NAMA : ROIS MUTTAQIN

NIM 1957201058
PRODI : SISTEM INFORMASI
MAKUL : SISTEM DATA WAREHOUSE
SEMESTER 5

PENILAIAN TENGAH SEMESTER (PTS)

1. Jelaskan Pengertian Data Warehouse Menurut W.H. Inmon dan Richard DH !

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

2. Jelaskan Karekteristik Data Warehouse !

Jawaban :
a) Berorientasi Subjek.
Data warehouse terorganisasi di seputar subjek kunci (atau entitas-entitas peringkat
tinggi) dalam perusahaan, Data warehouse adalah tempat penyimpanan berdasakan
subyek bukan berdasakan aplikasi. Subyek merupakan bagian dari suatu perusahaan.
Contoh subyek pada perusahaan manufaktur adalah penjualan, konsumen, inventori, daln
lain sebagainya.
b) Terintegrasi
Data yang tersimpan dalam data warehouse didefinisikan menggunakan konversi
penamaan yang konsisten, format-format, struktur terkodekan, serta karakteristik-
karakteristik yang berhubungan, Sumber data yang ada dalam data warehouse tidak
hanya berasal dari database operasional (internal source) tetapi juga berasal dari data
diluar sistem (external source). Data pada sumber berbeda dapat di-encode dengan cara
yang berbeda. Sebagai contoh, data jenis kelamin dapat di-enkode sebagai 0 dan 1 di satu
tempat dan ”m” dan ”f” di tempat lain.
c) Memiliki dimensi waktu (Time variant)
Data yang tersimpan dalam data warehouse mengandung dimensi waktu yang mungkin
digunakan sebagai rekaman bisnis untuk tiap waktu tertentu, Data warehouse
menyimpan sejarah (historical data). Bandingkan dengan kebutuhan sistem operasional
yang hampir semuanya adalah data mutakhir! Waktu merupakan tipe atau bagian data
yang sangat penting didalam data warehouse.
Didalam data warehouse sering disimpan macam-macam waktu, seperti waktu suatu
transaksi terjadi/dirubah/dibatalkan, kapan efektifnya, kapan masuk ke komputer, kapan
masuk ke data warehouse; juga hampir selalu disimpan versinya, misalnya terjadi
perubahan definisi kode pos, maka yang lama dan yang baru ada semua didalam data
warehouse kita. Sekali lagi, data warehouse yang bagus adalah yang menyimpan sejarah.
d) Non-volatile
Data yang tersimpan dalam data warehouse diambil dari system operasional yang sedang
berjalan, tetapi tidak dapat diperbaharui (di-update) oleh pengguna (bersifat ‘hanya-
 baca), Sekali masuk kedalam data warehouse, data-data, terutama data tipe transaksi,
tidak akan pernah di update atau dihapus (delete) Terlihat, bahwa keempat karakteristik
ini saling terkait kesemuanya harus diimplementasikan agar suatu data warehouse bisa
efektif memiliki data untuk mendukung pengambilan-keputusan. Dan, implementasi
keempat karakteristik ini membutuhkan struktur data dari data warehouse yang berbeda
dengan database sistem operasional.
e) Ringkas
Jika diperlukan, data operasional dikumpulkan ke dalam ringkasan-ringkasan
f) Granularity
Pada sistem operasional data dibuat secara real-time sehingga untuk mendapatkan
informasi langsung dilakukan proses query. Pada data warehouse pada menganalisis
harus memperhatikan level-of-detail misalkan perhari, ringkasan perbulan, ringkasan
per-tiga-bulan.
g) Tidak ternormalisasi
Data di dalam sebuah data warehouse biasanya tidak ternormalisasi dan sangat redundan.
Dasar dari suatu data warehouse adalah suatu data yang besar yang mengandung
informasi bisnis. Data-data yang ada di dalam data warehouse bisa berasal dari banyak
sumber, misalkan dari database operasional atau transaksional dan sumber dari luar
misalkan dari web, penyedia jasa informasi, dari perusahaan lain, dan lain sebagainya.

3. Sebut dan jelaskan Proses KDD (Knowledge Discovery in Database) !

Jawaban :
a) Data Selection
Pemilihan( pilih) informasi dari sekumpulan informasi operasional butuh kita coba saat
sebelum sesi penggalian data dalam Knowledge D iscovery in Database( KDD) .
Informasi hasil pilih yang bisa kita gunakan buat proses data mining. Dan berada dalam
sesuatu berkas terpisah dari basis informasi operasional.
b) Pre- processing/ Cleaning
Saat sebelum proses data mining bisa kita laksanakan , butuh percobaan proses cleaning
pada informasi yang jadi fokus Knowledge D iscovery in Database( KDD). Proses
cleaning mencakup antara lain membuang duplikasi informasi, mengecek informasi yang
inkonsisten, serta membetulkan kesalahan pada informasi, semacam kesalahan cetak.
c) Transformation Coding
Merupakan proses transformasi pada informasi yang sudah melalui seleksi, sehingga
informasi tersebut cocok buat proses data mining.
Proses coding dalam Knowledge D iscovery in Database( KDD). Ialah proses kreatif
serta sangat bergantung pada tipe ataupun pola data yang hendak kita cari dalam basis
informasi.
d) Data Mining
Data mining merupakan proses mencari pola ataupun data menarik dalam informasi
terpilih dengan memakai metode ataupun tata cara tertentu.
Teknik- teknik, metode- metode, ataupun algoritma dalam data mining sangat
bermacam- macam. Pemilihan tata cara ataupun algoritma yang pas sangat tergantung
pada tujuan serta proses Knowledge D iscovery in Database( KDD) secara totalitas.
 e) Interpretation/ Evaluation
Pola data yang hasil dari proses data mining butuh wadah untuk tampil. Dalam wujud
yang gampang untuk pemahaman oleh pihak yang berkepentingan. Sesi ini ialah bagian
dari proses Knowledge D iccovery in Database( KDD) yang berasal dari interpretation.
Sesi ini mencakup pengecekan apakah pola ataupun data yang kita temui berlawanan
dengan kenyataan ataupun hipotesis yang terdapat tadinya.
4. Manfaat apa saja yang di dapat dalam sistem data warehouse !
Jawaban :
a) Menawarkan kecepatan
Data warehouse dibuat untuk pengambilan dan analisa data yang cepat sehingga
memungkinkan bisnis dengan cepat mengakses dan menanyakan data yang relevan untuk
menginformasikan keputusan organisasi dengan paling baik.
b) Ketersediaan, kualitas dan konsistensi
Data warehouse menggabungkan informasi dari berbagai sumber menjadi satu sumber
kebenaran dalam organisasi. Perusahaan dapat membersihkan dan mengubah informasi
dari berbagai sumber tersebut untuk meningkatkan kualitas dan konsistensi sebelum
menyimpannya di data warehouse sehingga data tersedia untuk semua jenis laporan.
c) Mendukung business intelligence
Data warehouse menawarkan akses bisnis yang lebih baik ke informasi. Ini membuat
bisnis dapat meningkatkan proses dan membuat keputusan strategis dan operasional yang
lebih baik.
d) Hemat biaya dan meningkatkan pendapatan
Analisa data memiliki dampak positif pada bisnis. Riset menyebutkan bahwa perusahaan
yang mengimplementasikan keputusan berdasar data dapat mengalami pertumbuhan rata-
rata lebih dari 30% per tahun.
e) Membuat prediksi dengan lebih percaya diri
Profesional di bidang data dapat menganalisa data bisnis untuk membuat prediksi pasar,
mengidentifikasi KPI potensial dan memungkinkan personel inti untuk membuat rencana
berdasarkan prediksi tersebut.

5. Dalam data warehouse apakah perbedaan Star Schema dan Snowflake Schema ?
Jawaban :

a) Arsitektur Skema Bintang dan Kepingan Salju

Dalam database relasional, skema bintang adalah model arsitektur paling sederhana yang
digunakan untuk mengembangkan gudang data dan data mart multidimensi. Seperti
namanya, modelnya menyerupai bintang dengan titik-titik yang memancar dari pusat
yang berarti tabel fakta adalah pusat dan titik adalah tabel dimensi. Seperti model
dimensi lainnya, itu terdiri dari data dalam bentuk fakta dan dimensi. Skema Snowflake,
di sisi lain, adalah model arsitektur yang lebih kompleks yang mengacu pada basis data
multidimensi dengan susunan tabel yang logis dalam bentuk kepingan salju..
b) Tabel Dimensi
Skema kepingan salju sangat mirip dengan skema bintang kecuali dapat memiliki lebih
dari satu tabel dimensi yang selanjutnya dinormalisasi menjadi beberapa tabel terkait
 yang disebut sebagai tabel sub-dimensi. Ini mewakili berbagai tingkat hubungan yang
bercabang menjadi pola kepingan salju. Namun, skema bintang menyimpan semua
atribut terkait dari suatu dimensi ke dalam satu tabel dimensi denormalized yang
membuatnya mudah untuk dipahami dan menangani kueri yang lebih sederhana.
c) Model Bisnis Skema Star dan Snowflake
Tabel dimensi tidak dapat berisi baris duplikat dalam model database relasional karena
fakta sederhana bahwa itu bisa membuat ambiguitas dalam pengambilan. Setiap tabel
harus memiliki kolom atau kombinasi kolom yang disebut kunci utama yang secara unik
mengidentifikasi semua catatan tabel. Kunci asing adalah kolom atau grup kolom yang
menyediakan tautan antara dua tabel. Dalam skema bintang, setiap tabel dimensi
memiliki kunci utama yang terkait dengan kunci asing di tabel fakta. Hirarki bisnis
dalam skema kepingan salju diwakili oleh kunci utama / hubungan kunci asing antara
tabel dimensi.
d) Integritas Data dalam Skema Star dan Snowflake
Perbedaan utama antara dua model basis data relasional adalah normalisasi. Tabel
dimensi dalam skema bintang tidak dinormalisasi, artinya model bisnis akan
menggunakan ruang yang relatif lebih banyak untuk menyimpan tabel dimensi dan lebih
banyak ruang berarti lebih banyak catatan yang berlebihan yang pada akhirnya akan
menyebabkan ketidakkonsistenan. Skema Snowflake, di sisi lain, meminimalkan
redundansi data karena tabel dimensi dinormalisasi yang menyumbang catatan redundan
yang jauh lebih rendah. Hirarki bisnis dan dimensinya dilestarikan melalui integritas
referensial yang berarti hubungan dapat diperbarui secara independen di gudang data.
e) Performa Permintaan
Skema bintang memiliki lebih sedikit gabungan antara tabel dimensi dan tabel fakta
dibandingkan dengan skema kepingan salju yang memiliki banyak gabungan yang
menyumbang kompleksitas kueri yang lebih sedikit. Karena dimensi dalam skema
bintang dihubungkan melalui tabel fakta pusat, ia memiliki jalur gabungan yang jelas
yang berarti waktu respons kueri cepat dan waktu respons cepat berarti kinerja yang
lebih baik. Skema Snowflake memiliki jumlah gabungan yang lebih tinggi sehingga
waktu respons kueri yang lebih lama yang menghasilkan kueri yang lebih kompleks yang
pada akhirnya mengganggu kinerja.