jumlah keluarga, dan jumlah rumah. Data diambil dari hasil sensus potensi desa yang dilakukan BPS tahun 1996, 1999, 2003, dan 2006.
|
|
- Hengki Rachman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 1 Latar Belakang PENDAHULUAN Kemajuan teknologi komputer semakin memudahkan proses penyimpanan dan pengolahan data berukuran besar. Namun demikian, seringkali data yang sudah tersimpan belum dimanfaatkan secara maksimal menjadi suatu informasi dan pengetahuan yang penting di kemudian hari. Pemakaian sumber informasi yang terkandung dalam basis data sangat berperan dalam proses permintaan dan pelayanan query. Terkadang proses query tersebut melibatkan sumber informasi yang besar sehingga diperlukan peningkatan kinerja query untuk mempercepat akses informasi. Data warehouse dan On-Line Analytical Processing (OLAP) merupakan elemen penting dalam mendukung proses pengambilan keputusan. Badan Pusat Statistik (BPS) secara teratur melakukan pengumpulan data untuk memantau kondisi penduduk dan sosial ekonomi Indonesia, misalnya melalui Survei Potensi Desa (Podes). Podes merupakan data yang berhubungan dengan wilayah (tata ruang) dengan basis desa/kelurahan. Podes pertama kali dilakukan pada tahun 1980 bersamaan dengan Sensus Penduduk Data Podes terdiri dari 257 item untuk seluruh desa di Indonesia. Data podes memiliki volume yang besar sehingga perlu disimpan dalam sebuah repositori yang solid, yaitu data warehouse. Data warehouse dapat digunakan untuk menyimpan dan mengolah data multidimensi agar dapat mendukung keputusan yang lebih cepat dan lebih tepat. Tujuan Penelitian ini bertujuan untuk merancang dan membangun suatu model basis data multidimensi untuk data potensi desa wilayah Bogor. Model data tersebut akan diimplementasikan dalam pembuatan kubus data dan OLAP (On Line Analitical Processing) pada data warehouse potensi desa. Ruang Lingkup Penelitian ini akan dibatasi pada pembuatan data warehouse potensi desa wilayah Bogor dengan subjek utama luas lahan, jumlah penduduk, jumlah sekolah, jumlah keluarga, dan jumlah rumah. Data diambil dari hasil sensus potensi desa yang dilakukan BPS tahun 1996, 1999, 2003, dan Manfaat Manfaat penelitian ini adalah tersedianya data dan informasi mengenai potensi desa yang dapat diakses secara cepat dan akurat. Dengan demikian, diharapkan data dan informasi tersebut dapat digunakan oleh pihak-pihak terkait (BPS dan Pemerintah) dalam mendukung proses pengambilan keputusan. TINJAUAN PUSTAKA Potensi Desa (Podes) Potensi desa (podes) adalah kemampuan atau daya/kekuatan yang memiliki kemungkinan untuk dikembangkan dalam wilayah otonomi desa. Data potensi desa merupakan data yang berurusan dengan wilayah/tata ruang dengan basis desa/ kelurahan. Sensus podes dilakukan setiap tiga tahun. Tujuan diadakannya PODES antara lain ( Tersedianya data yang potensi/keadaan pembangunan di desa/ dan perkembangannya meliputi keadaan sosial, ekonomi, sarana dan prasarana, serta potensi yang ada di desa/kelurahan. Menyediakan data untuk berbagai keperluan khususnya yang berkaitan dengan kebutuhan perencanaan regional (spasial) di setiap daerah. Melengkapi penyusunan kerangka sampling (sampling frame) untuk kegiatan statistik lebih lanjut. Menyediakan informasi bagi keperluan penentuan klasifikasi/updating desa urban dan rural, desa tertinggal dan tidak tertinggal. Menyediakan data pokok bagi penyusunan statistik wilayah kecil (small area statistics). Data Warehouse Secara umum, data warehouse merujuk pada tempat penyimpanan data yang dikelola secara terpisah dari basis data-basis data operasional yang dimiliki sebuah
2 2 instansi. Data warehouse seringkali dibangun dari berbagai basis data yang diintegrasikan dengan berbagai sistem aplikasi untuk mendukung proses pengambilan keputusan dan analisis data dengan menyediakan platform yang solid untuk data historikal dan gabungan (consolidated). Definisi dari data warehouse telah dinyatakan oleh Bill Inmon pada tahun 1980an, yaitu koleksi data yang bersifat subject-oriented, integrated, time variant, dan non-volatile, yang digunakan dalam pembuatan keputusan strategis (Imhoff et. al. 2003). Istilah data warehousing merujuk ke proses konstruksi dan pengunaan data warehouse (Tam 1998). Konstruksi data warehouse memerlukan tahapan data integration, data cleaning, dan data consolidation. Hal ini dikarenakan basis data diintegrasikan dari sumber data yang heterogen. Sumber-sumber data tersebut mungkin mengandung data dengan kualitas yang beragam atau memiliki representasi format data yang tidak konsisten. Model Data Multidimensi Model data multidimensi adalah model data yang digunakan pada data warehouse. Model data multidimensi terdiri dari dua data, yaitu (Mallach 2000): Data dimensi (dimension data) Data dimensi adalah entitas yang ingin disimpan oleh perusahaan (organisasi). Data dimensi akan berubah jika analisis kebutuhan pengguna berubah. Data dimensi mendefinisikan label yang membentuk isi laporan. Setiap dimensi diulang untuk setiap kelompok. Atribut data dimensi diletakkan pada tabel dimensi. Tabel dimensi berukuran lebih kecil daripada tabel fakta, berisi data bukan numerik yang berasosiasi dengan atribut dimensi. Data fakta (fact data) Data fakta adalah data utama dari data multidimensi yang merupakan kuantitas yang ingin diketahui dengan menganalisis hubungan antardimensi. Data fakta diekstrak dari berbagai sumber. Data fakta cenderung stabil dan tidak berubah seiring waktu. Atribut data fakta diletakkan pada tabel fakta. Tabel fakta berukuran besar, memiliki jumlah baris sesuai dengan jumlah kombinasi nilai dimensi yang mungkin dan jumlah kolom sesuai dengan jumlah dimensi yang direpresentasikan. Tabel fakta berisi nama-nama fakta, ukuran, dan foreign key dari tabel dimensi yang berhubungan. Model data multidimensi menampilkan data dalam bentuk kubus data. Kubus data memungkinkan data dimodelkan dan ditampilkan dalam banyak dimensi. Kubus data disebut juga cuboid. Pola-pola cuboid dapat dibuat apabila diberikan satu kumpulan dimensi. Masing-masing pola menampilkan data pada tingkat kesimpulan yang berbeda-beda (Han & Kamber 2006). Untuk menggambarkan hubungan antardata pada data multidimensi digunakan skema multidimensi. Skema adalah sekumpulan objek dalam basis data. Pada data warehouse, skema merupakan sekumpulan tabel yang berhubungan. Skema digunakan untuk menunjukkan hubungan antara tabel dimensi dengan tabel fakta. Skema ditentukan berdasarkan kebutuhan data warehouse dan keinginan pembuat data warehouse. Data warehouse membutuhkan skema yang ringkas dan berorientasi subjek. Tipe-tipe skema multidimensi antara lain (Han & Kamber 2006): Skema bintang (star schema) Skema bintang adalah skema data warehouse yang paling sederhana. Skema ini disebut skema bintang karena hubungan antara tabel dimensi dan tabel fakta menyerupai bintang dimana satu tabel fakta dihubungkan dengan beberapa tabel dimensi. Titik tengah skema bintang adalah satu tabel fakta besar dan sudut-sudutnya adalah tabeltabel dimensi. Bentuk skema bintang dapat dilihat pada Gambar 1. Keuntungan yang didapat jika menggunakan skema ini adalah peningkatan kinerja data warehouse, pemrosesan query yang lebih efisien, dan waktu respon yang cepat. Gambar 1 Skema bintang (Elmasri & Navathe 2000)
3 3 Skema snowflake (snowflake schema) Skema snowflake adalah variasi dari skema bintang dimana beberapa tabel dimensi dinormalisasi, jadi dihasilkan beberapa tabel tambahan. Bentuk skema snowflake dapat dilihat pada Gambar 2. Keuntungan yang didapat dengan menggunakan skema ini adalah penghematan memori, tapi waktu yang dibutuhkan untuk pemrosesan query menjadi lebih lama. Gambar 2 Skema snowflake (Elmasri & Navathe 2000) Skema galaksi (fact constellation) Pada skema galaksi, beberapa tabel fakta berbagi tabel dimensi. Bentuk skema galaksi dapat dilihat pada Gambar 3. Keuntungan menggunakan skema ini adalah menghemat memori dan mengurangi kesalahan yang mungkin terjadi. Gambar 3 Skema galaksi (Elmasri & Navathe 2000) Kubus Data: Komputasi Kuantitas Agregat Kubus data didefinisikan oleh dimensi dan fakta. Dimensi berisi perspektif atau entitas-entitas dimana organisasi menyimpan record data, sedangkan fakta mengandung ukuran-ukuran data dan relasi antardimensi akan dianalisis. Setiap dimensi dapat memiliki sebuah tabel dimensi yang menjelaskan lebih jauh dimensi-dimensi, sedangkan informasi tentang fakta seperti nama-nama fakta, ukuran-ukuran serta kunci untuk setiap tabel-tabel dimensi yang berelasi berada dalam tabel fakta. Motivasi utama untuk menentukan data multidimensi adalah pentingnya membuat agregasi data dalam berbagai cara. Measure pada kubus data adalah fungsi numerik yang dievaluasi pada tiap titik di dalam ruang kubus data (Han & Kamber 2006). Dalam contoh penjualan, kita dapat menemukan pendapatan penjualan total untuk tahun tertentu dan untuk produk tertentu, atau mungkin ingin dilihat pendapatan penjualan tahunan untuk setiap lokasi untuk semua produk. Perhitungan agregasi total melibatkan penetapan nilai tertentu untuk beberapa atribut yang digunakan sebagai dimensi dan menjumlahkan semua nilai yang mungkin untuk atribut-atribut yang membentuk dimensi-dimensi sisanya. Tabel 1 menunjukkan total yang dihasilkan dari semua lokasi untuk waktu tertentu dan Tabel 2 menunjukkan marginal total dari Tabel 1. Tabel 1 Total hasil penjumlahan semua lokasi untuk waktu dan produk tertentu Tahun Product ID Jan 1, Jan 2,.. Dec 31, 1 1, ,265 10,225 9,325.. Tabel 2 Marginal total dari Tabel 1. Jan Jan.. Dec Total 1, 2, 31, 1 1, , Product ID 27 10, , 225 9, Total 527, 532, , ,800, , 352, 127 Jika terdapat 365 hari dalam satu tahun dan 1000 produk, maka Tabel 1 memiliki entri sebanyak 365,000 (nilai total), untuk setiap pasangan data produk. Dapat juga ditentukan lokasi toko dan tanggal serta menjumlahkan nilai pada semua produk atau
4 4 menentukan lokasi dan produk serta menjumlahkan nilai pada seluruh tanggal. Tabel 2 menunjukkan marginal total dari Tabel 1. Nilai-nilai total ini dihasilkan dari penjumlahan pada tanggal dan produk. Dalam Tabel 3, pendapatan penjualan total untuk produk 1, yang diperoleh dengan menjumlahkan seluruh nilai pada baris 1 (seluruh tanggal), adalah 370,000. Pendapatan penjualan total pada 1 Januari, yang diperoleh dengan menjumlahkan seluruh nilai pada kolom 1 (seluruh produk), adalah 527,362. Pendapatan penjualan total, yang diperoleh dengan menjumlahkan semua baris dan semua kolom (semua tanggal dan produk) adalah 227, 352, 127. Hal yang penting dalam contoh ini adalah bahwa terdapat sejumlah total (agregat) yang berbeda yang dapat dihitung untuk sebuah array multidimensi, tergantung kepada berapa banyak atribut yang kita jumlahkan. Diasumsikan bahwa terdapat n dimensi dan bahwa dimensi (atribut) ke-i memiliki s i nilai yang mungkin. Terdapat n cara yang berbeda untuk menjumlahkan hanya pada sebuah atribut. Jika kita menjumlahkan pada dimensi j, maka diperoleh s 1 *...* s j-1 *s j+1 *...* s n total, masing-masing untuk setiap kombinasi nilai atribut yang mungkin dari n 1 atribut (dimensi) lainnya. Total yang dihasilkan dari penjumlahan satu atribut dari array multidimensi dengan n 1 dimensi dan terdapat n array dari total. Dalam contoh penjualan, terdapat tiga himpunan total yang dihasilkan dari pejumlahan hanya pada satu atribut dan masing-masing total dapat ditampilkan sebagai tabel dua dimensi. Jika kita menjumlahkan nilai atribut pada dua dimensi (mungkin dimulai dengan salah satu dari array total yang diperoleh dengan penjumlahan pada satu dimensi), maka kita akan memperoleh sebuah array multidimensi total dengan n 2 dimensi. Terdapat n array yang berbeda untuk 2 total. Untuk contoh penjualan, terdapat array total yang dihasilkan dari 3 = 3 2 penjumlahan pada lokasi dan produk, lokasi dan waktu, atau produk dan waktu. Secara umum, penjumlahan pada k dimensi menghasilkan n array total, masingmasing dengan n k k dimensi. Representasi data multidimensi, bersama dengan semua total (agregat) yang mungkin, dikenal sebagai kubus data. Selain nama, ukuran dari setiap dimensi, yaitu banyaknya nilai atribut, tidak harus sama. Di samping itu, sebuah kubus data dapat memiliki dimensi kurang atau lebih dari tiga. Online Analytical Processing ( OLAP) Sistem data warehouse digunakan untuk analisis data dan pembuatan keputusan. Sistem ini dikenal sebagai on-line analytical processing (OLAP) system. Sistem OLAP dapat mengorganisasikan dan mempresentasikan data dalam beragam format agar dapat mengakomodasi kebutuhan pengguna yang beragam. Online Analytical Processing (OLAP) adalah proses komputer yang memungkinkan pengguna dapat dengan mudah dan selektif memilih dan melihat data dari sudut pandang yang berbeda (Han & Kamber 2006). Data pada OLAP disimpan dalam basis data multidimensi. Jika basis data relasional terdiri atas dua dimensi, maka basis data multidimensi terdiri atas banyak dimensi yang dapat dipisahkan oleh OLAP menjadi beberapa sub atribut. OLAP dapat digunakan untuk menemukan hubungan antara suatu item yang belum ditemukan. Berdasarkan struktur basis datanya, OLAP dibedakan menjadi tiga kategori utama (Han & Kamber 2006): 1 Multidimensional Online Analytical Processing (MOLAP) adalah OLAP yang secara langsung mengarah pada basis data multidimensi. MOLAP memproses data yang telah disimpan dalam array multidimensional dimana semua kombinasi data yang mungkin dicerminkan, masing-masing di dalam suatu sel yang dapat diakses secara langsung. 2 Relational Online Analytical Processing (ROLAP) adalah OLAP yang melakukan analisis data secara dinamis yang disimpan dalam basis data relasional bukan pada basis data multidimensi. ROLAP merupakan bentuk teknologi dari OLAP yang paling berkembang. 3 Hybrid Online Analytical Processing (HOLAP) merupakan kombinasi antara ROLAP dengan MOLAP. HOLAP dikembangkan untuk mengkombinasikan
5 5 antara kapasitas data pada ROLAP yang besar dengan kemampuan proses pada MOLAP. Data Praproses Data praproses adalah proses yang harus dilakukan sebelum membuat data warehouse. Proses-proses tersebut adalah (Han & Kamber 2006): 1 Ekstraksi (extraction) Ekstraksi adalah pengambilan data yang relevan dari basis data operasional sebelum masuk ke data warehouse. Pada ekstraksi, atribut-atribut dan recordrecord yang diinginkan dipilih dan diambil dari basis data operasional. Hal ini perlu dilakukan karena tidak semua elemen data berguna dalam pembuatan keputusan. 2 Pembersihan (cleaning) Pada pembersihan semua kesalahan dihilangkan dan diperbaiki. Pembersihan dilakukan untuk menghilangkan kesalahan (error). Kesalahan yang umum terjadi adalah nilai yang hilang (missing values), noise, dan data yang tidak konsisten. Pembersihan dilakukan dengan mengisi nilai yang kosong dan menghilangkan noise. 3 Transformasi (transformation) Pada transformasi, data dari semua sumber diberikan format dan nama yang umum. Proses transformasi dilakukan agar data tetap konsisten. Transformasi yang paling penting adalah transformasi nama agar tidak ada nama atribut yang sama atau atribut yang sama memiliki nama yang berbeda pada basis data yang berbeda. Setelah transformasi nama, semua elemen data harus dikonversikan ke format yang umum. 4 Pemuatan (loading) Setelah tahap ekstraksi dan transformasi dilakukan, maka data sudah siap untuk dimasukkan ke data warehouse. Pada tahap ini juga dilakukan pengurutan dan pengecekan integritas. 5 Refresh Tahapan ini dilakukan jika ada data baru yang masuk. Arsitektur Data Warehouse Salah satu arsitektur data warehouse adalah arsitektur tiga tingkat seperti pada Gambar 4 (Han & Kamber 2006), yaitu: 1 Tingkat paling bawah merupakan server basis data warehouse yang seringkali berupa sistem basis data relasional. Pada awal proses data diekstrak dan ditransformasi agar siap dimasukkan ke data warehouse. Setelah data siap, maka dilakukan perancangan data warehousenya. 2 Tingkat tengah adalah server OLAP yang diimplementasikan menggunakan sebuah OLAP multidimensi (MOLAP) atau OLAP relasional (ROLAP). 3 Tingkat paling atas adalah tingkat pengguna. Pada tingkat ini dibuat suatu analysis tools, reporting tools, atau data mining tools. Gambar 4 Arsitektur tiga tingkat data warehouse (Han & Kamber 2006). Operasi-Operasi Pada Data Multidimensi Operasi-operasi pada data multidimensi meliputi (Han & Kamber 2006): Slicing dan Dicing Slicing adalah pemilihan sekelompok sel dari seluruh array multidimensi dengan menentukan nilai tertentu untuk satu atau lebih dimensi. Dicing merupakan pemilihan sebuah subset dari sel dengan menentukan range nilai atribut. Hal ini ekuivalen dengan mendefinisikan sebuah subarray dari array yang lengkap. Dalam praktis, kedua operasi
6 6 ini dapat disertai oleh agregasi pada beberapa dimensi. Roll up dan Drill down Nilai atribut seperti tanggal memiliki nilai yang menyatakan tahun, bulan dan minggu. Sebuah lokasi juga dapat memiliki beberapa ciri seperti country (negara), state (propinsi) dan kabupaten. Product dapat dibagi ke dalam berbagai kategori seperti elektronik dan furniture. Seringkali kategori ini dapat diorganisasikan sebagai pohon hirarki atau lattice. Sebagai contoh, tahun berisi bulan dan minggu, keduanya berisi hari. Lokasi dapat dibagi ke dalam negara, yang terdiri dari propinsi, dan propinsi terdiri dari kabupaten. Contoh lain adalah kategori produk, furniture, dapat dibagi ke dalam sub kategori kursi, meja, sofa dan lain-lain. Struktur hirarki memunculkan operasi roll-up dan drill-down. Sebagai ilustrasi, pada data penjualan, yang merupakan data multidimensi dengan entri-entri untuk setiap tanggal, kita dapat menentukan agregat (roll-up) penjualan untuk semua tanggal dalam satu bulan. Sebaliknya, diberikan representasi data dimana dimensi waktu dipecah ke dalam bulan, kita ingin memisahkan total penjualan bulanan (drill down) ke dalam total penjualan harian. Dengan demikian operasi roll-up dan drill-down berkaitan dengan agregasi. Akan tetapi kedua ini berbeda dengan operasi agregasi yang telah dibahas, bahwa operasi roll-up dan drill-down mengagregasi sel dalam sebuah dimensi, bukan pada seluruh dimensi. Pivot Agregasi yang dijelaskan sebelumnya dapat dipandang sebagai bentuk reduksi dimensionalitas. Secara khusus, dimensi ke-j dieliminasi dengan penjumlahan pada dimensi tersebut. Secara konseptual, hal ini meringkas setiap kolom dari sel dalam dimensi ke-j ke dalam sebuah sel. Jika s j adalah banyaknya nilai yang mungkin dari dimensi ke-j, banyaknya sel direduksi oleh faktor dari s j. Pivoting merujuk kepada agregasi pada semua dimensi. Hasilnya adalah tabulasi silang dua dimensi dengan dua dimensi yang ditentukan sebagai dimensi-dimensi sisanya. Gambar 5 menunjukkan ilustrasi untuk operasi-operasi pada data multidimensi. Gambar 5 Ilustrasi untuk operasi-operasi pada data multidimensi. Oracle Data Warehouse Oracle data warehouse adalah proses pembangunan data warehouse menggunakan tools yang terdapat dalam oracle sehingga data dapat dengan mudah dikelola, diakses, dan dianalisis. Dengan manajemen antarmuka tunggal, Oracle Database 10g melakukan pemeliharaan sederhana terhadap pengembangan data warehouse (Oracle 2006). METODE PENELITIAN Penelitian ini akan dilakukan dalam beberapa tahap yaitu tahap analisis aliran data, perancangan, dan pembuatan data warehouse, dan pengembangan OLAP. Tahap-tahap tersebut dijelaskan sebagai berikut : Analisis Data Sensus potensi desa (podes) dilakukan setiap tiga tahun. Data yang akan digunakan dalam pembuatan data warehouse potensi desa di wilayah Bogor adalah data potensi desa hasil sensus BPS pada tahun 1996, 1999, 2003, Untuk data Potensi Desa akan dilakukan praproses data meliputi
PENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belakang PENDAHULUAN Teknologi basis data saat ini berkembang sangat pesat. Data disimpan dalam basis data, diolah kemudian disajikan sebagai informasi yang bernilai bagi pengguna. Penyimpanan
Lebih terperinciTUGAS DATA WAREHOUSE & DATA MINING OLAP, OPERASI OLAP & MOLAP
TUGAS DATA WAREHOUSE & DATA MINING OLAP, OPERASI OLAP & MOLAP OLEH: VIVIAN WIJAYA (15 62 003) JURUSAN SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS ATMA JAYA MAKASSAR 2017 OLAP, OPERASI OLAP
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belakang PENDAHULUAN Saat ini sudah banyak organisasi yang telah mengadopsi teknologi data warehouse. Penerapan teknologi ini sangat membantu sekali bagi suatu organisasi yang memiliki data yang
Lebih terperincihttp://www.brigidaarie.com Apa itu database? tempat penyimpanan data yang saling berhubungan secara logika Untuk apa database itu?? untuk mendapatkan suatu informasi yang diperlukan oleh suatu organisasi
Lebih terperinci6/26/2011. Menurut W.H. Inmon dan Richard D.H. Menurut Vidette Poe
Menurut W.H. Inmon dan Richard D.H. koleksi data yang mempunyai sifat berorientasi subjek,terintegrasi,time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management
Lebih terperinciPEMBUATAN DATA WAREHOUSE POTENSI DESA DI WILAYAH BOGOR MENGGUNAKAN ORACLE DATA WAREHOUSE DINA WISUDAWAN KUSUMANINGTIAS G
PEMBUATAN DATA WAREHOUSE POTENSI DESA DI WILAYAH BOGOR MENGGUNAKAN ORACLE DATA WAREHOUSE DINA WISUDAWAN KUSUMANINGTIAS G64103018 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciDATA WAREHOUSING AND ONLINE ANALYTICAL PROCESSING (OLAP)
DATA WAREHOUSING AND ONLINE ANALYTICAL PROCESSING (OLAP) Overview Data Warehouse dan OLAP merupakan elemen penting yang mendukung decision support. Terutama bagi perusahaan perusahaan besar dengan database
Lebih terperinciHASIL DAN PEMBAHASAN Dalam pembuatan data warehouse potensi desa wilayah Bogor melalui beberapa tahap yaitu:
8 memeriksa apakah masukan dari pengguna akan memberikan keluaran yang sesuai dengan tidak memperhatikan proses yang terjadi di dalamnya (Sommerville 2000). HASIL DAN PEMBAHASAN Dalam pembuatan data warehouse
Lebih terperinciBasis Data Oracle - Business Intelligence System. Ramos Somya, M.Cs.
Basis Data Oracle - Business Intelligence System Ramos Somya, M.Cs. Menurut W.H. Inmon dan Richard D.H., data warehousing adalah koleksi data yang mempunyai sifat berorientasi subjek, terintegrasi, time-variant,
Lebih terperinciIMPLEMENTASI FUZZY OLAP PADA DATA POTENSI DESA DI PROVINSI JAWA BARAT TAHUN 2003 DAN 2006 SOFIYANTI INDRIASARI G
IMPLEMENTASI FUZZY OLAP PADA DATA POTENSI DESA DI PROVINSI JAWA BARAT TAHUN 2003 DAN 2006 SOFIYANTI INDRIASARI G64103046 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciMATERI : OLAP DAN ANALISIS DATA MULTIDIMENSIONAL
MATERI : OLAP DAN ANALISIS DATA MULTIDIMENSIONAL O L A P - Singkatan dari : On line Analytical Processing - Konsep OLAP pertama diusulkan oleh E.F Codd, bapak dari basis data relasional - Pada basis data
Lebih terperinciData Warehousing dan Decision Support
Bab 9 Data Warehousing dan Decision Support POKOK BAHASAN: Hubungan antara Data Warehouse dan Decision Support Model Data Multidimensi Online Analytical Processing (OLAP) Arsitektur Data Warehouse Implementasi
Lebih terperinciBAB III METODE PENELITIAN
15 BAB III METODE PENELITIAN Sistem informasi geografis persebaran hotspot di Indonesia merupakan suatu sistem yang bertujuan untuk memantau dan memberikan informasi mengenai persebaran hotspot yang ada
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Analisis data historis dan pengolahan data multidimensi bukan merupakan hal yang baru untuk mendukung suatu pengambilan keputusan. Namun perubahan objek data yang dicatat, membuat
Lebih terperinciPERANCANGAN DATA WAREHOUSE CALON MAHASISWA BARU POLITEKNIK NEGERI LHOKSEUMAWE
PERANCANGAN DATA WAREHOUSE CALON MAHASISWA BARU POLITEKNIK NEGERI LHOKSEUMAWE Nanang Prihatin 1 1 Dosen Politeknik Negeri Lhokseumawe ABSTRAK Bagi sebuah perguruan tinggi, penerimaan calon mahasiswa merupakan
Lebih terperinciTugas Akhir (KI091391) Muhamad Adi Prasetyo
Tugas Akhir (KI091391) Muhamad Adi Prasetyo 5105100159 Prolog Sebuah Program Aplikasi Web yang dibuat untuk melaporkan kuantitas Proses Produksi Menggunakan Metode OLAP pada PT. Aneka Tuna Indonesia (ATI).
Lebih terperinciDATAMULTIDIMENSI. DATAWAREHOUSE vs DATAMART FIRDAUS SOLIHIN UNIVERSITAS TRUNOJOYO
DATAMULTIDIMENSI FIRDAUS SOLIHIN UNIVERSITAS TRUNOJOYO DATAWAREHOUSE vs DATAMART DATAWAREHOUSE Perusahaan, melingkupi semua proses Gabungan datamart Data didapat dari proses Staging Merepresentasikan data
Lebih terperinciAnggota Kelompok 3 :
Anggota Kelompok 3 : Customer relationship management (CRM) Adalah manajemen hubungan antara perusahaan dengan pelanggan sehingga baik perusahaan maupun pelanggannya akan menerima nilai maksimum dari hubungan
Lebih terperinciIMPLEMENTASI FUZZY OLAP PADA DATA POTENSI DESA DI PROVINSI JAWA BARAT TAHUN 2003 DAN 2006 ABSTRAK
IMPLEMENTASI FUZZY OLAP PADA DATA POTENSI DESA DI PROVINSI JAWA BARAT TAHUN 003 DAN 006 Imas S Sitanggang, Sri Nurdiati, Sofiyanti Indriasari Staf Departemen Ilmu Komputer, Fakultas Matematika dan IPA,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi informasi selalu dituntut untuk dapat memenuhi berbagai kebutuhan di segala bidang kehidupan yang semakin lama semakin meningkat dan
Lebih terperinciPerancangan Data Warehouse
Perancangan Data Warehouse Data yang disimpan dalam data warehouse adalah data historis berorientasi subjek yang dapat mendukung proses pengambilan keputusan bagi manajemen. Artinya data tersebut harus
Lebih terperinciBab 2 Tinjauan Pustaka 2. 1 Penelitian Terdahulu
Bab 2 Tinjauan Pustaka 2. 1 Penelitian Terdahulu Perancangan dan Pembangunan Data Warehouse pada PLN Salatiga menggunakan skema snowflake. Perusahaan Listrik Negara merupakan suatu aset berharga dibidang
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 1 Edisi...Volume..., Bulan 20..ISSN : PEMBANGUNAN INDEPENDENT DATA MART PADA OPTIK YUDA
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 1 PEMBANGUNAN INDEPENDENT DATA MART PADA OPTIK YUDA Dinar Priskawati 1, Dian Dharmayanti 2 Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur
Lebih terperinciBAB I PENDAHULUAN. I.1 Pendahuluan
BAB I PENDAHULUAN I.1 Pendahuluan Dalam kegiatan manusia sehari-hari, terutama dalam kegiatan transaksi, seperti transaksi perbankan, rekam medis, transaksi jual beli dan transaksi lainnya harus dicatat
Lebih terperinciDESAIN DATAWAREHOUSE AKADEMIK UNTUK MENDUKUNG SISTEM ADMINISTRASI DATA AKADEMIK DI UNIVERSITAS TADULAKO. Mohammad Yazdi 1
DESAIN DATAWAREHOUSE AKADEMIK UNTUK MENDUKUNG SISTEM ADMINISTRASI DATA AKADEMIK DI UNIVERSITAS TADULAKO Mohammad Yazdi 1 1 Jurusan Matematika FMIPA Universitas Tadulako Jl. Soekarno-Hatta Palu, Indonesia
Lebih terperinciUniversitas Putra Indonesia YPTK Padang Fakulas Ilmu Komputer Program Studi Teknik Informatika. Knowledge Discovery in Databases (KDD)
Universitas Putra Indonesia YPTK Padang Fakulas Ilmu Komputer Program Studi Teknik Informatika Knowledge Discovery in Databases (KDD) Knowledge Discovery in Databases (KDD) Definisi Knowledge Discovery
Lebih terperinciDATA WAREHOUSE KONSEP Konsep dasar data warehouse adalah perbedaan antara data dan informasi. Data terdiri dari fakta-fakta yang dapat diamati dan
DATA WAREHOUSE KONSEP Konsep dasar data warehouse adalah perbedaan antara data dan informasi. Data terdiri dari fakta-fakta yang dapat diamati dan direkam yang sering ditemukan dalam sistem operasional
Lebih terperinciBusiness Intelligence. Data Warehousing, Data Acquisition, Data Mining, Business Analytics, and Visualization
Business Intelligence Data Warehousing, Data Acquisition, Data Mining, Business Analytics, and Visualization DEFINISI DATA WAREHOUSE Data warehouse adalah database yang saling bereaksi yang dapat digunakan
Lebih terperinciPEMANFAATAN DATA WAREHOUSE SEBAGAI SARANA PENUNJANG PENYUSUNAN BORANG AKREDITASI STANDAR 3 PADA FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS BUDI LUHUR
PEMANFAATAN DATA WAREHOUSE SEBAGAI SARANA PENUNJANG PENYUSUNAN BORANG AKREDITASI STANDAR 3 PADA FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS BUDI LUHUR Windarto Program Pascasarjana Magister Ilmu Komputer
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Umum 2.1.1 Pengertian Data Menurut (Inmon, 2005, p. 493) data merupakan kumpulan faktafakta, konsep-konsep dan instruksi-instruksi yang disimpan dalam media penyimpanan yang
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI Dalam bab ini akan dijelaskan tentang beberapa konsep tentang supra desa, business intelligence, data warehouse, staging area, ETL, OLAP, ROLAP, Pentaho Data Integration, dan PHP.
Lebih terperinciOLAP - PERTEMUAN 8 OLAP
OLAP - PERTEMUAN 8 OLAP OLTP & OLAP (1) OLTP adalah singkatan dari On Line Transaction Processing. OLTP sering kita jumpai di sekitar kita seperti toko atau swalayan contohnya database pada sistem informasi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Warehouse Mohammed (2014) mengatakan bahwa data warehouse merupakan database relasional yang dirancang untuk melakukan query dan analisis. Data warehouse biasanya berisi
Lebih terperinciPerancangan Basis Data
Modul ke: Perancangan Basis Data Fakultas FASILKOM DATA WAREHOUSE Program Studi Sistem Informasi www.mercubuana.ac.id Anita Ratnasari, S.Kom, M.Kom DATA WAREHOUSE Definisi Data Warehouse Salah satu efek
Lebih terperinciDATABASE. Basis Data : Suatu pengorganisasian sekumpulan data yang saling terkait sehingga
DATABASE Basis Data : Suatu pengorganisasian sekumpulan data yang saling terkait sehingga memudahkan aktivitas untuk memperoleh informasi. Contoh : basis data akademis mengandung tabel tabel yang berhubungan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Data Data adalah sebuah rekaman dari fakta-fakta, konsep-konsep, atau instruksiinstruksi pada media penyimpanan untuk komunikasi perolehan, dan pemrosesan dengan cara otomatis
Lebih terperinciANALISA DATA TRANSAKSIONAL PADA E-COMMERCE DENGAN TEKNOLOGI OLAP (ON-LINE ANALYTICAL PROCESS)
ANALISA DATA TRANSAKSIONAL PADA E-COMMERCE DENGAN TEKNOLOGI OLAP (ON-LINE ANALYTICAL PROCESS) Budi Santosa 1), Dessyanto Boedi P 2), Markus Priharjanto 3) 1,2,3) Jurusan Teknik Informatika UPN "Veteran"
Lebih terperinciTugas. Data Warehouse. OLAP, Operasi OLAP, dan Jenis Rolap
Tugas Data Warehouse OLAP, Operasi OLAP, dan Jenis Rolap Renhard Soemargono 1562001 PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS ATMA JAYA MAKASSAR 2017 OLAP (On-Line Analytical
Lebih terperinci[Data Warehouse] [6/C2 & 6/D2]
[Data Warehouse] [6/C2 & 6/D2] [ Chapter 6] Pemodelan Data Warehouse Dedy Alamsyah, S.Kom, M.Kom [NIDN : 0410047807] Pemodelan Data Ada dua pendekatan yang diterima sebagai best practice untuk memodelkan
Lebih terperinciWeb browser Mozilla Firefox 2.0 dan Internet Explorer 7 HASIL DAN PEMBAHASAN. Analisis Data
6 Web browser Mozilla Firefox 2.0 dan Internet Explorer 7 Analisis Data HASIL DAN PEMBAHASAN Data hotspot yang digunakan adalah data dari tahun 2000 sampai dengan tahun 2004. Hal ini disebabkan data hotspot
Lebih terperinciFAST berarti sistem ditargetkan untuk memberikan response terhadap user dengan secepat mungkin, sesuai dengan analisis yang dilakukan.
OLAP OLAP (Online Analytical Processing), merupakan metode pendekatan untuk menyajikan jawaban dari permintaan proses analisis yang bersifat dimensional secara cepat. Pengertian OLAP itu sendiri dapat
Lebih terperinciBAB 2 2 LANDASAN TEORI. Menurut Inmon (2002, p388), data adalah rekaman dari fakta-fakta, konsepkonsep,
BAB 2 2 LANDASAN TEORI 2.1 Pengertian Data Menurut Inmon (2002, p388), data adalah rekaman dari fakta-fakta, konsepkonsep, atau instruksi-instruksi pada media penyimpanan untuk komunikasi, pengambilan,
Lebih terperinciHASIL DAN PEMBAHASAN. Microsoft SQL Server Microsoft Sharepoint Microsoft.Net Framework 4.0.
3 warehouse dan data mart memiliki batasan yang sangat tipis, namun perbedaan ini tidak perlu dikhawatirkan karena secara subtansi tujuan dari pembuatannya memiliki kesamaan (Noviandi 2010). Konsep data
Lebih terperinciDatawarehouse dan OLAP (Overview) Diambil dari presentasi Jiawei Han
Datawarehouse dan OLAP (Overview) yudi@upi.edu Diambil dari presentasi Jiawei Han Apa Data warehouse? Database pendukung keputusan yang terpisah dengan database operasional Platform untuk konsolidasi
Lebih terperinciOnline Analytical Processing (OLAP)
Online Analytical Processing (OLAP) OLAP 1/16 Outline Keuntungan OLAP Penyajian Data Multidimensi Peralatan OLAP dan Kategorinya Penerapan SQL pada OLAP OLAP 2/16 OLAP : Sintesa dinamis, analisis, dan
Lebih terperinciBASIS DATA MODEL BASIS DATA
BASIS DATA MODEL BASIS DATA APA ITU MODEL BASIS DATA? Model database menunjukkan struktur logis dari suatu basis data, termasuk hubungan dan batasan yang menentukan bagaimana data dapat disimpan dan diakses.
Lebih terperinciKARAKTERISTIK DATA WAREHOUSE
KARAKTERISTIK DATA WAREHOUSE Karakteristik data warehouse menurut Inmon, yaitu : 1. Subject Oriented (Berorientasi subject) Data warehouse berorientasi subject artinya data warehouse didesain untuk menganalisa
Lebih terperinciSIE/nts/TIUAJMks 9/26/2013
N. Tri Suswanto Saptadi 1 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
Lebih terperinciData Warehouse dan Decision Support System. Arif Basofi
Data Warehouse dan Decision Support System Arif Basofi Referensi Data Warehouse, STMIK Global Informatika MDP. M. Syukri Mustafa,S.Si., MMSI, Sistem Basis Data II (Data Warehouse), 2008. Hanim MA, Data
Lebih terperinciHASIL DAN PEMBAHASAN. Studi pustaka. Analisis data. Versi struktur dan fungsi transformasi. Pemuatan data. Implementasi operasi OLAP
Uji Query Uji query adalah tahap untuk menguji temporal data warehouse apakah telah sesuai dengan kebutuhan dan berfungsi dengan baik serta memeriksa apakah operasi dasar data warehouse dan fungsi agregat
Lebih terperinciTUGAS DATA WAREHOUSE
TUGAS DATA WAREHOUSE PERANCANGAN DAN PEMBUATAN DATA WAREHOUSE DAN APLIKASI ONLINE ANALYTICAL PROCESSING UNTUK BANK X Oleh : Nama : Fitri Wahyu Apriliani Nim : 011.01.106 Kelas : Teknik Informatika VI A
Lebih terperinci[Data Warehouse] [6/C2 & 6/D2]
[Data Warehouse] [6/C2 & 6/D2] [ Chapter 2] Jenis dan Karakteristik Data Warehouse Dedy Alamsyah, S.Kom, M.Kom [NIDN : 0410047807] Jenis Data Warehouse 1. Functional Data Warehouse (Data Warehouse Fungsional)
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Rekapitulasi Laporan Rekapitulasi laporan sangat penting artinya bagi seorang pimpinan karena merupakan salah satu alat untuk melaksanakan kegiatan-kegiatan dalam perencanaan,
Lebih terperinciBAB II LANDASAN TEORI. Data adalah sesuatu yang mewakilkan objek dan peristiwa yang memiliki arti
BAB II LANDASAN TEORI 2.1 Data Data adalah sesuatu yang mewakilkan objek dan peristiwa yang memiliki arti dan sangat penting bagi pemakai (Hoffer, Prescott dan McFadden,2007, p6). 2.2 Basis Data Basis
Lebih terperinciPEMODELAN DATA WAREHOUSE PADA JURUSAN TEKNIK INFORMATIKA UNIKOM
bidang TEKNIK PEMODELAN DATA WAREHOUSE PADA JURUSAN TEKNIK INFORMATIKA UNIKOM DIAN DHARMAYANTI, ADAM MUKHARIL BACHTIAR, ANDRI HERYANDI Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer
Lebih terperinciDATA WAREHOUSE PERTEMUAN I S1 TEKNIK INFORMATIKA TITUS KRISTANTO, S.KOM
DATA WAREHOUSE PERTEMUAN I 22032013 S1 TEKNIK INFORMATIKA TITUS KRISTANTO, S.KOM METODE PEMBELAJARAN Kuliah Diskusi Presentasi Latihan Tugas Quiz UTS UAS BUKU ACUAN Apress Building A Data Warehouse With
Lebih terperinciData Warehouse, Data Mart, OLAP, dan Data Mining CHAPTER 6
1 Data Warehouse, Data Mart, OLAP, dan Data Mining CHAPTER 6 Data Warehouse 2 Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional
Lebih terperinciBAB II. LANDASAN TEORIse. Menurut McLeod dan Schell (2004, p405), data warehouse adalah sebuah
BAB II LANDASAN TEORIse 2.1 Data Warehouse Menurut McLeod dan Schell (2004, p405), data warehouse adalah sebuah tempat penyimpanan data dimana kapasitas penyimpanannya berskala besar; datanya diakumulasikan
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 1 Edisi... Volume..., Bulan 20.. ISSN :
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 1 PEMBANGUNAN DATA WAREHOUSE PADA INSTITUSI BALAI PENGKAJIAN TEKNOLOGI PERTANIAN (BPTP) JAWA BARAT Hengky Saputra Teknik Informatika Universitas Komputer
Lebih terperinciDatabase dan DBMS DBMS adalah perangkat lunak sistem yang memungkinkan para pemakai membuat, memelihara, mengontrol, dan mengakses basis data dengan
Database dan DBMS Database adalah : suatu pengorganisasian sekumpulan data yang saling terkait sehingga memudahkan aktifitas untuk memperoleh informasi. semua data yang disimpan pada sumberdaya berbasis
Lebih terperinciBAB 2 LANDASAN TEORI. Database adalah suatu koleksi / kumpulan dari data yang persistent, yaitu ada
BAB 2 LANDASAN TEORI 2.1 Teori Database Database adalah suatu koleksi / kumpulan dari data yang persistent, yaitu ada yang berbeda satu dengan yang lainnya dan biasanya merupakan data yang bersifat sementara
Lebih terperinciJurnal Ilmiah Widya Teknik Volume 15 Nomor
Jurnal Ilmiah Widya Teknik Volume 15 Nomor 2 2016 PEMBANGUNAN ONLINE ANALYTICAL PROCESSING YANG TERINTEGRASI DENGAN SISTEM INFORMASI HARGA BAHAN POKOK KOTA YOGYAKARTA C. Hutomo Suryolaksono 1, Paulina
Lebih terperinciBAB IV PERANCANGAN SISTEM
BAB IV PERANCANGAN SISTEM Pembahasan BAB IV mengenai proses perancangan data warehouse meliputi proses integrasi, pemodelan database dan dashboard interface. 4.1 Perencanaan Tahap perencanaan penelitian
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Sistem Informasi Sistem Informasi adalah suatu kumpulan dari komponen yang berinteraksi untuk menyelesaikan tugas bisnis. pendapat ini didukung dengan pendapat Satzinger, Jackson,
Lebih terperinciPERANCANGAN DATA WAREHOUSE E-PROCUREMENT PADA INSTANSI PEMERINTAHAN
PERANCANGAN DATA WAREHOUSE E-PROCUREMENT PADA INSTANSI PEMERINTAHAN Luky Hidayat 1), Adhistya Erna Permanasari 2), Igi Ardiyanto 3) 1),2),3 ) Departemen Teknik Elektro dan Teknologi Informasi, Fakultas
Lebih terperinciLecture s Structure. Desain Data Warehouse (I): Dimensional Modelling. Mendisain Sebuah Data Warehouse
Desain Data Warehouse (I): Dimensional Modelling Yudi Agusta, PhD Data Warehouse and Data Mining, Lecture 3 Copyright Yudi Agusta, PhD 2006 Lecture s Structure Merancang Sebuah Data Warehouse Skema Perancangan
Lebih terperinciIMPLEMENTASI OLAP PADA DATA PENJUALAN BBM MENGGUNAKAN PENTAHO TRIYONO
IMPLEMENTASI OLAP PADA DATA PENJUALAN BBM MENGGUNAKAN PENTAHO TRIYONO 41507120014 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2013 IMPLEMENTASI OLAP PADA DATA
Lebih terperinciPENGEMBANGAN DATA WAREHOUSE PROGRAM TRACKING STASIUN TV DI INDONESIA ABSTRAK
1 PENGEMBANGAN DATA WAREHOUSE PROGRAM TRACKING STASIUN TV DI INDONESIA Arsanda Prawisda, Wisnu Ananta Kusuma, Hari Agung Adrianto 1 Staf Departemen Ilmu Komputer, Fakultas Matematika dan IPA, Institut
Lebih terperinciDATAWAREHOUSE. Sukarsa:Pasca Elektro Unud. I Made Sukarsa
DATAWAREHOUSE I Made Sukarsa Evolusi Sistem Informasi Decision Support System database Database (I,U,D,R) ETL DW (Read) Masalah : integrasi /konsistensi OLTP Normalisasi/Den ormalisasi OLAP Denormalisasi
Lebih terperinciBAB 2 LANDASAN TEORI. berarti dan penting di lingkungan pemakai. (Hoffer, Prescott, dan McFadden, 2002, p5).
BAB 2 LANDASAN TEORI 2.1 Data Data adalah sebuah representasi dari obyek - obyek dan kejadian - kejadian yang berarti dan penting di lingkungan pemakai. (Hoffer, Prescott, dan McFadden, 2002, p5). Data
Lebih terperinciMAKALAH SEMINAR PENGEMBANGAN DATA WAREHOUSE DAN APLIKASI OLAP PADA DATA EVALUASI PROSES BELAJAR MENGAJAR IPB BERBASIS WEB
MAKALAH SEMINAR PENGEMBANGAN DATA WAREHOUSE DAN APLIKASI OLAP PADA DATA EVALUASI PROSES BELAJAR MENGAJAR IPB BERBASIS WEB Oleh: Wahyu Dwi Suryanto G64096065 Pembimbing: Firman Ardiansyah, S.Kom., M.Si.
Lebih terperincipenyebarannya. Diharapkan dari penelitian ini dapat terbentuk sebuah basis pengetahuan spasial yang bermanfaat. PENDAHULUAN
1 PENDAHULUAN Latar Belakang Kemiskinan merupakan suatu hal yang memiliki batasan yang luas, tetapi bagaimanapun juga batasan mengenai kemiskinan harus tetap diukur untuk kebijakan pemerintah. Menurut
Lebih terperinciPERANCANGAN DATA WAREHOUSE PENGOLAHAN PERSEDIAAN BUKU PT. GRAMEDIA ASRI MEDIA MAKASSAR
PERANCANGAN DATA WAREHOUSE PENGOLAHAN PERSEDIAAN BUKU PT. GRAMEDIA ASRI MEDIA MAKASSAR Erick A. Lisangan 1, N. Tri Suswanto Saptadi 2 1 erick_lisangan@yahoo.com 2 ntsaptadi@yahoo.com Abstrak Proses dan
Lebih terperinciMODEL DATA WAREHOUSE UNTUK MENUNJANG PENYUSUNAN BORANG AKREDITASI STANDAR 3 PADA FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS BUDI LUHUR
MODEL DATA WAREHOUSE UNTUK MENUNJANG PENYUSUNAN BORANG AKREDITASI STANDAR 3 PADA FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS BUDI LUHUR Windarto Fakultas Teknologi Informasi Universitas Budi Luhur, Jakarta
Lebih terperinciBAB 2 LANDASAN TEORI. Berikut ini akan dijelaskan teori umum atau dasar yang digunakan, yaitu sebagai berikut:
BAB 2 LANDASAN TEORI 2.1 Teori Umum Berikut ini akan dijelaskan teori umum atau dasar yang digunakan, yaitu sebagai berikut: 2.1.1 Pengertian Data Menurut Hoffer & Venkataraman (2011: 5) menjelaskan bahwa
Lebih terperinciBAB 2 LANDASAN TEORI. each unit of data is relevant to some moment in time, atau kurang lebih dapat
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Data Warehouse Menurut Inmon (2002, p389), A data warehouse is a collection of integrated, subject oriented database designed to support the DSS function, where each
Lebih terperinci4 Web server mengakses kubus data Palo server melalui Palo PHP API. Aplikasi OLAP menggunakan library JpGraph untuk menampilkan grafik.
5 4 Web server mengakses kubus data Palo server melalui Palo PHP API. Aplikasi OLAP menggunakan library JpGraph untuk menampilkan grafik. Lapis atas: Web browser Grafik Laptop JpGraph Line Plot Presentasi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Umum Teori umum adalah suatu pernyataan yang dianggap benar secara universal. Teori umum merupakan dasar untuk mengembangkan teori selanjutnya yang lebih khusus (spesifik).
Lebih terperinciKonsep Data Mining DATA MINING & KNOWLEDGE DISCOVERY IN DATABASES. Bertalya Universitas Gunadarma 2009
Konsep Data Mining DATA MINING & KNOWLEDGE DISCOVERY IN DATABASES Bertalya Universitas Gunadarma 2009 Data Mining (DM) DM merupakan suatu proses penjelajahan otomatis untuk mendapatkan informasi berguna
Lebih terperinciSistem Penunjang Keputusan, Pertemuan Ke-9 KECERDASAN BISNIS Data Warehouse, Data Mart, OLAP, dan Data Mining
KECERDASAN BISNIS Warehouse, Mart, OLAP, dan Mining Warehouse warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional dan sumber yang lain
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem Informasi Menurut Inmon (2002, p388), data adalah suatu pencatatan dari sekelompok fakta, konsep, atau instruksi dalam suatu media penyimpanan untuk komunikasi,
Lebih terperinciData Warehouse, Data Mart, OLAP, dan Data Mining. arifin, sistem informasi - udinus 1
Data Warehouse, Data Mart, OLAP, dan Data Mining arifin, sistem informasi - udinus 1 Data Warehouse Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai
Lebih terperinciData Warehouse Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional dan
1 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
Lebih terperinciBAB II KONSEP DATA WAREHOUSING
BAB II KONSEP DATA WAREHOUSING Komptensi yang diharapkan: Peserta pembelajaran memahami konsep-konsep, berbagai istilah, karakteristik, manfaat, tujuan, tugas-tugas data warehouseing. A. Pengertian Beberapa
Lebih terperinciTugas Data Warehouse. Kebutuhan Bisnis untuk Gudang Data. (Warehouse)
Tugas Data Warehouse Kebutuhan Bisnis untuk Gudang Data (Warehouse) Ricky Renaldo 1562004 PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS ATMA JAYA MAKASSAR 2017 KEBUTUHAN BISNIS
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Database 2.1.1 Definisi Database Menurut W.H Inmon(2002, p3), database diartikan sebagai suatu koleksi dari penyimpanan data yang terhubung yang sering digunakan dan mengurangi
Lebih terperinciBAB II LANDASAN TEORI. Dasar-dasar teori tersebut akan digunakan sebagai landasan berpikir dalam
BAB II LANDASAN TEORI Dalam merancang dan membangun suatu sistem informasi, dasar-dasar teori yang akan digunakan sangatlah penting untuk diketahui terlebih dahulu. Dasar-dasar teori tersebut akan digunakan
Lebih terperinciPERTEMUAN 14 DATA WAREHOUSE
PERTEMUAN 14 DATA WAREHOUSE Data Warehouse Definisi : Data Warehouse adalah Pusat repositori informasi yang mampu memberikan database berorientasi subyek untuk informasi yang bersifat historis yang mendukung
Lebih terperinci6.2 Pendekatan Database Untuk Pengelolaan Data
6.2 Pendekatan Database Untuk Pengelolaan Data Database adalah sekumpulan data yang diorganisasikan untuk melayani berbagai aplikasi secara efisien dengan memusatkan data dan mengurangi penggandaan data.
Lebih terperinciPEMBANGUNAN DATA WAREHOUSE DAN APLIKASI OLAP UNTUK MEMANTAU PRESTASI MAHASISWA PROGRAM STUDI S1 ILMU KOMPUTER IPB SUCI REZKY FHATTIYA
PEMBANGUNAN DATA WAREHOUSE DAN APLIKASI OLAP UNTUK MEMANTAU PRESTASI MAHASISWA PROGRAM STUDI S1 ILMU KOMPUTER IPB SUCI REZKY FHATTIYA DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciSUMBER DAYA-SUMBER DAYA SISTEM INFORMASI (BAGIAN 1) PSI Materi III Sesi 6
SUMBER DAYA-SUMBER DAYA SISTEM INFORMASI (BAGIAN 1) PSI Materi III Sesi 6 Sumber Daya-sumber Daya Sistem Informasi Sumber Daya Manusia Sumber Daya Data Sumber Daya Hardware Sumber Daya Software Sumber
Lebih terperinciMembangun Data Warehouse
Membangun Data Warehouse Anief Fauzan Rozi, S. Kom., M. Eng. 1 Kompentensi Mahasiswa mengetahui desain data warehouse 2 Pengantar Desain data warehouse didasarkan atas konsep pemodelan dimensional. Pemodelan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi informasi yang semakin pesat ditunjukkan dengan munculnya beragam perangkat teknologi yang mempermudah manusia dalam memonitor perkembangan usahanya
Lebih terperinciAnalisis Data dengan Menggunakan ERD dan Model Konseptual Data Warehouse
Analisis Data dengan Menggunakan ERD dan Model Konseptual Data Warehouse Doro Edi 1), Stevalin Betshani 2) Jurusan Sistem Informasi Fakultas Teknologi Informasi, Universitas Kristen Maranatha Jl. Prof.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Teori Umum 2.1.1 Data dan Informasi Menurut Inmon (2005, p493), data adalah kumpulan dari fakta, konsep atau perintah pada sebuah media penyimpanan yang digunakan untuk komunikasi,
Lebih terperinciData Warehouse dan Data Mining Oleh : Asep Jalaludin,S.T.,M.M.
Data Warehouse dan Data Mining Oleh : 1 Definisi : Data Warehouse O Data Warehouse adalah Pusat repositori informasi yang mampu memberikan database berorientasi subyek untuk informasi yang bersifat historis
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Pembuatan data warehouse telah banyak dilakukan oleh perusahaanperusahaan industri yang berorientasi profit. Data warehouse diharapkan mampu
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab pendahuluan ini penulis akan membahas tentang latar belakang, perumusan masalah, batasan masalah, metodogi penelitian, tujuan dan manfaat serta sistematika penulisan dalam tugas
Lebih terperincimenggunakan framework Geomondrian dan
tingkat kabupaten. Penelitian ini telah membangun data warehouse dengan satu tabel fakta (hotspot) dan dua tabel dimensi (waktu dan lokasi). Pada penelitian berikutnya, Hasan (2009) menambahkan empat dimensi,
Lebih terperinciPENGEMBANGAN DATA WAREHOUSE DAN APLIKASI OLAP DATA TRACER STUDY ALUMNI IPB BERBASIS WEB MENGGUNAKAN MICROSOFT BUSINESS INTELLIGENCE
PENGEMBANGAN DATA WAREHOUSE DAN APLIKASI OLAP DATA TRACER STUDY ALUMNI IPB BERBASIS WEB MENGGUNAKAN MICROSOFT BUSINESS INTELLIGENCE Oleh: Wahyu Dwi Suryanto G64096065 Pembimbing: Firman Ardiansyah, S.Kom.,
Lebih terperinci