada 3 model perancangan dalam membuat data warehouse:
1. Skema Bintang (Star Schema)
Skema bintang merupakan perancangan yang memiliki struktur sederhana dengan
table-tabel yang relative dan penggabungan yang telah diketahui. Skema bintang
merupakan rancangan database pada data warehouse yang menggambarkan hubungan yang

11
 jelas antara struktur table fakta dan table dimens. Skema ini dapat dibaca dengan mudah
oleh analis maupun pemakai yang tidak biasa dengan struktur database.
Skema bintang memiliki beberapa keuntungan yang tidak terdapat pada struktur
relasional biasa. Berikut adalah keuntungan dari penggunaan skema bintang.
a. Respon data lebih cepat dibanding perancangan data relasional.
b. Mempermudah dalam hal modifikasi atau pengembangan data warehouse yang terus
menerus.
c. End user dapat menyesuaikan cara berpikir dan menggunakan data.
d. Menyederhanakan pemahaman dan penelusuran metadata bagi pemakai dan
pengembang.
2. Skema Snowflake
Skema Snowflake merupakan variasi lain dari skema bintang dimana tabel dimensi dari
skema bintang diorganisasikan menjadi suatu hirarki dengan melakukan normalisasi.
Prinsip dasar skema ini tidak jauh berbeda dengan dari skema bintang. Penggunaan tabel
dimensi sangatlah mendasar karena itulah perbedaan mendasar dari skema bintang dan
skema snowflake. Skema snowflake menggunakan beberapa tabel fakta dan tabel dimensi
yang sudah mengalami normalisasi sedangkan skema bintang menggunakan tabel dimensi
yang masih denormalisasi. Skema ini dibuat berdasarkan OLTP sehingga semua data akan
termuat detail dalam setiap tabel fakta dan tabel dimensi. Keuntungan dari skema
Snowflake sebagai berikut:
a. kecepatan memindahkan data dari data OLTP ke dalam Metadata;
b. sebagai kebutuhan dari alat pengambil keputusan tingkat tinggi dimana dengan tipe
yang seperti ini seluruh struktur dapat dgunakan sepenuhnya;
c. banyak yang beranggapan lebih nyaman merancang dalam bentuk normal ketiga.
3. Skema Starflake
Skema starflake merupaka struktur hybrid yang berisi kombinasi antara skema bintang
yang telah didenormalisasi dan snowflake yang telah dinormalisasi.
2.9 Perancangan Data Warehouse
Menurut Kimball (2005), terdapat 9 (Sembilan) tahap dalam metodologi perancangan data
warehouse, yaitu:
1. Memilih Proses
Pilihlah subyek dari permasalahan yang sedang dihadapi, kemudian diidentifikasi
proses bisnisnya. Proses mengacu pada subyek masalah dari data mart tertentu. Data mart

12
 yang pertama kali dibangun haruslah tepat waktu, sesuai dengan anggaran, dan dapat
menjawab pertanyan-pertanyaan bisnis yang penting.
2. Menentukan Grain
Tentukan tabel fakta dan identifikasi dimensi. Tabel fakta merupakan tabel yang
mengandung angka dan data history dimana key yang dihasilkan sangat banyak karena
merupakan kumpulan-kumpulan foreign key dan primary key yang ada pada masing-
masing tabel dimensi yang berhubungan. Sedangkan tabel dimensi adalah tabel yang berisi
kategori dengan ringkasan data detail yang dapat dilaporkan, seperti laporan laba perusahan
pada tabel fakta dengan dimensi waktu (per bulan, per semester dan per tahun).
3. Mengidentifikasi dan Penyesuaian Dimensi
Identifikasi dimensi dalam detail yang secukupnya untuk mendeskripsikan sesuatu.
Ketika tabel dimensi ada pada dua atau lebih data mart, maka tabel dimensi tersebut harus
mempunyai dimensi yang sama atau salah satu merupakan subset dari yang lainnya.
Apabila suatu tabel dimensi digunakan lebih dari satu data mart maka dimensinya
disesuaikan.
4. Menentukan Fakta
Tentukan fakta-fakta dari tabel fakta yang akan digunakan dalam data mart . Fakta-
fakta tersebut harus menarik dan dan dapat ditambah.
5. Menyimpan Perhitungan Awal dalam Tabel Fakta
Setelah fakta-fakta dipilih maka lakukan pengujian ulang untuk menentukan apakah
ada kemungkinan untuk melakukan prekalkulasi (kalkulasi awal) yang muncul ketika
fakta-fakta tersebut meliputi laporan laba rugi.
6. Menambah Atribut yang dibutuhkan dalam Tabel Dimensi
Pada tahap ini, tabel dimensi kembali dikaji dengan menambah sebanyak mungkin
deskripsi berbentuk teks. Deskripsi teks harus intuitif dan dapat dimengerti oleh pengguna.
Kegunaan data mart ditentukan oleh cakupan dan sifat atribut pada tabel dimensi.
7. Menentukan Durasi Database
Durasi mengukur seberapa lama table fakta dapat disimpan. Tabel fakta yang sangat
besar akan mengakibatkan munculnya dua masalah dalam data warehouse. Pertama,
meningkatnya kesulitan untuk menjadikan data lama yang semakin bertambah sebagai
sumber data. Semakin lama umur data, semakin sulit dalam membaca dan
mengintreprestasikan data-data tersebut. Kedua, kewajiban dalam versi lama dari dimensi

13
 penting yang digunakan, bukan versi terbaru. Hal ini dikenal dengan masalah slowly
changing dimesion”.
8. Menelusuri Perubahan dari Dimensi secara Perlahan
Pada tahap ini, data warehouse memperlihatkan proses dimensi yang semakin tua
seiring dengan berjalannya waktu. Untuk itu perlu dilakukan update agar data warehouse
selalu konsisten. Terdapat tiga tipe perubahan dimensi secara perlahan, yaitu perubahan
data secara langsung atau update table dimensi, perubahan data membentuk record baru
dengan surrogate key yang berbeda, dan perubahan data akan membentuk atribut atau
kolom baru pada tabel dimensi.
9. Memutuskan Prioritas Query dan Tipe Query
Pada tahap ini, dipertimbangkan pengaruh dari perancangan fiskal seperti keberadaan
dari ringkasan (summaries) dan penjumlahan (agregate). Selain itu masalah administrasi,
back up data, dan recovery data kinerja indeks dan keamanan juga merupakan faktor yang
harus diperhatikan.
2.10 Implementasi Data Warehouse pada PT Bank Central Asia (BCA)
BCA adalah salah satu bank swasta terkemuka di Indonesia yang secara resmi berdiri pada
tanggal 21 Februari 1957. Hingga sekarang BCA senantiasa berkomitmen menghadirkan
memberikan inovasi layanan dan produk solusi keuangan secara berkesinambungan demi
meningkatkan daya saing di tengah persaingan perbankan yang semakin kompetitif. Pada akhir
September 2016, BCA memfasilitasi layanan transaksi perbankan kepada 15 juta rekening
nasabah melalui 1.204 cabang, 17.057 ATM dan ratusan ribu EDC dengan dilengkapi layanan
internet banking dan mobile banking. Dengan banyaknya fasilitas layanan ditawarkan oleh
BCA, sudah barang pasti membutuhkan manajemen yang baik dan rapi, khususnya adalah
mengenai database.
Data yang harus disimpan dan di-load oleh Bank BCA setiap harinya sangat banyak maka
tidaklah mungkin BCA menggunakan sistem database konvensional (tidak terdistribusi atau
OLPT), untuk mengatasi masalah ini BCA menggunakan database yang terdistribusi untuk
menunjang fasilitas yang ditawarkan dan dimiliki agar proses bisnis tetap berjalan dengan
lancar. Data warehouse adalah solusi utama dari pendistribusian database yang ampuh untuk
mensupplay data yang dibutuhkan oleh BCA, sehingga sistem tetap berjalan dengan baik dan
tidak mengganggu proses bisnis, seperti over load dan stack pada server karena kelebihan
beban akses 1.204 cabang, 17.057 ATM dan ratusan ribu EDC yang tersebar di seluruh
Indonesia. Bank BCA memanfaatkan data warehouse yang didapatkan dari database BCA

14
selama tahun 2013 hingga 2016, yang dimana database tersebut dapat dijadikan dasar
pengambilan keputusan untuk menetapkan suku bunga KPR antara 3 tahun dan 2 tahun
kedepan dengan suku bunga maksimal.
BCA hingga kini masih mengembangkan sistem dua data center yang saling mem-back
up. Tujuannya, jika ada masalah di salah satu data center, yang satu lagi akan mem-back up
dan mengambil alih tugas. BCA memisahkan antara data center dan disaster recovery center
(DRC)-nya. Sistem DRC telah dimiliki BCA sejak 1989. Sejak 2002, sistem DRC ini
ditempatkan di Singapura dan dipercayakan pada IBM untuk mengelolanya. Arsitektur data
menyediakan kerangka dengan mengidentifikasikan dan memahami bagaimana data akan
pindah melalui sistem dan digunakan dalam perusahaan. Arsitektur data untuk data warehouse
mempunyai komponen utama yaitu read-only database.
Arsitektur Data Warehouse Karakteristik sebagai berikut:
a. Data diambil dari sistem asal, database dan file.
b. Data dari sistem asal diintegrasikan dan ditransformasi sebelum disimpan ke dalam
Database Management System (DBMS) seperti Oracle, Ms SQL Server, Sybase dan masih
banyak yang lainnya.
c. Data warehouse merupakan sebuah database terpisah bersifat hanya dapat dibaca yang
dibuat khusus untuk mendukung pengambilan keputusan.
d. Pemakai mengakses data warehouse melalui aplikasi front end tool.
Jadi, arsitektur data warehouse sudah memiliki standar dimana karateristik yang sudah
disebutkan harus dimiliki apabila ingin membangun sebuah data warehouse. Tidak terkecuali
oleh BCA, data warehouse yang dimiliki oleh BCA tidak jauh berbeda dengan definitive dan
karakteristik data warehouse secara umum.

15
 BAB III
PENUTUP

3.1 Kesimpulan
Kesimpulan yang bisa didapat dari makalah ini adalah data warehouse merupakan data
history yang disimpan dalam rentang waktu tertentu yang dapat dilakukan proses analisis
sehingga menghasilkan informasi yang berguna dalam pengambilan keputusan pihak
manajemen. Data warehouse memiliki karakteristik seperti berinteraksi pada subjek,
terintegrasi, time variant, dan non volatile. Konsep penerapan arsitektur data warehouse yaitu
data warehouse mengambil data dari berbagai sumber dan memindahkannya ke dalam
pusat pengumpulan data yang besar. Selain itu, data warehouse juga sering berintegrasi dengan
aplikasi lain untuk mendukung laporan maupun analisis data. Salah satu perusahaan yang
menggunakan data warehouse dalam menjalankan proses bisnisnya adalah Bank BCA. Bank
BCA memanfaatkan data warehouse untuk pengambilan keputusan dalam penetapan suku
bunga KPR dengan suku bunga maksimal. Bank BCA mampu mensupplay data yang
dibutuhkan sehingga sistem tetap berjalan dengan baik dan tidak mengganggu proses bisnis,
seperti over load dan stack pada server.

3.2 Saran
Data warehouse sangatlah peting bagi perusahaan oleh karena itu perusahaan perlu
mnegetahui lebih dalam mengenai data warehouse. Perusahaan perlu mengetahui bagaimana
karakteristik data warehouse, apa saja manfaat dalam penerapaan data warehouse, kekurangan
maupun kelebihannya. Selain itu perusahaan juga perlu merancang arstiketur yang baik dalam
penerapannya sehingga data yang ada di perusahaan bisa berguna dalam pengambilan
keputusan secara cepat dan akurat bagi pihak manajemen.

16
 DAFTAR PUSTAKA

Inmon, W.H. 2002. Building the Data Warehouse, Third Edition. John Wiley & Sons, Inc:
New York.
Khotimah, khusnul. 31 Mei 2018. https://media.neliti.com/media/publications/141617-ID-
perancangan-dan-implementasi-data-warehouse.pdf

Kimball,R.,Merz, R (1998). The Data Warehouse Lifecycle Toolkit. Expert Methods for
Designing, Developing and Deploying Data Warehouses. Wiley Computer Publishing,
Canada.
Poe,Vidette. 1997. Building A Data Warehouse for Decision Support (2nd Edition). Prentice
Hall.
putranto, oky. 1 Juni 2018. https://okyputranto111.wordpress.com/2014/10/13/arsitektur-dan-
infrastruktur-dalam-membangun-data-warehouse.
Rainardi, Vincent. 2008. Building a Data Warehouse with Examples in SQL Server. Apress:
New York.
Riza, Nova Devi. 3 Juni 2018. http://sheunyil.blogspot.co.id/2012/10/makalah-data-mining-
dan-data-warehouse.html

Tamba, Ganda. 1 Juni 2018. http://gandatuatamba-sihombing.blogspot.com/2014/09/tugas-

data-warehouse-pada-bank-bca.html.

17