Tugas Makalah

Data Warehouse

DOSEN PEMBIMBING
YERMIAS DUHA, S. KOM, M. KOM

Disusun Oleh
Ferdy Alfa Maulaya (1910307055073)

PROGRAM SARJANA TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER
INSTITUT BISNIS DAN TEKNOLOGI PELITA INDONESIA 2

1
 DAFTAR ISI

Daftar Isi .................................................................................................... 3

BAB I PENDAHULUAN
1.1. Latar Belakang ................................................................................. 4
1.2. Rumusan Masalah ............................................................................ 5
1.3. Tujuan ............................................................................................. 5

BAB II PEMBAHASAN
A. Konsep dan Arsitektur Data Warehouse ........................................... 6
B. Alur Data Warehouse ...................................................................... 12
C. Teknologi dan peralatan Data Warehouse......................................... 13
D. Kegunaan Data Warehouse .............................................................. 13
E. Model Untuk Data Warehouse ......................................................... 15

BAB III KESIMPULAN DAN SARAN

Kesimpulan ................................................................................................ 21
Daftar Pustaka ............................................................................................ 22

2
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Dewasa ini perkembangan teknologi komputer mengalami kemajuan yang pesat. Hampir
semua perusahaan atau organisasi berusaha untuk mengoptimalkan fungsi dari teknologi
komputer itu sendiri dengan harapan teknologi tersebut mampu memberikan nilai tambah bagi
perusahaan. Dengan semakin banyaknya data yang ada dan harus didokumentasikan, juga
kebutuhan akan informasi yang cepat dalam proses pengambilan keputusan, membuat semakin
banyaknya aplikasi yang dikembangkan untuk memaksimalkan penyimpanan data tersebut.
Contohnya adalah Data warehouse, Data warehouse adalah suatu konsep dan kombinasi
teknologi yang memfasilitasi organisasi atau perusahaan untuk mengelola dan memelihara data
historis yang diperoleh dari 3a nad atau aplikasi operasional [Ferdiana,2008]. Pemakaian
teknologi data warehouse sangat dibutuhkan oleh semua organisasi atau perusahaan. Data
warehouse memungkinkan integrasi berbagai macam jenis data dari berbagai macam aplikasi
atau 3a nad. Hal ini menjamin mekanisme akses “satu pintu” bagi manajemen untuk
memperoleh informasi, dan menganalisisnya untuk pengambilan keputusan.

. Makalah yang kami susun berikut ini menjelaskan suatu database yang biasa digunakan
sebagai pengambil keputusan yaitu data warehouse. Penyusun sadar dalam penulisan makalah
ini terdapat banyak kekurangan, oleh karena itu, kami menerima saran dan kritik yang
membangun agar dikemudian hari kami dapat menyusun suatu makalah dengan lebih baik lagi.

3
1.2 Rumusan Masalah
1.2.1 Apa konsep dan arsitektur dari Data warehouse ?
1.2.2 Bagaimana alur data pada Data warehouse ?
1.2.3 Apa saja teknologi dan peralatan yang digunakan pada Data warehouse ?
1.2.4 Apa kegunaan dari Data warehouse ?
1.2.5 Apa Saja Model Untuk Data Warehouse?

1.3 Tujuan
1.3.1 Mampu memahai konsep dan arsitektur dari Data warehouse.
1.3.2 Mampu memahai alur data pada Data warehouse.
1.3.3 Mampu mengetahui teknologi dan peralatan yang digunakan pada Data
warehouse.
1.3.4 Mampu memahai kegunaan dari Data warehouse.

4
 BAB II
PEMBAHASAN

A. Konsep dan Arsitektur Data Warehouse

Pengertian Data warehouse
Data Warehouse adalah Pusat informasi yang mampu memberikan database
berorientasi subyek untuk informasi yg bersifat historis yang mendukung DSS (Decision
Suport System) dan EIS (Executive Information System).
Data warehouse adalah basis data yg menyimpan data sekarang dan masa lalu, yg
berasal dari berbagai operasional dan sumber lain (sumber eksternal), yang menjadi perhatian
penting bagi manajemen dalam organisasi dan ditujukan untuk keperluan analisis dan
pelaporan manajemen dalam rangka pengambilan keputusan. Salinan dari transaksi data yg
terstruktur secara spesifik pd query dan analisa serta laporan.
Data warehouse hanya berisi informasi – informasi yang relevan bagi kebutuhan
pemakai yang dipakai untuk pengambilan keputusan.
Tujuan :
• Meningkatkan kualitas dan akurasi informasi bisnis dan mengirimkan informasi ke
pemakai dalam bentuk yg dimengerti dan dapat diakses dengan mudah.
• Digunakan untuk mendukung pengambilan keputusan, bukan untuk melaksanakan
pemrosesan transaksi.
Ini mungkin bertolak belakang dgn sebagian besar OLTP yg berorientasi proses.
OLTP = Online Transaction Processing

Karakteristik Data Warehouse

1. Subject oriented
Data yg disusun menurut subyek berisi hanya informasi yg penting bagi pemprosesan
Decision Support System (DSS). Data warehouse mengorganisasikan subjek utama perusahaan
(pelanggan, produk, dan penjualan). Berfokus pada model dan analisis pada data untuk
membuat keputusan, jadi bukan pada setiap proses transaksi (faktur pelanggan, pengawasan
stock, dan penjualan produk) atau bukan pada OLTP. Menghindari data yang tidak berguna
dalam mengambil suatu keputusan. Informasi yg tersimpan dlm database di kelompokkan
berdasarkan subyek tertentu, misalnya: pelanggan, gudang, pasar, dsb. Semua Informasi
tersebut disimpan dalam suatu data warehouse. Data-data di setiap subyek dirangkum ke
dalam dimensi, misalnya : periode waktu, produk, wilayah, dsb, sehingga dapat memberikan
5
nilai sejarah untuk bahan analisa. Hal ini menggambarkan kebutuhan untuk menyimpan data
pendukung keputusan dari pada aplikasi yang berorientasi data.

Gambar Subject oriented

2. Integrated
Pengambilan secara bersamaan sumber data yang berasal dari aplikasi berbagai
perusaan besar yang berbeda. Sumber data sering tidak konsisten, berbeda format. Sumber
data yang terintegrasi harus dapat dibuat konsisten dalam penamaan, struktur pengkodean,
dan struktur atribut diantara data satu sama lain untuk menggambarkan view gabungan data
ke pemakai. Dengan demikian data tidak bisa dipecah-pecah karena data yang ada
merupakan suatu kesatuan yang menunjang keseluruhan konsep data warehouse itu sendiri.
Syarat integrasi sumber data dapat dipenuhi dengan berbagai cara sepeti konsisten dalam
penamaan variable,konsisten dalam ukuran variable,konsisten dalam struktur pengkodean
dan konsisten dalam atribut fisik dari data.

6
 Gambar Integrated

3. Time variant
Data yg tersimpan dlm rentang 5-10 tahun/lebih, suatu ketika dpt digunakan untuk
perbandingan atau perkiraan sbg data yg valid dan akurat, dan data ini tidak dapat diperbaharui.
Data di dalam data warehouse mempunyai karakter khusus berupa time-series dalam bentuk
data historical. Ini dapat digunakan untuk melakukan trend analysis dari data tersebut.
Cara2 yg digunakan untuk melihat interval waktu dlm mengukur keakuratan suatu data
warehouse:
a) Paling sederhana : menyajikan data warehouse pada rentang waktu tertentu.
b) Menggunakan variasi/perbedaan waktu yg disajikan dalam data warehouse baik implicit
maupun explicit; secara explicit dengan unsur waktu dalam hari, minggu, bulan dan waktu
tertentu.
c) Variasi waktu yg disajikan data warehouse melalui serangkaian snapshot yg panjang.

7
 4. Non volatile (Tidak Gampang Berubah)
Data pada data warehouse tidak di-update secara real time tetapi di refresh dari sistem
operasional secara reguler. Data yang baru selalu ditambahkan sebagai suplemen bagi database
itu sendiri dari pada sebagai sebuah perubahan. Database tersebut secara kontinyu menyerap
data baru ini, kemudian secara incremental disatukan dengan data sebelumnya. Berbeda dengan
database operasional yang dapat melakukan update,insert dan delete terhadap data yang
mengubah isi dari database sedangkan pada data warehouse hanya ada dua kegiatan
memanipulasi data yaitu loading data (mengambil data) dan akses data (mengakses data
warehouse seperti melakukan query atau menampilan laporan yang dibutuhkan, tidak ada
kegiatan updating data).

Gambar Non volatile

8
Arsitektur Data Warehouse
Maksudnya adalah bagaimana data warehouse dibangun, arsitektur tidak ada yang
benar dan salah tetapi suatu arsitektur dibangun tergantung situasi dan kondisi. Arsitektur data
warehouse akan berpengaruh pada penggunaan dan pemeliharaan.

Lapisan-lapisan arsitektur datawarehouse :

1. Operational database layer / Lapisan basis data operasional
a. Sumber data (source) untuk data warehouse
Sumber data untuk data warehouse :
1. Data operasional dalam organisasi, Misalnya basis data pelanggan dan produk.
2. Sumber eksternal yang diperoleh. Misalnya melalui Internet, basis data komersial, basis
data pemasok atau pelanggan.
•Berbagai data yang berasal dari sumber digabungkan dan diproses lebih lanjut oleh manajer
data warehouse dan disimpan dalam basis data tersendiri. Selanjutnya, perangkat lunak seperti
OLAP dan data mining dapat digunakan oleh pemakai untuk mengakses data warehouse
b. Data lengkap, Data hari ke hari
c. Mempunyai nilai saat ini/ data berarti.
d. Tingkat kemungkinan data besar.
2. Data Access Layer/ Lapisan Akses Data
a. Tools untuk mengekstrak, mengubah dan mengambil (load) data.
9
 b. Meliputi karakteristik data warehouse.
3. Metadata Layer / Lapisan Metadata
a. File data tersimpan / Direktori
b. Lebih detil dari direktori data, maksudnya lebih mendalam dari file data yang tersedia
sebelumnya.
c. Ada pentunjuk untuk keseluruhan warehouse petunjuk data yang dapat diakses report
khusus untuk di analisis.
4. Informational access layer (lapisan akses informasi)
a. Akses data dan juga tool untuk laporan dan analisis.
b. Tools Business Intelligence masuk ke tahap ini

Keuntungan Data Warehouse

Keuntungan yang didapatkan dengan menggunakan data warehouse tersebut dibawah ini
(Ramelho).
 Data diorganisir dengan baik untuk query analisis dan sebagai bahan untuk pemrosesan
transaksi.
 Perbedaan diantara struktur data yang heterogen pada beberapa sumber yang terpisah
dapat diatasi.
 Aturan untuk transformasi data diterapkan untuk memvalidasi dan mengkonsolidasi
data apabila data dipindahkan dari database OLTP ke data warehouse.
 Masalah keamanan dan kinerja bisa dipecahkan tanpa perlu mengubah sistem produksi.
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 tersebut diperoleh dari beberapa sumber (Sean
Nolan,Tom Huguelet):
 Kemampuan untuk mengakses data yang besar
 Kemampuan untuk memiliki data yang konsistent
 Kemampuan kinerja analisa yang cepat
 Mengetahui adanya hasil yang berulang-ulang
 Menemukan adanya celah pada business knowledge atau business process.
 Mengurangi biaya administrasi
 Memberi wewenang pada semua anggota dari perusaahan dengan menyediakan kepada
mereka informasi yang dibutuhkan agar kinerja bisa lebih efektif.

10
B. Alur Data Warehouse
1. Inflow
Pengekstrasian, pembersihan, dan pemuatan sumber data.
2. Upflow
Menambah kan nilai data ke dalam warehouse melalui ringkasan, pemaketan, dan
pendistribusian data.
3. Downflow
Pengarsipan dan back up data ke dalam warehouse.
4. Outflow
Membuat data agar tersedia untuk pemakai akhir
5. Meta-flow (Pengaturan meta data)
Metadata bukan merupakan data hasil kegiatan. Menurut Poe, metadata adalah ‘data tentang
data’ dan menyediakan informasi tentang struktur data dan hubungan antara struktur data di
dalam atau antara storage(tempat penyimpanan data). Metadata berisikan data yang
menyimpan proses perpindahan data meliputi database structure,contents,detail data dan
summary data, matrics,versioning, aging criteria,versioning, transformation criteria. Metadata
khusus dan memegang peranan yang sangat penting dalam data warehouse.
Metadata sendiri mengandung :
 Struktur data
Sebuah direktori yang membantu user untuk melakukan analisis Decission Support System
dalam pencarian letak/lokasi dalam data warehouse.

 Algoritma
Algoritma digunakan untuk summary data. Metadata sendiri merupakan panduan untuk
algoritma dalam melakukan pemrosesan summary data antara current detail data dengan
lightly summarized data dan antara lightly summarized data dengan hightly summaried data.

 Mapping
Sebagai panduan pemetaan(mapping) data pada saat data di transform/diubah dari lingkup
operasional menjadi lingkup data warehouse.

11
C. Teknologi dan Peralatan Data Warehouse
Peralatan untuk pengekstrasian, pembersihan, dan transformasi:
1. Code generator
Membuat program transformasi 3GL/4GL yang dapat disesuaikan berdasarkan sumber dan
target pendefinisian data.
2. Database data replication tools
Menggunakan database trigger dan recovery log untuk merekam perubahan terhadap sumber
data tunggal pada satu system dan mengunakan perubahan tsb kesuatu salinan sumber data
yang dialokasikan pada sebuah system yang berbeda.
3. Dynamic transformation engines
Merekam data dari sumber system pada interval yang telah definisikan pemakai,
mentransformasikan data kemudian mengirim dan memuat hasilnya ke dalam target
lingkungan

D. Kegunaan Data Warehouse

Tugas-tugas Data Warehouse
Ada empat tugas yang bisa dilakukan dengan adanya data warehouse. Menurut Williams,
keempat tugas tersebut yaitu:
a. Pembuatan laporan
Pembuatan laporan merupakan salah satu kegunaan data warehouse yang paling umum
dilakukan. Dengan menggunakan query sederhana didapatkan laporan perhari,
perbulan, pertahun atau jangka waktu kapanpun yang diinginkan.
b. On-Line Analytical Processing (OLAP)
Dengan adanya data warehouse,semua informasi baik detail maupun hasil summary
yang dibutuhkan dalam proses analisa mudah didapat. OLAP mendayagunakan konsep
data multi dimensi dan memungkinkan para pemakai menganalisa data sampai
mendetail, tanpa mengetikkan satupun perintah SQL. Hal ini dimungkinkan karena
pada konsep multi dimensi, maka data yang berupa fakta yang sama bisa dilihat dengan
menggunakan fungsi yang berbeda. Fasilitas lain yang ada pada sofware OLAP adalah
fasilitas rool-up dan drill-down. Drill-down adalah kemampuan untuk melihat detail
dari suatu informasi dan roll-up adalah kebalikannya.

12
c. 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
pemakainya.
Beberapa solusi yang diberikan data mining antara lain :
1. 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.
2. Melihat pola beli dari waktu ke waktu
Data mining dapat digunakan untuk melihat pola beli dari waktu ke waktu.
3. cross-market analysis
Data mining dapat dimanfaatkan untuk melihat hubungan antara satu produk
dengan produk lainnya.
4. Profil pelanggan
Data mining bisa membantu pengguna untuk melihat profil pembeli sehingga dapat
diketahui kelompok pembeli tertentu cenderung kepada suatu produk apa saja.
5. Informasi summary
Data mining dapat membuat laporan summary yang bersifat multi dimensi dan
dilengkapi dengan informasi statistik lainnya.

d. 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 telah diringkas dan dapat pula mengetahui
segala rinciannya secara lengkap, sehingga mempermudah proses pengambilan
keputusan. Informasi dan data pada laporan data warehouse menjadi target informative
bagi user.

13
Contoh Kasus Data Warehouse

PT. Astra Honda Motor merupakan sebuah perusahaan yang bergerak di bidang tranportasi dan
sparepart nya. Sejak pertengahan 1990 tahun , perusahaan ini membangun cabang di kota-kota
besar di Indonesia. Karena perusahaan mempunyai banyak cabang yang tersebar dan dimana
tiap cabang mengembangkan database yang disesuaikan dengan kebutuhan masing-masing,
mengakibatkan data perusahaan sulit untuk diolah menjadi satu kesatuan informasi.
Pertanyaan yang timbul :
1. Apa strategi pemasaran yang baik untuk seluruh cabang ?
2. Apakah dalam proses layanan sudah memadai dan memuaskan?
3. Model kendaraan seperti apakah yang di inginkan konsumen ?

Manfaat Data warehouse :

1. Dapat mengetahui model motor seperti apa yang banyak terjual di pasaran.
2. Cabang mana yang banyak memasarkan produk dari perusahaan.
3. Mampu menggabungkan seluruh database yang berasal dari berbagai sumber data atau
pun cabang – cabang nya.
4. Melalui data warehouse ini, seluruh database tersebut dapat terintegrasi secara
lengkap dan digunakan untuk kebutuhan penyediaan informasi pemasaran baik itu
penjualan per tahun, penjualan suku cadang, penjualan motor, dan lain sebagainya.

14
E. Model Untuk Data Warehouse

Berikut di bawah ini adalah penjelasan dari model untuk data warehouse

a) Model Dimensional

Model dimensional merupakan rancangan logikal yang bertujuan untuk

menampilkan data dalam bentuk standar dan intuitif yang memperbolehkan akses
dengan performa yang tinggi.

Model dimensional menggunakan konsep model hubungan antar entity (ER)

dengan beberapa batasan yang penting. Setiap model dimensi terdiri dari sebuah tabel
dengan sebuah komposit primary key, disebut dengan table fakta, dan satu set table
yang lebih kecil disebut table dimensi. Setiap table dimensi memiliki sebuah simple
primary key yang merespon tepat pada satu komponen primary key pada tabel fakta.
Dengan kata lain primary key pada table fakta terdiri dari dua atau lebih foreign key.
Struktur karakteristik ini disebut dengan skema bintang atau join bintang.

Fitur terpenting dalam model dimensional ini adalah semua natural keys diganti
dengan kunci pengganti(surrogate keys). Maksudnya yaitu setiap kali join antar table
fakta dengan table dimensi selalu didasari kunci pengganti. Kegunaan dari kunci
pengganti adalah memperbolehkan data pada data warehouse untuk memiliki
beberapa kebebasan dalam penggunaan data, tidak seperti halnya yang diproduksi
oleh sistem OLTP.

Sebuah sistem OLTP memerlukan normalisasi untuk mengurangi redudansi,

validasi untuk input data, mendukung volume yang besar dari transaksi yang bergerak
sangat cepat. Model OLTP sering terlihat seperti jaring laba-laba yang terdiri atas
ratusan bahkan ribuan tabel sehingga sulit untuk dimengerti.

Sebaliknya, dimension model yang sering digunakan pada data warehouse

adalah skema bintang atau snowflake yang mudah dimengerti dan sesuai dengan
kebutuhan bisnis, mendukung query sederhana dan menyediakan performa query
yang superior dengan meminimalisasi tabel-tabel join. Berikut contoh perbandingan
diagram antara model data OLTP dengan dimension table data warehouse :

15
Model data OLTP

16
 Dimension Model

b) Schema Bintang

Skema bintang merupakan struktuk logikal yang memiliki tabel fakta yang terdiri
atas data faktual ditengahnya, dan dikelilingi oleh tabel-tabel dimensi yang berisi
referensi data.

17
Jenis-Jenis Skema Bintang

1. Skema bintang sederhana

Dalam skema ini, setiap table harus memiliki primary key yang terdiri dari satu kolom
atau lebih.

Primary key dari table fakta terdiri dari satu atau lebih foreign key.Foreign key
merupakan primary key pada table lain.

2. Skema bintang dengan banyak table fakta

Skema bintang juga bisa terdiri dari satu atau lebih table fakta. Dikarenakan
karena table fakta tersebut ada banyak, misalnya disamping penjualan terdapat table
fakta forecasting dan result. Walaupun terdapat lebih dari satu table fakta, mereka tetap
menggunakan table dimensi bersama-sama.

18
Adapun ketentuan dalam pembacaan skema bintang adalah :

 Bagian yang ada di bawah judul tabel merupakan kolom-kolom tabel tersebut
 Primary key dan Foreign key diberi kotak
 Primary key diarsir sedang Foreign key yang bukan primary tidak
 Foreign key yang berhubungan ditunjukkan dengan garis yang menghubungkan
tabel.

Kolom yang bukan kunci disebut kolom data pada table fakta dan atribut pada table
dimensi

c) Snowflake Schema
Merupakan varian dari skema bintang dimana table-table dimensi tidak terdapat data
yang di denormalisasi. Dengan kata lain satu atau lebih table dimensi tidak bergabung
secara langsung kepada table fakta tapi pada table dimensi lainnya. Sebagai contoh,
sebuah dimensi yang mendeskripsikan produk dapat dipisahkan menjadi tiga table
(snowflaked) seperti contoh dibawah ini :

19
 Snowflake Schemes

d) Star Atau Snowflake

Keduanya merupakan model-model dimensional, perbedaannya terletak pada

implementasi fisikal. Skema snowflake memberi kemudahan pada perawatan dimensi,
dikarenakan strukturnya yang lebih normalisasi. Sedangkan skema bintang lebih efisien
serta sederhana dalam membuat query dan mudah diakses secara langsung oleh
pengguna.

Adapun starflake merupakan gabungan diantara keduanya. Keuntungan menggunakan

masing-masing model tersebut dalam data warehouse antara lain :

 Efisien dalam hal mengakses data

 Dapat beradaptasi terhadap kebutuhan-kebutuhan user
 Bersifat fleksibel terhadap perubahan yang terjadi khususnya perubahan yang
mengarah pada perkembangan
 Memiliki kemampuan dalam memodelkan situasi bisnis secara umum
 Meskipun skema yang dihasilkan sangat kompleks, tetapi pemrosesan query
dapat diperkirakan, hal ini dikarenakan pada level terendah, setiap table fakta harus di
query secara independen.

20
 BAB III
PENUTUP

Kesimpulan
Data warehouse merupakan suatu cara atau metode dari suatu database yang
berorientasi kepada subjek, non-volatile, time-variance dan terintegrasi yang digunakan
untuk mempermudah para pengambil keputusan dalam memecahkan masalah. Dengan
adanya data warehouse diharapkan data – data yang ada dapat digunakan dengan maksimal.
Keberadaan data warehouse sangat penting sebagai tools dari DSS, karena data
warehouse memang digunakan untuk itu. Dengan adanya data warehouse, diharapkan suatu
perusahaan dapat lebih unggul dari kompetitornya dan lebih jeli lagi dalam melihat peluang
pasar.

21
 Daftar Pustaka

http://en.wikipedia.org/wiki/Decision_support_system

http://oktadymalik.multiply.com/journal/item/44

http://id.wikipedia.org/wiki/OLAP

http://id.wikipedia.org/wiki/Penggalian_data

http://mugi.or.id/blogs/luki/archive/2010/06/07/business-intelligence-data-warehouse-1.aspx

Kimball,R.,Merz, R (1998). The Data Warehouse Lifecycle Toolkit. Expert Methods for Designing,
Developing and Deploying Data Warehouses. Wiley Computer Publishing, Canada.

22