Nama : Enrico Didan Ramadhani

NIM : 2401966621
Kelas : JIBA

Tugas Personal ke-2

Week 7

1. Sebutkan dan jelaskan kebutuhan software atau aplikasi yang dibutuhkan untuk analisis
data warehouse!
Jawab :
Beberapa software yang digunakan yang dibutuhkan untuk analisis data warehouse
adalah :

- Reporting and Query tools

Reporting tools menghasilkan reporting tools dan report writers. Tools production
reporting adalah tools yang digunakan untuk menghasilkan laporan operasional
yang dapat mendukung sejumlah besar pekerjaan tingkat tinggi agar dapat
membantu perusahaan menganalisis dan membuat keputusan, seperti
pesanan/faktu rpelanggan dan cek pembayaran staf. Contohnya, Query Tool, IBM
InfoSphere Optim Query Workload Tuner; dll

- Query tools

Query tools untuk relational data warehouse dirancang untuk menerima SQL atau
menghasilkan SQL statements untuk query penyimpanan data di warehouse.
Tools ini melindungi end-user dari kerumitan SQL dan struktur database dengan
menyertakan sebuah metalayer (software yang menyediakan views of database
berorientas subyek danmendukung “point and click” pembuatan SQL) antara user
dan database. Contohnya sama seperti diatas.

- Application Development tools

Kebutuhan end-user mungkin saja seperti membangun kemampuan reporting dan

query tools kurang memadai, dikarenakan kebutuhan analisis mungkin tidak dapat
dilakukan atau karena interaksi user membutuhkan sebuah keahlian tingkat tinggi

Data Warehouse
 dari pengguna. Beberapa application development tools digabungkan dengan
OLAP tools yang terkenal, dan dapat mengakses sebagian besar sistem database
termasuk Oracle,Sybase, dan Informix (Connolly & Begg, 2010). Contohnya IBM
Data Studio juga.

- Online Analytical Processing (OLAP) tools

Menurut Rao, Srinivasu, Rikkula, & Reddy (2010, hal. 2868), Online Analytical
Processing(OLAP) adalah sistem yang dapat mengatur dan menyajikan data
dalam berbagai format untuk mengakomodasi beragam kebutuhan dari user yang
berbeda. Memungkinkan analisis data warehouse dari berbagai sudut pandang.
Contoh, IBM Cognos, Mondrian, Xplenty, dll.

- Data Mining tools

Data mining tools adalah tools yang digunakan untuk menggali informasi dari
sejumlah besar data. Data mining biasanya digunakan untuk menganalisis pola
dari para konsumen, sebagai contoh suatu perusahaan retail yang menjual
berbagai macam produk secara eceran. Misalnya, setiap pelanggan yang membeli
susu bayi biasanya cenderung membeli bedak atau barang lain yang berkaitan
dengan bayi, berdasarkan pola ini maka perusahaan mengelompokan barang yang
berhubungan dalam satu tempat yang berdekatan. Membantu pengumpulan data
agar lebih sistematis. Semisal SAS Enterprise Miner, SPSS, dll;

2. Sebutkan dan jelaskan fungsi extension yang harus diinstall untuk proses analisis data
warehouse?
Jawab :
Fungsi extension yang diinstall dalam proses analisis data warehouse adalah sebagai
penunjang agar proses analisis berjalan sesuai dengan yang dibutuhkan. Menginstal
ekstensi bergantung pada jenis ekstensi dan dari mana jika ingin menggunakannya.
Dalam edisi terbaru Visual Studio, lokasi penginstalan beberapa komponen telah
dipindahkan dari direktori penginstalan SQL Server ke dalam direktori Visual Studio.
Penyiapan ini memudahkan untuk menjalankan versi perangkat lunak yang berbeda
secara berdampingan, tetapi itu berarti mungkin perlu menginstal ekstensi di beberapa
lokasi jika ingin menggunakannya di versi SQL Server Data Tools yang berbeda dan dari
baris perintah.

Berikut beberapa extension yang harus diinstal untuk proses analisis data warehouse :

- SQL Server Integration Service Project

Data Warehouse
 SQL Server Integration Services adalah platform untuk membangun solusi
integrasi data dan transformasi data tingkat perusahaan. Gunakan Layanan
Integrasi untuk menyelesaikan masalah bisnis yang kompleks dengan menyalin
atau mengunduh file, memuat gudang data, membersihkan dan menambang data,
dan mengelola objek dan data SQL Server.

- Analysis Service Project

Analysis Services adalah mesin data analitik (VertiPaq) yang digunakan dalam
dukungan keputusan dan analitik bisnis. Ini menyediakan kemampuan model data
semantik tingkat perusahaan untuk kecerdasan bisnis (BI), analisis data, dan
aplikasi pelaporan seperti Power BI, Excel, Reporting Services, dan alat
visualisasi data lainnya.

3. Bagaimana proses melihat data pada tabel yang ada pada data warehouse
(adventureworks)?
Jawab :
Ada 2 database yang disediakan Microsoft untuk Adventure Works, yaitu Adventure
Works and Adventure Works Data Warehouse (DW). Peneliti menggunakan update versi
Adventure Works yang untuk Adventure Works 2017. Adventure Works 2017 database
adalah database Pemrosesan Transaksi Online (OLTP), yang kaya akan struktur, konten,
dan variasi. Sedangkan Adventure Works DW 2017 adalah gudang data yaitu ditargetkan
untuk Pemrosesan Analitik Online (OLAP) dan penambangan data. The Adventure
Works DW adalah arsitektur gudang terpusat yang terdiri dari tabel fakta, tabel dimensi,
dan berisi data yang diperoleh dari database OLTP dan sumber data lain melalui proses
extract/transform/load (ELT) tradisional. Ada jumlah dari 10 tabel fakta, dengan bidang
studi mulai dari internet dan penjualan pengecer hingga keuangan ke inventaris produk.
Tabel fakta ini dikelilingi oleh 16 tabel dimensi, mewakili pelanggan, lini produk, akun,
karyawan, departemen, geografis daerah, dan waktu. Oleh karena itu, Adventure Works
DW menjadi wadah yang berguna untuk membahas banyak hal penting data warehouse,
dan berfungsi sebagai batu loncatan untuk pembuatan kubus dan data mining.

Data Warehouse
Data Warehouse
Data Warehouse
4. Sebutkan template yang harus dipilih untuk proses analisis data warehouse?
Jawab :
Template yang harus dipilih ketika proses analisis data warehouse adalah
multidimensional analysis service and mining project. SQL Server Analysis Services
(SSAS) adalah mesin data analitik yang digunakan dalam dukungan keputusan dan
analitik bisnis. Ini memberikan model data semantik tingkat perusahaan untuk laporan
bisnis dan aplikasi klien, seperti Power BI, Excel, laporan Layanan Pelaporan, dan alat
visualisasi data lainnya. Saat dipasangkan dengan Penyedia CData ADO.NET untuk
Layanan Analisis SQL, Anda dapat membuat kubus dari data Layanan Analisis SQL
untuk analisis data yang lebih dalam dan lebih cepat. Mulailah dengan membuat Proyek
Analysis Service Multidimensional and Data Mining Project baru di Visual Studio.
Selanjutnya, buat Sumber Data untuk data Layanan Analisis SQL dalam proyek.

Data Warehouse
5. Sebutkan dan jelaskan struktur dalam analisis data warehouse!
Jawab :
Data warehouse mempunyai struktur yang spesifik dan mempunyai perbedaan dalam
tingkatan ringkasan (summary) dan detail data serta perbedaan dalam tingkatan umur
data. Struktur data warehouse tersebut terdiri atas :

- Current Detail Data (data detail saat ini)

Current detail data merupakan data detil yang aktif saat ini,mencerminkan
keadaan yang sedang berjalan dan merupakan level terendah dalam data
warehouse. Didalam area ini warehouse menyimpan seluruh detail data yang
terdapat pada skema basis data. Jumlah data sangat besar sehingga memerlukan
storage yang besar pula dan dapat diakses secara cepat. Dampak negatif yang
ditimbulkan adalah kerumitan untuk mengatur data menjadi meningkat dan biaya
yang diperlukan menjadi mahal.

- Old Detail Data (data detail history)

Data ini merupakan data historis dari current detail data, dapat berupa hasil
cadangan atau archive data yang disimpan dalam storage terpisah. Karena bersifat
backup(cadangan), maka biasanya data disimpan dalam storage alternatif seperti
tape-desk. Data ini biasanya memilki tingkat frekuensi akses yang rendah.
Penyusunan file atau directory dari data ini di susun berdasarkan umur dari data
yang bertujuan mempermudah untuk pencarian atau pengaksesan kembali.

- Lightly Summarized Data (data ringkasan level menengah)

Data ini merupakan ringkasan atau rangkuman dari current detail data. Data ini
dirangkum berdasar periode atau dimensi lainnya sesuai dengan kebutuhan. Data
yang merupakan hasil ringkasan dari detail data, namun belum bersifat total
summary. Data ini selalu disimpan di dalam disk. Data ini memiliki tingkatan
detail yang lebih tinggi dan mendukung kebutuhan data warehouse pada tingkatan
departemental. Akses terhadap data jenis ini banyak digunakan untuk view
dari suatu kondisi yangsedang dan sudah berjalan.

- Hightly Summarized Data (data ringkasan level tinggi)

Data ini merupakan tingkat lanjutan dari Lightly summarized data, merupakan
hasil ringkasan yang bersifat totalitas, dapat di akses misal untuk melakukan
analisis perbandingan data berdasarkan urutan waktu tertentu dan analisis
menggunakan data multidimensi.

Data Warehouse
 - Metadata

Metadata bukan merupakan data hasil kegiatan seperti keempat jenis data diatas.
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.

Berikut adalah gambaran struktur data warehouse menurut Vidette Poe (1996, p6) :

Data Warehouse
Ref :

- Lecture Notes Week 6-7

- http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/
2013100038SIBab2001/body.html

- http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/2006200938SIBab2/
body.html

- https://learn.microsoft.com/en-us/sql/samples/adventureworks-install-configure?
view=sql-server-ver16&tabs=ssms

- https://learn.microsoft.com/id-id/sql/integration-services/sql-server-integration-
services?view=sql-server-ver16

***

Data Warehouse