Data Warehouse

Program Studi Sistem Informasi

Fakultas Ilmu Komputer dan Rekayasa

Mardiani, S.Si., M.T.I

Data Mart dan Metadata
 Cleansing Data
• Adalah proses menghilangkan kesalahan-kesalahan data
yang berasal dari proses transaksi
• Merupakan bagian dari proses integrasi
• Jika proses cleansing ini salah, maka informasi yang
dihasilkan oleh data warehouse juga akan salah
Menurut kelompok data warehousing, data cleansing
merupakan proses yang dilakukan pada saat integrasi data
sebagai usaha untuk mengeliminasi duplikasi data

Data cleansing merupakan proses eliminasi error, penanganan

inkonsistensi data dan penanganan masalah identitas objek
Ekstraksi
Data
Merupakan suatu proses yang meliputi proses meng-import , meringkas, menyaring
dan mempersingkat data.
Metode yang digunakan untuk melakukan proses ekstrasi secara logic
(logical exctraction) ada 2, yaitu :
• Full Extraction,
Proses ekstraksi dilakukan dengan mengambil seluruh data dari
source system yang diperlukan
• Increment Extraction
Proses ekstraksi hanya pada data yang berubah atau belum ada pada
target sistem pada periode tertentu
Mekanisme ekstraksi secara fisik (physical extraction) dibagi menjadi
dua jenis, yaitu :
• Online extraction
Data di ekstrak dari source system ke target system secara langsung.
Proses ekstraksi dilakukan dengan cara langsung connect ke source
system untuk mengakses source table.
• Offline Extraction
Data tidak di ekstrak secara langsung dari source system, namun
berada diluar source system. Data yang akan di ekstrak sudah
mempunyai struktur table dan struktur data yang diharapkan sudah
sesuai dengan data warehouse. Misalnya flat file.
Granularity
• Adalah tingkat kedetailan data dalam suatu data warehouse. Semakin detail data,
maka tingkat granularity-nya akan semakin rendah juga. Level yang paling
terendah dari granularity adalah data transaksi
• Granularity merupakan isu penting dalam data warehouse, karena :
• Semakin rendah level granularity, maka jumlah data yang disimpan dalam
data warehouse juga akan semakin besar.
• Semakin tinggi level granularity, maka jumlah data yang disimpan dalam data
warehouse juga akan semakin kecil.
Data Mart
Data Mart adalah fasiltas penyimpan data yang berorentasi pada Subject tertentu atau berorentasi pada
Departemen tertentu dari suatu organisasi, fokus pada kebutuhan Departemen tertentu seperti Sales, Marketing,
Operation atau Collection. Sehingga suatu Organisasi bisa mempunyai lebih dari satu Data Mart.

Data Mart pada umumnya di organisasikan sebagai suatu Dimensional Model, sperti
Star-Schema (OLAP Cube) yang tersusun dari sebuah tabel Fact dan beberapa tabel
Dimension.
 Karakteristik Data Mart

Data mart memfokuskan hanya pada kebutuhan-kebutuhan

pemakai yang terkait dalam sebuah departemen atau fungsi
bisnis.
Perbedaan Data Mart dan Data Warehouse
Pembahasan mengenai Data Mart tidak bisa lepas dengan pembahasan mengenai Data Warehouse
karena keduanya bisa saling mendefinisikan
filosofi tentang Data Warehouse dan datamart bisa berbeda. yaitu misalnya filosofi antara Inmon dan
Kimball,yang memberikan pernyataan sebagai berikut:

“… The data warehouse is nothing more “You can catch all the minnows in the ocean and stack
than the union of all the data marts …” them together and they still do not make a whale.”

Data Warehouse itu tidak lebih dari Anda dapat menangkap minnows (sejenis ikan kecil-kecil)
sekumpulan Data Mart .. di laut dan menumpuknya bersama dan mereka tetap
Ralph Kimball tidak bisa menjadi ikan Paus.
Bill Inmon
Perbedaan dari kedua arsitektur
data mart terletak pada
ketergantungan sumber datanya
terhadap data warehouse.
Independent Data Mart (Kimball advocated) dibangun dengan cara extract langsung data dari
berbagai Source System.

Independent Data Mart

tidak tergantung pada
pusat penyimpan data
seperti Data Warehouse
arsitektur ini biasa juga
disebut sebagai “Data
Warehouse Bus structure”.
Dependent Data Mart (Inmon advocated) berlaku sebagai komponen atau suatu
bagian dari enterprise Data Warehouse, Data Mart dibangun dengan cara extract
data dari Data Warehouse.
Kedua arsitektur data mart menentukan bagaimana data mart dibangun, dibedakan menjadi
dua pendekatan, yakni.

• Bottom-Up approach
• Awalnya dibangun beberapa Data Mart, belakangan beberapa Data Mart yang mempunyai
Conform Dimension bisa dirangkai menggunakan
1. jalur bersama yang disebut Arsitektur Data Warehouse

• Top-Down approach
• Awalnya dibangun Enterprise Data Warehouse lebih dahulu, belakangan baru diturunkan per

2. LOB (Large Object) atau departemen untuk menjadi Data Mart.

Latihan soal

Tuliskan dan jelaskan, keuntungan dalam membangun Data Mart

lebih dulu dibanding langsung membangun Data Warehouse, dan
keuntungan membangun Data Warehouse lebih dulu dibanding
Data Mart.
Metadata
Metadata adalah informasi terstruktur
yang mendeskripsikan, menjelaskan,
menemukan, atau setidaknya membuat
menjadikan suatu informasi mudah Metadata sering disebut sebagai data
untuk ditemukan kembali, digunakan, tentang data atau informasi tentang
atau dikelola. informasi. Metadata ini mengandung
informasi mengenai isi dari suatu data
yang dipakai untuk keperluan
manajemen file/data itu nantinya
dalam suatu basis data.
Jika data tersebut dalam bentuk teks,
metadatanya biasanya berupa keterangan
mengenai nama ruas (field), panjang field, dan
tipe fieldnya: integer, character, date, dll. Untuk
jenis data gambar (image), metadata
mengandung informasi mengenai siapa
pemotretnya, kapan pemotretannya, dan setting
kamera pada saat dilakukan pemotretan.
 Metadata memberikan fungsi yang sama
seperti katalog yaitu:

membedakan sumberdaya yang tak miliki kesamaan

membuat sumberdaya bisa ditemukan dengan menggunakan kriteria yang

relevan;

mengelompokkan sumberdaya yang serupa

mengidentifikasi sumberdaya

memberikan informasi lokasi

 Tiga Jenis Utama Metadata

1. Metadata struktural menunjukkan bagaimana kumpulan obyek disusun secara bersama-sama

menjadi satu, semisal bagaimana halaman-halaman ditata untuk membentuk suatu bab.
2. Metadata administratif menyediakan informasi untuk membantu mengelola sumberdaya,
semisal terkait kapan dan bagaimana suatu informasi diciptakan, tipe dokumen dan informasi
teknis lainnya, serta siapa yang bisa mengaksesnya.
3. Metadata deskriptif menggambarkan suatu sumberdaya dalam maksud seperti penemuan dan
identifikasi. Dia bisa meliputi elemen semisal judul, abstrak, pengarang, dan kata kunci.
 Secara konsep, metadata dikelompokkan dalam tiga
komponen.

1. Komponen Direktori Teknikal, berisi informasi tentang

data

2. Komponen Direktori Bisnis, berisi

perspektif pengguna pada data

3. Komponen Navigasi Informasi, berisi

cara akses pada direktori bisnis dan
data warehouse.
• Komponen Direktori Teknikal menjelaskan kepada data
warehouse administrator tentang sumber data dan
bagaimana data dikelola dalam data warehouse. Direktori
Teknikal juga menjelaskan aturan-aturan (rules) yang
digunakan untuk membersihkan data dan
mentrasformasikannya untuk kepentingan bisnis.
 Komponen Direktori Bisnis. Berorientasi pada
mekanisme data warehouse, yang meliputi :

• Istilah bisnis (business term) yang digunakan untuk mendeskripsikan

data
• Nama teknis (alias) yang berhubungan dengan business term yang
dapat digunakan untuk mengakses data
• Data Source dan rules yang digunakan untuk mendapatkan data dan
tanggal dimana data tersebut dibuat
• Catatan tentang report dan query yang ada
• Informasi tentang keamanan data (siapa
yang mempunya hak akses)
 Komponen Navigasi Informasi
Menjelaskan interface yang memungkinkan user untuk mengakses
direktori bisnis dan data warehouse. Dengan menggunakan komponen
ini, user dapat melakukan :
• Akses dan drill down pada data warehouse
• Query ke data warehouse
• Meminta data baru dari warehouse administrator
• Melakukan transfer data dari warehouse ke datamart atau user lain
 TERIMA KASIH

Mardiani, S.Si., M.T.I