NAMA: ERICK

WEB: https://laciusang.com

Data warehouse merupakan suatu sistem komputer buat mengarsipkan serta menganalisis informasi
historis suatu organisasi semacam informasi penjualan, pendapatan, serta data lain dari operasi tiap
hari. Secara universal, suatu organisasi menyalin data dari sistem operasional semacam penjualan
serta SDM ke gudang data menurut jadwal tertib, misalnya tiap malam ataupun tiap akhir minggu.

Pengertian Informasi Warehouse Menurut Para Ahli

Menurut W. H. Inmon serta Richard DH

Data warehouse merupakan kumpulan data yang memiliki sifat subjek berorientasi, terpadu, waktu-
varian, dan tetap pada pengumpulan data untuk mendukung proses pengambilan keputusan
manajemen.

Menurut Vidette Poe

Data warehouse merupakan database yang read- only analisis serta digunakan bagaikan dasar sistem
pendukung keputusan.

Menurut Paul Lane

Data warehouse ialah database relasional yang dirancang lebih untuk query serta analisis proses
transaksi, umumnya memiliki sejarah data transaksi serta bisa jadi pula data dari sumber lain. Data
warehouse memisahkan beban kerja analisis dari beban kerja transaksi serta membolehkan
organisasi buat mencampurkan/ konsolidasi data dari bermacam sumber.

Menurut Ramelho

Data warehouse ialah pendekatan buat menaruh data dimana sumber data yang heterogen( yang
umumnya tersebar di sebagian basis data OLTP) bermigrasi ke penyimpanan data dan terpisah
homogen.

Menurut Usama Fayyad( 1996)

Pengguna mempraktikkan keahliannya dalam perihal permasalahan, serta komputer melaksanakan

analisis data yang mutahir buat memilah informasi yang tepat serta menempatkannya dalam format
yang cocok untuk pengambilan keputusan.

Dengan demikian, informasi warehouse ialah metode dalam perancangan database, yang
menunjang DSS( KEPUTUSAN Sistem Support) serta EIS( Executive Information System).

Karakteristik Data Warehouse

Berorientasi Subyek

Artinya data warehouse berorientasi subjek dirancang untuk menganalisis informasi bersumber pada
subjek- subjek tertentu dalam organisasi, bukan pada proses ataupun fungsi aplikasi tertentu. Data
warehouse diorganisasikan disekitar subjek- subjek utama dari industri semacam( pelanggan, produk
serta penjualan) serta tidak terorganisir dalam zona aplikasi utama( customer faktur, kontrol stok
serta penjualan produk).
Perihal ini sebab kebutuhan informasi warehouse buat menaruh informasi yang menunjang
keputusan, daripada aplikasi berorientasi informasi. Jadi dengan kata lain, informasi yang ditaruh
tidak berorientasi pada subjek proses.

Data Integrated

Data Warehouse bisa menaruh data dari sumber yang terpisah ke dalam format yang tidak berubah-
ubah serta terintegrasi satu sama lain. Dengan demikian, data tidak bisa rusak sebab informasi ialah
entitas yang menunjang konsep keseluruhan informasi warehouse itu sendiri.

Ketentuan integrasi sumber informasi bisa dipadati dengan bermacam metode peti konsisten dalam
penamaan variabel, tidak berubah- ubah dalam variabel dimensi, tidak berubah- ubah dalam coding
serta struktur yang tidak berubah- ubah dalam atribut raga dari informasi.

Timeline

Seluruh data dalam data warehouse bisa dikatakan akurat ataupun valid pada rentang waktu
tertentu. Untuk memandang interval waktu yang digunakan untuk mengukur keakuratan data
warehouse, kita bisa memakai metode berikut:

Metode termudah merupakan untuk menyajikan data warehouse pada rentang waktu tertentu,
misalnya, antara 5 hingga 10 tahun ke depan.

Metode kedua, dengan memakai alterasi perbandingan waktu/ disajikan dalam informasi warehouse
merupakan baik secara implisit ataupun eksplisit, eksplisit dengan faktor waktu dalam satu hari,
seminggu, sebulan dll Secara implisit misalnya, dikala informasi diduplikasi pada tiap akhir bulan,
ataupun kuartalan. Faktor waktu hendak senantiasa tersirat dalam informasi.

Metode ketiga, alterasi waktu dari data warehouse yang disajikan lewat serangkaian potret- potret
yang lama. Snapshot merupakan pemikiran sebagian besar data yang khusus yang cocok kemauan
pengguna dari seluruh data yang terdapat merupakan read- only.

Non- Volatile

Ciri keempat dari data warehouse merupakan non- volatile, maksudnya data dalam gudang data
tidak diperbarui secara real time namun dalam refresh sistem pembedahan secara tertib. Data baru
yang ditambahkan bagaikan suplemen buat database itu sendiri bukan bagaikan pergantian.

Arsitektur Data Warehouse

Back- End Tier

Dalam layer back- end ada 3 proses yang wajib dijalankan, ialah; extraction, transformation serta
loading( ETL process). Dalam mengelola informasi warehouse, proses ETL bertanggung jawab atas
ekstraksi informasi( extraction), pembersihan( cleansing) serta penyesuaian( customization), dan
berakhir pada proses loading informasi ke dalam informasi warehouse. Tujuan dari proses ETL
adalah memasukkan informasi ke dalam data warehouse. Sumber informasi dapat berasal dari data
internal( database operasional) ataupun eksternal sesuatu organisasi ataupun dapat pula berasal
dari data staging area.
Data staging area ialah database ataupun tempat penyimpanan intermediate yang terletak diantara
informasi source serta data warehouse. Data staging zona menaruh data yang diekstrak dari data
source yang hadapi modifikasi berturut- turut untuk akhirnya dilansir ke dalam data warehouse.

Extraction merupakan proses mengumpulkan informasi dari bermacam sumber data. Sumber data
dapat berasal dari database operasional ataupun file bermacam format. Extract ialah proses
memilah data dari satu environment serta memindahkannya ke environment lain.

Transform merupakan proses memodifikasi data dari format data sumber jadi format data
warehouse sehingga informasi yang sudah lewat proses ekstraksi tadinya bisa masuk serta sesuai
pada skema data warehouse yang sudah terdapat.

Data Warehouse Tier

Layer data warehouse terdiri dari enterprise data warehouse, data mart, serta metadata. Enterprise
data warehouse ditaruh terpusat serta mencakup data dari segala zona/ kementerian dalam sesuatu
organisasi. Sebaliknya data mart diperuntukan khusus untuk sesuatu fungsional ataupun department
tertentu dalam sesuatu organisasi.

Metadata didefinisikan sebagai data about data. Ada 2 macam metadata, yaitu; technical metadata
serta business metadata. Technical metadata menarangkan bagaimana data distrukturkan serta
ditaruh ke dalam mesin komputer. Sedangkan business metadata menarangkan rules, policies, serta
constraints terpaut dengan data di dalam suatu organisasi.

OLAP Tier

OLAP( Online Analytical Processing) merupakan sesuatu tata cara khusus untuk melaksanakan
analisa data yang ada pada media penyimpanan data serta membuat laporan sesuai dengan
keinginan user. Dalam layer OLAP ada OLAP server yang menunjukkan data dalam wujud
multidimensiyang bersumber dari data warehouse.

OLAP merupakan suatu fitur yang sanggup memakai visualisasi multi ukuran untuk beberapa data
yang membolehkan buat menganalisa strategi data dengan memesatkan analisis. Data pula bisa di
tampilkan berbentuk kubus( cube), yang terdiri dari jenis deskriptif( dimension), serta nilai
kuantitatif( measure).

Sebagian perihal yang bisa dianalisa dan di kelola dalam OLAP terdapat sebagian perihal semacam
ukuran ialah suatu atribut yang di tinjau ataupun yang hendak diolah, tidak hanya itu terdapat
pengukur( measurement) yang bisa di pakai bagaikan besaran yang di pakai buat mengukur irisan
antar ukuran yang hendak ditinjau, serta yang terakhir merupakan kalkulasi ini digunakan buat
mengukur menjumlahkan ataupun menghitung hasil measurement yang telah terbuat.

Front- End Tier

Dalam layer front- end ada alat- alat yang memudahkan pengguna buat mengeksplorasi konten dari
data warehouse. Client tool dapat berbentuk:

OLAP tools. Perlengkapan yang memfasilitasi pengguna buat mengeksplorasi konten dari data
warehouse secara interaktif dengan perumusan query yang lingkungan yang mengaitkan informasi
dalam jumlah besar.
Reporting tools. Perlengkapan ini menolong pengguna dalam manajemen laporan yang bisa
dikeluarkan/ diolah jadi paper based report ataupun interactive web- based.

Statistical tools. Perlengkapan ini digunakan buat menganalisa serta memvisualisasikan informasi
cube memakai tata cara statistik.

Data mining tools. Perlengkapan ini membolehkan pengguna buat menganalisa data supaya
mendapatkan knowledge yang bernilai bagaikan pattern serta tren.

Sumber :

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

https://www. dosenpendidikan.co.id/data-warehouse-adalah/