Nama : Imanuel Laurensius Jabarmase

Nim : 1811495046
Matkul : Data Warehouse
Kode Kelas : SI142E
TUGAS DATA WAREHOUSE
1. Perbedaan antara Data Operasional dengan Data Warehouse :
Perbedaan keduanya ialah terdapat di tugas utamanya, untuk Data Operasional ialah
bertugas untuk melakukan pemrosesan query dan transaksi secara online. Sistem –
sistem seperti ini disebut juga dengan sistem OLTP, yang artinya secara harafiah
digunakan untuk memroses transaksi. Sistem ini biasanya untuk mengcover operasi
sehari-hari seperti sistem pembelian, inventori, dan lain sebagainya. Dan untuk Data
Warehouse memiliki fungsi yang sebalinya dari Data Operasional, yaitu dibutuhkan
penganalisaan dalam suatu sistem agar supaya mendukung suatu proses
pengambilan keputusan. Sistem ini disebut dengan OLAP, yang secara harafiah
digunakan untuk memroses penganalisaan.

2. Penjelasan OLAP dan OLTP, dan perbandingan keduanya :

OLAP adalah metode pendekatan untuk menyajikan jawaban dari permintaan proses
analisis yang bersifat dimensional secara cepat. Sedangkan OLTP adalah sistem yang
berorientasi proses yang memproses transaksi secara langsung melalui komputer
yang terhubung dalam jaringan. Secara singkat untuk perbedaan keduanya ialah,
untuk OLAP sendiri merupakan suatu proses yang digunakan untuk melakukan
permintaan terhadap data dalam bentuk yang kompleks dan menganalisa data yang
bervolume besar. Dan untuk OLTP sendiri merupakan suatu proses yang digunakan
untuk penanganan sehari-hari, seperti halnya untuk sistem pembelian, dan
penginventorian.

3. Penjelasan mengenai Data Mining dan Penerapannya :

Data Mining sendiri disebut sebagai Knowledge Discovery yang artinya adanya suatu
proses pengambilan pola pada data yang akan diproses lalu akan dikeluarkan output
tersebut berupa informasi yang sangat penting. Untuk salah satu penerapannya ialah
penerapan data mining di bidang pendidikan seperti misalnya memprediksi prestasi
mahasiswa berdasarkan dosen, motivasi, kedisiplinan, ekonomi dan hasil
pembelajaran. untuk data miningnya menggunakan metode Cross Industry Standard
Process for Data Mining (CRISP-DM) yang terdiri dari 6 tahapan :
1. pemahaman terhadap bisnis ( menggali data yang masih mentah dengan
bantuan algoritma C4.5 )
2. pemahaman data ( data berupa kuisioner yang diisi berupa motivasi,
kedisiplinan, ekonomi, dan hasil pembelajaran masa lalu dan data akan diproses
3. persiapan data
4. pemodelan ( tahap pemrosesan data training )
5. evaluasi ( pengujian dari algoritma C4.5 )
6. penyebaran, dan untuk analisis data menggunakan algoritma decision tree