3. Data Warehouse
Data Warehouse adalah perpaduan dari data
perusahaan atau organisasi, baik dari staging area
maupun area presentasi, dimana data operasional
terlihat secara spesifik, terstruktur untuk query dan
analisis performansi sehingga memudahkan
penggunaan. (Kimball & Ross)
UNIVERSITAS TEKNOKRAT INDONESIA
4. Data Warehouse
Data warehouse adalah koleksi data yang berorientasi
subjek, terintegrasi, time-variant dan tetap dari koleksi
data dalam mendukung pengambilan keputusan
management. (Inmon)
UNIVERSITAS TEKNOKRAT INDONESIA
7. Subject Oriented
Subject-oriented yaitu data diorganisir
berdasarkan subyek utama seperti
pelanggan, pemasok, produk, dan penjualan.
Data Warehouse fokus pada pemodelan dan
analisis data untuk para pengambil
keputusan. Sehingga Data Warehouse
memberikan pandangan sederhana terhadap
subyek permasalahan dengan tidak berfokus
pada data-data yang tidak berguna dalam
pengambilan keputusan.
UNIVERSITAS TEKNOKRAT INDONESIA
8. Integrated
Integrated yaitu Data Warehouse
biasanya dibangun dengan
mengintegrasikan beberapa sources
yang berbeda, seperti database
relasional, file flat, dan catatan
transaksi online. Teknik pembersihan
dan integrasi data diterapkan untuk
memastikan konsistensi dalam
konvensi penamaan, struktur
pengkodean, ukuran atribut.
UNIVERSITAS TEKNOKRAT INDONESIA
9. Time Variant
Time Variant yaitu data disimpan
untuk menyediakan informasi
dalam jangka waktu tertentu
misalnya data 5-10 tahun terakhir.
Jadi setiap struktur utama dalam
Data Warehouse berisi elemen
waktu, baik secara implisit atau
eksplisit.
UNIVERSITAS TEKNOKRAT INDONESIA
10. Non Volatile
Non-volatile artinya sebuah Data
Warehouse biasanya terpisah secara
fisik yang ditransformasikan dari
data aplikasi yang diperoleh di
lingkungan operasional. Dengan
pemisahan ini, Data Warehouse
tidak memerlukan pemrosesan
transaksi, pemulihan, dan
mekanisme kontrol konkurensi.
UNIVERSITAS TEKNOKRAT INDONESIA
12. Manfaat
Penerapan Data Warehouse berguna dalam mendapatkan analisa
yang lebih baik dari data yang berjumlah sangat besar sehingga
dapat membuat keputusan yang baik. Menurut (Connolly & Begg,
2015), data warehouse yang telah diimplementasikan dengan baik
dapat memberikan keuntungan bagi perusahaan, yaitu:
UNIVERSITAS TEKNOKRAT INDONESIA
13. Manfaat (1)
Berpotensi mengembalikan nilai yang tinggi atas investasi yang
dilakukan perusahaan.
Suatu organisasi harus mengeluarkan uang dan sumber daya yang cukup
besar untuk memastikan Data Warehouse diimplementasikan dengan
baik.
UNIVERSITAS TEKNOKRAT INDONESIA
14. Manfaat (2)
Keuntungan kompetitif.
Didapatkan jika pengambil keputusan mengakses data bahwa informasi
yang sebelumnya tidak tersedia, tidak diketahui dan tidak dipergunakan
misalnya informasi mengenai konsumen, trend, dan permintaan.
UNIVERSITAS TEKNOKRAT INDONESIA
15. Manfaat (3)
Meningkatkan produktifitas para pengambil keputusan perusahaan.
Data Warehouse meningkatkan produktifitas para pengambil keputusan
perusahaan dengan membuat database yang terintegrasi secara
konsisten, berorientasi pada subyek, dan data historis.
UNIVERSITAS TEKNOKRAT INDONESIA
17. Pendekatan
Beberapa pendekatan yang digunakan untuk mengimplementasikan
arsitektur datawarehouse, yaitu secara top-down, bottom-up.
UNIVERSITAS TEKNOKRAT INDONESIA
18. Bottom - Up
Pendekatan bottom up yang dikemukakan oleh Ralph Kimball atau
biasa dikenal sebagai arsitektur bus Data Warehouse.
Pengembangan arsitektur bus Data Warehouse dimulai dengan
mengambil kebutuhan bisnis / subyek area tunggal yang spesifik
kemudian dilakukan pembuatan data mart menggunakan
pemodelan dimensional. Data dari semua sumber terkait dengan
proses bisnis yang spesifik diintegrasikan ke dalam single data mart
di tingkat perusahaan untuk selanjutnya diakses pengguna akhir dan
mulai menggunakannya untuk analisis.
UNIVERSITAS TEKNOKRAT INDONESIA
19. Top - Down
Pendekatan Bill Inmon dalam pembuatan Data Warehouse biasa
disebut juga dengan pendekatan top-down dengan rancangan data
model yang sudah dinormalisasi. Selanjutnya dimensional data mart
dibangun berisi data yang dirangkum berdasarkan kebutuhan
pengguna akhir untuk analisis.
UNIVERSITAS TEKNOKRAT INDONESIA
21. Perancangan
Menurut Kimball (2010) Metodologi perancangan data warehouse
adalah Nine-Step Methodology yang memiliki 9 (sembilan) langkah
yaitu :
UNIVERSITAS TEKNOKRAT INDONESIA
22. 1. Choosing The Process
Untuk tahapan ini dalam merancang data warehouse harus sesuai
dengan kebutuhan. Sebagai contoh ketika ingin menganalisis
penjualan yang berdasarkan berbagai sumber yang berbeda atau
dimensi. Untuk itu kita harus cermat memilih proses mana yang
ingin kita analisa.
UNIVERSITAS TEKNOKRAT INDONESIA
23. 2. Choosing The Grain
Perancangan data model data warehouse itu juga harus sesuai atau
berdasarkan dari tabel fakta dan dimensi, untuk itu ketika pemilihan
sumber harus mengacu pada kemampuan untuk merepresentasikan
fakta-fakta yang di ambil dari berbagai sumber dimensi pada OLTP.
Sebagai contoh Sales_order_fact, adalah mengambarkan rincian
custumer secara detail. Jadi tahap ini sangat penting karena akan
mempengaruhi seperti apa nanti hasil dari data warehouse yang
akan mudah untuk pengambilan keputusan
UNIVERSITAS TEKNOKRAT INDONESIA
24. 3. Identifying and Conforming
The Dimensions
Dimensi ini sebagai gambaran fakta-fakta pada tabel fakta, sebagai
contoh setiap data pada tabel customer_dim dilengkapi dengan
cust_id, cust_number, cust_name, cust_street_address,
cust_zip_code dan lainnya
UNIVERSITAS TEKNOKRAT INDONESIA
25. 4. Choosing The Fact
Pemilihan sumber dari sebuah tabel fakta akan menentukan fakta
mana yang akan di gunakan. Sebagai contoh pada sales_order_fact
terdiri dari customer_id, order_id, product_id, order_date yang
menggambarkan fakta dari berbagai tabel dimensi yaitu customer,
order, product dan tine yaitu order_date.
UNIVERSITAS TEKNOKRAT INDONESIA
26. 5. Storing Pre-Calculation in
The Fact Table
Hal ini akan terjadi jika tabel fakta kehilangan statement sesuai
dengan fakta yang dibutuhkan
UNIVERSITAS TEKNOKRAT INDONESIA
27. 6. Rounding Out The
Dimension Tables
Tahap ini untuk menambahkan selengkap-lengkapnya pada tabel
dimensi dan harus bersifat intuitif dan mudah dipahami oleh
pengguna. Tahap ini agar pengguna dipermudahkan dalam
penganalisaan nantinya
UNIVERSITAS TEKNOKRAT INDONESIA
28. 7. Choosing The Duration of
Database
Tahapan ini berkaitan dengan penyimpanan data warehouse,
katakan saja data yang kita kehendaki untuk di analisa memiliki
durasi 5 (lima) tahun yang lalu
UNIVERSITAS TEKNOKRAT INDONESIA
29. 8. Tracking Slowly Changing
Dimension
Ada 3 (tiga) tipe perubahan dimensi yaitu atribut dimensi yang telah berubah
tertulis ulang, menimbulkan sebuah dimensi baru dan dimensi yang berubah
menimbulkan alternatif, sehingga nilai atribut lama dan yang baru dapat
diakses secara bersama pada dimensi yang sama.
• Tipe 1: Perubahan data secara langsung atau update tabel dimensi.
• Tipe2: Perubahan data membentuk record baru dengan surrogate key
yang berbeda.
• Tipe 3: Perubahan data akan membentuk atribut atau kolom baru pada
tabel dimensi
UNIVERSITAS TEKNOKRAT INDONESIA
30. 9. Decide the Physical Design
Pada tahap ini, dilakukan perancangan fisik dari data warehouse.
Selain itu, penentuan masalah-masalah yang mungkin ada pada
perancangan fisik.
UNIVERSITAS TEKNOKRAT INDONESIA
32. Star Schema
Menurut Poniah (2010) Skema ini mengikuti
seperti bentuk bintang, dimana terdapat
satu tabel fakta (fact table) dipusat bintang
dengan beberapa tabel dimensi
(dimensional table) yang mengelilinginya.
Semua tabel dimensi berhubungan langsung
dengan tabel fakta. Primary Key pada tabel
dimensi akan menjadi key pada tabel fakta
atau dapat dikatakan bahwa tabel fakta
memiliki kombinasi key dari tabel dimensi
UNIVERSITAS TEKNOKRAT INDONESIA
33. Snowflake Schema
Menurut Poniah (2010) Model snowflake
merupakan perluasan dari star dimana ia
juga mempunyai satu atau lebih dimensi.
Hanya saja pada snowflake, tabel yang
berelasi pada fact table hanya tabel dimensi
utama, sedangkan tabel yang lain
dihubungkan pada tabel dimensi utama.
Model snowflake ini hampir sama seperti
teknik normalisasi
UNIVERSITAS TEKNOKRAT INDONESIA
34. Fact Constellation
Jika dalam satu skema terdapat
beberapa tabel fakta yang saling berbagi
tabel dimensi, ini mirip sekali dengan
desain relational database, namun tabel
fakta hanya menyimpan data yang akan
diolah lebih lanjut di data mining atau
OLAP
UNIVERSITAS TEKNOKRAT INDONESIA
37. 1. Choosing The Process
Tahapan pemilihan proses ini dilakukan pemilihan subjek masalah
dari data warehouse yang akan dibuat, lalu proses bisnis yang
berhubungan dengan subjek masalah tersebut diidentifikasi. Proses
yang diperlukan dalam analisis adalah penjualan barang pada PT
Bangun Mitra Makmur
UNIVERSITAS TEKNOKRAT INDONESIA
38. 2. Choosing The Grain
Tahapan pemilihan sumber dari proses penjualan barang pada PT Bangun
Mitra Makmur adalah memilih sumber data yang akan dilakukan analisis untuk
data warehouse yaitu :
1. Pelanggan yaitu data pelanggan yang melakukan transaksi pembelian pada
perusahaan.
2. Barang yaitu data barang yang ada pada perusahaan untuk dijual kepada
pelanggan.
3. Destination yaitu data kabupaten lokasi/tempat dimana pelanggan berada.
4. Penjualan yaitu data penjualan yang menjadi tujuan utama perusahaan
dalam proses penjualan barang.
UNIVERSITAS TEKNOKRAT INDONESIA
39. 3. Identifying and Conforming
The Dimensions
Tahapan identifikasi dan penyesuaian dimensi dari proses penjualan barang
pada PT Bangun Mitra Makmur adalah melakukan identifikasi tabel dimensi
untuk setiap tabel fakta yang ada. Tabel dimensi dalam data warehouse ini
adalah :
1. Dimensi pelanggan yang terdiri dari kode pelanggan, nama pelanggan,
alamat pelanggan, nomor telepon, nama pemilik.
2. Dimensi barang yang terdiri dari kode barang, nama barang, dan harga
barang.
3. Dimensi destination yang terdiri dari kode kabupaten, dan nama
kabupaten.
UNIVERSITAS TEKNOKRAT INDONESIA
40. 4. Choosing The Fact
Tahapan tabel fakta dari proses penjualan barang pada PT Bangun
Mitra Makmur adalah melakukan pemilihan tabel fakta untuk
dijadikan tabel utama dalam data warehouse penjualan yaitu fakta
penjualan.
UNIVERSITAS TEKNOKRAT INDONESIA
41. 5. Storing Pre-Calculation in
The Fact Table
Tahapan ini melakukan pemilihan tabel fakta penjualan yang dapat
dihitung yaitu total harga untuk proses perhitungan antara harga
barang dengan jumlah jual, total seluruh untuk proses perhitungan
summary dari total harga.
UNIVERSITAS TEKNOKRAT INDONESIA
42. 6. Rounding Out The
Dimension Tables
Tahap ini untuk menambahkan selengkap-lengkapnya attribute
pada tabel dimensi dan harus bersifat intuitif dan mudah dipahami
oleh pengguna
UNIVERSITAS TEKNOKRAT INDONESIA
43. 7. Choosing The Duration of
Database
Tahapan ini melakukan pemilihan durasi database yang akan
digunakan dalam data warehouse penjualan yaitu dengan durasi 2
tahun terakhir dimulai dari Maret tahun 2018 sampai dengan Maret
tahun 2020.
UNIVERSITAS TEKNOKRAT INDONESIA
44. 8. Tracking Slowly Changing
Dimension
Tahapan ini melakukan pengamatan perubahan terhadap tabel dimensi. Pada
proses ini dapat dilakukan dengan 2 cara yaitu :
1. Attribut dimensi yang telah ditulis secara berulang-ulang.
2. Attribut dimensi yang berubah dan menimbulkan alternatif sehingga nilai
atribut lama dan baru dapat diakses secara bersama pada dimensi yang
sama
UNIVERSITAS TEKNOKRAT INDONESIA
45. 9. Decide the Physical Design
Tahapan ini difokuskan pada perancangan fisik untuk data
warehouse. Tahapan ini melakukan prioritas query untuk data
warehouse penjualan yang akan mengeksekusi perintah query
untuk menghasilkan output grafik penjualan yang akan menjadi
tujuan dalam perancangan data warehouse penjualan pada PT
Bangun Mitra Makmur.
UNIVERSITAS TEKNOKRAT INDONESIA
47. Desain Star Schema Data
Warehouse Penjualan
Desain data warehouse yang digunakan adalah star schema, star
schema data warehouse penjualan.
UNIVERSITAS TEKNOKRAT INDONESIA
Keunggulan Star Schema :
1. Lebih mudah dipahami karena
modelnya yang lebih sederhana
2. Mempermudahkan mencari isi karena
kesederhanaannya dengan cara melihat
step by step dari masing-masing
dimensinya
3. Proses query lebih cepat pada saat
proses OLAP
52. Conclusion
UNIVERSITAS TEKNOKRAT INDONESIA
Data warehouse Penjualan dirancangan dengan menggunakan
Nine Step Methodology data warehouse sehingga
menghasilkan desain data warehouse yang lebih baik dengan
menggunakan permodelan star schema, sehingga proses OLAP
untuk historical intelegency data penjualan menampilkan
grafik penjualan secara cepat.
