Modul Data Warehouse dan Data Mining
Download Modul Data Warehouse dan Data Mining Bab 01 - Data Warehouse dan Data Mining
Bab 01 - Data Warehouse dan Data Mining
Abstract
"Menjelaskan tentang sejarah dan latar belakang data warehouse dan data mining."
Kompetensi
"1. Mahasiswa mengenal Data warehouse
2. Dapat menjelaskan perbedaan data operasional dengan data warehouse
3. Dapat menjalaskan Manfaat Data Warehouse"
Pengertian Data, Informasi dan Database
Sebelum kita membahas tentang data warehouse, hal yang harus dipahami terlebih dahulu yaitu
pengertian tentang data, informasi dan database.
Menurut Steven Alter, data merupakan fakta,gambar atau suara yang mungkin atau tidak
berhubungan atau berguna bagi tugas tertentu.
Menurut McLeod, data terdiri dari fakta-fakta dan angka yang secara relatif tidak berarti bagi
pemakai. Sedangkan informasi adalah data yang sudah diproses atau data yang memiliki arti.
Disini kita dapat melihat bahwa data merupakan “suatu bentuk keterangan-keterangan yang
belum diolah atau dimanipulasi sehingga belum begitu berarti bagi sebagian pemakai.
Sedangkan informasi merupakan data yang sudah di olah sehingga memiliki arti”.
Menurut James A. O’Brien Database adalah suatu koleksi terintegrasi dimana secara logika
berhubungan dengan record dari file.
Menurut Fatansyah, Database adalah kumpulan data yang saling berhubungan yang disimpan
secara bersama sedemikian rupa dan tanpa pengulangan(redudansi) yang tidak perlu, untuk
memenuhi berbagai kebutuhan.
Jadi Database adalah tempat penyimpanan data yang saling berhubungan secara logika, sehingga
bisa digunakan untuk mendapatkan suatu informasi yang diperlukan oleh suatu organisasi atau
perusahaan.
Sedangkan data yang diperoleh suatu organisasi atau perusahaan umumnya didapat dari kegiatan
operasional sehari-hari atau hasil dari transaksi.
Dari perkembangan model database, muncullah apa yang disebut dengan data warehouse.
I.2. Pengertian Data Warehouse
Pengertian Data Warehouse dapat bermacam-macam namun mempunyai inti yang sama,
seperti pendapat beberapa ahli berikut ini :
Menurut W.H. Inmon dan Richard D.H., data warehouse adalah koleksi data yang
mempunyai sifat berorientasi subjek,terintegrasi,time-variant, dan bersifat tetap dari koleksi data
dalam mendukung proses pengambilan keputusan management.
Menurut Vidette Poe, data warehouse merupakan database yang bersifat analisis dan read
only yang digunakan sebagai fondasi dari sistem penunjang keputusan.
Menurut Paul Lane, data warehouse merupakan database relasional yang didesain lebih
kepada query dan analisa dari pada proses transaksi, biasanya mengandung history data dari
proses transaksi dan bisa juga data dari sumber lainnya. Data warehouse memisahkan beban
kerja analisis dari beban kerja transaksi dan memungkinkan organisasi menggabung/konsolidasi
data dari berbagai macam sumber.
Jadi, data warehouse merupakan metode dalam perancangan database, yang menunjang
DSS(Decission Support System) dan EIS (Executive Information System). Secara fisik data
warehouse adalah database, tapi perancangan data warehouse dan database sangat berbeda.
Dalam perancangan database tradisional menggunakan normalisasi, sedangkan pada data
warehouse normalisasi bukanlah cara yang terbaik.
Dari definisi-definisi yang dijelaskan tadi, dapat disimpulkan data warehouse adalah
database yang saling bereaksi yang dapat digunakan untuk query dan analisisis, bersifat orientasi
subjek, terintegrasi, time-variant,tidak berubah yang digunakan untuk membantu para pengambil
keputusan.
I.3. Istilah-istilah yang berhubungan dengan data warehouse
Istilah-istilah yang berkaitan dengan data warehouse :
1. Data Mart
Adalah suatu bagian pada data warehouse yang mendukung pembuatan laporan dan
analisa data pada suatu unit, bagian atau operasi pada suatu perusahaan.
2. On-Line Analytical Processing(OLAP)
Merupakan suatu pemrosesan database yang menggunakan tabel fakta dan dimensi untuk
dapat menampilkan berbagai macam bentuk laporan, analisis, query dari data yang
berukuran besar.
3. On-Line Transaction Processing(OLTP)
Merupakan suatu pemrosesan yang menyimpan data mengenai kegiatan operasional
transaksi sehari-hari.
4. Dimension Table
Tabel yang berisikan kategori dengan ringkasan data detail yang dapat dilaporkan.
Seperti laporan laba pada tabel fakta dapat dilaporkan sebagai dimensi waktu(yang
berupa perbulan, perkwartal dan pertahun).
5. Fact Table
Merupakan tabel yang umumnya mengandung angka dan data history dimana key (kunci)
yang dihasilkan sangat unik, karena key tersebut terdiri dari foreign key(kunci asing) yang
merupakan primary key (kunci utama) dari beberapa dimension table yang berhubungan.
6. DSS
Merupkan sistem yang menyediakan informasi kepada pengguna yang menjelaskan
bagaimana sistem ini dapat menganalisa situasi dan mendukung suatu keputusan yang
baik.
I.4. Karakteristik Data Warehouse
Karakteristik data warehouse menurut Inmon, yaitu :
1. Subject Oriented (Berorientasi subject)
Data warehouse berorientasi subject artinya data warehouse didesain untuk menganalisa
data berdasarkan subject-subject tertentu dalam organisasi,bukan pada proses atau fungsi
aplikasi tertentu.
Data warehouse diorganisasikan disekitar subjek-subjek utama dari
perusahaan(customers,products dan sales) dan tidak diorganisasikan pada area-area
aplikasi utama(customer invoicing,stock control dan product sales). Hal ini dikarenakan
kebutuhan dari data warehouse untuk menyimpan data-data yang bersifat sebagai
penunjang suatu keputusan, dari pada aplikasi yang berorientasi terhadap data.
Jadi dengan kata lain, data yang disimpan adalah berorientasi kepada subjek bukan
terhadap proses.
2. Integrated (Terintegrasi)
Data Warehouse dapat menyimpan data-data yang berasal dari sumber-sumber yang
terpisah kedalam suatu format yang konsisten dan saling terintegrasi satu dengan lainnya.
Dengan demikian data tidak bisa dipecah-pecah karena data yang ada merupakan suatu
kesatuan yang menunjang keseluruhan konsep data warehouse itu sendiri.
Syarat integrasi sumber data dapat dipenuhi dengan berbagai cara sepeti konsisten dalam
penamaan variable,konsisten dalam ukuran variable,konsisten dalam struktur pengkodean
dan konsisten dalam atribut fisik dari data.
Contoh pada lingkungan operasional terdapat berbagai macam aplikasi yang mungkin
pula dibuat oleh developer yang berbeda. Oleh karena itu, mungkin dalam aplikasiaplikasi
tersebut ada variable yang memiliki maksud yang sama tetapi nama dan format
nya berbeda. Variable tersebut harus dikonversi menjadi nama yang sama dan format
yang disepakati bersama. Dengan demikian tidak ada lagi kerancuan karena perbedaan
nama, format dan lain sebagainya. Barulah data tersebut bisa dikategorikan sebagai data
yang terintegrasi karena kekonsistenannya.
3. Time-variant (Rentang Waktu)
Seluruh data pada data warehouse dapat dikatakan akurat atau valid pada rentang waktu
tertentu. Untuk melihat interval waktu yang digunakan dalam mengukur keakuratan suatu
data warehouse, kita dapat menggunakan cara antara lain :
Cara yang paling sederhana adalah menyajikan data warehouse pada rentang
waktu tertentu, misalnya antara 5 sampai 10 tahun ke depan.
Cara yang kedua, dengan menggunakan variasi/perbedaan waktu yang disajikan
dalam data warehouse baik implicit maupun explicit secara explicit dengan unsur
waktu dalam hari, minggu, bulan dsb. Secara implicit misalnya pada saat data
tersebut diduplikasi pada setiap akhir bulan, atau per tiga bulan. Unsur waktu
akan tetap ada secara implisit didalam data tersebut.
Cara yang ketiga,variasi waktu yang disajikan data warehouse melalui
serangkaian snapshot yang panjang. Snapshot merupakan tampilan dari sebagian
data tertentu sesuai keinginan pemakai dari keseluruhan data yang ada bersifat
read-only.
4. Non-Volatile
Karakteristik keempat dari data warehouse adalah non-volatile,maksudnya data pada data
warehouse tidak di-update secara real time tetapi di refresh dari sistem operasional secara
reguler. Data yang baru selalu ditambahkan sebagai suplemen bagi database itu sendiri
dari pada sebagai sebuah perubahan. Database tersebut secara kontinyu menyerap data
baru ini, kemudian secara incremental disatukan dengan data sebelumnya.
Berbeda dengan database operasional yang dapat melakukan update,insert dan delete
terhadap data yang mengubah isi dari database sedangkan pada data warehouse hanya ada
dua kegiatan memanipulasi data yaitu loading data (mengambil data) dan akses data
(mengakses data warehouse seperti melakukan query atau menampilan laporan yang
dibutuhkan, tidak ada kegiatan updating data).
Seperti pengertian-pengertian yang kita sebutkan sebelumnya, data warehouse diperlukan
bagi para pengambil keputusan manajemen dari suatu organisasi/perusahaan.
Dengan adanya data warehouse, akan mempermudah pembuatan aplikasi-aplikasi DSS dan
EIS karena memang kegunaan dari data warehouse adalah khusus untuk membuat suatu
database yang dapat digunakan untuk mendukung proses analisa bagi para pengambil keputusan.
Tugas-tugas Data warehouse
Ada empat tugas yang bisa dilakukan dengan adanya data warehouse
Menurut Williams, keempat tugas tersebut yaitu:
a. Pembuatan laporan
Pembuatan laporan merupakan salah satu kegunaan data warehouse yang paling umum
dilakukan. Dengan menggunakan query sederhana didapatkan laporan perhari,perbulan,
pertahun atau jangka waktu kapanpun yang diinginkan.
b. On-Line Analytical Processing (OLAP)
Dengan adanya data warehouse,semua informasi baik detail maupun hasil summary yang
dibutuhkan dalam proses analisa mudah didapat.
OLAP mendayagunakan konsep data multi dimensi dan memungkinkan para pemakai
menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah SQL. Hal ini
dimungkinkan karena pada konsep multi dimensi, maka data yang berupa fakta yang
sama bisa dilihat dengan menggunakan fungsi yang berbeda. Fasilitas lain yang ada pada
sofware OLAP adalah fasilitas rool-up dan drill-down. Drill-down adalah kemampuan
untuk melihat detail dari suatu informasi dan roll-up adalah kebalikannya.
c. Data mining
Data mining merupakan proses untuk menggali(mining) pengetahuan dan informasi baru
dari data yang berjumlah banyak pada data warehouse, dengan menggunakan kecerdasan
buatan (Artificial Intelegence), statistik dan matematika. Data mining merupakan
teknologi yang diharapkan dapat menjembatani komunikasi antara data dan pemakainya.
Beberapa solusi yang diberikan data mining antara lain :
1. Menebak target pasar
Data mining dapat mengelompokkan (clustering) model-model pembeli dan
melakukan klasifikasi terhadap setiap pembeli dan melakukan klasifikasi terhadap
setiap pemebeli sesuai dengan karakteristik yang diinginkan.
2. Melihat pola beli dari waktu ke waktu
Data mining dapat digunakan untuk melihat pola beli dari waktu ke waktu.
3. cross-market analysis
Data mining dapat dimanfaatkan untuk melihat hubungan antara satu produk dengan
produk lainnya.
4. Profil pelanggan
Data mining bisa membantu pengguna untuk melihat profil pembeli sehingga dapat
diketahui kelompok pembeli tertentu cenderung kepada suatu produk apa saja.
5. Informasi summary
Data mining dapat membuat laporan summary yang bersifat multi dimensi dan
dilengkapi dengan informasi statistik lainnya.
d. Proses informasi executive
Data warehouse dapat membuat ringkasan informasi yang penting dengan tujuan
membuat keputusan bisnis, tanpa harus menjelajahi keseluruhan data. Dengan
menggunakan data warehouse segala laporan telah diringkas dan dapat pula mengetahui
segala rinciannya secara lengkap, sehingga mempermudah proses pengambilan
keputusan. Informasi dan data pada laporan data warehouse menjadi target informative
bagi user.
Keuntungan Data Warehouse
Data warehouse merupakan pendekatan untuk menyimpan data dimana sumber-sumber
data yang heterogen(yang biasanya tersebar pada beberapa database OLTP) dimigrasikan untuk
penyimpanan data yang homogen dan terpisah. Keuntungan yang didapatkan dengan
menggunakan data warehouse tersebut dibawah ini (Ramelho).
Data diorganisir dengan baik untuk query analisis dan sebagai bahan untuk
pemrosesan transaksi.
Perbedaan diantara struktur data yang heterogen pada beberapa sumber yang terpisah
dapat diatasi.
Aturan untuk transformasi data diterapkan untuk memvalidasi dan mengkonsolidasi
data apabila data dipindahkan dari database OLTP ke data warehouse.
Masalah keamanan dan kinerja bisa dipecahkan tanpa perlu mengubah sistem
produksi.
Membangun data warehouse tentu saja memberikan keuntungan lebih bagi suatu perusahaan,
karena data warehouse dapat memberikan keuntungan strategis pada perusahaan tersebut
melebihi pesaing-pesaing mereka. Keuntungan tersebut diperoleh dari beberapa sumber (Sean
Nolan,Tom Huguelet):
Kemampuan untuk mengakses data yang besar
Kemampuan untuk memiliki data yang konsistent
Kemampuan kinerja analisa yang cepat
Mengetahui adanya hasil yang berulang-ulang
Menemukan adanya celah pada business knowledge atau business process.
Mengurangi biaya administrasi
Memberi wewenang pada semua anggota dari perusaahan dengan menyediakan kepada
mereka informasi yang dibutuhkan agar kinerja bisa lebih efektif.
Sumber :
Modul Perkuliahan - Data Warehouse dan Data Mining - Program Studi Sistem Informasi - Fakultas Ilmu Komputer - Universitas Mercu Buana
