ARSITEKTUR DATA WAREHOUSE

 ARSITEKTUR DATA WAREHOUSE

Tugas Data warehouse

Nama : Rama Suherman

Npm : 19312152

Dosen pengampu : Setiawansyah, M.Kom.

PENGERTIAN ARSITEKTUR DATA

Arsitektur data warehouse adalah sekumpulan produk yang saling berintegrasi yang mampu untuk melakukan proses ekstraksi dan transformasi data operasional untuk dimasukkan ke dalam basisdata agar end-user dapat melakukan analisis dan mengambil laporan.Arsitektur data untuk data warehouse mempunyai komponen utama yaitu read- only database.Tujuannnya : Meningkatkan kualitas dan akurasi informasi bisnis dan mengirimkan informasi ke pemakai dalam bentuk yang dimengerti dan dapat diakses dengan mudah.

 Karakterisitik arsitektur data warehouse
Data diambil dari sistem asal (sistem informasi yang ada), database dan file.Data dari sistem asal diintegrasikan dan ditransformasi sebelum disimpan ke dalam Database Management System (DBMS) seperti Oracle, Ms. SQL Server, Sybase dan masih banyak yang lainnya.Data warehouse merupakan sebuah database terpisah bersifat hanya dapat dibaca yang dibuat khusus untuk mendukung pengambilan keputusan.Pemakai mengakses data warehouse melalui aplikasi front end tool.

KOMPONEN DALAM ARSITEKTUR DATA WAREHOUSE

Menurut Connoly dan Begg (2010:1204), arsitektur data warehouse dapat dijelaskan pada gambar berikut ini :

Komponen-komponen yang terdapat di dalam arsitektur data warehouse yaitu :

• Operational Data
• Operational Data Store
• Load Manager
• Warehouse Manager
• Query Manager
• Detailed Data
• Lightly dan Hightly Summarized Data
• Archive dan Backup Data
• End-User Access Tools

 

Karakteristik Data Warehouse

Menurut Immon (2005:29), karakteristik data warehouse dibagi

Menjadi beberapa bagian, yaitu :

1. Subject Oriented

Data Warehose disusun berdasarkan subjek-subjek utama dalam perusahaan. Hal ini menunjukkan bahwa data warehouse digunakan untuk menganalisis dan mengambil keputusan terkait histori subjek-subjek utama tersebut, bukan digunakan untuk mendukung aplikasi operasional.

2.Intergrated

Data dalam data warehouse berasal dari berbagai sumber yang terpisah. Data yang dimasukkan ke dalam data warehouse akan diubah, disusun ulang, diurutkan, dan dirangkum. Hal ini dilakukan untuk menjaga konsistensi data dalam data warehouse sehingga tercipta suatu gambaran data yang terintegrasi dalam perusahaan.

3.Non Volatile

Data dalam data warehouse tidak di-update secara realtime tapi diperbaharui secara berkala dari data operasional dalam jumlah data yang besar. Karakteristik data warehouse berbeda dengan karakteristik operasional data yang dapat diubah. Data dalam data warehouse hanya dapat loading data (mengambil data) dan mengakses data.

4. Time Variant

Setiap satuan data dalam data warehouse bersifat akurat dalam interval waktu tertentu. Pada tiap record terdapat bentuk penanda waktu untuk menunjukkan kapan waktu suatu record akurat. Misalnya, dilakukan time stamping atau pemberian tanggal transaksi untuk tiap record.

 

Metodologi Perancangan Data warehouse

Menurut Kimball (2010 : p210) terdapat 9 metodologi perancangan Data warehouse, diantaranya :

1. Pemilihan Proses (Choosing the Process)

• Proses (function) mengacu pada perihal subjek dari data mart tertentu

2. Pemilihan Grain (Choosing the Grain)

• MemilihGrain berarti menentukan secara tepat apa yang diwakili pada tabel fakta

3. Identifikasi dan penyesuaian dimensi (Identifying and conforming the dimensions)

• Dimensi mengatur konteks dari pertanyaan seputar fakta dalam table fakta

4. Memilih fakta (Choosing the facts)

• Grain dari table fakta menentukan fakta mana dapat digunakan dalam datamart.

5. Penyimpanan perhitungan awal dalam table fakta (Storing pre-calculations in the fact table)

• Setiap fakta yang sudah dipilih harus diperiksa ulang untuk menentukan apakah ada kesempatan untuk perhitungan awal

6. Melengkapi table dimensi (Rounding out the dimension tables)

• Pada tahap ini, kita akan kembali ke dimensi table dan menambahkan penjelasan pada dimensi sebanyak mungkin Penjelasan harus dimengerti oleh para pengguna atau user

7. Pemilihan durasi basis data (Choosing the duration of the database)

• Durasi mengukur sejauh mana table fakta bisa melihat ke beberapa tahun kebelakang.

8. Melacak perubahan dimensi secara perlahan (Tracking slowly changing dimensions)

• Perubahan dimensi secara perlahan

9. Menentukan prioritas query dan mode query (Deciding the query priorities and the query modes).