SISTEM PENGAMBILAN KEPUTUSAN, DATA WAREHOUSING DAN DATA MINING

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

 BAB I

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

 BAB III

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