GABRIELA MARIA WOWOR

20900004

PERMATASAKTI

TUGAS 2

1. Data Warehaouse :
a. Arsitektur Data Warehouse
Pada data warehouse terdapat 4 jenis arsitektur , yaitu :
1) Generic Two-Level Architercture
Pada model ini ada 2 jenis sumber data , yaitu internal dan external.
Setelah melakukan proses ekstraksi dari sumber data, data yang ada
kemudian ditransformasikan dulu sebelum dapat dimasukan ke dalam
sebuah data warehouse.
2) Independent Data Mart
Model ini dibangun dengan cara melakukan pross ekstraksi dan
langsung dari berbagai source sistem. Independent data mart tidak
terganggu pada pusat penyimpan data seperti data warehouse. Hal
indikarenakan data yang ada akan disimpan kedalam beberapa mart.
Arsitektur independent data mart juga biasa disebut sebagai data
warehouse bus structure.
3) Dependent Data Mart
Pada model ini , data wsrehouse digunakan secara terpusat untuk
proses ETL( extract, transform, load) sehingga nantinya , data mart
yang ada dibangun melalui proses ekstraksi dari data warehouse.
Dependent data mart adalah solusi untuk mengatasi keterbatasan ETL
pada arsitektur jenis independent data mart. Kapabilitas melakukan rill-
down pada independent data mart dapat dihilangkan atau ditiadakan
dengan solusi yaitu menediakan sebuah sumber yang terintegrasi untuk
seluruh proses oprasional data dalam operasional data store.
4) Logical Data Mart and Active Data Warehouse
Logical ata mart tidak secara real atau fisik terpisah dengan database
namun hanya terdapat perbedaan view terhadap fisik basis data.
Beberapa data harus dipindahkan kedalam sebuah data warehouse demi
meningkatkan kiberja pada proses komputasi tingkat tinggi. Data mart
yang baru dapat dibuat dengan sangat cepat karena tidak mempunyai
database atau basis data secara fisik. Selain itu, data mart yang ada akan
selalu up to date karena dibuat dari view ketika view tersebut diacu.

Arsitektur data warehouse terdiri dari beberapa layer, yaitu :

1) Back-End Tier
Dalam layer ini terdapat tiga proses yang hars dijalankan yaitu ETL
proses. Dazlam mengolah data warehouse, proses ETL bertanggung
jawab atas ekstrasi data, pembersihan dan penyesuaian dan berakhir
pada proses loading data kedalam data warehouse.
2) Data warehouse tier
Layer ini terdiri dari enterprise data warehouse , data mart, dan
metadata. Enterprise data warehouse disimpan terpusat dan mencakup
data dari seluruh area/departemen dalam suatu organisasi. Sedangkan
data mart ditujukan khusus untuk suatu fungsional atau department
tertentu dalam organisasi.
Metadata didefinisikan sebagai data about data. Dua jenis metadata
yaitu : technical metadata dan bussines metadata.
3) OLAP tier
OLAP tier adalah suatu metode khusus utntuk melakukan analisa data
yang terdapat pada media penyimpanan data dan membuat laporan
sesuai dengan keinginan user. Dalam OLAP terdapat OLAP server
yang menmpilkan data dalam bentuk multideminesi.
4) Dalam layer ini terdapat alat-alat yang mempermudah pengguna untk
mengekplorasi konten dari data warehouse.
 - OLAP tools : alat yang menfasilitasi pengguna unntuk
mengeksplorasi konten dari data warehouse secara interaktif
dengan formulasi query yang kompleks yang melibatkan data
dalam jumlah besar.
- Reporting tool : alat ini membantu pengguna dalam manajemen
laporan yang dapat dikeluarjkan/diolah menjadi paper based report
atau interactive web-based.
- Statisticsl tools : alat yang digunakan untuk menganalisa dan
memvisualisasi data cube menggunakan metode statistic.
b. Manfaat Data Warehouse :
- Mampu mengakses data yang berskala perusahaan
- Mampu memiliki data yang konsnisten
- Dapat melakukan analisis secara cepat
- Capat digunakan untuk mencari redudansi usaha diperusahaan
- Menemukan gap antara pengetahuan bisnis dengan proses bisnis
- Meminimalkan biaya administrasi
- Meningkatkan kinerja pegawai perusahaan untuk dapat melakukan
tugasnya dengan lebih efektif.
c. Karakteristik Data Warehouse:
- Subject Oriented : data warehouse berfokus pada entitas-entitas
bisnis level tinggi.
- Integrated : data disimpan dalam format yang konsisten (dalam
konvensi penamaan, constraint domain, atribut fisikdan pengukuran)
- Time variant : data diasosiasikan dengan suatu titik waktu.
- Non-volatile : data yang berasal dari banyak resource tersebut tidak
dapat diubah karena bersifat read only.
d. Perancangan Data Warehouse dengan Star Schema :

Star schema akan menggambarkan fact table, yaitu tabel yang

merepresentasikan measure, sebagai “pusat data”. Tabel ini nantinya akan
terkoneksi dengan tabel-tabel yang mendeskripsikan dimensi untuk measure
 tersebut (dimension table). Sebagai contoh, star schema untuk data
warehouse penjualan adalah:

Table dimensi barang

Kode_barang
Nama_barang
Sub_kategori Fact tabel penjualan
Kategori
Kode_barang
Kode_periode Table dimensi lokasi
Kode_lokasi
Kode_barang
Total_penjualan
Table dimensi waktu Nama_barang
Total_penerimaan
Sub_kategori
Kode_periode
Kategori
Minggu
Bulan
Tahun

2. OLAP
a. Perbedaan OLAP dan OLTP
Item OLTP OLAP
User IT professional Knowledge Worker
Fungsi Operasi harian Pengambilan keputusan
Perancangan basis Berorientasi aplikasi Berorientasi subjek
data
Data Up to date, rinci, Historis,multidimensi,
relasional terintergrasi
Akses Read/write Read only
Unit kerja Trnasaksi jangka pendek Comlex query
Ukuran DB 100 MB-GB 100 GB-TB
b. OLAP mendukung model data MULTIDIMENSI . bagaimana menurut anda?
Uraikan penjelasan anda.
Menurut saya , OLAP mendukung Multidimensi karena OLAP merupakan
terminology yang menggunakan view multidimensi pengelompokan data untuk
menyediakan akses cepat terhadap informasi strategis untuk keperluan analisa
serta OLAP mendayagunakan konsep data multidimensi dan memungkinkan
para pemakai memkai menganalisa data sampai mendetail, tanpa mengetikan
satupun perintah SQL. untuk memungkinkan terjadinya analisis data-data OLAP
disimpan dalam multimedia database. OLAP juga serng disebut analisis data
multidimensi yang berfungsi sebagai data analisis.
3. Datawarehouse dan OLAP mendukung kecerdasan bisnis. Mengapa
demikian?

Karena , Kecerdasan bisnis merupakan sebuah proses untuk melakukan ekstraksi

data-data operasional perusahaan dan mengumpulkannya dalam sebuah data
warehouse. OLAP merupakan kunci dari business intelligence dan digunakan untuk
menganalisis data dan informasi yang kemudian akan digunakan sebagai dasar dari
pengambilan keputusan atau decision support system pada sebuah organisasi atau
perusahaan. Data warehouse termasuk dalam komponen utama dalam arsitektur
kecerdasan bisnis.

Kecerdasanbisnis dan data warehouse adalah dua hal yang berbeda namun hampir
tidak bisa dipisahkan. Data warehouse menjelaskan tentang bagaimana data-data
yang besar dan beragam disimpan dalam satu repository dan disusun sedemikian
sehingga memudahkan pencarian, sedangkan Business Intelligence adalah suatu
teknologi yang digunakan untuk menyajikan data-data tersebut sehingga
memudahkan analisa dan pengambilan keputusan berdasakan informasi yang
akurat dari sumber data. Suatu solusi Business Intelligence yang baik memerlukan
sumber data yaitu data warehouse.
Referensi :

https://www.academia.edu/14539145/Arsitektur_Data_Warehouse

https://www.kajianpustaka.com/2019/12/data-warehouse-karakteristik-komponen-
arsitektur-dan-fungsi.html

https://centauryalfa.wordpress.com/2015/09/26/data-warehouse-dan-business-
intelligence/