Data Mining & Data Warehouse
|
|
- Veronika Setiabudi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Data Mining & Data Warehouse data mining No comments PENDAHULUAN Salah satu efek yang dihasilkan dari adanya suatu sistem informasi adalah munculnya banyak data. Data yang ada ini berasal dari sistem operasional yang berfungsi untuk menangani transaksi yang terkait dengan proses bisnis yang ditangani oleh sistem informasi tersebut. Contoh: sistem informasi presensi karyawan memunculkan data jumlah kehadiran kehadiran karyawan setiap hari dengan data yang disimpan tergantung pada apa yang dibutuhkan oleh sistem informasi tersebut (misalkan: nomor induk pegawai, jam masuk, pintu masuk, dsb.). Bayangkanlah sistem informasi ini dipakai di perusahaan yang jumlah karyawannya sebanyak 1000 orang. Apabila data ini dipakai selama seminggu masa kerja saja (5 hari), maka data yang masuk dalam basis data ada 1000 x 5 = 5000 baris. Anda tinggal kalikan saja apabila ingin menghitung jumlah data yang disimpan selama seminggu waktu operasional, sebulan, hingga setahun. Itu baru satu sistem informasi saja. Di korporasi yang besar sistem informasi yang ada berjumlah banyak dengan berbagai fungsi dan tujuannya. Akhirnya masalah berikutnya muncul. Data warehouse adalah data-data yang beorientasi subjek, terintegrasi, memiliki dimensi waktu, serta merupakan koleksi tetap (non-volatile), yang digunakan dalam mendukung proses pengambilan keputusan. Sedangkan data mining muncul setelah banyak dari pemilik data baik perorangan maupun organisasi mengalami penumpukan data yang telah terkumpul selama beberapa tahun, misalnya data pembelian, data penjualan, data nasabah, data transaksi, dan sebagainya. Kemudian muncul pertanyaan dari pemilik data tersebut, apa yang harus dilakukan terhadap tumpukan data tersebut. Data mining merupakan prinsip dasar dalam mengurutkan data dalam jumlah yang sangat banyak dan mengambil informasi informasi yang berkaitan dengan apa yang diperlukan seperti apa yang biasa dilakukan oleh seorang analis. Dengan bertambah banyaknya jumlah data yang ada dalam model bisnis yang kita lakukan dalam perusahaan ini, maka peran analis untuk menganalisa data secara manual perlu digantikan dengan aplikasi yang berbasis komputer yang dapat menganalisa data secara otomatis menggunakan alat yang lebih kompleks dan canggih. Data warehouse adalah database yang berisi data dari beberapa system operasional yang terintegrasi dan terstruktur sehingga dapat digunakan untuk mendukung analisa dan proses pengambilan keputusan dalam bisnis. Data warehouse didesain untuk kita bisa melakukan query secara cepat. Informasi diturunkan dari data lain, dilakukan rolling up untuk dijadikan ringkasan, dilakukan operasi drilling down untuk mendapatkan informasi lebih detail, atau melihat pola yang menarik atau melihat trend (kecenderungan). Ada empat tugas yang bisa dilakukan dengan adanya data warehouse Pembuatan laporan Pembuatan laporan merupakan salah satu kegunaan data warehouse yang paling umum dilakukan. Dengan menggunakan query sederhana didapatkan laporan perhari, perbulan, pertahun atau jangka waktu kapanpun yang diinginkan.
2 1. 2. On-Line Analytical Processing (OLAP) OLAP mendayagunakan konsep data multi dimensi dan memungkinkan para pemakai menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah SQL. Hal ini dimungkinkan karena pada konsep multi dimensi, maka data yang berupa fakta yang sama bisa dilihat dengan menggunakan fungsi yang berbeda. Fasilitas lain yang ada pada sofware OLAP adalah fasilitas rool-up dan drill-down. Drill-down adalah kemampuan untuk melihat detail dari suatu informasi dan roll-up adalah kebalikannya Data mining Data mining merupakan proses untuk menggali pengetahuan dan informasi baru dari data yang berjumlah banyak pada data warehouse, dengan menggunakan kecerdasan buatan (Artificial Intelegence), statistik dan matematika. Data mining merupakan teknologi yang diharapkan dapat menjembatani komunikasi antara data dan pemakainya. Beberapa solusi yang diberikan data mining antara lain : 1. Menebak target pasar Data mining dapat mengelompokkan (clustering) model-model pembeli dan melakukan klasifikasi terhadap setiap pembeli dan melakukan klasifikasi terhadap setiap pemebeli sesuai dengan karakteristik yang diinginkan. 1. Melihat pola beli dari waktu ke waktu Data mining dapat digunakan untuk melihat pola beli dari waktu ke waktu. 1. cross-market analysis Data mining dapat dimanfaatkan untuk melihat hubungan antara satu produk dengan produk lainnya. 1. Profil pelanggan Data mining bisa membantu pengguna untuk melihat profil pembeli sehingga dapat diketahui kelompok pembeli tertentu cenderung kepada suatu produk apa saja. 1. Informasi summary Data mining dapat membuat laporan summary yang bersifat multi dimensi dan dilengkapi dengan informasi statistik lainnya Proses informasi executive Data warehouse dapat membuat ringkasan informasi yang penting dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi keseluruhan data. Dengan menggunakan data
3 warehouse segala laporan telah diringkas dan dapat pula mengetahui segala rinciannya secara lengkap, sehingga mempermudah proses pengambilan keputusan. Informasi dan data pada laporan data warehouse menjadi target informative bagi user. Karakteristik Data Warehouse Subject Oriented (Berorientasi subject) Data warehouse berorientasi subject artinya data warehouse didesain untuk menganalisa data berdasarkan subject-subject tertentu dalam organisasi,bukan pada proses atau fungsi aplikasi tertentu. Data warehouse diorganisasikan disekitar subjek-subjek utama dari perusahaan(customers,products dan sales) dan tidak diorganisasikan pada area-area aplikasi utama(customer invoicing,stock control dan product sales). Hal ini dikarenakan kebutuhan dari data warehouse untuk menyimpan data-data yang bersifat sebagai penunjang suatu keputusan, dari pada aplikasi yang berorientasi terhadap data. Jadi dengan kata lain, data yang disimpan adalah berorientasi kepada subjek bukan terhadap proses. Secara garis besar perbedaan antara data operasional dan data warehouse yaitu : Data Operasional Data Warehouse Dirancang berorientasi hanya pada aplikasi dan fungsi tertentu Focusnya pada desain database dan proses Berisi rincian atau detail data Relasi antar table berdasar aturan terkini(selalu mengikuti rule(aturan) terbaru) Integrated (Terintegrasi) Dirancang berdasar pada subjek-subjek tertentu(utama) Focusnya pada pemodelan data dan desain data Berisi data-data history yang akan dipakai dalam proses analisis Banyak aturan bisnis dapat tersaji antara tabel-tabel Data Warehouse dapat menyimpan data-data yang berasal dari sumber-sumber yang terpisah kedalam suatu format yang konsisten dan saling terintegrasi satu dengan lainnya. Dengan demikian data tidak bisa dipecah-pecah karena data yang ada merupakan suatu kesatuan yang menunjang keseluruhan konsep data warehouse itu sendiri. Syarat integrasi sumber data dapat dipenuhi dengan berbagai cara sepeti konsisten dalam penamaan variable,konsisten dalam ukuran variable,konsisten dalam struktur pengkodean dan konsisten dalam atribut fisik dari data. Contoh pada lingkungan operasional terdapat berbagai macam aplikasi yang mungkin pula dibuat oleh developer yang berbeda. Oleh karena itu, mungkin dalam aplikasi-aplikasi tersebut ada variable yang memiliki maksud yang sama tetapi nama dan format nya berbeda. Variable tersebut harus dikonversi menjadi nama yang sama dan format yang disepakati bersama. Dengan demikian tidak ada lagi kerancuan karena perbedaan nama, format dan lain sebagainya. Barulah data tersebut bisa dikategorikan sebagai data yang terintegrasi karena kekonsistenannya.
4 1. 3. Time-variant (Rentang Waktu) Seluruh data pada data warehouse dapat dikatakan akurat atau valid pada rentang waktu tertentu. Untuk melihat interval waktu yang digunakan dalam mengukur keakuratan suatu data warehouse, kita dapat menggunakan cara antara lain : Cara yang paling sederhana adalah menyajikan data warehouse pada rentang waktu tertentu, misalnya antara 5 sampai 10 tahun ke depan. Cara yang kedua, dengan menggunakan variasi/perbedaan waktu yang disajikan dalam data warehouse baik implicit maupun explicit secara explicit dengan unsur waktu dalam hari, minggu, bulan dsb. Secara implicit misalnya pada saat data tersebut diduplikasi pada setiap akhir bulan, atau per tiga bulan. Unsur waktu akan tetap ada secara implisit didalam data tersebut. Cara yang ketiga,variasi waktu yang disajikan data warehouse melalui serangkaian snapshot yang panjang. Snapshot merupakan tampilan dari sebagian data tertentu sesuai keinginan pemakai dari keseluruhan data yang ada bersifat read-only Non-Volatile Karakteristik keempat dari data warehouse adalah non-volatile,maksudnya data pada data warehouse tidak di-update secara real time tetapi di refresh dari sistem operasional secara reguler. Data yang baru selalu ditambahkan sebagai suplemen bagi database itu sendiri dari pada sebagai sebuah perubahan. Database tersebut secara kontinyu menyerap data baru ini, kemudian secara incremental disatukan dengan data sebelumnya. Berbeda dengan database operasional yang dapat melakukan update,insert dan delete terhadap data yang mengubah isi dari database sedangkan pada data warehouse hanya ada dua kegiatan memanipulasi data yaitu loading data (mengambil data) dan akses data (mengakses data warehouse seperti melakukan query atau menampilan laporan yang dibutuhkan, tidak ada kegiatan updating data). Peranan Penting OLTP VS OLAP dalam Data Warehouse OLTP (Online Transactional Processing / OLTP) Sistem informasi adalah sekumpulan fungsi yang bekerja secara bersama-sama dalam mengelola, mengumpulkan, menyimpan, memproses serta mendistribusikan informasi. Dalam dunia kerja mengolah sistem informasi harus dibuat semudah mungkin, sehingga user dapat menggunakan hasil dari sistem informasi secara mudah. Untuk itu, sistem informasi haruslah efisien, transparan dan terintegarsi. Untuk megolah suatu sistem informasi dibutuhkan salah satu komponen yaitu sistem informasi manajemen yang berbasis komputer yang dinamakan sistem basis data (database). Sistem basis data mempunyai peran penting sebagai tempat pusat penyimpanan data yang mendukung kegiatan operasional (Online Transactional Processing / OLTP). Ciri-ciri umum sistem OLTP adalah :
5 Mendukung jumlah pengguna yang banyak yang sering menambah dan merubah data transaksi Mengandung data dalam jumlah besar, termasuk di dalamnya validasi data transaksi Memiliki struktur yang kompleks dan rumit Diarahkan secara maksimal untuk melayani aktivitas transaksi harian Menyediakan teknologi infrastruktur yang mendukung operasional transaksi data dalam perusahaan Sebuah sistem OLTP yang umum memiliki karakteristik seperti jumlah user yang sangat banyak yang secara serentak mengolah dan menambah data. Dalam hal ini, apabila banyak user yang melakukan pengolahan dan penambahan data akan membebani program, saat database berkembang semakin banyak dan kompleks, waktu respon akan semakin berkurang disebabkan bertumpuknya pemakaian sumber daya yang tersedia, sehingga untuk membuat suatu keputusan sangatlah susah dan membutuhkan waktu yang lama dan untuk membuat query satu persatu pada sumber data tidak praktis dan efisien, apalagi sumber data yang ada menyimpan current (arus data), sedangkan data yang dibutuhkan oleh para pembuat keputusan adalah data-data historis. Sebagai contoh data histori dibutuhkan pada pembuatan informasi mengenai transaksi setoran/tarikan dengan nominal tertentu per bulan per cabang, besaran rata-rata transaki per cabang per bulan, transaksi yang di-reverse, dan lain-lain. Dengan adanya masalah diatas maka data warehouse mempunyai solusi dalam mengolah data historis dari berbagai sumber data tersebut. Data warehouse menyediakan sebuah interface gabungan terhadap data, sehingga query-query pendukung keputusan mudah ditulis. Data warehouse juga dapat menyimpan sumber data yang heterogen (data yang tersebar pada database Online Transactional Processing) dipindahkan ke data yang homogen, sehinggga dengan kemampuan akses data warehouse maka upaya untuk pendukung keputusan dapat diakses dengan cepat, efisien dan akurat. Hal penting untuk menjaga Data Warehouse adalah dengan selalu memantau kekinian data yang tersimpan, dengan membuat katalog data dan disimpan secara terpisah dalam suatu sistem repositori meta data yang menyimpan informasi sumber data terkini. OLAP (OnLine Analytical Processing) OLAP (OnLine Analytical Processing) adalah jenis perangkat lunak yang digunakan untuk melakukan permintaan terhadap data dalam bentuk yang kompleks dan bersifat sementara serta sewaktu-waktu. OLAP memanipulasi dan menganalisis data bervolume besar dari berbagai perspektif (multidimensi). Oleh karena itu OLAP seringkali disebut analisis data multidimensi. OLAP bekerja dengan data dalam bentuk multidimensi. Yang umum, bentuk tiga dimensi diwujudkan ke dalam bentuk kubus data. Tujuan OLAP adalah menggunakan informasi dalam sebuah basis data (data warehouse) untuk memandu keputusan-keputusan yang strategic. Beberapa contoh permintaan yang ditangani oleh OLAP: Berapa jumlah penjualan dalam kuartal pertama?
6 Berapa jumlah penjualan per kuartal untuk masing-masing kota? Tampilkan 5 produk dengan total penjualan tertinggi pada kuartal pertama. Kadangkala permintaan yang ditangani OLAP bisa diselesaikan dengan pernyataan SQL sederhana, tetapi dalam banyak kasus tidak dapat diekspresikan dengan SQL. OLAP dapat digunakan untuk melakukan konsolidasi, drill-down, dan slicing and dicing. Di bawah ini adalah kegunaan dari konsolidasi, drill-down, dan slicing and dicing yaitu: Konsolidasi melibatkan pengelompokan data. Sebagai contoh kantor-kantor cabang dapat dikelompokkan menurut kota atau bahkan propinsi. Transaksi penjualan dapat ditinjau menurut tahun, triwulan, bulan, dan sebagainya. Kadangkala istilah rollup digunakan untuk menyatakan konsolidasi. Drill-down Drill-down adalah suatu bentuk yang merupakan kebalikan dari konsolidasi, yang memungkinkan data yang ringkas dijabarkan menjadi data yang lebih detail. Sebagai contoh, mula-mula data yang tersaji didasarkan pada kuartal pertama. Jika dikehendaki, data masingmasing bulan pada kuartal pertama tersebut bisa diperoleh, sehingga akan tersaji data bulan Januari, Februari, Maret, dan April. Slicing and dicing (atau dikenal dengan istilah pivoting) Untuk menjabarkan pada kemampuan untuk melihat data dari berbagai sudut pandang. Data dapat diiris-iris atau dipotong-potong berdasarkan kebutuhan. Sebagai contoh, dapat diperoleh data penjualan berdasarkan semua lokasi atau hanya pada lokasi-lokasi tertentu. Adapun karakterisik aplikasi-aplikasi OLAP: 1. permintaan data sangat kompleks, 2. jarang ada pemutakhiran, dan 3. transaksi mengakses banyak bagian dalam basis data. Contoh perangkat lunak OLAP: Express Server (Oracle) PowerPlay (Cognos Software) Metacube (Informix/Stanford Technology Group) HighGate Project (Sybase
7 Sistem OLAP pada masa awal menggunakan larik multidimensi di dalam memori untuk menyimpan data kubus. Sistem seperti ini disebut MOLAP (Multidimensional OLAP). Pada perkembangan selanjutnya, data disimpan dalam bentuk basis data relasional. Sistem OLAP seperti ini dikenal dengan sebutan ROLAP (Relational OLAP), selain MOLAP dan ROLAP, terdapat pula sistem yang dinamakan 1iybrid OLAP (HOLAP), yaitu sistem OLAP yang menyimpan beberapa ringkasan dalam memori dan menyimpan basis data dan ringkasanringkasan yang lain dalam basis data relasional. Contoh skema star, tabel penjualan sebagai konektor tabel produk, lokasi dan waktu: Keuntungan Data Warehouse Data warehouse merupakan pendekatan untuk menyimpan data dimana sumber-sumber data yang heterogen(yang biasanya tersebar pada beberapa database (OLTP) dimigrasikan untuk penyimpanan data yang homogen dan terpisah. Keuntungan dengan menggunakan data warehouse adalah : 1. Data diorganisir dengan baik untuk query analisis dan sebagai bahan untuk pemrosesan transaksi. 2. Perbedaan diantara struktur data yang heterogen pada beberapa sumber yang terpisah dapat diatasi. 3. Aturan untuk transformasi data diterapkan untuk memvalidasi dan mengkonsolidasi data apabila data dipindahkan dari database OLTP ke data warehouse. 4. Masalah keamanan dan kinerja bisa dipecahkan tanpa perlu mengubah sistem produksi. MOTIVASI DATA WAREHOUSE Tekanan terhadap database OLTP untuk proses query terlalu besar Data warehousing didisain untuk proses pengambilan yang efesien Data pada sistem yang berbeda-beda umumnya tidak konsisten, kualitasnya buruk dan disimpan di dalam format yang berbeda Mengurangi biaya dalam menyediakan data untuk keperluan pengambilan keputusan Mendukung untuk memfokuskan diri pada proses bisnis lengkap Mendukung inisiatif baru Sumber-sumber industri menyebutkan bahwa ROI berjumlah rata-rata 401% dalam tiga tahun
8 Tetap kompetitif Proses Data Warehouse Salah satu tuntutan dari data mining ketika diterapkan pada data berskala besar adalah diperlukan metodologi sistematis tidak hanya ketika melakukan analisa saja tetapi juga ketika mempersiapkan data dan juga melakukan interpretasi dari hasilnya sehingga dapat menjadi aksi ataupun keputusan yang bermanfaat. Karenanya data warehouse seharusnya dipahami sebagai suatu proses, yang memiliki tahapantahapan tertentu dan juga ada umpan balik dari setiap tahapan ke tahapan sebelumnya. Pada umumnya proses data mining berjalan interaktif karena tidak jarang hasil data mining pada awalnya tidak sesuai dengan harapan analisnya sehingga perlu dilakukan desain ulang prosesnya. Metodologi Data Warehouse Metode NCR (Non Conform report) 3NF dan model perusahaan (penekanan pada normalisasi dan DBMS standar) Penekanan pada arsitektur Digunakan dalam beberapa sistem yang sangat besar Metode SAS Datawarehouse cepat Keterkaitan selama 3 bulan Prototyping 2 bulan + 1 bulan untuk pengembangan solid Kembali lagi Banyak menggunakan prototyping Bergantung pada kemampuan analis sistem yang bagus Metode Microsoft Memberikan perhatian pada pengguna secara eksplisit Terkait dengan beberapa tool yang spesifik yang mengintegrasikan RDBMS dan OLAP (misalnya SQL server dan Layanan Analisa/Pelaporan) Pendekatan Inmor Kelebihan Integrasi Perulangan
9 Arsitektur pengembangan berimbang yang terkonsentrasi Kelemahan Kesulitan dan biaya mendisain model data perusahaan Pengertian model ER (dalam 3NF) Feedback dari penggunaan? Metode Ives Kelebihan : Teknik untuk perumusan keperluan Integrasi Teknik representasi berganda Kelemahan : Kekompleksan dan potensi berbiaya tinggi Waktu penyelesaian Kemampuan beradaptasi (bagaimana bila strategi bisnis berubah?, Feedback pengguna?) Metode Kimball Kelebihan : Pemodelan berdimensi Mudah dimengerti Kelemahan : Integrasi Mapping dari pemodelan berdimensi ke sistem yang sudah ada Metode McFadden Kelebihan : Partisipasi pengguna Fokus pada pencarian sumber data Kelemahan : Membagi data warehouse yang besar Tidak ada guidelines untuk desain secara fisik Perbandingan 4 metode Strategi Pencaharian Sumber Data Warehouse Sebelum mengembangkan suatu data warehouse, sangat penting untuk mengembangkan strategi balanced data warehouse yang sesuai dengan kebutuhan dan populasi user. Siapakah audiencenya? Apa ruang lingkupnya? Tipe data warehouse seperti apa yang harus dipilih? Terdapat beberapa strategi yang dapat digunakan oleh suatu organisasi untuk dapat membuat suatu data warehouse. Salah satunya adalah dengan menetapkan lingkungan Virtual Data Warehouse. Virtual Data Warehouse dibuat dengan cara:
10 1. menginstal kumpulan akses data, direktori data dan fasilitas manajemen proses, 2. training user 3. memonitor bagaimana data warehouse digunakan dan kemudian 4. berdasarkan pemakaian actual, membuat suatu physical data warehouse untuk mendukung permintaan yang banyak. Strategi yang kedua adalah dengan membangun copy dari data operasional dari satu system operasional dan memungkinkan data warehouse dari sekumpulan tool untuk mengakses informasi. Strategi ini mempunyai keuntungan yaitu sederhana dan cepat. Sayangnya, jika data yang ada berkualitas jelek dan akses ke data tersebut kurang baik, maka pendekatan ini akan menimbulkan masalah yang signifikan. Pada akhirnya, Strategi data warehouse yang optimal adalah memilih populasi user berdasarkan nilai dari perusahaan dan melakukan analisa persoalan, pertanyaan dan kebutuhan akses data mereka. Berdasarkan kebutuhan ini, prototype data warehouse dibangun dan dipopulasikan sehingga user dapat bereksperimen dan memodifikasi requirement mereka. Sekali terbentuk persetujuan tentang kebutuhan mereka, kemudian data dapat diambil dari database operasional yang ada dalam perusahaan ataupun dari data source yang lain dan diload kedalam data warehouse. Jika diperlukan, tool untuk mengakses informasi dapat memungkinkan user untuk mendapatkan akses untuk mengambil data menggunakan tool favorit mereka atapun untuk memperkenankan pembuatan dari informasi multi-dimensi yang berperforma tinggi menggunakan datawarehouse sebagai dasarnya. Sebagai analisa akhir, tidak ada pendekatan untuk membangun suatu data warehouse yang dapat sesuai dengan kebutuhan setiap perusahaan. Kebutuhan setiap perusahaan berbeda satu sama lain sebagaimana konteks dari perusahaan tersebut. Sebagai tambahan, sejak teknologi data warehouse berkembang seprti yang sudah kita pelajari, hanya pendekatan praktislah yang berkembang sebenarnya. 1. A. Strategi Pencarian Sumber (Masalah) 2. B. Strategi Pencarian Sumber (Mengembangkan Pertanyaan) 1. Bagaimana proses evolusi direncanakan? 2. Bagaimana keuntungan dan ROI ditentukan? 3. Bagaimana masalah kepemilikan data dan tanggung jawab dipecahkan? 4. Bagaimana budaya organisasi terkait dengan data warehousing? 5. Skil dan sumber daya apa yang diperlukan? 6. Apa standar yang sesuai untuk diterapkan?
11 3. C. System Penyampaian Pengembangan dan Penggunaan 1. Perlu untuk menyediakan user interface yang mudah digunakan dan berkualitas 2. Memonitor penggunaan 1. Pentingnya Menemukan sponsor bisnis 2. Alokasi Menyediakan waktu untuk mengembangkan kasus Bisnis, Contoh: Pemborosan waktu dalam memperoleh dukungan sponsor bisnis kurang baik 3. Mengatur harapan (berorientasi positif) 4. Harus mempunyai tujuan yang jelas dan dipahami 5. Data warehousing adalah kegiatan berskala besar, perlu pendalaman dalam mendapatkannya 6. Bersiap dengan ketidak setujuan dari beberapa kelompok di dalam organisasi 7. Memiliki suatu kasus kuat mengembangkan sebuah data warehouse sebagai data infrastructure untuk EIS dan DSS 8. Menyeimbangkan antara tujuan jangka pendek dan tujuan jangka panjang Style pengambilan keputusan dan keefektifan Respon yang berkelanjutan 1. Kualitas data warehouse yang digunakan harus tinggi 2. Visualisasi data dapat membantu pengertian 3. Kemampuan OLAP sangat penting dalam melakukan pengambilan data yang fleksibel dan pemanipulasian data 4. Kemampuan Data Mining dapat membantu menemukan pola baru di dalam data 5. D. System Penyampaian Pertanyaan 1. Bagaimana keefektifan data warehouse ditentukan dan diukur? 2. Bagaimana tehnik data mining yang rumit dapat digunakan secara efektif oleh para manajer bisnis? 3.
12 Arsitektur Dan Model Data Mining Salah satu kunci data warehouse adalah fleksibilitas. Sangat penting untuk diingat adalah semakin sukses strategi suatu data warehouse strategy maka semakain banyak user yang ingin ditambahkan kedalamnya. Keterangan : 1. Data cleaning (Pembersihan Data) : untuk membuang data yang tidak konsisten dan noise) 2. Data integration : penggabungan data dari beberapa sumber 3. Data Mining Engine : Mentranformasikan data menjadi bentuk yang sesuai untuk di mining 4. Pattern evaluation : untuk menemukan yang bernilai melalui knowledge base 5. Graphical User Interface (GUI) : untuk end user Model Data Mining Prediction methods Menggunakan beberapa variabel untuk memprediksi sesuatu atau suatu nilai yang akan datang. Description Methods Mendapatkan pola penafsiran (human-interpretable patterns) untuk menjelaskan data. Tools Data Mining Karateristik-karateristik penting dari tool data mining meliputi : Data preparation facilities Selection of data mining operation (algorithms) Product scalability and performance Facilities for visualization of result Data mining tool, meliputi : Integral Solution Ltd s Clementine DataMind Corp s Data Crusher IBM s Intelligent Miner Silicon Graphics Inc. s MineSet Informations Discovery Inc. s Data Mining Suite SAS Institute Inc. s SAS System and Right Information System Thought. Tools Data Warehouse a) Software Back end: Data sourcing: ETL Data quality Data storage: pemandu agregat Meta-data manajemen
13 Front end: OLAP ROLAP Spreadsheet Pembuat laporan Tools Data Mining Analisa Statistik b) Hardware Desktop dan Peralatannya, menggunakan Akses card swipe Teknologi network seperti Cabling, modems, NIC, routers dll Servers seperti Server database, server ETL, server administrasi, tool metadata dll Backup, yang perlu diperhatikan bahwa Recovery sangat menyulitkan dan lokasi mendapatkan Source Systems Kriteria yang Paling Diperhatikan Dalam Memilih Tools Pengertian vendor terhadap data warehouse Buat pilihan yang dimengerti mengenai teknologi yang dipilih V endor bisa melakukan dan percaya diri Pekerjakan mereka dengan baik Data Preprocessing Data preprocessing menerangkan tipe-tipe proses yang melaksanakan data mentah untuk mempersiapkan proses prosedur yang lainnya. Dalam data mining menstrasformasi data ke suatu format yang prosesnya lebih mudah dan efektif untuk kebutuhan pemakai, contohnya Neural Network. Terdapat beberapa alat dan metode yang berbeda yang digunakan untuk preprocessing seperti : Sampling : menyeleksi subset representatif dari populasi data yang besar. Transformation : memanipulasi data mentah untuk menghasilkan input tunggal. Denoising : menghilangkan noise dari data Normalization : mengorganisasi data untuk pengaksesan yang lebih spesifik Feature extration : membuka spesifikasi data yang signifikan dalam konteks tertentu. Knowledge Discovery In Database (KDD) KDD berhubungan dengan teknik integrasi dan penemuan ilmiah, interprestasi dan visualisasi dari pola-pola sejumlah kumpulan data. Knowledge discovery in databases (KDD) adalah keseluruhan proses non-trivial untuk mencari dan mengidentifikasi pola (pattern) dalam data, dimana pola yang ditemukan bersifat sah, baru, dapat bermanfaat dan dapat dimengerti.
14 Tahapan Proses KDD Data Selection Menciptakan himpunan data target, pemilihan himpunan data, atau memfokuskan pada subset variabel atau sampel data, dimana penemuan (discovery) akan dilakukan. Pemilihan (seleksi) data dari sekumpulan data operasional perlu dilakukan sebelum tahap penggalian informasi dalam KDD dimulai. Data hasil seleksi yang akan digunakan untuk proses data mining, disimpan dalam suatu berkas, terpisah dari basis data operasional Preprocessing/cleaning Pemprosesan pendahuluan dan pembersihan data merupakan operasi dasar seperti penghapusan noise dilakukan. Sebelum proses data mining dapat dilaksanakan, perlu dilakukan proses cleaning pada data yang menjadi fokus KDD. Proses cleaning mencakup antara lain membuang duplikasi data, memeriksa data yang inkonsisten, dan memperbaiki kesalahan pada data, seperti kesalahan cetak (tipografi). Dilakukan proses enrichment, yaitu proses memperkaya data yang sudah ada dengan data atau informasi lain yang relevan dan diperlukan untuk KDD, seperti data atau informasi eksternal Transformation Pencarian fitur-fitur yang berguna untuk mempresentasikan data bergantung kepada goal yang ingin dicapai. Merupakan proses transformasi pada data yang telah dipilih, sehingga data tersebut sesuai untuk proses data mining. Proses ini merupakan proses kreatif dan sangat tergantung pada jenis atau pola informasi yang akan dicari dalam basis data Data mining Proses Data mining yaitu proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu. Teknik, metode, atau algoritma dalam data mining sangat bervariasi. Pemilihan metode atau algoritma yang tepat sangat bergantung pada tujuan dan proses KDD secara keseluruhan. Pemilihan algoritma data mining untuk pencarian (searching) Interpretation/ Evaluation Penerjemahan pola-pola yang dihasilkan dari data mining. Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan. Tahap ini merupakan bagian dari proses KDD yang mencakup pemeriksaan apakah pola atau informasi yang ditemukan bertentangan dengan fakta atau hipotesa yang ada sebelumnya PENUTUP
15 Data warehouse merupakan suatu cara/metode dari suatu database yang berorientasi kepada subjek, non-volatile, time-variance dan terintegrasi yang digunakan untuk mempermudah para pengambil keputusan dalam memecahkan masalah. Keberadaan data warehouse sangat penting sebagai tools dari DSS, karena data warehouse memang digunakan untuk itu. Dengan adanya data warehouse, diharapkan suatu perusahaan dapat lebih unggul dari kompetitornya dan lebih jeli lagi dalam melihat peluang pasar.
KARAKTERISTIK 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 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 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 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 terperinciKegunaan Data Warehouse
Kegunaan Data Warehouse Dengan adanya data warehouse, akan mempermudah pembuatan aplikasi-aplikasi DSS dan EIS karena memang kegunaan dari data warehouse adalah khusus untuk membuat suatu database yang
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 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 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 terperinciPERTEMUAN 13 ARSITEKTUR & MODEL DATA MINING
PERTEMUAN 13 ARSITEKTUR & MODEL DATA MINING bagan lanjut Keterangan : 1. Data cleaning (Pembersihan Data) : untuk membuang data yang tidak konsisten dan noise) 2. Data integration : penggabungan data dari
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, 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 terperinciARSITEKTUR & MODEL DATA MINING
PERTEMUAN 3 ARSITEKTUR & MODEL DATA MINING 28 September 2005 Arsitektur dan Model Data Mining 1 Arsitektur : Sistm Data Mining Graphical User Interface (GUI) Pattern evaluation Data Mining Engine Database
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 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 terperincijumlah keluarga, dan jumlah rumah. Data diambil dari hasil sensus potensi desa yang dilakukan BPS tahun 1996, 1999, 2003, dan 2006.
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
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 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 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 terperinciPERTEMUAN 1 & 2 PENDAHULUAN DAN PROSES KDD. 28 September 2005 Pendahuluan dan Proses KDD 1
PERTEMUAN 1 & 2 PENDAHULUAN DAN PROSES KDD 28 September 2005 Pendahuluan dan Proses KDD 1 Kebutuhan Bisnis Terdapat tiga kebutuhan bisnis : Penambahan maupun peningkatan kapasitas produk Pengurangan biaya
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 terperinciBAB II LANDASAN TEORI
1 BAB II LANDASAN TEORI 2.1. Teori Umum Adapun teori ataupun istilah istilah umum dalam data warehouse dan business Intelligence 2.1.1. Data dan Informasi Menurut McLeod (2007, 11), data terdiri dari fakta-fakta
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 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 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Secara sederhana data mining adalah penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data yang sangat besar. Data mining
Lebih terperinciLecture s Structure. Proses Data Warehouse. Proses Data Warehouse
Proses Data Warehouse Yudi Agusta, PhD Data Warehouse and Data Mining, Lecture 2 Copyright Yudi Agusta, PhD 2006 Lecture s Structure Proses Data Warehouse Contoh Metodologi NCR, SAS, Microsoft Case Studies
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 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 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 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 terperinciMEMBANGUN DATA WAREHOUSE
MEMBANGUN DATA WAREHOUSE A. Menentukan Bentuk Data Warehouse Data warehouse memiliki berbagai macam bentuk yang sering digunakan. Jadi sebelum membangun suatu data warehouse kita harus memutuskan bentuk
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 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 1 KONSEP DATA MINING 2 Gambar 1.1 Perkembangan Database Permasalahannya kemudian adalah apa yang harus dilakukan dengan data-data itu. Sudah diket
Bab1 Konsep Data Mining POKOK BAHASAN: Konsep dasar dan pengertian Data Mining Tahapan dalam Data Mining Model Data Mining Fungsi Data Mining TUJUAN BELAJAR: Setelah mempelajari materi dalam bab ini, mahasiswa
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 terperinciPERKEMBANGAN BASIS DATA SAAT INI
PERKEMBANGAN BASIS DATA SAAT INI Sejak tahun 1960-an penggunaan basis data sudah digunakan untuk bidang komersial, dimana pemrosesan file-nya masih berbasis manajemen file tradisional. Perkembangan komputer
Lebih terperinci- PERTEMUAN 1 - KNOWLEGDE DISCOVERY
DATA WAREHOUSE - PERTEMUAN 1 - KNOWLEGDE DISCOVERY in DATABASE (KDD) Penemuan Pengetahuan di Database Tujuan : Mahasiswa Dapat memahami konsep KDD yang merupakan tujuan akhir dari Data Warehouse dan Data
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI. yang tepat. Sistem data mining mampu memberikan informasi yang tepat dan
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Sistem data mining akan lebih efektif dan efisiensi dengan komputerisasi yang tepat. Sistem data mining mampu memberikan informasi yang
Lebih terperinciBAB II TINJAUAN PUSTAKA. yang akan dibuat adalah sebagai berikut : Sistem Monitoring Pertumbuhan Balita Berbasis Web. Wahyuningsih
BAB II TINJAUAN PUSTAKA A. Telaah Penelitian Penelitian sebelumnya yang berhubungan dengan sistem informasi yang akan dibuat adalah sebagai berikut : Wahyuningsih (2011) telah melakukan penelitian yang
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 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 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 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 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 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 terperinciJurnal String Vol. 1 No. 1 Tahun 2016 ISSN: PERANCANGAN DATA WAREHOUSE PADA PERPUSTAKAAN YAYASAN LENTERA INSAN
PERANCANGAN DATA WAREHOUSE PADA PERPUSTAKAAN YAYASAN LENTERA INSAN Aulia Paramita Program Studi Teknik Informatika, Universitas Indraprasta PGRI Email: aulia.pps@gmail.com Abstrak Data merupakan suatu
Lebih terperinciData Warehouse. Komponen Data warehouse
Data Warehouse Komponen Data warehouse Komponen Data warehouse Komponen Data warehouse 1. Sumber Data (Data Source) 2. Pementasan Data (Data Staging) 3. Penyimpanan Data (Data Storage) 4. Penyampaian Informasi
Lebih terperinciSistem Informasi Pendukung Keputusan Manajerial
Sistem Informasi Pendukung Keputusan Manajerial Mind Map Online Analytical Processing/ Pengertian Tingkatan dalam pengambilan keputusan manajemen: Manajemen strategis :mencakup board of directors, komite
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 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 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 terperinciSistem Basis Data Lanjut DATA WAREHOUSE. Data Warehouse 1/20
DATA WAREHOUSE Data Warehouse 1/20 Outline Konsep dan Arsitektur Data Warehouse Alur Data Warehouse Teknologi dan Peralatan Data Warehouse Perancangan Data Warehouse Penggunaan Oracle pada Data Warehouse
Lebih terperinciPENDAHULUAN 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 terperinciPROSES EXTRACT, TRANSFORM DAN LOAD PADA DATA WAREHOUSE
PROSES EXTRACT, TRANSFORM DAN LOAD PADA DATA WAREHOUSE Oktavian Abraham Lantang ABSTRAK Saat ini seiring dengan perkembangan teknologi informasi yang semakin pesat, ketergantungan proses bisnis suatu perusahaan
Lebih terperinci[Data Warehouse] [6/C2 & 6/D2]
[Data Warehouse] [6/C2 & 6/D2] [ Chapter 3] Arsitektur dan Struktur Data Warehouse Dedy Alamsyah, S.Kom, M.Kom [NIDN : 0410047807] Arsitektur Data Warehouse Menurut Poe, arsitektur adalah sekumpulan atau
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum Dalam menganalisa dan merancang sebuah sistem informasi diperlukan teori-teori umum yang akan menjadi dasar pengetahuan dalam melakukan analisa dan perancangan.
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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Penambangan Data (Data Mining) Pengertian data mining, berdasarkan beberapa orang: 1. Data mining (penambangan data) adalah suatu proses untuk menemukan suatu pengetahuan atau
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 terperinciBusiness Intelligence System (Sistem Kecerdasan Bisnis) Mohammad Sidik
Business Intelligence System (Sistem Kecerdasan Bisnis) Mohammad Sidik Pengertian Business Intelligence System O Business Intelligence adalah Proses, Teknologi, dan Peralatan yang membantu kita mengubah
Lebih terperinciBAB II TINJAUAN PUSTAKA. pengetahuan di dalam database. Data mining adalah proses yang menggunakan
6 BAB II TINJAUAN PUSTAKA 2.1 Pengertian Data Mining Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data mining adalah proses yang menggunakan
Lebih terperinciAdapun karakteristik umum yang dimiliki datawarehouse adalah :
1 Data Warehouse Data Warehouse adalah database yang didesain khusus untuk mengerjakan proses query, membuat laporan dan analisa. Data yang di simpan adalah data business history dari sebuah organisasi
Lebih terperinciBAB II. 2.1 Model Data High Level Data Model (Conceptual Data Model)
BAB II PENGEMBANGAN SISTEM BASIS DATA Bab ini akan membahas lebih lanjut mengenai arsitektur sistem basis data dan pengembangan sistem basis data. Sistem basis data tidak berdiri sendiri, tetapi selalu
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 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 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 terperinciPerkembangan Teknologi Database
Konsep Teknologi Informasi Perkembangan Teknologi Database ARIF BASOFI PENS 2016 Referensi 1. Fitrianingsih, Perkembangan Basis Data, Universitas Gunadarma. 2. Yulia Kahitela, Perkembangan Teknologi Database,
Lebih terperinciPerancangan Basis Data
MODUL PERKULIAHAN Perancangan Basis Data Pengantar Basis Data Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh Fakultas Ilmu Komputer Teknik Informatika 01 87012 Abstract Pengantar basis data dalam
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 terperinciTahapan Proses KDD (Peter Cabena) Business Objective Determination (#1) Business Objective Determination (#2) Business Objective Determination (#4)
Knowledge Discovery in Databases (IS704) dan Data Mining (CS704) Kuliah #2 Gunawan Jurusan Teknik Informatika Sekolah Tinggi Teknik Surabaya Tahapan Proses KDD (Peter Cabena) Penentuan Sasaran Bisnis (
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 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 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 terperinciBAB I PENDAHULUAN. Berkembangnya teknologi dan informasi saat ini telah menghasilkan kumpulan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Berkembangnya teknologi dan informasi saat ini telah menghasilkan kumpulan data diberbagai bidang ilmu pengetahuan, bisnis ataupun pemerintahan. Pada proses penyediaan
Lebih terperinciMENGENAL DATA WAREHOUSE
MENGENAL DATA WAREHOUSE Kusumawardani wardhanik24@gmail.com :: http://ilmuti.org/author/kusumawardani/ Abstrak Tentu setiap orang kenal dengan yang namanya data, karena segala aktifitas sudah pasti merangkum
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 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 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 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 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 ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Proses analisis dan perancangan sistem merupakan suatu prosedur yang dilakukan untuk pemeriksaan masalah dan penyusunan alternatif pemecahan masalah yang timbul
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 terperinciPERSYARATAN PRODUK. 1.1 Pendahuluan Latar Belakang Tujuan
BAB 1 PERSYARATAN PRODUK Bab ini membahas mengenai hal umum dari produk yang dibuat, meliputi tujuan, ruang lingkup proyek, perspektif produk, fungsi produk dan hal umum yang lainnya. 1.1 Pendahuluan Hal
Lebih terperinciBAB I PENDAHULUAN.
1 BAB I PENDAHULUAN 1.1. Latar Belakang Informasi yang cepat dan akurat sangat dibutuhkan dalam kehidupan sehari-hari, Informasi akan menjadi suatu elemen penting dalam perkembangan masyarakat saat ini
Lebih terperinciinformation karena data yang terkumpul itu tidak dapat digunakan untuk aplikasi
ABSTRAK Perkembangan data mining (DM) yang pesat tidak dapat lepas dari perkembangan teknologi informasi yang memungkinkan data dalam jumlah besar terakumulasi sejalan dengan pertumbuhan teknologi informasi.
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 terperinciPerancangan Dan Implementasi Aplikasi Olap Dengan Metode Pengembangan Waterfall Dan Evolutionary Untuk Analisis Data Pada Perguruan Tinggi
Perancangan Dan Implementasi Aplikasi Olap Dengan Metode Pengembangan Waterfall Dan Evolutionary Untuk Analisis Data Pada Perguruan Tinggi I Nyoman Mahayasa Adiputra, J. Wahyu Nugroho Joshua Sekolah Tinggi
Lebih terperinciPengantar Datawarehouse Muhammad Subhan subhan@binusian.org m@tsubhan.com subhan_0072001@live.com http://subhan.blog.binusian.org http://geeks.netindonesia.net/blogs/muhammadsubhan Lisensi Dokumen: Copyright
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 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 terperinciTahapan Proses KDD (Peter Cabena)
Knowledge Discovery in Databases (IS704) dan Data Mining (CS704) Kuliah #2 Gunawan Jurusan Teknik Informatika Sekolah Tinggi Teknik Surabaya Tahapan Proses KDD (Peter Cabena) Penentuan Sasaran Bisnis (Business
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 terperinciBAB I PENDAHULUAN. perusahaan saling bersaing dalam meningkatkan produktivitas dan kinerja dari
BAB I PENDAHULUAN 1.1 Latar Belakang Dewasa ini teknologi informasi telah berkembang sangat pesat. Setiap perusahaan saling bersaing dalam meningkatkan produktivitas dan kinerja dari perusahaan mereka.
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 LANDASAN TEORI. Teori teori yang digunakan sebagai landasan dalam desain dan. implementasi dari sistem ini adalah sebagai berikut :
BAB II LANDASAN TEORI Teori teori yang digunakan sebagai landasan dalam desain dan implementasi dari sistem ini adalah sebagai berikut : 2.1. Sistem Informasi Manajemen Sistem Informasi Manajemen adalah
Lebih terperinciUKDW BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam dunia bisnis pada jaman sekarang, para pelaku bisnis senantiasa selalu berusaha mengembangkan cara-cara untuk dapat mengembangkan usaha mereka dan memperhatikan
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 terperinci