Chapter 2
Selamat sore
menjelang maghrib semuanya.... ketemu lagi dengan saya dikesempatan yang
berbahagia ini. Kali ini saya masih mau lanjutin pembahasan tentang Dawer
(bukan Dawet, Jewer atau Dower) yaaaa... Dawer itu singkatan untuk Data Warehouse.
Yang mau saya bahas kali ini adalah mengenai istilah-istilah yang sering muncul
di Data Warehouse.
Waktu pertama
saya masuk kelas Dawer, dosen saya selalu menggunakan istilah-istilah seperti
Data Mart, OLTP, OLAP, dll. Terus terang aja, sebenernya saya gak ngerti apa
maksud dari istilah-istilah tersebut. Maklum, saya lebih familiar dengan istilah-istilah
yang biasa digunakan oleh master “Vickybulary” (kalimat barusan memang tidak
ada hubungannya dengan data warehouse saudara, jadi abaikan saja!). Oke, fokus ke
Dawer! Untuk mengetahui lebih lanjut, mari langsung saja kita simak pembahasan
dibawah ini…
Istilah-istilah
yang berkaitan dengan data warehouse:
1. Data Mart
Data mart
adalah suatu bagian pada data warehouse yang mendukung pembuatan laporan dan
analisa data pada suatu unit, bagian atau operasi pada suatu perusahaan. Dalam
beberapa implementasi data warehouse, data mart adalah miniature data
warehouse. Data mart sering digunakan untuk memberikan informasi kepada segmen
fungsional organisasi. Contoh umum data mart adalah untuk departemen penjualan,
departemen persediaan dan pengiriman, departemen keuangan, manajemen tingkat
atas, dan seterusnya.
2. On-Line Transaction
Processing (OLTP)
Merupakan
suatu pemrosesan yang menyimpan data mengenai kegiatan operasional transaksi
sehari-hari. OLTP
sering kita jumpai di sekitar kita misalnya seperti di toko atau swalayan yang
menggunakan
database pada sistem informasi penjualan.
3. On-Line
Analytical Processing (OLAP)
Merupakan sebuah
proses berbasis komputer yang memungkinkan penggunanya untuk melihat data
terkini dari berbagai sudut pandang atau persepsi secara mudah dan cepat. Untuk
memungkinkan terjadinya analisis, data-data OLAP disimpan dalam multidimensional
database. Pada multidimensional database, setiap atribut dari datanya (misalnya
produk, periode, lokasi) dibedakan sebagai dimensi yang berbeda- beda. Software
dari OLAP dapat menghubungkan dimensi-dimensi dari data tersebut dan menampilkannya.
Software OLAP dapat digunakan sebagai data mining.
4. 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.
5. Dimension
Table
Tabel yang
berisikan kategori dengan ringkasan data detail yang dapat dilaporkan. Seperti
laporan laba pada tabel fakta dapat dilaporkan sebagai dimensi waktu (berupa
perbulan, perkwartal dan pertahun).
6. 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.
7. DSS
Merupkan
sistem yang menyediakan informasi kepada pengguna yang menjelaskan bagaimana
sistem ini dapat menganalisa situasi dan mendukung suatu keputusan yang baik.
Demikian
istilah-istilah yang sering saya dengar di kelas Dawer. Gimana menurut saudara,
cukup membuat panas otak Anda bukan? Belum lagi kalau di pelajari lebih mendalam,
masih banyak sekali istilah-istilah yang belum terungkap. Kalau ibarat
ikan-ikan dilaut, itu baru ikan teri nya aja yang terjaring ($#%^&!@$?). Udah
ah, saya cabut dulu ya… kalau ada pertanyaan dan masukkan dari rekan-rekan
sekalian, silahkan tinggalkan komen dibawah ini! Gak usah takut, gratis koq...
Sampai jumpa
di chapter-chapter berikutnya… Bye!
Pagi mba Qura...
BalasHapusmau nanya donk, data warehouse dan OLAP dibangun berdasarkan multidimensional data model, tolong dijelaskan donk mengenai multidimensional data model ini seperti apa? thx
Pagi juga Mbak Ira...
BalasHapusData Multidimensi adalah ketika kita dapat melihat sebuah data dari berbagai sudut pandang atau dimensi. Sebagai contoh; penjualan buku dapat dilihat dari segi lokasi buku, waktu, dan lokasi penjualan. Jika digambarkan, maka akan terdapat tiga koordinat yaitu sumbu x mewakili buku, sumbu y mewakili dimensi waktu dan sumbu z untuk dimensi lokasi. Hal inilah yang menjadi perbedaan mendasar antara tabel relasional dan data multidimensi.
Cube merupakan contoh data multidimensi. Dengan cube data menjadi lebih mudah untuk dimanipulasi. Setiap sumbu cube mewakili dimensi-dimensi.
Aku pernah dengar kalau proses penemuan informasi dengan menggunakan data mining itu bisa dilakukan dengan menggunakan algoritma. Tapi yang sering aku dengar algoritma Apropriori. Ada algoritma lain gag Quratu? Kalo ada, ntar di postingan berikutnya bakalan dibahas gag.. hehe..
BalasHapusberkunjung ke http://dapatilmubareng.wordpress.com/2013/09/25/ini-nih-manfaat-lain-dari-mbah-google/ yah..
contoh data Data Mining itu seperti apa sih bisa di perjelas masih kurang paham :D
BalasHapusjangan lupa mampir ===> zayikin.blogspot.com
contoh kasus yang dapat diambil dalam penerapan data mining yaitu misalnya pada toko buku. Misalnya toko buku tersebut memiliki database pembelian buku-buku yang telah dibeli. Penjual dapat memanfaatkan database tersebut menggunakan data mining. Dengan menggunakan data mining penjual dapat mengetahui buku-buku dengan kategori apa saja yang paling banyak terjual, yang kurang banyak terjual, atau tidak pernah terjual. Selain itu penjual dapat mengetahui pada waktu-waktu kapan saja buku tertentu terjual paling banyak. Misalnya berdasarkan database penjualan, pada tahun ajaran baru, buku-buku pelajaran SD, SMP, dan SMA adalah yang paling banyak terjual. Penjual dapat menyiasatinya untuk meningkatkan pendapatan dengan cara menempatkan buku-buku pelajaran SD, SMP, dan SMA ke rak buku bagian belakang karena barang tersebut pasti dicari dan menempatkan buku-buku yang kurang banyak terjual atau tidak pernah terjual di rak buku bagian depan. Selain itu penjual dapat menambah stok buku pelajaran SD,SMP, dan SMAnya dan menambah barang-barang lain yang kemungkinan besar terjual laris manis pada tahun ajaran baru. Misalnya pupen, buku tulis, tas, dll. Sehingga yang dijualnya bukan hanya buku-buku saja tetapi juga barang-barang lain yang juga kemungkinan besar juga ikut terjual pada tahun ajaran baru.
BalasHapusThanks udah berkunjung :)
wah penerapanya ternyata banyak juga @.@ thankz ya :D
Hapusjadi tw sekarang :D
Oke.. oke... sama-sama ^_^
Hapus@sisRiama: selain algoritma apropriori masih ada algoritma lain yang sering digunakan dalam data mining, misalnya seperti algoritma decision tree, dan juga algoritma naive bayes.
BalasHapus