Pengembangan Data Warehouse dan Multi Dimensi pada Data Warehouse

Nama                                              : I Made Rismawan Nugraha

NIM                                                  : 1805551114

Mata Kuliah                                   : Data Warehouse A

Dosen                                             : I Putu Agus Eka Pratama, S.T.,M.T.

Jurusan/Fakultas/Universitas  : Teknologi Informasi/ Teknik/ Universitas Udayana

  Pada Blog sebelumnya Kita mengetahui bahwa di dalam data warehouse itu terdapat 2  data yaitu data konvesional (OLTP) dan juga data historis (OLAP). Kedua data tersebut sudah sempet saya bahas di blog yang sembelumnya jadi disini tetap saya jabarkan secara singkat yaitu database konvensional terdapat data-data yang mengutamakan perubahan data atau penumpukan data secara langsung dengan input seseorang tanpa adanya data historis. Data historis itu sendiri merupakan pemasukan data tanpa merubah data yang sebelumnya kebalikan dari data konvesional. Tujuannya yaitu dengan adanya data yang lama itu nantinya data tersebut akan di gunakan dalam tujuan analisa data. 

Terkait dengan bagaimana mengumpulkan data dari berbagai sumber data, beragamnya format data, serta beragamnya kebutuhan para pengguna terkait dengan data pada data warehouse tersebut, maka ada sub bagian dari data warehouse yang biasanya di sebut data mart.

Data Mart

           Menurut Inmon , data mart adalah struktur data per departemen yang berasal dari data warehouse dimana data di denormalisasi berdasarkan kebutuhan informasi tiap departemen. Secara sederhana Data Mart merupakan suatu bagian pada data warehouse yang mendukung pembuatan laporan dan analisa data pada suatu unit, bagian atau operasi pada suatu perusahaan dan merupakan unit (bagian) dari Data Warehouse secara keseluruhan yang berada pada layer akses (Access Layer).

      Data Mart itu sendiri Data Mart merupakan sub bagian dari Data Warehouse keseluruhan sebagai sebuah struktur data, yang di dalamnya memuat data, guna Data Mart merupakan sub bagian dari Data Warehouse keseluruhan sebagai sebuah struktur data, yang di dalamnya memuat data yang berguna memudahkan pengguna akhir di dalam mengakses data dari Data Warehouse sesuai kebutuhan ataupun untuk analisa data.Data Mart merupakan unit (bagian) dari Data Warehouse secara keseluruhan yang berada pada layer akses (Access Layer) berorientasikan kepada spesifik proses bisnis dan kebutuhan dari unit organisasi tempat d mana Data Warehouse tersebut diimplementasikan. Apabila dianalogikan sebagai sebuah himpunan, maka Data Mart adalah himpunan bagian dari sebuah himpunan semesta bernama Data Warehouse..Sehingga apabila Data Warehouse memuat semua data sesuai kebutuhan dari keseluruhan organisasi bersangkutan, maka Data Mart hanya spesifik memuat data sesuai kebutuhan per unit atau departemen saja.

      Contohnya dari data mart itu sendiri kita ibaratkan kasusnya itu sendiri adlaah kampus dimana dataware house tiu terpusat pada kampus saja atau tu, berarti data martnya itu sendiri adalah data dari masing-masing fakutlas dan turunannya itu adalah prodi.

      Model Pengembangan Data Warehouse

             Model pengembangan data warehouse itu secara mendetail ada 6 tetapi dari agar kita lebih mudah memahaminya kita kelompokan saja menjadi 2 bagian yaitu ada yang menggunakan user feed back dan juga tanpa user feed back.  nah bagian yang akan saya kelompokan ini bisa di lihat dari no 1-3 itu merupakan tenpa user feedback dan 4-6 itu merupakan User Feedback.

        1.   Top Down tanpa User Feedback 

        Top Down tanpa User Feedback adalah model yang paling sederhana dalam pengembangan data warehouse inin karena hanya memiliki alur sebagai berikut: sumber2 data —> dw —> data mart dari atas ke bawah (top down) sama seperti namanya. Data-data di dalam data warehouse berasal dari data pada sumber-sumber data tidak ada pengubahan, di sisi pengguna mereka bebas mengubah sesuai kebutuhan masing-masing melalui data mart, melalui proses Extraction, Transformation, Transportation (ETT).

      2.   Bottom Up tanpa User Feedback 

            Bottom Up tanpa User Feedback  dari bawah ke atas jadi dia punya 2 proses di di dalamnya sebagai berikut :.ETT terhadap data dari sumber data ke data  mart lalu yang kedua ETT dari data mart ke data warehouse

       3.   Parallel tanpa User Feedback

     dia ini simplenya adalah modifikasi top down, tapi data mart tidak sepenuhnya bergantung ke data warehouse seperti halnya top down. Karena dia adalah data model dari data warehouse yang diikuti oleh semua data mart.  Sumber data dari data mart bs dimasukkan ke data warehouse  untuk model paralel tanpa user feedback ini jk diperlukan, namun bukan berarti data mart sepenuhnya bergantung kpd dw lagi spt 2 model lainnya. untuk masing - masing model pengembangan,itu bisa di sesuaikan dengan kebutuhan instanasi/organisasi/pengguna, budget dan ketersediaan resource.

4.  Top  Down  User FeedBack

    Pada Model Top Down beserta User Feedback sejumlah data dari berbagi sumber data membentuk Data Warehouse.→ Data Warehouse menjadi pusat dari penggudangan data – data yang berasal dari berbagai sumber data tersebut. .Terjadi proses integrasi di level data → memudahkan data – data disatukan ke dalam sebuah gudang data ini. .Dari Data Warehouse, dibentuk sejumlah Data Mart sesuai dengan kebutuhan pengguna.Terdapat aliran bolak – balik dari User Feedback (pengguna) ke Data Mart dan dari Data Mart ke Data Warehouse.

5. Bottom Up beserta User Feedback

    Mekaisme kerja dimulai dari membentuk dua atau lebih Data Mart menggunakan data – data dari berbagai sumber data. Kemudian digunakan ETT (Extraction, Transformation, Transportation) untuk membantu pengumpulan data, ekstraksi data, transformasi ke format data yang disepakati bersama di dalam Data Mart, serta integrasi di level data itu sendiri. User Feedback diarahkan melalui tatap muka Data Warehouse, yang berefek terhadap Data Mart – Data Mart yang membentuk Data Warehouse.

6. Parallel  User Feedback

    Mekanisme dimulai dari penentuan aturan untuk model data dari Data Warehouse ke Data Mart yang terbentuk. Data dari berbagai sumber data masuk ke Data Mart dan ke Data Warehouse. Kemudian Data dari sumber data yang menuju ke Data Mart saja yang akan..Data Warehouse mengagregasikan data, memuat fungsi koordinasi dan integratif untuk pengembangan ke depannya, termasuk juga manajemen data dan informasi kepada pengguna. .User Feedback dialirkan melalui tatap muka ke Data Mart.

Data Model 

Data model adalah dia adalah pemodelan data, semacam "role" yg hrs diikuti oleh semua data mart agar "sama" dgn dw spt yg kita ketahui kan data dari berbagai sumber data itu beragam formatnya saat di dw, dia hrs diseragamkan, ada menggunakan etl atau elt tergantung pilih yg mana dulu di sana nah untuk model pengembangan ini, data model dpt berupa role untuk format datanya spt apa, besar data, jenis data dll krn konsepnya paralel (liat lg penjelasan saya di atas, di slide, dan di buku), maka baik tanpa user feedback maupun dengan user fgeedback, wajib ada data model, sehingga data mart tdk sepenuhnya bergantung ke data Warehouse.

Data Relasional vs Data Multi Dimensi

Data Relasional 

    Data Relasional merupakan suatu data yang memiliki konsep keterhubungan antar data di dalam tabel pada suatu database yang memuat konsep dua dimensi dimana ini tentunya mencakup tabel dan kolom. dimana Sistem yang digunakan untuk data relasional ini yaitu RDBMS (Oracle, MySQL, SQL Server) dengan pengembangan desain pada ERD. Dalam data relasional juga terdapat yang namanya sebuah relasi antar tabel atau yang biasa di sebut dengan 

• One to one merupakan suatu bentuk hubungan satu baris pada tabel dengan satu baris tabel pada tabel yang lainnya

• One to many merupakan sebuah hubungan satu baris pada sebuah tabel dan lebih dari satu baris pada tabel lainnya

• Many to many merupakan sebuah hubungan dari banyak baris pada sebuah tabel denyan banyak baris pada tabel lainnya

Data Multi Dimensi

   Data multi dimensi merupakan  model data fisik (Physical data Model) yang strukturnya dapat dilihat dari berbagai sudut pandang (dimensi). jika pada data relasional yg ada didalamnya adalah "tabel" dengan field "baris" dan "kolom" tersebut, kita ubah ke dalam "sudut pandang" sudut pandang inilah yg disebut dimensi ibaratnya seperti ini klo di data relasional td, kita belajar datanya dgn sumbu x dan y (baris dan kolom pd tabel di db), maka di data multi dimensi ini, misal 3 dimensi, kita kenal sumbunya x, y, dan z contohnya kalau di database dan tabel-tabel untuk data relasional terkait "akademis", maka di dalam data multi dimensi kita dapat melihat contoh di bawah ini :

Data Multi Dimensi : 3 Tabel Akademis

Data Multi Dimensi ibaratkan Cube

   Sudut pandang dari cube ini berguna untuk memudahkan analisa data konsep dasar dari data warehouse  makanya dia mengutamakan data historis beda dgn database biasa yg transaksional setelah dimodelkan ke multi dimensi seperti ini, maka data mudah untuk diiris (slicing) sesuai kebutuhan .slicing/pivoting itu sendiri merupakan data itu dipilah yang sesuai dgn kebutuhan dari sekian banyaknya data yg sdh digudangkan, dibersihkan, disesuaikan dgn temanya. diambil dari subsetnya dari semesta data dan tidak lagi  dengan many to many atau bentuk relasi dr 3 tsb, krn disini kita "mengubah paradigma" dari relasional ke multi dimensi

Data Multi Dimensi : OLTP, OLAP

.OLTP → On Line Transactional Data → tidak ada data historis, data – data transaksional, hanya untuk kebutuhan data dan informasi semata → data hanya dilihat terstruktur dalam 2 dimensi (baris, kolom).

.OLAP → On Line Analytical Data → berasal dari data – data transaksi (OLTP) dengan mengutamakan historis data → maka data perlu dilihat dari 3 atau lebih dimensi, untuk kemudahan analisa data. 

Daftar Pustaka

[1]  I Putu Agus Eka Pratama. Handbook Data Warehouse. Penerbit Informatika. Bandung. (2017)

[2] Inmon, W.H . Building the Data Warehouse,edisi-3. Wiley Computer Publishing. (2002)