Senin, 23 September 2013

Istilah-istilah Dalam Data Warehouse

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!

8 comments:

  1. Pagi mba Qura...
    mau nanya donk, data warehouse dan OLAP dibangun berdasarkan multidimensional data model, tolong dijelaskan donk mengenai multidimensional data model ini seperti apa? thx

    BalasHapus
  2. Pagi juga Mbak Ira...

    Data 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.

    BalasHapus
  3. 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..

    berkunjung ke http://dapatilmubareng.wordpress.com/2013/09/25/ini-nih-manfaat-lain-dari-mbah-google/ yah..

    BalasHapus
  4. contoh data Data Mining itu seperti apa sih bisa di perjelas masih kurang paham :D

    jangan lupa mampir ===> zayikin.blogspot.com

    BalasHapus
  5. 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.

    Thanks udah berkunjung :)

    BalasHapus
    Balasan
    1. wah penerapanya ternyata banyak juga @.@ thankz ya :D
      jadi tw sekarang :D

      Hapus
    2. Oke.. oke... sama-sama ^_^

      Hapus
  6. @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