ABSRAKSI
Decision Support System merupakan suatu sistem yang berfungsi
sebagai penunjangkeputusan. Data warehousing dan data mining
merupakan dasar-dasar arsitektural bagi sistem-sistem pendukung keputusan.
Keduanya memiliki hubungan simbiotik dimana data warehouse menyiapkan tahapan
untuk kegiatan data mining yang efektif. Teknologi data warehouse telah
memungkinkan sebuah organisasi untuk mengelola dan menyimpan data bisnis dalam
volume yang sangat besar dalam bentuk yang dapat dianalisa. Kematangan dalam
bidang kecerdasan buatan telah pula menciptakan sekumpulan teknik machine
learning (mesin pembelajaran) yang berguna untuk mengotomatisasi
kegiatan-kegiatan penting dan melelahkan guna mengungkapkan pola-pola dalam
database diperkenalkan konsep data
warehouse dan data mining sebagai teknologi dalam sistem pendukung
keputusan. Dalam implementasinya, teknik-teknik ini dapat diterapkan di
lingkungan perguruan tinggi sebagai salah satu upaya untuk mempertinggi
efisiensi dan efektifitas pengelolaan
Kata kunci : DSS (Decision Support Sysrtem), Data Warehousing dan Data Mining
Pendahuluan
1.1 LatarBelakang
Decision Support System merupakan suatu
sistem yang berfungsi sebagai penunjangkeputusan. Dengan adanya DSS, pekerjaan
dari para pengambil keputusan akan lebih terbantu secara signifikan. Makalah
yang disusun berikut ini menjelaskan suatu database yang biasa digunakan
sebagai pengambil keputusan yaitu data warehouse. Dikarenakan banyak organisasi
atau perusahaan kurangdapat menggunakan database operasional dalam mendukung
secara langsung pengambilan keputusan. Penyusun sadar dalam penulisan makalah
ini terdapat banyak kekurangan, oleh karena itu, kami menerima saran dan kritik
yang membangun agar dikemudian hari kami dapat menyusun suatu makalah dengan
lebih baik lagi.
Kumpulan basis data ini dapat menjadi bahan
untuk analisis data dan terutama untuk mendukung pengambilan keputusan, dan
pada umumnya tidak digunakan oleh organisasi untuk memprosestransaksi.
1.2 Rumusan
Masalah
- Pengertian Data Warehouse
- Pendekatanapa yang digunakan dalam pembuatan Data Warehouse.
- Pengertian Data Wining.
- Tujuan Data Warehouse.
- Perbedaan Data Mining dan Data warehouse.
- KeuntungandankerugianData Warehouse
BAB II
Pembahasan
2.1 Pengertian
data warehouse Gudang data (Bahasa Inggris:
data warehouse)
Suatu
sistem kompute runtuk mengarsipkan dan menganalisis data historis
suatu organisasi seperti data penjualan, gaji, dan informasi lain dari operasiharian. Pada umumnya suatu
organisasi menyalin informasi dari sistem operasionalnya (seperti penjualandan SDM) kegudang data menurut jadwal
teratur, misalnyase tiap malama tau setiap akhi rminggu. Setelah itu, manajemen
dapatmelakukankuerikompleksdananalisis(contohnyapenambangan data, data
mining)terhadapinformasitersebuttanpamembebanisistem yang operasional. Data
yang terdapat dalam data warehouse dapat dibagi perbagian sesuai dengan kebutuhan
dalam informasi. Inilah yang disebut 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 adahanya berasal dari satu bagian atau
satu departemen saja, sedangkan pada data warehouse, data yang ada berasal dari
seluruh bagian dalam perusahaan tersebut
2.2 Pendekatan Data warehouse
a. 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 kedalam
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.
b.
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.
2.3 Data
Mining
Data
mining memerlukan data yang banyak untuk dianalisa dan mendapatkan pattern
tertentu, datanya dari data warehouse yang menyimpan banyak data. DataWare Housepake
OLAP ini biar lebih cepet pemrosesannya CMIIW.
2.4 Perbedaan datawarehousing dan data
mining
Data
warehouse dan data mining adalah dua hal yang berbeda. Data warehouse adalah
database biasa yang berisi summary atau rekapuntuk subject tertentu yang
sudah diketahui. Misalnya manajemen ingin mengetahui informasi tentang penjualan
produk, maka dalam data warehouse dimasukkan rekap data penjualan dari database
transaksi penjualan. bentuknya pun tabel biasa saja. Tabel rekap ini hanya boleh
diretrieve (diambildatanya) dan ditambah, tidak boleh diubah, atau di hapus. Rekap
ini biasanya akan ditampilkan dalam bentuk tabel, grafik, chart didashboard
(aplikasi Business Intelligence). Data mining adalah proses pengolahan data untuk
mendapatkan informasi yang belum diketahui informasi apa saja yang terdapat di
kumpulan data tersebut. data mining dapatdilakukan terhadap berbagai jenis sumber
data, misalnya data warehouse, artikel
web, multimedia (gambar, suara, video), atau dokumen (files). Data mining dilakukan
dengan mengimplementasikan algoritma-algoritma data mining (akan dibahas di artikel lain) untuk mendapatkan
informasi yang tidak terlihat dengan pengamatan langsung
(perlupengolahanlebihlanjut)
2.5 Tujuan Data Warehouse
Tujuaninimembuat
data warehouse harusmemilikibeberapasifat ( referensi:Inmon, Turban) yaitu :
§ Non volatile
§ Berisi data
bersih
§ Terintegrasi
§ standardized format
§ enterprise-wide
§ time variant
§ subject oriented
Data warehouse menggunakan 3 macam pemodelan,
yaitu :
§ Star schema : adalah desain/skema dar isatu fact table
yang dikelilingi beberapa dimension tables
§ Now flake schema: adalah desain lanjutan dari star
schema, digunakan jika ada dimension table yang memiliki struktur
bertingkat-tingkat (leveling) misalnya [propinsi,
kabupaten, kecamatan, kelurahan], [tanggal, bulan, kuarter, semester ,tahun],
atau [negara, pulau, kota] fact constellation: inijika dalam satus kemater dapat
beberapa fact table yang saling berbagi dimension table, ini mirip sekali dengan
desain relational database, namun fact table hanya menyimpan data
yang akan diolah lebih lanjut di data mining dan OLAPP ada data
warehouse tidak digunak anistilan entity, istilah yang digunakan adalah
fact table dan dimension table.
§ Fact
table adalah tabel yang berisi semua data
yang ingin dan dapat diolah, misalnya jumlah penjualan, gaji pegawai, nilai
pengadaan dan seterusnya. Dimension table adalah
pengelompok kanuntuk data yang ada di fact table, misalnya lokasi toko ,usia pembeli,
nama departemen, jenis pengadaan dan seterusnya
2.6 KeuntungandanKerugian DataWarehouse
a.
Keuntungan
Data Warehouse
Data warehouse menyediakan model data yang bervariasi,dan
tidak bergantung pada satu sumber data saja. Hal ini memudahkan pimpinan perusahaan/manager membuat
laporan dan menganalisa. Saat me-load data kedalam data warehouse, data yang tidak
konsistenakan diketahui dan secepatnya dirubah. Mendukung proses pembuatan laporan,
agar keputusan yang diambil adalah keputusan yang benar sesuai data. Keamanan informasi
didalam data warehouse terjamin, karena data warehouse selalu digunakan dan dimonitor
oleh pengguna data warehouse tersebut.
Dalam membuat laporan tidak membuat proses transaksi yang
ada menjadi lambat, karena data warehouse terpisah dengan database operasional.
Data warehouse menyediakan berbagaimacam bentuk laporan yang terbaru.
b.
Kerugian
Data warehouse
Data warehouse tidak cocok untuk data yang tidak struktur. Data perludi extract, diubah, dan di load ke data
warehouse, sehingga membutuhkan waktu (delay) kerja untuk data warehouse yang belum
terbentuk. Semakin lama masa hidup bisnis yang menggunakan data warehouse, maka
semakin banyak biaya yang dikeluarkan oleh perusahaan untuk memodifikasi teknologi
data warehouse atau perawatan berjalan data warehouse. Jika data yang diambil lambat,
maka data yang dimiliki di data warehouse tidak berkulitas/ sehingga laporan tidak optimal
Penutup
3.1
Kesimpulan
Gudang
data (Bahasa Inggris : data warehouse) adalah suatu sistem komputer untuk mengarsipkan
dan menganalisis data historis suatu organisasi seperti data
penjualan, gaji, dan informasi lain dar ioperasi
harian. Pada umumnya suatu organisasi menyalin informasi dari sistem operasionalnya
(seperti penjualan dan SDM) ke gudang data menurut jadwal teratur, misalnya
setiap malam atau setiap akhi rminggu. Setelah itu, manajemen dapat melakukan kuerikompleks dan analisis (contohnya penambangan
data, data mining) terhadap informasi tersebut tanpa membebani sistem yang
operasional.
Daftar Pustaka
http://id.wikipedia.org/wiki/Gudang_data-
http://my.opera.com/aviciena/blog/2010/06/05/data-mining-
http://www.kaskus.us/showthread.php?t=5073964-
http://rencanait.wordpress.com/category/data-mining-dan-business-intelligence/- http://geeks.netindonesia.net/blogs/muhammadsubhan/archive/2009/11/10/tujuan-datawarehouse.aspx
Kita juga punya nih artikel mengenai Data Flow Diagram, silahkan dikunjungi dan dibaca, berikut http://repository.gunadarma.ac.id/bitstream/123456789/1359/1/50407997.pdf
BalasHapusTerimakasih