Konsep dan Rancangan Data Warehouse Lanjutan
Daftar Isi
- Bentuk Data Warehouse
- Kelebihan dan Kekurangan Data Warehouse
- Studi Kasus Perancangan Data Warehouse
- Download Materi PPT
Bentuk Data Warehouse
- Data Warehouse Fungsional (Functional Data Warehouse)
Data warehouse lebih dari satu yang dikelompokkan berdasarkan fungsi-fungsi yang terdapat dalam perusahaan, antara lain marketing, keuangan, personali dan sebagainya. Bentuk dari data warehouses seperti ini memiliki keuntungan yakni sistem yang lebih mudah dibangun dan membutuhkan biaya yang murah. Sedangkan sisi kerugiannya adalah berpotensi terhadap hilangnya data serta kemampuan dalam pengumpulan data pengguna terbatas.
- Data Warehouse Terpusat (Centralized Data Warehouse)
Bentuknya mirip seperti Data Warehouse fungsional, namun sumber data harus dikumpulkan lebih dahulu dalam satu tempat terpusat, baru setelah itu data disebar ke dalam masing-masing fungsi menurut kebutuhan organisasi/perusahaan. Bentuk data warehouse seperti ini umumnya dipergunakan oleh perusahaan yang belum mempunyai jaringan eksternal. Bentuk data warehouse ini memiliki keuntungan yakni data benar-benar terpadu karena terdapat konsistensi yang tinggi. Sedangkan kerugiannya adalah memakan biaya yang mahal serta butuh waktu yang lama untuk membangunnya.
- Data Warehouse Terdistribusi (Distributed Data Warehouse)
Pada bentuk data warehouse seperti ini perlu digunakan gateway sebagai penghubung antara data warehouse dan workstation yang mempergunakan berbagai macam sistem. Dengan menggunakan sistem seperti ini maka perusahaan bisa melakukan akses sumber data yang terdapat di luar area perusahaan/eksternal. Keuntungan dari bentuk data warehouse ini adalah data tetap konsisten karena sebelum data dipergunakan, terlebih dahulu data harus disesuaikan (sinkronisasi). Dan kerugiannya adalah lebih kompleks diterapkan karena pengelolaan sistem operasi dilakukan secara terpisah dan memakan biaya yang mahal., bahkan paling mahal dibanding dua bentuk data warehouse lainnya.
Kelebihan dan Kekurangan Data Warehouse
Kelebihan
- Data terorganisir dengan baik untuk query analisis dan sebagai bahan yang baik untuk proses transaksi.
- Perbedaan struktur data yang banyak macamnya dari sumber yang berbeda dapat di atasi.
- Memiliki aturan transformasi untuk memvalidasi dan menkonsolidasi data dari OLTP ke data warehouse.
- Masalah keamanan dan kinerja dapat dipecahkan tanpa perlu mengubah sistem produksi.
- Memiliki model data yang banyak macamnya, dan tidak tergantung dari format data awal/sumbernya, sehingga memudahkan dalam menciptakan laporan.
- proses transformasi/ perpindahan dapat di monitoring. jika terjadi kesalahan dapat di arahkan / di luruskan.
- informasi yang disimpan dalam datawarehouse, jadi ketika OLTP data sumber nya hilang. informasi yang diolah tetap terjaga dalam suatu datawarehouse.
- Data Warehouse tidak memperlambat kerja operasional transaksi.
- Dapat menyediakan laporan yang bermacam-macam.
Kekurangan
- Datawarehouse bukan merupakan lingkungan yang cocok untuk data yang tidak terstruktur.
- Data perlu di ekstrak, diubah (ETL) dan di load ke datawarehouse sehingga membutuhkan tenggang waktu untuk memindahkannya.
- Semakin lama dipelihara, semakin besar biaya untuk merawat sebuah datawarehouse.
- Datawarehouse dapat menjadi ketinggalan dari data terbaru yang relatif cepat, karena data yang digunakan di datawarehouse tidak di update secara cepat. sehingga data yang ada tidak optimal.
Rancangan Data Warehouse
- Strategi Pencarian Sumber (Masalah)
- Strategi Pencarian Sumber (Mengembangkan Pertanyaan)
- Bagaimana proses evolusi direncanakan?
- Bagaimana keuntungan dan ROI ditentukan?
- Bagaimana masalah kepemilikan data dan tanggung jawab dipecahkan?
- Bagaimana budaya organisasi terkait dengan data warehousing?
- Skil dan sumber daya apa yang diperlukan?
- Apa standar yang sesuai untuk diterapkan?
3. System Penyampaian Pengembangan dan Penggunaan
- Perlu untuk menyediakan user interface yang mudah digunakan dan berkualitas
- Memonitor penggunaan
- Pentingnya Menemukan sponsor bisnis
- Alokasi Menyediakan waktu untuk mengembangkan kasus Bisnis, Contoh: Pemborosan waktu dalam memperoleh dukungan sponsor bisnis kurang baik
4. System Penyampaian Pertanyaan
- Bagaimana keefektifan data warehouse ditentukan dan diukur?
- Bagaimana teknik data mining yang rumit dapat digunakan secara efektif oleh para manajer bisnis?
Studi Kasus Perancangan Data Warehouse
- Penjelasan Kasus
Sekolah Tinggi Manajemen Informatika dan Komputer Kadiri atau “STMIK Kadiri” adalah sekolah tinggi yang telah memiliki sistem informasi akademik namun di sistem tersebut sistem tersebut masih terdapat kekurangan yakni sistem tersebut tidak terintegrasi didalam satu basisdata. Pengelolaan data akademik yang di gunakan secara online dan manual. Data akademik secara online telah dimiliki oleh STMIK Kadiri yang terintegrasi kedalam sebuah database yang dimulai tahun akademik 2009 dan tahun akademik 2015, sedangkan data yang manual merupakan data yang sudah lama berjalan dimulai tahun 2001 sampai tahun 2008, yang tidak di arsipkan dalam sebuah basisdata yang terintegrasi. Setiap pengelolaan tiap semester harus membuat tabel sendiri serta data yang tidak ternormalisasi. Data tersebut sulit untuk diintegrasikan ke dalam sebuah database, sehingga dalam proses pengolahan informasinya belum akurat dan tepat. Hal ini juga berdampak pada penyajian informasi ke pihak toplevel- management untuk pengambilan keputusan guna meningkatkan mutu institusi dalam bidang akademik menjadi terhambat. Oleh karena itu, di institusi ini akan dikembangkan sebuah data warehouse .
- Metode Penelitian
Dalam penelitian ini menggunakan metode penelitain action research. Action research merupakan penelitian yang berfokus langsung pada tindakan sosial. Penelitian tindakan yaitu penelitian baik kualitatif maupun kuantitatif. Penelitian tindakan ini merupakan metode yang didasari pada tindakan masyarakat yang sering diselenggarakan pada suatu latar yang luas, seperti rumah sakit, pabrik, sekolah dan lain sebagainya
2.1 Metode Pengumpulan Data
Pada penelitian ini dilakukan beberapa metode pengumpulan data. Metode pengumpulan data disesuaikan dengan jenis data yang akan dikumpulkan yaitu teknik untuk pengumpulan data primer dan teknik untuk pengumpulan data sekunder.
2.1.1. Data Primer
Pengumpulan data primer pada penelitian ini dilakukan dengan metode observasi dan wawancara. Adapun pengumpulan data primer pada penelitian ini adalah :
- Observasi, data yang diperoleh dari penelitian di STMIK Kadiri adalah :
- Master Data Mahasiswa.
- Master Data Mata Kuliah
- Master Data Dosen
- Master Data Jadwal Kuliah.
- Master Data Transaksi Kuliah Mahasiswa
- Master Data Nilai Mahasiswa
- Master Data Kelulusan Mahasiswa.
- Master Data Transaksi Dosen Mengajar
- Master Data Status Mahasiswa
- Wawancara, dengan cara bertanya langsung kepada responden.
2.1.2. Data Sekunder
Data sekunder dalam penelitian ini diperoleh dari sumber-sumber kepustakaan yang relevan, hasil penelitian sebelumnya yang bersifat mutakhir, informasi tentang teori-teori yang berhubungan dengan pokok permasalahan yang diteliti serta data-data laporan yang terjadi di Prodi STMIK Kadiri yang selama ini terjadi.
2.2 Metode Analisis Data
Metode analisa data yang digunakan penulis pada penelitian ini menggunakan pemodelan data multidimensi atau sering disebut Nine Step Design Method. Proses analisa dilakukan terhadap hasil tahapan pengumpulan data dengan pengamatan, wawancara, dan studi literatur untuk mendapatkan spesifikasi kebutuhan sistem yang akan dikembangkan. Sembilan tahap dalam perancangan database untuk data warehouse, yaitu [8] :
- Memilih Proses.
- Menentukan grain atau sumber dari proses bisnis.
- Mengindentifikasi dan penyesuaian dimensi.
- Memilih Fakta
- Menyimpan Perhitungan awal dalam tabel fakta.
- Melihat kembali tabel dimensi.
- Memilih durasi database.
- Menelusuri perubahan dari dimensi.
- Memutuskan prioritas query dan tipe query, memilih physical design
2.3 Alur Penelitian
2.4 Rancangan Data Warehouse
1. Tahap Perencanaan
a) Analisis Subjek Data Fungsi bisnis perguruan tinggi di Tunjukkan pada tabel disamping
Berdasarkan proses dan fungsi bisnis tersebut diatas, maka subjek data di sekolah tinggi terdiri dari : mahasiswa,dosen,perkuliahan,kurikulum,dan sebagainya, seperti ditunjukkan pada tabel 2 dibawah ini :
Berdasarkan subjek data diatas maka subyek data yang di perlukan untuk pembuatan laporan manajemen ditunjukkan pada tabel 3 dibawah ini :
Informasi Yang Dibutuhkan Pihak pengelola sekolah tinggi membutuhkan informasi akademik untuk mendukung pengambilan kebijakan strategis dalam upaya untuk meningkatkan kemajuan dan memudahkan melihat data untuk pengisian borang akreditasi yaitu diantaranya:
- Laporan jumlah mahasiswa per kota, angkatan, per jenis kelamin.
- Laporan jumlah mahasiswa per status awal masuk, per status pernikahan, dan per status keaktifan mahasiswa
- Laporan jumlah mahasiswa per kota per angkatan.
Data yang diperlukan untuk membangun data warehouse akademik bersumber dari database akademik kampus, tidak semua data yang ada pada database akademik digunakan untuk pembangungan data warehouse, hanya data yang berkaitan dan diperlukan untuk kebutuhan pembuatan laporan yang diinginkan manejemen saja. Data akademik yang digunakan sebagai data sumber untuk menampilkan laporan adalah:
- Tabel mahasiswa.
- Tabel statusawal.
- Tabel statusmhsw.
- Tabel statussipil
(b) Pemodelan Data
Model data yang digunakan untuk pemodelan data adalah pendekatan star schema. Pendekatan ini digunakan karena rancangan star schema multidimensi dapat memanfaatkan peran utama tabel dimensi untuk mendukung catatan data dengan deskripsi dan informasi lain dengan entitas yang terlibat. Tabel-tabel dimensi yang membentuk tabel fakta dapat didukung oleh tabel lain yang lebih detail dan membentuk model star. Model star schema juga dikenal sebagai DW schema untuk analisis multi dimensional dimana terdapat satu tabelfakta dan beberapa tabel dimensi
- Tahap Tindakan
Pada tahap ini dilakukan proses pemindahan data dari sumber data ke dalam database data warehouse dengan cara ekstrak,transformation dan load.
Hasil yang diperoleh setelah data dilakukkan pemindahan dari database di tunjukkan pada gambar dibawah dengan melakukan query :
Select * from mahasiswa
- Tahap Analisis
Tahap ini selanjutnya adalah tahap membentuk cube dengan sql server supaya dapat ditransfer ke dalam powerpivot excel untuk kebutuhan analisis datanya secara interaktif menggunakan pivottable supaya menjadi laporan yang bermanfaat bagi pihak manajemen khususnya untuk laporan EPSBED
a. Pembuatan nama ANALISIS_STMIK b. Pembuatan Data Source Views
C. Pembuatan Cube
D. Pembuatan Dimensi
4). Tahap Refleksi
a. Penyajian Data
Pada tahap ini cara menyajikan data dengan menggunakan powerpivot excel. Data yang akanditampilkan adalah sebagai berikut :
b. Penyajian Grafik
Untuk melihat perkembangan jumlah mahasiswa per angkatan, per jenis kelamin dan perkota asal dapat dibuatlah grafik seperti disamping: Pada grafik disamping menunjukkan bahwa jumlah mahasiswa paling banyak berasal dari Kediri dari semua angkatan. Laporan ini akan dimanfaatkan oleh manajemen dalam mengambil keputusan strategis seperti untuk promosi dan kebutuhan untuk pelaporan EPSBED STMIK Kadiri.
2. 5 Kesimpulan
Dihasilkan rancangan data warehouse pada sekolah tinggi melalui tahapan menentukan jenis informasi yang akan ditampilkan, mengidentifikasi sumber data serta mentransfer informasi dari sumber data transaksional ke dalam data warehouse melalui proses extract, transform dan loading kemudian dari data warehouse ditransformasikan ke multidimensional data untuk keperluan analisis dan menyajikan informasi kepada pengguna akhir dilingkungan manajemen tingkat atas.
Tahapan perancangan data warehouse menghasilkan rancangan arsitektur logic dan fisik yang dapat digunakan dalam pengembangan PDPT perguruan tinggi yang membantu untuk mendukung kebutuhan data EPSBED khususnya yang ada di STMIK Kadiri.
