Your SlideShare is downloading. ×
D wh pentol
D wh pentol
D wh pentol
D wh pentol
D wh pentol
D wh pentol
D wh pentol
D wh pentol
D wh pentol
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

D wh pentol

146

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
146
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
4
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Nama Kelompok : 1. I PT.Pradnya Pratisditha N.P 2. Agus Gede Adi Prayoga 1104505087 1104505095 Metode Perancang Data Warehouse 1.1 Latar Belakang Setiap data yang ada terutama data yang memiliki jumlah yang banyak seperti data perusahaan atau organisasi memerlukan data warehouse untuk menampung setiap data tersebut agar tidak terpisah atau terpencar sehingga sulit untuk menemukannya. Penerapan awal dari arsitektur data warehouse dibuat berdasarkan konsep bahwa data warehouse mengambil data dari berbagai sumber dan memindahkannya ke dalam pusat pengumpulan data yang besar. Konsep ini sebenarnya lebih cenderung kepada sebuah lingkungan mainframe yang terpusat. Data warehouse memiliki berbagai macam bentuk yang sering digunakan. Jadi sebelum membangun suatu data warehouse kita harus memutuskan bentuk data warehouse seperti apa yang dibutuhkan oleh aplikasi yang kita rancang. 1.2 Perbandingan Metode dalam beberapa ahli :  Poe, Vidette Menurut Poe, Vidette, data warehouse memiliki struktur yang spesifik dan mempunyai perbedaan dalam tingkatan detail data dan umur data.
  • 2. Gambar 1.0 Rancangan Poe, Vidette Komponen dari struktur data warehouse adalah: 1. Current detail data 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. Berikut ini beberapa alasan mengapa current detail data menjadi perhatian utama : 1. Menggambarkan kejadian yang baru terjadi dan selalu menjadi perhatian utama 2. Sangat banyak jumlahnya dan disimpan pada tingkat penyimpanan terendah. 3. Hampir selalu disimpan dalam storage karena cepat di akses tetapi mahal dan kompleks dalam pengaturannya.
  • 3. 4. Bisa digunakan dalam membuat rekapitulasi sehingga current detail data harus akurat. 2. Older detail data Data ini merupakan data historis dari current detail data, dapat berupa hasil cadangan atau archive data yang disimpan dalam storage terpisah. Karena bersifat back-up(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. 3. Lighlty summarized data Data ini merupakan ringkasan atau rangkuman dari current detail data. Data ini dirangkum berdasar periode atau dimensi lainnya sesuai dengan kebutuhan. Ringkasan dari current detail data belum bersifat total summary.Data-data ini memiliki detil tingkatan yang lebih tinggi dan mendukung kebutuhan warehouse pada tingkat departemen. Tingkatan data ini di sebut juga dengan data mart. Akses terhadap data jenis ini banyak digunakan untuk view suatu kondisi yang sedang atau sudah berjalan. 4. Highly summarized data 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. 5. 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).
  • 4. 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. Metadata sendiri mengandung : 1. Struktur data Sebuah direktori yang membantu user untuk melakukan analisis Decission Support System dalam pencarian letak/lokasi dalam data warehouse. 2. Algoritma Algoritma digunakan untuk summary data. Metadata sendiri merupakan panduan untuk algoritma dalam melakukan pemrosesan summary data antara current detail data dengan lightly summarized data dan antara lightly summarized data dengan hightly summaried data. 3. Mapping Sebagai panduan pemetaan(mapping) data pada saat data di transform/diubah dari lingkup operasional menjadi lingkup data warehouse.  Paul Lane 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.  Turban, Sharda, Delen, & King Menurut Turban, Sharda, Delen, & King, Data Warehouse adalah kumpulan data yang dihasilkan untuk mendukung pengambilan keputusan, dan juga merupakan tempat penyimpanan data saat ini dan data historikal dari kepentingan manajer di seluruh organisasi.
  • 5.  Connolly & Begg Menurut Connolly & Begg, Data Warehouse adalah kumpulan data yang berorientasi subjek, terintegrasi, berdasarkan waktu, dan tidak mengalami perubahan secara langsung dalam mendukung proses pengambilan keputusan manajemen.  Ives a) Kelebihan 1. Teknik untuk perumusan keperluan Integrasi 2. Teknik representasi berganda b) Kelemahan 1. Kekompleksan dan potensi berbiaya tinggi 2. Waktu penyelesaian 3. Kemampuan beradaptasi 4. Bagaimana bila strategi bisnis berubah? 5. Feedback pengguna?  McFadden a) Kelebihan 1. Partisipasi Pengguna 2. Fokus pada pencarian sumber data b) Kelemahan 1. Membagi data warehouse yang besar 2. Tidak ada guidelines untuk disain secara fisik
  • 6.  Metodologi pada perusahaan : 1. Pendekatan NCR Karakteristik dalam pendekatan NCR Hampir sama dengan Inmon : a. 3NF dan model perusahaan b. Penekanan pada normalisasi dan DBMS standar c. Penekanan pada arsitektur d. Digunakan dalam beberapa sistem yang sangat besar Gambar 2.0 Pendekatan NCR 2. Pendekatan SAS Institute Karakteristik dalam pendekatan SAS Institute : 1. Memakai teknik time-box yaitu Data warehousing cepat 2. Keterkaitan selama 3 bulan (90 hari) a. Prototyping 2 bulan + 1 bulan untuk pengembangan ‘solid’ b. Banyak menggunakan prototyping dan workshop dengan pengguna 3. Bergantung pada kemampuan analis sistem yang bagus
  • 7. Gambar 3.0 Pendekatan SAS Institue 3. Microsoft Kelebihan : 1. Memberikan perhatian pada pengguna secara eksplisit a. Tapi apa sebenarnya kelemahan ini? b. Berputar 2. Terkait dengan beberapa tool yang specific yang mengintegrasikan RDBMS dan OLAP (misalnya SQL server & Layanan Analisa/Pelaporan Kekurangan : 1. Terkait dengan beberapa tool yang specific, tetapi banyak yang tidak mempercayai (walaupun ini berubah) 2. Mapping sistem sumber
  • 8. Gambar 4.0 Pendekatan Microsoft  Perbandingan Empat Metode Dari O’Donell, Arnott & Gibson
  • 9. 1.3 Kesimpulan 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.

×