Skip to main content

Data Warehouse dan Integrasi Data

 


Nama                : I Nyoman Jyotisa

NIM                  : 1905551092

Matakuliah       : Data Warehouse

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

Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Udayana


Data Warehouse dan Integrasi Data

Pada artikel kali ini kita akan membahas Data warehouse dalam konteks integrasi data yang terjadi didalamnya. Ada empath al yang akan dibahas yaitu integrasi berupa penjelasan tentang data, aplikasi dan middleware kemudian membahas integrasi data, tujuan integrasi data pada data warehouse dan terkahir adalah perbandingan skema relasional dengan data muti dimensi.

Integrasi

Integrasi adalah konsep yang diterapkan dalam banyak bidang, mulai dari sosial, politik, budaya, hingga ekonomi. Integrasi adalah pembauran hingga menjadi kesatuan. Integrasi dalam banyak bidang keilmuan diartikan secara kasar sebagai suatu bentuk penyatuan elemen-elemen yang berbeda karakter dan klasifikasinya berdasarkan konsep, paradigma, dan unit.

Integrasi terdiri atas tiga tingkatan atau level yaitu

Integrasi di Level Data

Data-level integration yaitu memusatkan pada perpindahan data antar aplikasi dengan tujuan membagi data yang sama ke beberapa aplikasi yang berbeda. Integrasi ini merupakan titik awal integrasi. Integrasi level data ini secara relative lebih sederhana yang sudah sangat dikenal oleh kebanyakan pengembang. Mengakses basisdata secara relative lebih mudah dan ada beberapa tool yang memudahkan sharing data dan mempercepat. Selain itu, integrasi level data tidak memerlukan perubahan aplikasi. Ada tiga hal yang menjadi patokan dalam integrasi di level data yaitu format data bagaimana kita menggabungkan data dari berbagai sumber dengan format yang berbeda yaitu dengan menggunakan sistem dan integrasi data pada data warehouse Berasal dari mana saja data – data tersebut berasal dari database yang akan diintegrasikan menjadi satu yaitu sumber data

Ada 3 hal yang menjadi tujuan utama dari adanya integrasi di level data, terutama diterapkan pada Data Warehouse:

Analisa data

Analisa data melalui slicing data, apabila data berasal dari berbagai sumber data, akan memudahkan proses ini.

Pola

Pola yang dimaksud adalah untuk tujuan memperoleh knowledge (pengetahuan) melalui mining, misalkan pada data mining (pelengkap pada Data warehouse).

Keputusan

Decision Making atau penentuan keputusan, adalah tujuan lainnya dari adanya integrasi di level data pada Data Warehouse. Data yang terintegrasi dari berbagai sumber data, membantu memperkaya knowledge dan informasi yang diberikan melalui report (laporan) kepada para pemegang keputusan dalam suatu instansi di dalam pengambilan keputusan.

Integrasi di Level Aplikasi

Integrasi aplikasi memusatkan pada sharing fungsinalitas logika bisnis, serta tidak cuma informasi murni semacam pada integrasi tingkat informasi. Integrasi aplikasi umumnya dicapai lewat pemakaian application programming interfaces APIs. Aplikasi yang mengekspose fungsionalitasnya lewat API bisa mengakses ke fungsionalitas secara programatik tanpa memakai user interface. Tadinya pengembang belum merealisasikan pemakaian API. Tetapi aplikasi yang lebih baru sudah menerima konsep services yang menyediakan untuk aplikasi yang lain.

Integrasi di Level Middleware

Middleware merupakan perangat lunak yang menyediakan layanan buat aplikasi fitur lunak di luar yang ada dari sistem pembedahan. Middleware bisa ditafsirkan selaku “lem aplikasi”. Jadi middleware tidak jelas bagian dari sistem pembedahan, bukan sistem manajemen database, serta pula bukan bagian dari satu aplikasi fitur lunak. Middleware mempermudah pengembang fitur lunak buat melaksanakan komunikasi serta input/ output, sehingga mereka bisa fokus pada tujuan tertentu dari aplikasi mereka. Contohnya Mesin game aplikasi semacam Gamebryo serta Renderware kadang- kadang ditafsirkan selaku middleware, sebab mereka sediakan bermacam layanan buat menyederhanakan pengembangan permainan.

DAWET (Data Warehouse Terintegrasi)

DAWET adalah sebuah data warehouse yang melakukan integrasi di level data dan aplikasi, untuk kebutuhan analisa dan pengambilan keputusan terkait dengan pajak dan wajib pajak oleh Dirjen Pajak. DAWET ini terintegrasi dengan menggunakan sistem data warehouse dan big data dikarenakan data yang disimpan sangat kompleks mulai dari sisi format yang jauh berbeda dan strukturnya seperti video, audio, xml, text dan lain-lain

Daftar Pustaka

I Putu Agus Eka Pratama. Handbook Data Warehouse. Penerbit Informatika. Bandung. 2017) 

Pemaparan materi pertemuan Pertama tentang “Data Warehouse dan Integrasi Data” oleh I Putu Agus Eka Pratama, S.T., M.T.

Popular posts from this blog

Data Warehouse Terdistribusi

  Nama                : I Nyoman Jyotisa NIM                        : 1905551092 Matakuliah          : Data Warehouse Nama Dosen      : I Putu Agus Eka Pratama, S.T., M.T. Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Udayana Data Warehouse Terdistribusi Data warehouse terdistribusi saat ini telah banyak digunakan sebagai salah satu pilihan arsitektur untuk data warehouse yang lebih andal. Pada materi ini akan dijelaskan lebih lanjut mengenai data warehouse terdistribusi yang meliputi definisi, kelebihan, bagan arsitektur, serta komponen-komponennya. Materi ini juga akan meninjau kembali mengenai 3 hal utama yang dilakukan oleh data warehouse, dan bentuk-bentuk data warehouse yang lainnya. Peran Data Warehouse 1. Laporan (Report) Pembuatan laporan merupakan salah satu kegunaan data warehouse yang paling umum dilakukan. Dengan menggunakan query sederhana, dapat diperoleh laporan per hari, per bulan, maupun per tahun sesuai dengan jangka waktu yang diinginkan oleh pengg

Arsitektur Data Warehouse

Nama                : I Nyoman Jyotisa NIM                        : 1905551092 Matakuliah          : Data Warehouse Nama Dosen      : I Putu Agus Eka Pratama, S.T., M.T. Program Studi Teknologi Informasi, Fakultas Teknik, Universitas Udayana Definisi Data Warehouse      Definisi data warehouse menurut Bill Inmon yaitu Data warehouse sebagai konsep database unutk menggudangkan data dari beragai sumber data dengan dormat yang berbeda, dimana memiliki 6 sifat utama, subject oriented, integrated, process oriented, time variant, accessible, non volatile.      Menurut Ralph Kimball, Data warehouse itu mengumpulkan data dari sumber data transaksional sesuai dengan keutuhna pengguna dan disana ada proses query dan analisa data, kemudian akan masuk kedalam OLAP (On Line Analytical Processing)      Dari kedua definisi tersebut, Data warehouse bisa dikatakan hampir sama dengan database pada umumnya, bedanya yaitu pada database biasa, sumber datanya bisa dikatakan hanya dari satu sumber, sedangkan