Sistem Penunjang Keputusan, Pertemuan Ke-9 KECERDASAN BISNIS Data Warehouse, Data Mart, OLAP, dan Data Mining Data Warehouse Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional dan sumber yang lain (sumber eksternal) yang menjadi perhatian penting bagi manajemen dalam organisasi dan ditujukan untuk keperluan analisis dan pelaporan manajemen dalam rangka pengambilan keputusan Data warehouse digunakan untuk mendukung pengambilan keputusan, bukan untuk melaksanakan pemrosesan transaksi Data warehouse hanya berisi informasi-informasi yang relevan bagi kebutuhan pemakai yang dipakai untuk pengambilan keputusan Perbedaan DW dan OLTP OLTP
Data Warehouse Menangani data saat ini Data bisa saja disimpan pada beberapa platform Data diorganisasikan berdasarkan fungsi atau operasi seperti penjualan, produksi, dan pemrosesan pesanan Pemrosesan bersifat berulang Untuk mendukung keputusan harian (operasional) Melayani banyak pemakai operasional Berorientasi pada transaksi
Lebih cenderung menangani data masa lalu Data disimpan dalam satu platform Data diorganisasikan menutut subjek seperti pelkanggan atau produk Pemrosesan sewaktuwaktu, tak terstruktur, dan bersifat heuristik Untuk mendukung keputusan yang strategis Untuk mendukung pemakai manajerial yang berjumlah relatif sedikit Berorientasi pada analisis
Sumber Data untuk DW 1. Data operasional dalam organisasi, misalnya basis data pelanggan dan produk, dan 2. Sumber eksternal yang diperoleh misalnya melalui Internet, basis data komersial, basis data pemasok atau pelanggan Berbagai data yang berasal dari sumber digabungkan dan diproses lebih lanjut oleh manajer data warehouse dan disimpan dalam basis data tersendiri. Selanjutnya, perangkat lunak seperti OLAP dan data mining dapat digunakan oleh pemakai untuk mengakses data warehouse Prinsip Data Warehouse Sumber Data Internal
Sumber Data Operasional 1
Sumber Data Operasional 2
Manajer Data Warehouse
Perangkat EIS Perangkat pelaporan Perangkat pengembangan aplikasi
OLAP
Sumber Data Eksternal
Data Warehouse Data Mining
Noviyanto, ST
Halaman 1
Sistem Penunjang Keputusan, Pertemuan Ke-9 Sifat Data Warehouse Multidimensional yang berarti bahwa terdapat banyak lapisan kolom dan baris (Ini berbeda dengan tabel pada model relasional yang hanya berdimensi dua) Berdasarkan susunan data seperti itu, amatlah mudah untuk memperoleh jawaban atas pertanyaan seperti: Berapakah jumlah produk 1 terjual di Jawa Tengah pada tahun n-3? T a hun n-4 T ah un n -3 T ah un n -2 T a hun n-1 J aw a T e ngah J aw a B ara t
Pr o d u k 3 Pr o d u k 2 Pr o d u k 1
Mengingat sistem data warehouse memerlukan pemrosesan data dengan volume yang besar, sistem ini biasa diterapkan dengan menggunakan teknologi pemrosesan SMP (Symmetric Multiprocessing) dan MPP (Multiple Parallel Processing) Data warehouse dapat dibangun sendiri dengan menggunakan perangkat pengembangan aplikasi ataupun dengan menggunakan perangkat lunak khusus yang ditujukan untuk menangani hal ini Beberapa contoh perangkat lunak yang digunakan untuk administrasi dan manajemen data warehouse: HP Intelligent Warehouse (Hewlett Packard) FlowMark (IBM) SourcePoint (Software AG) Petunjuk Membangun DW Menentukan misi dan sasaran bisnis bagi pembentukan data warehouse Mengidentifikasi data dari basis data operasional dan sumber lain yang diperlukan bagi data warehouse Menentukan item-item data dalam perusahaan dengan melakukan standarisasi penamaan data dan maknanya Merancang basis data untuk data warehouse Membangun kebijakan dalam mengarsipkan data lama sehingga ruang penyimpanan tak menjadi terlalu besar dan agar pengambilan keputusan tidak menjadi terlalu lamban. Menarik data produksi (operasional) dan meletakkan ke basis data milik data warehouse Data Mart Bagian dari data warehouse yang mendukung kebutuhan pada tingkat departemen atau fungsi bisnis tertentu dalam perusahaan. Karakteristik yang membedakan data mart dan data warehouse adalah sebagai berikut (Connolly, Begg, Strachan 1999). Data mart memfokuskan hanya pada kebutuhan-kebutuhan pemakai yang terkait dalam sebuah departemen atau fungsi bisnis. Data mart biasanya tidak mengandung data operasional yang rinci seperti pada data warehouse. Data mart hanya mengandung sedikit informasi dibandingkan dengan data warehouse. Data mart lebih mudah dipahami dan dinavigasi. Contoh Software Data Mart SmartMart (IBM) Visual Warehouse (IBM) PowerMart (Informatica)
Noviyanto, ST
Halaman 2
Sistem Penunjang Keputusan, Pertemuan Ke-9 OLAP OnLine Analytical Processing Suatu jenis pemrosesan yang memanipulasi dan menganalisa data bervolume besar dari berbagai perspektif (multidimensi). OLAP seringkali disebut analisis data multidimensi. Data multidimensi adalah data yang dapat dimodelkan sebagai atribut dimensi dan atribut ukuran Contoh atribut dimensi adalah nama barang dan warna barang, sedangkan contoh atribut ukuran adalah jumlah barang OLAP : Contoh Data 2 Dimensi
Kota Triwulan 1 2 3 4
Kudus
Magelang Semarang
6.000.000 4.500.000 7.600.000 5.400.000
8.500.000 12.500.000 3.500.000 14.000.000 5.500.000 13.700.000 7.200.000 12.800.00
Kemampuan OLAP Konsolidasi melibatkan pengelompokan data. Sebagai contoh kantor-kantor cabang dapat dikelompokkan menurut kota atau bahkan propinsi. Transaksi penjualan dapat ditinjau menurut tahun, triwulan, bulan, dan sebagainya. Kadangkala istilah rollup digunakan untuk menyatakan konsolidasi Drill-down adalah suatu bentuk yang merupakan kebalikan dari konsolidasi, yang memungkinkan data yang ringkas dijabarkan menjadi data yang lebih detail Slicing and dicing (atau dikenal dengan istilah pivoting) menjabarkan pada kemampuan untuk melihat data dari berbagai sudut pandang Contoh Tabel Pivoting
Rasa Sirup Biasa Rendah Kalori Total
Strawberry Mangga Nanas
Total
3.500.000 1.750.000 500.000 5.750.000 2.300.000 1.500.000 250.000 4.050.000 5.800.000 3.250.000 750.000 9.800.000
Sirup Biasa Biasa Biasa Rendah Kalori Rendah Kalori Rendah Kalori
Hierarki Dimensi untuk Drill-down
Nama Hari
Tahun
Wilayah
Triwulan
Negara
Bulan
Provinsi
Kota Tanggal Kecamatan (a) Hierarki Waktu
(b) Hierarki Lokasi
Software OLAP Express Server (Oracle) PowerPlay (Cognos Software) Metacube (Informix/Stanford Technology Group) HighGate Project (Sybase)
Noviyanto, ST
Halaman 3
Rasa Strawberry Mangga Nanas Strawberry Mangga Nanas
Pendapatan 3.500.000 1.750.000 500.000 2.300.000 1.500.000 250.000
Sistem Penunjang Keputusan, Pertemuan Ke-9 Data Mining Perangkat lunak yang digunakan untuk menemukan pola-pola tersembunyi maupun hubungan-hubungan yang terdapat dalam basis data yang besar dan menghasilkan aturanaturan yang digunakan untuk memperkirakan perilaku di masa medatang Data mining sering dikatakan berurusan dengan penemuan pengetahuan dalam basis data. Suatu aturan yang dihasilkan oleh data mining misalnya seperti berikut : Kebanyakan pembeli mobil Forsa adalah wanita berusia di atas 30 tahun . Prinsip Data Mining
Data Warehaouse
Pola
Data Mining
Aplikasi Data Mining Bidang
Contoh
Pemasaran
Mengidentifikasi pembelian yang dilakukan konsumen Menemukan hubungan di antara karakteristik demografi pelanggan Memperkirakan tanggapan penawaran melalui surat
Bank
Mendeteksi pola penyalahgunaan kartu kredit Mengidentifikasi tingkat loyalitas pelanggan Analisis klaim Memperkirakan pelanggan yang akan membeli produk baru
Asuransi
Teknologi Untuk Data Mining Statistik Jaringan saraf (neural network) Logika kabur (fuzzy logic) Algoritma genetika dan berbagai teknologi kecerdasan buatan yang lain Data Mining : Visualisasi Data Pendekatan data mining juga ada yang melalui visualisasi data Pada sistem seperti ini, pemakai akan dibantu untuk menemukan sendiri pola dari sejumlah data berukuran besar dengan didasarkan visualisasi oleh data mining Data Mining : Visualisasi Data
Noviyanto, ST
Halaman 4
Sistem Penunjang Keputusan, Pertemuan Ke-9 RINGKASAN DATA WAREHOUSE (GUDANG DATA) Gudang data adalah basis data yang menyimpan data yang sekarang dan terdahulu yang mungkin diminati oleh para pembuat keputusan di seluruh perusahaan. Data dari banyaknya transaksi Gudang data menggabungkan basis data operasional yang berbeda. DATA MART Adalah subset dari gudang data yang didalamnya terdapat ringkasan yang diberikan kepada pengguna tertentu. KOMPONEN GUDANG DATA
Online analytical processing (OLAP)
DATA MINING Adalah usaha untuk penggalian data yang tidak dapat diperoleh melalui pelaporan dan OLAP karena pola dan hubungannya tersembunyi. Jenis Informasinya adalah Asosiasi (hubungan kejadian) Sekuen (Hubungan berdasar waktu) Klasifikasi (Pengelompokan) Kluster (klasifikasi krn tdk ada kelompok) Ramalan Referensi http://images.tyascatur.multiply.multiplycontent.com/attachment/0/ShZXPQoKCpcAAF5OT@c 1/DATAWAREHOUSE.ppt?nmid=245743065
Noviyanto, ST
Halaman 5
