MAKALAH SISTEM MANAJEMEN DATABASE

“Datawarehouse Design”
Disusun Untuk Memenuhi Salah Satu Tugas Mata Kulia Sistem
ManajemenDatabase
Dosen Pengampu : Bapak Arief Nurhandika, S. E., M. Ak.

Disusun oleh :
Rani Siti Rahmahayati
20200610088

AKUNC-2020-04

PRODI AKUNTANSI
FAKULTAS EKONOMI & BISNIS
UNIVERSITAS KUNINGAN
2022
 KATA PENGANTAR

Alhamdulillah,Puji syukur penulis haturkan kehadirat Allah SWT atas

rahmat-nyalah penulis dapat menyelesaikan makalah ini yang berjudul
“Datawarehouse Design (Konsep Pusat Penyimpanan Data)” dengan tepat waktu.
Makalah ini disusun bertujuan untuk memenuhi salah satu tugas mata kuliah Sistem
Manajemen Data Base

Penulis ucapkan terima kasih kepada semua pihak yang telah mendukung
dan membantu penulis dalam menyelesaikan tugas makalah ini dengan tepat
waktu. Khususnya penulis ucapkan terima kasih kepada Bapak Arief Nurhandika,
S.E., M. Ak.
Penulis tentu menyadari bahwa makalah ini masih memiliki kekurangan
dan kesalahan serta jauh dari kata sempurna. Apabila dalam penulisan makalah ini
masih terdapat kesalahan, penulis mohon maaf yang sebesar-besarnya. Demikian,
semoga makalah ini dapat memberikan ilmu pengetahuan dan manfaat bagi
pembaca. Terimakasih

Kuningan, 18 Desember 2022

i
 DAFTAR ISI

KATA PENGANTAR ................................................................................................. i

DAFTAR ISI ............................................................................................................... ii
BAB I PENDAHULUAN ........................................................................................... 1
1.1. Latar Belakang ............................................................................................... 1
1.2. Rumusan Masalah.......................................................................................... 2
1.3. Tujuan Makalah ............................................................................................. 2
BAB II ......................................................................................................................... 3
LANDASAN TEORI .................................................................................................. 3
2.1. Data Warehouse Database Design (Desain Pusat Penyimpanan Basis Data) 3
2.2. Dimension Modeling (pemodelan dimensi) .................................................. 4
2.3. Data Warehouse Database Design Methodology for Data Warehouse
(Desain Metodologi Untuk Pusat Penyimpanan) .......................................... 6
2.4. Warehouse Criteria for Asessing Data Warehouse ....................................... 8
BAB III ..................................................................................................................... 9
PENUTUP ................................................................................................................ 9
3.1 Kesimpulan .................................................................................................... 9
DAFTAR PUSTAKA ............................................................................................... 10

ii
 BAB I
PENDAHULUAN
1.1. Latar Belakang
Data warehouse atau gudang data adalah repositori data gabungan semua data
yang dikumpulkan dari berbagai sistem operasional, baik fisik maupun logis. Data
warehouse menekankan pada pengambilan data dari berbagai sumber data
operasional untuk kemudian diakses dan dianalisis menjadi informasi [1].
Sementara data mart adalah subset dari data warehouse yang berorientasi pada lini
bisnis tertentu. Pemanfaatan data warehouse dapat memberi manfaat bagi
penggunanya dari sudut pandang bisnis atau pun teknis, dengan memisahkan data
atau pun proses operasional dengan proses analisis. Hal ini dapat meningkatkan
kinerja sistem operasional dan memungkinkan pengguna bisnis untuk dapat
mengakses data analisis dengan lebih relevan, konsisten, dan lebih cepat karena
tidak bergantung pada sistem operasional.
Merancang data warehouse pada basis data sangatlah kompleks. Untuk
memulai proyek pusat penyimpanan basis data/data warehouse database kita
memerlukan jawaban untuk pertanyaan-pertanyaan seperti : persyaratan pengguna
mana yang paling penting dan data mana yang harus dipertimbangkan terlebih
dahulu? Selain itu haruskah proyek diperkecil menjadi sesuatu yang lebih mudah
dikelola namun pada saat yang sama menyediakan insfrastruktur yang pada
akhirnya mampu menghadirkan pusat penyimpanan perusahaan berskala penuh?
Pertanyaan-pertamyaan seperti itulah yang akan menyoroti beberapa masalah
utama dalam proses pembangunan pusat penyimpanan data. Dengan timbulnya
masalah-masalah tersebut maka perusahaan dapat menggunakan data mart sebagai
solusinya.
Untuk mendesain model Data Warehouse digunakan konsep dimensi bisnis
yang merupakan dasar untuk mendefinisikan kebutuhan Data Warehouse. Dimensi
bisnis ini merupakan pandangan manajer bisnis terhadap sistem yang berjalan
sesuai dengan kebutuhan manajemen tingkat atas sebagai pengguna Data
Warehouse. Untuk membentuk Data Warehouse langkah pertama yang harus
dilakukan adalah membentuk tabel dimensional. Ada 3 Pendekatan yang dipakai
dalam pengembangan model dimensi.
Menurut Kimball & Ross, 2013 dimensional modeling adalah teknik yang
digunakan untuk menyajikan data analitik untuk mendeliver data yang dapat
dimengerti pengguna bisnis. Kemudian Dimensional Modeling menggunakan
konsep model Entity-Relationship (ER) dengan beberapa batasan penting. Setiap
model dimensi terdiri dari satu table dengan satu composite primary key yang
disebut dengan tabel fakta (fact tabel) dan memiliki kumpulan tabel yang lebih
sederhana yang disebut dengan tabel dimensi (dimension table).
Data warehouse sebagai kumpulan data yang diekstrak dari database
1
 operasional, historis, dan eksternal, yang dibersihkan, diubah, dan dikelompokkan
guna identifikasi dan analisis untuk pengambilan keputusan bisnis. Terdapat
metodologi dalam membangun sebuah data warehouse, salah satunya adalah
metode Kimball. Kimball & Ross (2010) mengatakan terdapat 9 langkah dalam
membangun sebuah data warehouse, yang dikenal dengan ninestep design
methodology.
Sejak 1980-an, teknik desain data gudang telah berkembang, berbeda dengan
sistem OLTP. Teknik desain dimensi telah muncul sebagai pendekatan utama
untuk sebagian besar gudang data. Pada bagian ini merupakan kriteria menurut
Ralph Kimball untuk mengukur sejauh mana sistem mendukung pandangan
dimensi gudang data Kimball, 2000. Ketika menilai sebuah gudang data tertentu,
ingat bahwa beberapa vendor berusaha untuk memberikan solusi yang benar-benar
terintegrasi. Namun, gudang data adalah sistem yang komplit, kriteria seharusnya
hanya digunakan untuk menilai sistem end-to-end yang komplit dan bukan
kumpulan disjointed packages yang tidak mungkin terintegrasi bersama dengan
baik. Ada dua puluh kriteria yang dibagi menjadi tiga kelompok besar yaitu:
architecture, administration, dan expression.
1.2. Rumusan Masalah
Berdasarkan latar belakang makalah di atas, ada beberapa rumusan masalah
yang akan di bahas di makalah ini, yaitu :
1.2.1. Apa yang dimaksud dengan data warehouse database design (desain pusat
penyimpanan basis data) ?
1.2.2. Apa yang dimaksud dengan dimension modeling (pemodelan dimensi) ?Apa
yang dimaksud dengan Database Planning ?
1.2.3. Apa yang dimaksud dengan data warehouse database design methodology for
data warehouse (desain metodologi untuk Pusat Penyimpanan) ?
1.2.4. Apa yang dimaksud dengan warehouse criteria for asessing data warehouse
dimension(Kriteria untuk menilai dimensi pusat penyimpanan)?
1.3. Tujuan Makalah

1.3.1. Untuk mengetahui apa yang dimaksud dengan data warehouse database
design (desain pusat penyimpanan basis data) Untuk mengetahui Database
System Development Cycle

1.3.2. Untuk mengetahui apa yang dimaksud dengan dimension modeling

(pemodelan dimensi)Untuk mengetahui apa itu Database Design

1.3.3. Untuk mengetahui apa yang dimaksud dengan data warehouse database
design methodology for data warehouse (desain metodologi untuk Pusat
Penyimpanan)

1.3.4. Untuk mengetahui apa yang dimaksud dengan warehouse criteria for asessing
data warehouse dimension(Kriteria untuk menilai dimensi pusat
penyimpanan)

2
 BAB II
LANDASAN TEORI
2.1. Data Warehouse Database Design (Desain Pusat Penyimpanan Basis Data)

Merancang data warehouse pada basis data sangatlah kompleks. Untuk

memulai proyek pusat penyimpanan basis data/data warehouse database kita
memerlukan jawaban untuk pertanyaan-pertanyaan seperti : persyaratan pengguna
mana yang paling penting dan data mana yang harus dipertimbangkan terlebih
dahulu? Selain itu haruskah proyek diperkecil menjadi sesuatu yang lebih mudah
dikelola namun pada saat yang sama menyediakan insfrastruktur yang pada akhirnya
mampu menghadirkan pusat penyimpanan perusahaan berskala penuh? Pertanyaan-
pertanyaan seperti itulah yang akan menyoroti beberapa masalah utama dalam proses
pembangunan pusat penyimpanan data. Dengan timbulnya masalah-masalah tersebut
maka perusahaan dapat menggunakan data mart sebagai solusinya. Data mart adalah
sistem penyimpanan data yang berisi informasi khusus untuk unit bisnis organisasi.
Data mart berisi bagian kecil dan terpilih dari data yang disimpan oleh perusahaan
dalam sistem penyimpanan yang lebih besar. Perusahaan menggunakan data mart
untuk menganalisis informasi khusus departemen dengan lebih efisien. Data mart
menyediakan data ringkasan yang dapat digunakan oleh pemangku kepentingan
utama untuk membuat keputusan yang tepat dengan cepat. Namun, terlepas dari
solusi sementara untuk membangun data mart, tujuannya tetap sama yaitu
pembuatan pusat penyimpanan data /data warehouse yang mendukung kebutuhan
perusahaan. Perencanaan

Untuk mendesain model Data Warehouse digunakan konsep dimensi bisnis

yang merupakan dasar untuk mendefinisikan kebutuhan Data Warehouse. Dimensi
bisnis ini merupakan pandangan manajer bisnis terhadap sistem yang berjalan sesuai
dengan kebutuhan manajemen tingkat atas sebagai pengguna Data Warehouse.
Dimensi bisnis biasa digambarkan dengan kubus, dengan asumsi dimensi yang ada
pada sebuah Data Warehouse umumnya mencapai 3 dimensi. Jika dimensi bisnis
lebih dari 3 dimensi maka disebut bermacam dimensi yang menampilkan kubus
multidimensi yang disebut juga hypercube.

Untuk membentuk Data Warehouse langkah pertama yang harus dilakukan

adalah membentuk tabel dimensional. Ada 3 Pendekatan yang dipakai dalam
pengembangan model dimensi, adapun tipe pendekatan tersebut adalah :
1.) Mengacu pada data, pengembangan model dimensi yang berorientasi ke sistem
OLTP (Online Transcational Processing)
2.) Mengacu pada pengguna, pengembangan model dimensi yang berorientasi
kepada kebutuhan pengguna yang dilakukan dengan menggunakan metode
pengumpulan data seperti wawancara, brainstorming, JAD (Joint Application
Development), dll.

3
 3.) Mengacu pada tujuan, pengembangan model dimensi yang berorientasi kepada
tujuan organisasi yang tercantum dalam visi dan misi perusahaan.
2.2. Dimension Modeling (pemodelan dimensi)

Menurut Kimball & Ross, 2013 dimensional modeling adalah teknik yang
digunakan untuk menyajikan data analitik untuk mendeliver data yang dapat
dimengerti pengguna bisnis. Kemudian Dimensional Modeling menggunakan
konsep model Entity-Relationship (ER) dengan beberapa batasan penting. Setiap
model dimensi terdiri dari satu table dengan satu composite primary key yang
disebut dengan tabel fakta (fact tabel) dan memiliki kumpulan tabel yang lebih
sederhana yang disebut dengan tabel dimensi (dimension table). Tiap tabel dimensi
memiliki primary key (non composite) yang akan berkorespodensi tepat satu dengan
komponen pada composite key dalam tabel fakta. Jadi dapat disimpulkan
dimensional modeling adalah teknik pemodelan yang data yang digunakan pada data
warehouse yang terdiri dari kumpulan tabel fakta dan tabel dimensi.
Dalam dimensional modeling terdapat dua komponen utama yaitu tabel fakta
dan tabel dimensi
1. Tabel Fakta (Fact Table)
Tabel fakta dalam dimensional modeling merupakan tabel utama dalam data
warehouse yang memuat data-data transaksi. Tabel fakta merupakan tabel utama
yang terdiri dari foreign key yang diambil dari tabel dimensi serta nilai numerik
sebagai measurement
Contoh Tabel Fakta

2. Tabel Dimensi
Tabel dimensi adalah sebuah tabel dengan primary key dan kolom atribut-atribut
yang deskriptif. Tabel dimensi berisi konteks tekstual yang terkait dengan
kegiatan pengukuran proses bisnis, menjelaskan “siapa, apa, dimana, kapan,
bagaimana, dan mengapa berkaitan dengan kegiatan tersebut.
Contoh tabel dimensi yaitu terdiri dari atribut nama barang, merek, dan jenis.

4
 Contoh Tabel Dimensi

Star Schema (Skema Bintang)

Menurut Kimballs & Ross Istilah star schema dalam data warehouse karena
entity-relationship diagram atau ERD-nya yang menyerupai konstelasi bintang,
beberapa bintang besar (tabel fakta) dikelilingi bintang-bintang yang lebih kecil
(tabel dimensi).

Star schema merupakan struktur dimensional yang terdiri atas tabel fakta yang
terhubung dengan tabel dimensi melalui primary atau foreign key.

Snow Flake Schema

Menurut Connolly & Begg, Snow Flake Schema adalah data model yang lebih
kompleks daripada Star Schema, dan merupakan jenis Star Schema. Snow Flake
Schema menormalisasi dimensi untuk menghilangkan redundansi. Snowflake
schema adalah sebuah model data dimensional yang memiliki tabel fakta pada
pusatnya dan dikelilingi oleh tabel dimensi yang sudah di normalisasi.

5
 Data Mart
Menurut Connolly & Begg, Data mart merupakan subset dari data resource,
biasanya berorientasi untuk suatu tujuan yang spesifik atau subyek data yang
didistribusikan untuk mendukung kebutuhan bisnis.Data mart adalah sebuah
database yang berisikan sebuah subset dari data corporate atau perusahaan,
untuk mendukung kebutuhan analisis dari sebuah unit bisnis yang sesuai atau
untuk mendukung pengguna yang membagi kebutuhan yang sama untuk
menganalisis sebuah proses bisnis yang sejenis.
2.3. Data Warehouse Database Design Methodology for Data Warehouse (Desain
Metodologi Untuk Pusat Penyimpanan)
Data warehouse sebagai kumpulan data yang diekstrak dari database
operasional, historis, dan eksternal, yang dibersihkan, diubah, dan dikelompokkan
guna identifikasi dan analisis untuk pengambilan keputusan bisnis. Terdapat
metodologi dalam membangun sebuah data warehouse, salah satunya adalah
metode Kimball. Kimball & Ross (2010) mengatakan terdapat 9 langkah dalam
membangun sebuah data warehouse, yang dikenal dengan nine-step design
methodology, jika langkah-langkah dalam nine-step design methodology dilakukan
secara sistematis, maka dapat membangun sebuah data warehouse yang baik.
1. Choose the Process
Memilih proses berarti menentukan subjek utama. Subjek utama merujuk pada suatu
kegiatan bisnis perusahaan yang dapat menjawab semua pertanyaan bisnis yang
penting serta memiliki ciri-ciri tertentu. Misalnya adalah proses penjualan
2. Choose the Grain
Memilih grain berarti menentukan apa yang akan diwakili atau dipresentasikan oleh
sebuah tabel fakta. Setelah menentukan grain dari tabel fakta, selanjutnya dapat
ditentukan tabel-tabel dimensi yang berhubungan dengan tabel fakta tersebut. Grain
pada tabel fakta juga menentukan grain tabel dimensi. Pada kasus ini grain bisa
diperoleh dari invoice yang dikeluarkan kepada pembeli.
3. Identify and Conform the Dimensions
6
 Mengidentifikasi dan menghubungkan tabel dimensi dengan tabel fakta. Dimensi
merupakan kumpulan sudut pandang yang penting untuk menggambarkan faktafakta
yang terdapat pada tabel fakta. Sebagai contoh adalah dimensi customer, waktu, dan
jenis produk.
4. Choose the Facts
Grain dari suatu tabel fakta menentukan fakta-fakta yang bisa digunakan. Pada tahap
ini, tentukan measure yang dibutuhkan pada tabel fakta. Informasi apa saja yang
ingin dibutuhkan.
5. Store Precalculations in the Fact Table
Pada tahap ini, hasil perhitungan pada suatu atribut perlu dipertimbangkan untuk
disimpan di database. Hal ini untuk mengurangi risiko kesalahan pada program setiap
kali melakukan perhitungan pada atribut-atribut tersebut.

Dari dimensi-dimensi yang telah diidentifikasi, dibuat deskripsi yang memuat

informasi terstruktur mengenai atribut-atribut pada tabel dimensi. Tabel dimensi
tersebut harus diberi keterangan secara lengkap dan mudah dipahami oleh pengguna.

6. Choose the Durations of the Database

Durasi waktu dari data-data yang akan dimasukkan ke dalam data warehouse akan
ditentukan pada tahap ini. Misalnya, data perusahaan dua tahun lalu atau lebih
diambil dan dimasukkan ke dalam tabel fakta.
7. Determine the Need to Track Slowly Changing Dimensions
Dimensi dapat berubah dengan lambat dan menjadi sebuah masalah. Terdapat tiga
tipe dasar dari perubahan dimensi yang lambat, yaitu:
- Menulis ulang atribut yang berubah
- Membuat record baru pada dimensi
- Membuat suatu atribut alternatif untuk menampung nilai yang baru.
8. Decide the Physical Design
Pada tahap ini, dilakukan perancangan fisik dari data warehouse. Selain itu,
7
 penentuan masalah-masalah yang mungkin ada pada perancangan fisik
2.4. Warehouse Criteria for Asessing Data Warehouse
Sejak 1980-an, teknik desain data gudang telah berkembang, berbeda dengan
sistem OLTP. Teknik desain dimensi telah muncul sebagai pendekatan utama untuk
sebagian besar gudang data. Pada bagian ini merupakan kriteria menurut Ralph
Kimball untuk mengukur sejauh mana sistem mendukung pandangan dimensi
gudang data Kimball, 2000. Ketika menilai sebuah gudang data tertentu, ingat bahwa
beberapa vendor berusaha untuk memberikan solusi yang benar-benar terintegrasi.
Namun, gudang data adalah sistem yang komplit, kriteria seharusnya hanya
digunakan untuk menilai sistem end-to-end yang komplit dan bukan kumpulan
disjointed packages yang tidak mungkin terintegrasi bersama dengan baik. Ada dua
puluh kriteria yang dibagi menjadi tiga kelompok besar yaitu: architecture,
administration, dan expression
Tujuan pembentukan kriteria ini adalah untuk menentukan sebuah standar
objektif untuk menilai seberapa baik sistem mendukung dimensi gudang data, dan
untuk mengatur ambang batas tinggi sehingga vendor memiliki target untuk
meningkatkan sistem mereka. Cara yang diharapkan menggunakan daftar ini adalah
untuk menilai sistem pada masing-masing kriteria dengan sederhana yaitu 0 atau 1.
Sebuah sistem memenuhi syarat untuk 1 jika memenuhi penuh definisi dukungan
untuk kriteria itu. Sebagai contoh, sebuah sistem yang menawarkan navigasi agregat
kriteria keempat yang tersedia hanya untuk single front-end tool mendapat nol
karena navigasi agregat tidak dibuka. Dengan kata lain, tidak ada kredit parsial untuk
kriteria.
Kriteria architectural adalah karakteristik mendasar dengan cara seluruh sistem
terorganisir. Kriteria ini biasanya extend dari backend, melalui DBMS, ke frontend
dan desktop pengguna. Kriteria administration lebih taktis dari kriteria architectural,
tetapi dianggap menjadi penting untuk kelancaran dimensi berorientasi gudang data.
Kriteria ini umumnya mempengaruhi personil TI yang sedang membangun dan
memelihara gudang data. Kriteria expression adalah sebagian besar kemampuan
analitik yang dibutuhkan dalam situasi kehidupan nyata. End-user community
mengalami langsung semua kriteria expression.
Kriteria expression untuk sistem dimensi bukan hanya fitur pengguna mencari
dalam gudang data, tetapi kemampuan mereka semua yang perlu untuk
memanfaatkan kekuatan sistem dimensi

8
 BAB III

PENUTUP

3.1 Kesimpulan
Untuk mendesain model Data Warehouse digunakan konsep dimensi bisnis yang merupakan
dasar untuk mendefinisikan kebutuhan Data Warehouse. Dimensi bisnis ini merupakan pandangan
manajer bisnis terhadap sistem yang berjalan sesuai dengan kebutuhan manajemen tingkat atas
sebagai pengguna Data Warehouse. Dimensi bisnis biasa digambarkan dengan kubus, dengan
asumsi dimensi yang ada pada sebuah Data Warehouse umumnya mencapai 3 dimensi. Jika dimensi
bisnis lebih dari 3 dimensi maka disebut bermacam dimensi yang menampilkan kubus multidimensi
yang disebut juga hypercube.
Untuk membentuk Data Warehouse langkah pertama yang harus dilakukan adalah
membentuk tabel dimensional. Ada 3 Pendekatan yang dipakai dalam pengembangan model
dimensi,
Dalam dimensional modeling terdapat dua komponen utama yaitu tabel fakta dan tabel
dimensi.Tabel fakta dalam dimensional modeling merupakan tabel utama dalam data warehouse
yang memuat data-data transaksi. Tabel fakta merupakan tabel utama yang terdiri dari foreign key
yang diambil dari tabel dimensi serta nilai numerik sebagai measurement. Tabel dimensi adalah
sebuah tabel dengan primary key dan kolom atribut-atribut yang deskriptif. Tabel dimensi berisi
konteks tekstual yang terkait dengan kegiatan pengukuran proses bisnis, menjelaskan “siapa, apa,
dimana, kapan, bagaimana, dan mengapa berkaitan dengan kegiatan tersebut. Contoh tabel dimensi
yaitu terdiri dari atribut nama barang, merek, dan jenis.
Data warehouse sebagai kumpulan data yang diekstrak dari database operasional, historis,
dan eksternal, yang dibersihkan, diubah, dan dikelompokkan guna identifikasi dan analisis untuk
pengambilan keputusan bisnis. Terdapat metodologi dalam membangun sebuah data warehouse,
salah satunya adalah metode Kimball. Kimball & Ross (2010) mengatakan terdapat 9 langkah dalam
membangun sebuah data warehouse, yang dikenal dengan nine-step design methodology, jika
langkah-langkah dalam nine-step design methodology dilakukan secara sistematis, maka dapat
membangun sebuah data warehouse yang baik.
Tujuan pembentukan kriteria ini adalah untuk menentukan sebuah standar objektif untuk
menilai seberapa baik sistem mendukung dimensi gudang data, dan untuk mengatur ambang batas
tinggi sehingga vendor memiliki target untuk meningkatkan sistem mereka. Cara yang diharapkan
menggunakan daftar ini adalah untuk menilai sistem pada masing-masing kriteria dengan sederhana
yaitu 0 atau 1. Sebuah sistem memenuhi syarat untuk 1 jika memenuhi penuh definisi dukungan
untuk kriteria itu.Sebagai contoh, sebuah sistem yang menawarkan navigasi agregat kriteria keempat
yang tersedia hanya untuk single front-end tool mendapat nol karena navigasi agregat tidak dibuka.
Dengan kata lain,tidak ada kredit parsial untuk kriteria
9
 DAFTAR PUSTAKA

Buku Online Thomas Cannolly, Carolyn Connolly. 2005. Database Manajemen System

23dok “Kriteria Menilai Dimensi Gudang Penyimpanan”

https://textid.123dok.com/document/wye3wr37q-kriteria-untuk-menilai-dimensi-
gudangdata.html diakses pada 06 Desember 2022 18.56

Binus University “Nine Steps design methodology for developing Data warehouse”
http://mti.binus.ac.id/2017/12/22/nine-steps-design-methodology-for-developing-data-
warehouse/ diakses pada 06 Desember 2022 pukul 18.22

10