More Related Content
What's hot (20)
Similar to Perancangan data warehouse (20)
More from Setiawansyah Setiawansyah (20)
Recently uploaded (6)
Perancangan data warehouse
- 1. Perancangan Data Warehouse Menggunakan Nine Step Methodology UNIVERSITAS TEKNOKRAT INDONESIA
- 3. Data Warehouse Data Warehouse adalah perpaduan dari data perusahaan atau organisasi, baik dari staging area maupun area presentasi, dimana data operasional terlihat secara spesifik, terstruktur untuk query dan analisis performansi sehingga memudahkan penggunaan. (Kimball & Ross) UNIVERSITAS TEKNOKRAT INDONESIA
- 4. Data Warehouse Data warehouse adalah koleksi data yang berorientasi subjek, terintegrasi, time-variant dan tetap dari koleksi data dalam mendukung pengambilan keputusan management. (Inmon) UNIVERSITAS TEKNOKRAT INDONESIA
- 6. Karakteristik Karakteristik data warehouse yaitu 1. subject oriented 2. Integrated 3. non-volatile 4. time-variant. UNIVERSITAS TEKNOKRAT INDONESIA
- 7. Subject Oriented Subject-oriented yaitu data diorganisir berdasarkan subyek utama seperti pelanggan, pemasok, produk, dan penjualan. Data Warehouse fokus pada pemodelan dan analisis data untuk para pengambil keputusan. Sehingga Data Warehouse memberikan pandangan sederhana terhadap subyek permasalahan dengan tidak berfokus pada data-data yang tidak berguna dalam pengambilan keputusan. UNIVERSITAS TEKNOKRAT INDONESIA
- 8. Integrated Integrated yaitu Data Warehouse biasanya dibangun dengan mengintegrasikan beberapa sources yang berbeda, seperti database relasional, file flat, dan catatan transaksi online. Teknik pembersihan dan integrasi data diterapkan untuk memastikan konsistensi dalam konvensi penamaan, struktur pengkodean, ukuran atribut. UNIVERSITAS TEKNOKRAT INDONESIA
- 9. Time Variant Time Variant yaitu data disimpan untuk menyediakan informasi dalam jangka waktu tertentu misalnya data 5-10 tahun terakhir. Jadi setiap struktur utama dalam Data Warehouse berisi elemen waktu, baik secara implisit atau eksplisit. UNIVERSITAS TEKNOKRAT INDONESIA
- 10. Non Volatile Non-volatile artinya sebuah Data Warehouse biasanya terpisah secara fisik yang ditransformasikan dari data aplikasi yang diperoleh di lingkungan operasional. Dengan pemisahan ini, Data Warehouse tidak memerlukan pemrosesan transaksi, pemulihan, dan mekanisme kontrol konkurensi. UNIVERSITAS TEKNOKRAT INDONESIA
- 12. Manfaat Penerapan Data Warehouse berguna dalam mendapatkan analisa yang lebih baik dari data yang berjumlah sangat besar sehingga dapat membuat keputusan yang baik. Menurut (Connolly & Begg, 2015), data warehouse yang telah diimplementasikan dengan baik dapat memberikan keuntungan bagi perusahaan, yaitu: UNIVERSITAS TEKNOKRAT INDONESIA
- 13. Manfaat (1) Berpotensi mengembalikan nilai yang tinggi atas investasi yang dilakukan perusahaan. Suatu organisasi harus mengeluarkan uang dan sumber daya yang cukup besar untuk memastikan Data Warehouse diimplementasikan dengan baik. UNIVERSITAS TEKNOKRAT INDONESIA
- 14. Manfaat (2) Keuntungan kompetitif. Didapatkan jika pengambil keputusan mengakses data bahwa informasi yang sebelumnya tidak tersedia, tidak diketahui dan tidak dipergunakan misalnya informasi mengenai konsumen, trend, dan permintaan. UNIVERSITAS TEKNOKRAT INDONESIA
- 15. Manfaat (3) Meningkatkan produktifitas para pengambil keputusan perusahaan. Data Warehouse meningkatkan produktifitas para pengambil keputusan perusahaan dengan membuat database yang terintegrasi secara konsisten, berorientasi pada subyek, dan data historis. UNIVERSITAS TEKNOKRAT INDONESIA
- 17. Pendekatan Beberapa pendekatan yang digunakan untuk mengimplementasikan arsitektur datawarehouse, yaitu secara top-down, bottom-up. UNIVERSITAS TEKNOKRAT INDONESIA
- 18. Bottom - Up Pendekatan bottom up yang dikemukakan oleh Ralph Kimball atau biasa dikenal sebagai arsitektur bus Data Warehouse. Pengembangan arsitektur bus Data Warehouse dimulai dengan mengambil kebutuhan bisnis / subyek area tunggal yang spesifik kemudian dilakukan pembuatan data mart menggunakan pemodelan dimensional. Data dari semua sumber terkait dengan proses bisnis yang spesifik diintegrasikan ke dalam single data mart di tingkat perusahaan untuk selanjutnya diakses pengguna akhir dan mulai menggunakannya untuk analisis. UNIVERSITAS TEKNOKRAT INDONESIA
- 19. Top - Down Pendekatan Bill Inmon dalam pembuatan Data Warehouse biasa disebut juga dengan pendekatan top-down dengan rancangan data model yang sudah dinormalisasi. Selanjutnya dimensional data mart dibangun berisi data yang dirangkum berdasarkan kebutuhan pengguna akhir untuk analisis. UNIVERSITAS TEKNOKRAT INDONESIA
- 21. Perancangan Menurut Kimball (2010) Metodologi perancangan data warehouse adalah Nine-Step Methodology yang memiliki 9 (sembilan) langkah yaitu : UNIVERSITAS TEKNOKRAT INDONESIA
- 22. 1. Choosing The Process Untuk tahapan ini dalam merancang data warehouse harus sesuai dengan kebutuhan. Sebagai contoh ketika ingin menganalisis penjualan yang berdasarkan berbagai sumber yang berbeda atau dimensi. Untuk itu kita harus cermat memilih proses mana yang ingin kita analisa. UNIVERSITAS TEKNOKRAT INDONESIA
- 23. 2. Choosing The Grain Perancangan data model data warehouse itu juga harus sesuai atau berdasarkan dari tabel fakta dan dimensi, untuk itu ketika pemilihan sumber harus mengacu pada kemampuan untuk merepresentasikan fakta-fakta yang di ambil dari berbagai sumber dimensi pada OLTP. Sebagai contoh Sales_order_fact, adalah mengambarkan rincian custumer secara detail. Jadi tahap ini sangat penting karena akan mempengaruhi seperti apa nanti hasil dari data warehouse yang akan mudah untuk pengambilan keputusan UNIVERSITAS TEKNOKRAT INDONESIA
- 24. 3. Identifying and Conforming The Dimensions Dimensi ini sebagai gambaran fakta-fakta pada tabel fakta, sebagai contoh setiap data pada tabel customer_dim dilengkapi dengan cust_id, cust_number, cust_name, cust_street_address, cust_zip_code dan lainnya UNIVERSITAS TEKNOKRAT INDONESIA
- 25. 4. Choosing The Fact Pemilihan sumber dari sebuah tabel fakta akan menentukan fakta mana yang akan di gunakan. Sebagai contoh pada sales_order_fact terdiri dari customer_id, order_id, product_id, order_date yang menggambarkan fakta dari berbagai tabel dimensi yaitu customer, order, product dan tine yaitu order_date. UNIVERSITAS TEKNOKRAT INDONESIA
- 26. 5. Storing Pre-Calculation in The Fact Table Hal ini akan terjadi jika tabel fakta kehilangan statement sesuai dengan fakta yang dibutuhkan UNIVERSITAS TEKNOKRAT INDONESIA
- 27. 6. Rounding Out The Dimension Tables Tahap ini untuk menambahkan selengkap-lengkapnya pada tabel dimensi dan harus bersifat intuitif dan mudah dipahami oleh pengguna. Tahap ini agar pengguna dipermudahkan dalam penganalisaan nantinya UNIVERSITAS TEKNOKRAT INDONESIA
- 28. 7. Choosing The Duration of Database Tahapan ini berkaitan dengan penyimpanan data warehouse, katakan saja data yang kita kehendaki untuk di analisa memiliki durasi 5 (lima) tahun yang lalu UNIVERSITAS TEKNOKRAT INDONESIA
- 29. 8. Tracking Slowly Changing Dimension Ada 3 (tiga) tipe perubahan dimensi yaitu atribut dimensi yang telah berubah tertulis ulang, menimbulkan sebuah dimensi baru dan dimensi yang berubah menimbulkan alternatif, sehingga nilai atribut lama dan yang baru dapat diakses secara bersama pada dimensi yang sama. • Tipe 1: Perubahan data secara langsung atau update tabel dimensi. • Tipe2: Perubahan data membentuk record baru dengan surrogate key yang berbeda. • Tipe 3: Perubahan data akan membentuk atribut atau kolom baru pada tabel dimensi UNIVERSITAS TEKNOKRAT INDONESIA
- 30. 9. Decide the Physical Design Pada tahap ini, dilakukan perancangan fisik dari data warehouse. Selain itu, penentuan masalah-masalah yang mungkin ada pada perancangan fisik. UNIVERSITAS TEKNOKRAT INDONESIA
- 32. Star Schema Menurut Poniah (2010) Skema ini mengikuti seperti bentuk bintang, dimana terdapat satu tabel fakta (fact table) dipusat bintang dengan beberapa tabel dimensi (dimensional table) yang mengelilinginya. Semua tabel dimensi berhubungan langsung dengan tabel fakta. Primary Key pada tabel dimensi akan menjadi key pada tabel fakta atau dapat dikatakan bahwa tabel fakta memiliki kombinasi key dari tabel dimensi UNIVERSITAS TEKNOKRAT INDONESIA
- 33. Snowflake Schema Menurut Poniah (2010) Model snowflake merupakan perluasan dari star dimana ia juga mempunyai satu atau lebih dimensi. Hanya saja pada snowflake, tabel yang berelasi pada fact table hanya tabel dimensi utama, sedangkan tabel yang lain dihubungkan pada tabel dimensi utama. Model snowflake ini hampir sama seperti teknik normalisasi UNIVERSITAS TEKNOKRAT INDONESIA
- 34. Fact Constellation Jika dalam satu skema terdapat beberapa tabel fakta yang saling berbagi tabel dimensi, ini mirip sekali dengan desain relational database, namun tabel fakta hanya menyimpan data yang akan diolah lebih lanjut di data mining atau OLAP UNIVERSITAS TEKNOKRAT INDONESIA
- 37. 1. Choosing The Process Tahapan pemilihan proses ini dilakukan pemilihan subjek masalah dari data warehouse yang akan dibuat, lalu proses bisnis yang berhubungan dengan subjek masalah tersebut diidentifikasi. Proses yang diperlukan dalam analisis adalah penjualan barang pada PT Bangun Mitra Makmur UNIVERSITAS TEKNOKRAT INDONESIA
- 38. 2. Choosing The Grain Tahapan pemilihan sumber dari proses penjualan barang pada PT Bangun Mitra Makmur adalah memilih sumber data yang akan dilakukan analisis untuk data warehouse yaitu : 1. Pelanggan yaitu data pelanggan yang melakukan transaksi pembelian pada perusahaan. 2. Barang yaitu data barang yang ada pada perusahaan untuk dijual kepada pelanggan. 3. Destination yaitu data kabupaten lokasi/tempat dimana pelanggan berada. 4. Penjualan yaitu data penjualan yang menjadi tujuan utama perusahaan dalam proses penjualan barang. UNIVERSITAS TEKNOKRAT INDONESIA
- 39. 3. Identifying and Conforming The Dimensions Tahapan identifikasi dan penyesuaian dimensi dari proses penjualan barang pada PT Bangun Mitra Makmur adalah melakukan identifikasi tabel dimensi untuk setiap tabel fakta yang ada. Tabel dimensi dalam data warehouse ini adalah : 1. Dimensi pelanggan yang terdiri dari kode pelanggan, nama pelanggan, alamat pelanggan, nomor telepon, nama pemilik. 2. Dimensi barang yang terdiri dari kode barang, nama barang, dan harga barang. 3. Dimensi destination yang terdiri dari kode kabupaten, dan nama kabupaten. UNIVERSITAS TEKNOKRAT INDONESIA
- 40. 4. Choosing The Fact Tahapan tabel fakta dari proses penjualan barang pada PT Bangun Mitra Makmur adalah melakukan pemilihan tabel fakta untuk dijadikan tabel utama dalam data warehouse penjualan yaitu fakta penjualan. UNIVERSITAS TEKNOKRAT INDONESIA
- 41. 5. Storing Pre-Calculation in The Fact Table Tahapan ini melakukan pemilihan tabel fakta penjualan yang dapat dihitung yaitu total harga untuk proses perhitungan antara harga barang dengan jumlah jual, total seluruh untuk proses perhitungan summary dari total harga. UNIVERSITAS TEKNOKRAT INDONESIA
- 42. 6. Rounding Out The Dimension Tables Tahap ini untuk menambahkan selengkap-lengkapnya attribute pada tabel dimensi dan harus bersifat intuitif dan mudah dipahami oleh pengguna UNIVERSITAS TEKNOKRAT INDONESIA
- 43. 7. Choosing The Duration of Database Tahapan ini melakukan pemilihan durasi database yang akan digunakan dalam data warehouse penjualan yaitu dengan durasi 2 tahun terakhir dimulai dari Maret tahun 2018 sampai dengan Maret tahun 2020. UNIVERSITAS TEKNOKRAT INDONESIA
- 44. 8. Tracking Slowly Changing Dimension Tahapan ini melakukan pengamatan perubahan terhadap tabel dimensi. Pada proses ini dapat dilakukan dengan 2 cara yaitu : 1. Attribut dimensi yang telah ditulis secara berulang-ulang. 2. Attribut dimensi yang berubah dan menimbulkan alternatif sehingga nilai atribut lama dan baru dapat diakses secara bersama pada dimensi yang sama UNIVERSITAS TEKNOKRAT INDONESIA
- 45. 9. Decide the Physical Design Tahapan ini difokuskan pada perancangan fisik untuk data warehouse. Tahapan ini melakukan prioritas query untuk data warehouse penjualan yang akan mengeksekusi perintah query untuk menghasilkan output grafik penjualan yang akan menjadi tujuan dalam perancangan data warehouse penjualan pada PT Bangun Mitra Makmur. UNIVERSITAS TEKNOKRAT INDONESIA
- 47. Desain Star Schema Data Warehouse Penjualan Desain data warehouse yang digunakan adalah star schema, star schema data warehouse penjualan. UNIVERSITAS TEKNOKRAT INDONESIA Keunggulan Star Schema : 1. Lebih mudah dipahami karena modelnya yang lebih sederhana 2. Mempermudahkan mencari isi karena kesederhanaannya dengan cara melihat step by step dari masing-masing dimensinya 3. Proses query lebih cepat pada saat proses OLAP
- 49. Information Delivery Information Delivery Grafik Penjualan berdasarkan Dimensi Destination UNIVERSITAS TEKNOKRAT INDONESIA
- 50. Information Delivery Information Delivery Grafik Penjualan berdasarkan Dimensi Barang UNIVERSITAS TEKNOKRAT INDONESIA
- 51. Information Delivery Information Delivery Grafik Penjualan berdasarkan Dimensi Pelanggan UNIVERSITAS TEKNOKRAT INDONESIA
- 52. Conclusion UNIVERSITAS TEKNOKRAT INDONESIA Data warehouse Penjualan dirancangan dengan menggunakan Nine Step Methodology data warehouse sehingga menghasilkan desain data warehouse yang lebih baik dengan menggunakan permodelan star schema, sehingga proses OLAP untuk historical intelegency data penjualan menampilkan grafik penjualan secara cepat.
- 53. Tugas UNIVERSITAS TEKNOKRAT INDONESIA Jelaskan tentang Nine Step Methodology.? Jawaban tugas diposting dalam blog anda, dan link jawaban dikumpul dalam tugas pertemuan 12.
- 55. Any Question..??