Assalamualaikum...
TUGAS KAPITA SELEKTA
Terminologi Data Ware House, Data Mart, Data Mining,
OLAP (Online Analytical Processing), MOLAP, ROLAP. (Kelebihan,Kekurangan, dan
Deskripsi)
Data Warehouse dan Data
Mart
Data yang terdapat dalam data warehouse
dapat dibagi perbagian sesuai dengan kebutuhan dalam informasi. Inilah yang
dsebut dengan data mart. Data mart memiliki karakteristik yang sama dengan data
warehouse, perbedaannya hanya terdapat pada jumlah data yang dimiliki. Dalam
data mart, data yang ada hanya berasal dari satu bagian atau satu departemen
saja, sedangkan pada data warehouse, data yang ada berasal dari seluruh bagian
dalam perusahaan tersebut.
Dalam pembuatan data warehouse, ada dua
pendekatan yang dapat digunakan, yaitu :
Pendekatan Top Down (Top Down Approach)
Pendekatan ini dilakukan dengan membuat
perancangan data warehouse terlebih dahulu secara keseluruhan. Dalam
pembuatannya, ditentukan apa yang menjadi sumber data dan bagaimana cara untuk
memasukkannya ke dalam data warehouse yang telah dirancang terlebih dahulu.
Pendekatan ini menyatakan bahwa pembangunan desain arsitektur data warehouse
adalah hal pertama yang dilakukan dalam membangun suatu data warehouse.
Pendekatan Bottom Up (Bottom Up Approach)
Berbeda dengan pendekatan Top Down,
pendekatan ini menyatakan bahwa data warehouse berawal dari kumpulan data mart
yang telah dibangun terlebih dahulu untuk masing-masing departemen. Data mart
yang telah dibangun kemudian digabungkan untuk membangun suatu data warehouse
yang utuh.
Dalam pembangunan data mart, terdapat 2
arsitektur, yaitu : Dependent Data Mart dan Independent Data Mart (IDM).
Perbedaan dari kedua arsitektur tersebut hanya terletak pada ketergantungannya
terhadap data warehouse. Pada Dependent Data Mart, data yang diperoleh sangat
tergantung pada data warehouse terpusat sedangkan pada IDM, data yang digunakan
terpisah dari data warehouse terpusat dan bersifat independent (berdiri
sendiri).
OLAP
Online Analytical Processing (OLAP )
merupakan suatu metode pendekatan untuk menyajikan jawaban dari
permintaan proses analisis yang bersifat dimensional secara cepat, yaitu
desain dari aplikasi dan teknologi yang dapat mengoleksi, menyimpan, memanipulasi
suatu data multidimensi untuk tujuan analisis.
1. MOLAP
Multidimensional online analitycal processing (MOLAP)
menyimpan data dan agregasi pada struktur data multidimensi. Struktur MOLAP ini
tidak tersimpan pada data warehouse tapi tersimpan pada OLAP server.
Sehingga performa query yang dihasilkan olehnya sangat bagus. Model penyimpanan ini sesuai untuk database dengan ukuran kecil sampai sedang.
Cara kerja MOLAP secara umum dibagi ke dalam dua tahap sebagai berikut :
Sehingga performa query yang dihasilkan olehnya sangat bagus. Model penyimpanan ini sesuai untuk database dengan ukuran kecil sampai sedang.
Cara kerja MOLAP secara umum dibagi ke dalam dua tahap sebagai berikut :
·
Tahap konstruksi
dan populasi data, pada tahap ini sumber data akan dibaca, dilakukan
perhitungan agegrasi (summary group) pada
berbagai level dimensi, dan hasilnya akan disimpan di storage MOLAP.
Jika objek data diperumpamakan dengan table, maka untuk
satu cube akan banyak fragmen table yang isinya adalah
detil agregasi dari level tertentu.
·
Tahap query atau
layanan permintaan data analisis, pada tahap ini OLAP Server akan melayani
permintaan query dari client dan membaca data
dari storage MOLAP. Table yang akan dibaca adalah suatu fragmen
yang akan disesuaikan dengan permintaan dari client. Pada fase query
ini, jika OLAP Server terputus dengan data source tidak apa-apa karena sudah
tidak ada kaitannya.
Keuntungan dari MOLAP ini yang paling jelas adalah
performa kecepatan akses yang sangat baik. Namun kelemahannya adalah jika
kombinasi agregasi data yang dihasilkan untuk semua level, maka ukuran
penyimpanan akan bisa lebih besar daripada sumbernya sendiri.
2. ROLAP
ROLAP (relational online Analitycal processing) menggunakan tabel pada database relasional data warehouse untuk menyimpan detil data dan agregasi kubus. Berbeda dengan MOLAP, ROLAP tidak menyimpan salinan database, ia mengakses langsung pada tabel fact ketika membutuhkan jawaban sebuah query.
Sehingga query pada ROLAP mempunyai response time yang lebih lambat dibandingkan ROLAP maupun HOLAP. Karakteristik model ini digunakan untuk menyimpan data yang besar dan jarang dilakukannya proses query. Misalkan, data histori dalam jumlah besar dari beberapa tahun yang sebelumnya.
ROLAP (relational online Analitycal processing) menggunakan tabel pada database relasional data warehouse untuk menyimpan detil data dan agregasi kubus. Berbeda dengan MOLAP, ROLAP tidak menyimpan salinan database, ia mengakses langsung pada tabel fact ketika membutuhkan jawaban sebuah query.
Sehingga query pada ROLAP mempunyai response time yang lebih lambat dibandingkan ROLAP maupun HOLAP. Karakteristik model ini digunakan untuk menyimpan data yang besar dan jarang dilakukannya proses query. Misalkan, data histori dalam jumlah besar dari beberapa tahun yang sebelumnya.
Cara kerja ROLAP secara umum adalah
sebagai berikut :
·
OLAP
client mengirimkan query analisis ke OLAP Server.
·
OLAP
server akan melakukan pemeriksaan di cache apakah sudah bisa
melayani permintaan query dari client tersebut, jika sudah
akan dikirimkan.
·
Jika pada
cache belum terdapat data diminta, akan dilakukan query SQL ke data mart dan
hasil eksekusinya disimpan di cache dan dikirimkan kepada client. Cache
akan.
Keuntungan dari ROLAP ini adalah tidak
memerlukan storage tambahan. Namun kelemahannya adalah jika
data untuk suatu cube sangat besar (masif) maka performa pengambilan data akan
cukup buruk.
3. HOLAP
Gabungan model MOLAP dan ROLAP dapat kita peroleh dari HOLAP (hibrid online analitycal processing).Detil data tersimpan pada tabel relasional tapi aggregasi data disimpan dalam format multidimensi.
HOLAP hadir untuk mengatasi kelemahan dari ROLAP dan MOLAP, kelemahan tersebut adalah :
Gabungan model MOLAP dan ROLAP dapat kita peroleh dari HOLAP (hibrid online analitycal processing).Detil data tersimpan pada tabel relasional tapi aggregasi data disimpan dalam format multidimensi.
HOLAP hadir untuk mengatasi kelemahan dari ROLAP dan MOLAP, kelemahan tersebut adalah :
·
Performa
ROLAP tidak begitu baik karena agregasi selalu dilakukan ulang apabila cache
sudah expired.
·
Keterbatasan
storage dari MOLAP jika digunakan untuk menyimpan kombinasi agregasi pada semua
level.
Jadi HOLAP merupakan kombinasi atau "jalan
tengah" antara keduanya dimana HOLAP akan menyimpan data precomputed
aggregate pada media penyimpanan (storage) HOLAP sendiri.
Jadi Kesimpulanya
Istilah Business
Intelligence pertama kali didengungkan pada tahun 1989 oleh Howard
Dresner. Dia menggambarkan istilah tersebut sebagai seperangkat konsep dan
metode yang berguna untuk meningkatkan pembuatan keputusan dengan bantuan
sistem yang berbasiskan fakta atau realita yang terjadi.Menurut tim studi
Busines Intelligence pada Departemen Keuangan Indonesia menyatakan,Business
Intelligence (BI) merupakan sistem dan aplikasi yang berfungsi untuk
mengubah data-data dalam suatu perusahaan atau organisasi (data operasional,
data transaksional, atau data lainnya) ke dalam bentuk pengetahuan.
Aplikasi
ini melakukan analisis data-data di masa lampau, menganalisisnya dan
kemudian menggunakan pengetahuan tersebut untuk mendukung keputusan dan
perencanaan organisasi(Indonesia, 2007).Dari definisi itu, dapat dikatakan
bahwa Business Intelligence merupakan suatu sistem pendukung
keputusan yang berdasarkan pada data-data fakta kinerja perusahaan. Business
Intelligence berguna untuk mengefisienkan finansial, manusia, material
serta beberapa sumber daya lainya. Dalam perkembanganya banyak orang setuju
bahwaBusiness Intelligence telah banyak mencakup beberapa area teknologi
dan proses, antara lain adalah:
·
Forecasting
·
Budgeting
·
Dashboarding
·
Reporting
·
Strategic
Planning
·
Analysis
·
Scorecarding
·
Data
Mining
·
Data
Warehousing
0 Comments
