DATAWAREHOUSE
Dosen : Muhammad Zulfariansyah, M.T.I
Di Susun Oleh :
Nama : Siti Aminah
Nim : 1941038
Kelas : Reguler A
JAWABAN
1. data warehouse berorientasi subjek dirancang untuk menganalisis data berdasarkan
subjek-subjek tertentu dalam organisasi, bukan pada proses atau fungsi aplikasi tertentu.
Data warehouse diorganisasikan disekitar subjek-subjek utama dari perusahaan seperti
(pelanggan, produk dan penjualan) dan tidak terorganisir dalam area aplikasi utama
(customer faktur, kontrol stok dan penjualan produk).
(https://www.kajianpustaka.com/2019/12/data-warehouse-karakteristik-komponen-
arsitektur-dan-fungsi.html)
2. Perbedaan antara data warehouse dan data mart adalah sebagi berikut:
- Data warehouse merupakan gabungan dari beberapa data mart dan levelnya berada
pada perusahaan atau organisasi.
- Data mart merupakan bagian dari datawarehouse dan berada level departemen pada
perusahaan atau organisasi tersebut. Data mart menangani sebuah business proses,
misalkan penjualan, maka hanya proses penjualan saja yang ditangani pada data mart
Data warehouse sendiri adalah database yang berisi data dari beberapa system
operasional yang terintegrasi dan terstruktur sehingga dapat digunakan untuk mendukung
analisa dan proses pengambilan keputusan dalam bisnis. Data warehouse didesain untuk
kita bisa melakukan query secara cepat. Informasi diturunkan dari data lain, dilakukan
rolling up untuk dijadikan ringkasan, dilakukan operasi drilling down untuk mendapatkan
informasi lebih detail, atau melihat pola yang menarik atau melihat trend
(kecenderungan).
Kemudian yang dimaksud data mart adalah lapisan akses dari data warehouse
lingkungan yang digunakan untuk mendapatkan data keluar bagi pengguna. Data mart
adalah subset dari data warehouse yang biasanya berorientasi pada lini bisnis tertentu
atau tim. Dalam beberapa penyebaran, masing-masing departemen atau unit bisnis
dianggap sebagai pemilik data mart yang termasuk semua perangkat lunak, perangkat
keras dan data.
(https://aullyaarvianto.wordpress.com/2014/01/18/perbedaan-data-warehouse-dan-data-
mart/)
3. Karena Data Warehouse dapat menyimpan data dari sumber yang terpisah ke dalam
format yang konsisten dan terintegrasi satu sama lain. Dengan demikian, data tidak dapat
rusak karena data merupakan entitas yang mendukung konsep keseluruhan data
warehouse itu sendiri.
Contoh lingkungan operasional ada banyak aplikasi yang juga dapat dilakukan oleh
pengembang yang berbeda. Oleh karena itu, mungkin dalam aplikasi ini terdapat variabel
yang memiliki tujuan yang sama tetapi nama dan format yang berbeda.
STUDI KASUS:
Dalam sistem data warehouse sangat memungkinkan untuk mendapatkan sumber
database operasional dari luar (external source). Dari kejadian ini menimbulkan
kemungkinan adanya perbedaan satuan antara database operasional (internal source)
dengan database-database dari luar. Maka dari itu dilakukanlah sebuah integrasi pada
satuan bilangan tertentu.
(https://www.dosenpendidikan.co.id/data-warehouse-adalah/)
4. Seluruh data pada data warehouse dapat dikatakan akurat atau valid pada rentang waktu
tertentu. Data warehouse selalu menyerap apa pun yang telah di-load oleh data
warehouse dari awal terbentuknya data warehouse hingga yang paling terbaru. Semua
data akan dijadikan bahan analisis dan pengambil keputusan yang valid pada rentan
waktu tertentu, misalnya harian, mingguan, bulanan, tahunan, dan nilai waktu lainnya.
Elemen waktu pada data warehouse harus jelas untuk menjaga kevalidan data pada
rentang waktu tertentu karena record data pada data warehouse rentang waktunya lebih
besar daripada database operasional demi kepentingan analisis data secara periodic.
Daftar Pustaka
● Inmon, William H. 2005. Building Data Warehouse. Canada: John Wiley & Sons.
● Rainardi, Vincent. 2008. Building a Data Warehouse with Examples in SQL Server.
New York: Springer.
● Sivaganesh, K., Srinivasu,P., dan Satapa, S.C.S. 2012. Optimization of ETL Work Flow
in Data Warehouse. International Journal on Computer Science and Engineering
(IJCSE).
● Kimball, R. dan Caserta J. 2004. The Data Warehouse ETL Toolkit Practical
Techniques for Extracting, Cleaning, Conforming and Delivering Data. Indianapolis:
Wiley Publishing Inc.
● Sharma, S., dan Jain, R. 2013. Enhancing Business Intelligence using Data
Warehousing : A Multi Case Analysis. International Journal of Advance Research in
Computer Science and Management Studies.
● Connolly, Thomas M., Carolyn E. Begg. 2005. Database Systems: Apractical approach
to design, implamentation and management. USA: Pearson Education Limited.
● Vaisman A, Zim´anyi E. 2014. Data Warehouse Systems: Design and Implementation.
Berlin: Springer-Verlag.