Senin, 09 Juni 2014

UNIVERSITAS BINA NUSANTARA


Jurusan Sistem Informasi


School of Information Systems


Laporan Karya Ilmiah Topik – Topik Lanjutan


Semester Genap 2013/2014


BUSINESS INTELLIGENCE


Cici Permata Belisa        1501193170


Herawati Hardi        1501189791


Tri Ako Nugroho         1501192382


David Ricardo        1501191726


Kelas : 06 PJM /Kelompok 1


Abstrak
Tujuan dari penulisan karya ilmiah ini merupakan untuk mengetahui penerapan teknik Business Intelligence serta alat yang mendukung dalam berjalannya teknik business intelligence. Serta memperjelas peran-peran serta fungsi dari alat pendukung agar terjadinya teknik business intelligence. Tujuan lain dari penulisan karya ilmiah ini juga sebagai salah satu syarat pemenuhan mata kuliah Topik-Topik Lanjutan Sistem Informasi. Metode yang digunakan penulis dalam melakukan penelitian menggunakan metode studi pustaka.

Kata Kunci
Business Intelligence, BI, Data warehouse









BAB 1

PENDAHULUAN

1.1    Latar Belakang
    Pada jaman modern masa kini, jumlah data yang dimiliki pada suatu organisasi maupun perusahaan terdapat dalam jumlah yang banyak sekali. Hal ini disebabkan oleh arus perubahan dari proses kerja yang sebagian besar masih menggunakan proses manual menjadi sebagian besar sudah menggunakan proses komputerisasi. Dikarenakan banyaknya data yang dimiliki pada suatu organisasi maupun perusahaan, maka hal ini memungkinkan suatu organisasi atau perusahaan mengalami kesulitan dalam melakukan pengolahan data yang sedemikian banyaknya untuk membantu dalam proses pengambilan keputusan yang bersifat berpengaruh dari segi proses bisnis perusahaan atau organisasi tersebut. Selain meningkatnya jumlah data yang dimiliki oleh suatu organisasi atau perusahaan, jumlah pesaing bisnis pada jaman modern kini sudah bertumbuh secara pesat dan sangat bersifat competitive, yang mengharuskan sebuah perusahaan atau organisasi dapat melakukan proses pengambilan keputusan yang cepat dan akurat untuk tetap bertahan dalam persaingan bisnis. Dengan melihat dari segi permasalahan tersebut, maka terciptalah suatu teknik pengeolahan data yang disebut dengan Business Intelligence.
Fungsi tersendiri dari business intelligence tersebut adalah sebagai metode atau teknik yang mengelolah dari suatu data mentah yang belum memiliki suatu nilai informasi, menjadi sebuah informasi yang dapat digunakan sebagai bahan pertimbangan dalam pengambilan keputusan yang biasa dilakukan oleh tingkat manajemen tinggi, dikarenakan dari informasi yang telah diolah tersebut telah menjadi pengetahuan yang secara langsung menyimpulkan suatu informasi untuk pengambilan keputusan bagi manajemen tingkat tinggi dalam suatu perusahaan atau organisasi.
Business Intelligence sendiri merupakan tergolong teknologi baru yang secara langsung dapat mengelola data yang dimiliki data warehouse suatu perusahaan lalu diproses dan ditampilkan dalam suatu dashboard yang lebih memudahkan dipresentasikan bagi manajemen tingkat tinggi dikarenakan data yang masih bersifat mentah sudah dikelola dan berbentuk kesimpulan. Business intelligence sendiri merupakan sebuah teknik yang melalui beberapa proses yang cukup rumit, dikarenakan harus dilakukan proses ekstrak atau seleksi data dan diubah bentuk data tersebut dari bentuk yang dimiliki data warehouse menjadi bentuk informasi yang lebih memudahkan untuk dilihat dan dapat ditampilkan dalam dashboard sebagai informasi pengambilan keputusan bagi manajemen tingkat tinggi.
1.2    Ruang Lingkup
Ruang lingkup dari penulisan ini dibatasi pada:
    1. Business Intelligence.
    2. Data Warehouse.
    3. Extract Transform Language (ETL)



1.3    Tujuan
    1.3.1 Tujuan bagi penulis
Tujuan dari penulisan karya ilmiah ini bagi penulis adalah untuk melakukan penelitian pada penggunaan metode business intelligence serta alat-alat atau komponen yang mendukung dalam proses business intelligence. Dimana dengan menggunakan metode business intelligence dapat membantu sebuah perusahaan atau organisasi dalam pengolahan data sebagai sumber pengambilan keputusan bisnis dari perusahaan atau organisasi tersebut.
    1.3.2 Tujuan bagi pembaca
Tujuan dari penulisan karya ilmiah ini bagi pembaca adalah agar pembaca dapat mengetahui definisi dan tujuan dari business intelligence serta komponen-komponen pendukung dari metode business intelligence itu sendiri.
1.4    Manfaat
Adapun manfaat-manfaat yang dapat diperoleh dengan adanya karya ilmiah ini adalah sebagai berikut:
1. Memberikan informasi mengenai dampak dari fungsi metode business intelligence bagi sebuah organisasi atau perusahaan.
2. Memberikan informasi mengenai alat-alat atau komponen pendukung dari metode business intelligence.
1.5.    Metodologi
Metodologi yang digunakan dalam penulisan karya ilmiah ini adalah metodologi:
A.    Metode Studi Pustaka
Metode ini dilakukan dengan pengumpulan data dan informasi yang bersifat teoritis dari buku-buku dan literatur ilmiah lainnya yang berkaitan dengan topik yang dibahas.
B. Metode Studi Jurnal
Dalam metode ini dilakukan penelitian dengan cara mencari informas-informasi yang berkaitan dengan topik penulisan melalui jurnal-jurnal yang ditemukan.







BAB 2

Landasan Teori

2.1     Data
    Data merupakan suatu fakta-fakta yang belum memiliki nilai. Pendapat tersebut diperkuat oleh teori dari Jogianto H, M  (1995),Dimana “Data merupakan bentuk yang masih mentah yang belum dapat bercerita banyak sehingga perlu diolah lebih lanjut”

2.2     Informasi
Menurut Jogianto H, M,  (1995), “Informasi adalah data yang diolah menjadi bentuk yang lebih berguna bagi yang menerima.” Berdasarkan teori tersebut, telah memperkuat pengertian informasi menurut kelompok, dimana informasi adalah kumpulan data-data yang telah diolah sehingga memiliki suatu nilai dan dapat dimengerti oleh penggunanya.

2.3     Knowledge
Knowledge adalah kumpulan informasi-informasi yang berguna untuk pengambilan keputusan.Pendapat tersebut didukung oleh pengertian dari Liebowitz, J., 1999, p3, dimana Knowledge adalah informasi yang telah disusun dan dianalisa agar mudah dimengerti dan berguna untuk pemecahan masalah dan dapat digunakan untuk bahan mengambil keputusan .

2.4      Business Intelligence
Menurut kelompok Business Intelligence (BI) adalah suatu tools, application dan methods untuk mengumpulkan, menganalisis dan mengintegrasikan berbagai informasi menjadi suatu knowledge bisnis yang berguna untuk mendukung pengambilan keputusan. Pengertian tersebut diperkuat oleh teori dari beberapa ahli seperti dari Williams, S., and Williams, N. (2007),“Business Intelligence merupakan gabungan dari produk, teknologi, dan metode untuk meningkatkan kinerja dan keuntungan. Lebih luas lagi, kita berpikir tentang  Business Intelligence sebagai informasi bisnis dan bisnis analisis yang menjadi konteks bisnis utama mengarah pada keputusan, tindakan, dan yang menghasilkan peningkatan kinerja bisnis."
Business Intelligence adalah tentang mendapatkan keuntungan yang lebih besar dengan menganalisis data dan angka dalam jumlah yang besar, memilah pekerjaannya, dan masalah yang tersembunyi dalam perusahaan, memberdayakan tindakan untuk menyelesaikan masalah dan menyediakan actionable insight(Mohanty,2008).
Dalam sebuah artikel 1958, peneliti IBM Hans Peter Luhn menggunakan istilah intelijen bisnis. Dia mendefinisikan kecerdasan sebagai "kemampuan untuk menangkap keterkaitan dari fakta-fakta yang disajikan sedemikian rupa untuk membimbing tindakan ke arah tujuan yang dikehendaki."
Istilah Business Intelligence pertama kali didengungkan pada tahun 1989 oleh Howard Dresner. Dia menggambarkan istilah tersebut sebagai seperangkat konsep dan metode yang berguna untuk meningkatkan pembuatan keputusan dengan bantuan sistem yang berbasiskan fakta atau realita yang terjadi.

Pada tahun 1989 Howard Dresner (kemudian seorang analis Gartner Group) mengusulkan BI sebagai payung istilah untuk menggambarkan "konsep-konsep dan metode untuk meningkatkan pengambilan keputusan bisnis dengan menggunakan dukungan berbasis fakta-sistem." Tidak sampai akhir tahun 1990-an bahwa penggunaan ini tersebar luas.

2.5     Data Mining
    Data mining adalah suatu konsep yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database.Pendapat tersebut diperkuat oleh  Turban et al,2005, Data mining merupakan proses semi otomatik yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi pengetahuan yang potensial dan berguna serta tersimpan dalam database besar.

2.6     Data Warehouse
    Data warehouse adalah suatu gudang penyimpanan data dimana didalam tempat penyimpanan data ini data yang disimpan dan merupakan data yang terstruktur dan berguna untuk proses analisis selanjutnya sesuai dengan bagian yang membutuhkan data tersebut. Pendapat tersebut diperkuat oleh Gupta,2003 dimana Data warehouse adalah suatu perluasan lingkungan terstruktur yang di-design untuk menganalisa data non-volatile, logika dan fisik yang dirubah dari beberapa sumber-sumber aplikasi untuk disesuaikan dengan struktur bisnis, di-update dan diolah untuk jangka waktu yang panjang, diekspresikan dalam istilah bisnis dan disimpulkan untuk analisa yang cepat.
Data warehouse ditujukan sebagai sebuah sentral penyimpanan data, dimana data yang datang dari satu atau lebih sistem transaksi (misalnya data produksi, data penjualan, dsb) dapat dikonsolidasikan menjadi sebuah sumber data yang tunggal dan terintegrasi. Data warehouse didesain untuk dapat menjadi tempat pengumpulan data dalam jumlah besar secara optimal. Piranti lunak database yang ada saat ini seperti MS SQL Server 2000, Oracle 8i dan Sybase IQ Server menawarkan kemudahan dalam membuat data warehouse.
Dalam komputasi, sebuah gudang data perusahaan (DW, DWH, atau EDW) adalah database yang digunakan untuk pelaporan dan analisis data. Ini adalah repositori pusat data yang dibuat dengan mengintegrasikan data dari satu atau lebih sumber yang berbeda. Data gudang menyimpan arus serta data historis lalu digunakan untuk membuat laporan untuk pelaporan kepada manajemen senior seperti perbandingan tahunan dan triwulanan.
ETL berbasis khas data warehouse menggunakan lapisan pementasan, integrasi data, dan akses ke rumah fungsi utamanya. Lapisan pementasan atau pementasan database yang menyimpan data mentah diekstrak dari masing-masing sistem sumber data yang berbeda. Lapisan integrasi mengintegrasikan kumpulan data yang berbeda dengan mengubah data dari lapisan pementasan lalu menyimpan data ini dan ditransformasikan dalam menyimpan data operasional (BPO) database. Data terpadu kemudian pindah ke database lain belum, sering disebut database data warehouse, di mana data diatur ke dalam kelompok hirarkis dimensi sering disebut dan menjadi fakta dan fakta agregat. Kombinasi fakta dan dimensi kadang-kadang disebut skema bintang. Lapisan akses membantu pengguna mengambil data.
Sebuah data warehouse dibangun dari sistem sumber data terpadu tidak memerlukan ETL, database pementasan, atau data operasional database toko. Sistem data terpadu sumber dapat dianggap sebagai bagian dari lapisan data terdistribusi toko operasional. Data federasi metode atau metode virtualisasi data dapat digunakan untuk mengakses data sistem terdistribusi sumber untuk mengkonsolidasikan terintegrasi dan data agregat langsung ke tabel database data warehouse. Berbeda dengan data warehouse ETL berbasis, sumber data sistem dan terintegrasi data warehouse semua terintegrasi karena tidak ada transformasi data dimensi atau referensi. Ini arsitektur data warehouse terintegrasi mendukung bor turun dari data agregat dari gudang data untuk data transaksional dari sistem sumber data yang terintegrasi.
Data warehouse dapat dibagi menjadi data mart. Data mart menyimpan subset data dari gudang.
Definisi dari data warehouse berfokus pada penyimpanan data. Sumber utama data dibersihkan, diubah, katalog dan dibuat tersedia untuk digunakan oleh para manajer dan profesional bisnis lainnya untuk penambangan data, pengolahan analisis secara online, riset pasar dan mendukung keputusan. Namun, sarana untuk mengambil dan menganalisis data, untuk mengekstrak, mengubah dan memuat data, dan untuk mengelola data kamus juga dianggap komponen penting dari sistem data warehouse. Banyak referensi untuk data warehousing menggunakan konteks yang lebih luas. Jadi, definisi yang diperluas untuk data pergudangan meliputi alat intelijen bisnis, alat untuk mengekstrak, mengubah dan memuat data ke dalam repositori, dan alat untuk mengelola dan mengambil metadata.

2.7     ETL(Extract, Transform, Load)
    Extract Transform Load adalah kumpulan dari proses dimana sumber data operational disiapkan untuk dimasukan kedalam data warehouse. Merupakan suatu proses yang berlangsung pada staging area  dari data warehouse. Proses ini terdiri dari proses ekstraksi data operational dari sumber applikasi, mengubah bentuknya, mengeluarkan dan membuat index dari data itu, menjamin kualitas dari data tersebut (Kimball & Ross, 2002).









BAB 3

Pembahasan

3.1    Business Intelligence
    3.1.1    Definisi Business Intelligence
Menurut kelompok studi Business Intelligence pada Departemen Keuangan Indonesia menyatakan, Business Intelligence (BI) adalah sistem dan aplikasi software yang memiliki fungsi untuk mengubah data-data yang dimiliki suatu organisasi atau perusahaan (data transaksional, data operasional atau data lain yang dimiliki) ke dalam bentuk informasi atau pengetahuan. Aplikasi software ini melakukan analisa data-data lampau yang dimiliki sebuah perusahaan atau organisasi, menganalisa data tersebut dan menggunakan hasil dari analisa yang sudah menjadi bentuk informasi untuk mendukung pengambilan keputusan dan perencanaan bisnis suatu organisasi atau perusahaan.
Dari definisi yang telah dijabarkan itu, dapat dikatakan bahwa Business Intelligence merupakan suatu metode sistem pendukung keputusan bagi manajemen tingkat tinggi yang berdasarkan pada data-data fakta kinerja yang dimiliki suatu perusahaan maupun organisasi. Business Intelligence sangat berguna untuk meningkatkan tingkat efisiensi dari segi finansial, sumber daya manusia serta beberapa sumber daya lainnya yang berhubungan. Dalam perkembangan metode Business Intelligence banyak orang yang telah setuju bahwa Business Intelligence telah mencakupi banyak area teknologi dan proses, diantara lainnya adalah:
•    Analisis
•    Budgeting
•    Dashboarding
•    Data mining
•    Data warehousing
•    Forecasting
•    Reporting
•    Strategic planning
•    Scorecarding
Business Intelligence (BI) adalah sebuah proses yang bertujuan melakukan ekstraksi data-data operasional yang dimiliki organisasi atau perusahaan lalu mengumpulkannya dalam sebuah data warehouse. Proses selanjutnya data yang berada pada data warehouse diproses dengan menggunakan berbagai analisa statistik dalam proses penggalian data, sehingga diperoleh berbagai pola atau pattern dari data yang telah diproses.
Hasil yang telah disederhanakan dan telah diringkas ini disajikan kepada end user yang biasanya merupakan bentuk untuk pengambilan keputusan bisnis. Dengan hasil yang telah dihasilkan, manajemen tingkat tinggi dapat mengambil keputusan bisnis berdasarkan fakta-fakta aktual yang telah dihasilkan, dan dengan adanya hasil dari metode business intelligence para manajemen tingkat tinggi tidak perlu hanya mengandalkan intuisi dan pengalaman kuantitatif saja.
Secara umum, Business intelligence merupakan sebuah proses untuk melakukan ekstraksi data-data operasional perusahaan dan mengumpulkannya dalam sebuah data warehouse. Selanjutnya data warehouse akan melewati proses dalam menggunakan berbagai analisis statistik dalam proses penggalian data, sehingga didapatkan berbagai kecenderungan atau pola dari data. Hasil proses penyederhanaan dan proses peringkasan ini disajikan kepada end user yang biasanya merupakan eksekutif perusahaan pengambil keputusan yang memiliki pengaruh bisnis. Dengan demikian manajemen dapat melakukan tindakan pengambilan keputusan berdasarkan fakta-fakta yang bersifat aktual, dan tidak hanya mengandalkan insting dan pengalaman kuantitatif saja.
        Pada kenyataannya, business intelligence lebih condong untuk berfungsi     menjadi analis, sebagai perhitungan scorecard, serta memberikan saran pada user pada     tindakan yang baiknya diambil dalam pengambilan keputusan. dengan melaksanakan     fungsi dari dashboard, user business intelligence akan mengetahui potensi hal-hal     yang tidak beres pada perusahaan maupun organisasi mereka serta dengan hal-hal     yang menyebabkan masalah tersebut agar tidak berkembang menjadi masalah yang     lebih besar. Business intelligence sangat berfungsi memberikan peringatan dini,     memberikan trend informasi dan melakukan penilaian. Business intelligence berfungsi     dalam membantu membuat keputusan perusahaan atau keputusan bisnis secara cepat     dan akurat.
    Contoh masalah yang ada dalam business intelligence:
•    Manager promosi ingin melakukan analisa pengaruh pada jenis media iklan pada koran, tabloid, dan televisi terhadap penjualan produk.
•    Manager Human Resources Department dapat menganalisa mengenai pengaruh kenaikan honor pada tingkat produktivitas para pegawai di pabrik.
•    Manager penjualan ingin melihat pengaruh musim dengan kepadatan penduduk pada penjualan buat di setiap daerah.
Sedangkan tujuan diterapkannya Business intelligence adalah untuk mengurangi volume data agar menjadi informasi yang berguna seperti profil pelanggan, kebiasaan berbelanja, tingkat keuntungan suatu produk, dan strategi yang bersifat kompetitif. Seringkali ini dilakukan dengan menggunakan analisis tingkat lanjut untuk "menggali" volume data agar mendapat hubungan dan informasi yang di nilai memiliki nilai kritis dalam suatu data. Dengan metode Business intelligence data akan melalui proses yang diringkas menjadi laporan untuk berbagi informasi dengan orang di dalam dan di luar organisasi.
Business Intelligence Software atau secara singkat juga dikenal dengan sebutan dashboard. Dikatakan sebagai dashboard dikarenakan secara umum Business Intelligence memiliki fungsi yang serupa dengan dashboard pada kendaraan. Business Intelligence memberikan metrik (ukuran-ukuran) yang dapat menentukan performa pada sebuah kendaraan (organisasi). Business Intelligence juga dapat memberikan informasi mengenai kondisi internal, dan Business Intelligence juga memberikan tanda-tanda pada pengemudi apabila terjadi kesalahan pada kendaraan, seperti pada bensin bila akan habis pada kendaraan akan memberikan tanda peringatan. Hal-hal tersebut sangat berguna bagi pengemudi agar mampu mengendalikan kendaraan dengan lebih baik dan mampu menghasilkan keputusan yang tepat dan lebih cepat.
    Contoh Business Intelligence:
 
    3.1.2     Kelebihan dan Kekurangan yang dimiliki Business Intelligence:
    Business Intelligence pada saat benar-benar dilaksanakan dan telah digunakan, akan memberikan banyak manfaat. Berikut adalah beberapa keuntungan utama yang meliputi:
•    Menyajikan informasi yang bersifat lebih reliable.
•    Lebih cepat dalam menghasilkan informasi, berdasarkan fakta pengambilan keputusan.
•    Mempresentasikan grafis sederhana dari KPI dan metrik.
•    Merupakan kombinasi dari beberapa sumber data.
•    Cepat dalam mengumpulkan dan menyebarkan informasi
•    Aligntment dari sebuah perusahaan sekitar satu set konsisten KPI dan metrik
Berikut beberapa kelemahan dari metode Business Intelligence utama adalah sebagai berikut:
•    Biaya yang cukup mahal
•    Metode yang cukup rumit
•    Penggunaan yang terbatas
•    Membutuhkan waktu konsumsi implementasi
•    Piling dari bagian Data History
•    Mengacaukan pada pengaturan komersial
    3.1.3    Arsiktektur BI
 
Objek biru pada gambar diatas merepresentasikan arsitektur data tradisional.Objek merah muda mewakili arsitektur BI baru yang modern,yang meilputi Hadoop,Database NoSql,dan tools analisis lainnya.
Pada BI architecture ini,data awal didapat dari berbagai sumber dan berbagai format, karena biasanya data source ini berasal dari data operasional perusahaan yang belum memiliki satu format utuh dan sering terkali terjadi redudansi data.
Setelah mendapatkan data awal para analisis melakukan proses ETL (Extract, Transform, Load), yaitu proses dimana data awal di extract untuk mendapat informasi utama didalamnya guna menghasilkan data yang efektif dan akurat. Setelah mendapatkan hasil extractsi dari proses sebelumnnya, data tersebut akan diolah pada tahap transform, yaitu suatu tahapan proses dimana data akan mengalamai perubahan file format sesuai dengan yang dibutuhkan oleh perusahaan dan biasanya dalam satu single format agar mempermudah perusahaan dalam mengintegrasikan data dan kompabilitas yang sangat baik dalam penggunaan data tersebut. Proses loading merupakan proses selanjutnya dimana data yang telah diextract dan ditransform, dipersiapkan untuk melanjutkan tahap selanjutnya yang merupakan tahapan Hadoop.
Hadoop memungkinkan perusahaan untuk mengkonsumsi dan menganalisa semi struktur data dalam jumlah besar dan melakukan pengkategorian data yang telah didapat sesuai dengan dimana data tersebut dibutuhkan.Selain itu,architecture ini juga melengkapi pengiriman data top-down dengan lebih fleksibel,dan juga analisis prediktif atau eksplorasi dan pengembangan aplikasi yang lebih cepat dengan pendekatan bottom-up. Kebanyakan Sumber Data sekarang mengalir melalui Hadoop.Dari Hadoop,data di masukkan kedalam pusat datawarehouse .
Datawarehouse adalah suatu tempat penyimpanan data atau biasa disebut dengan gudang data berguna untuk menampung data. Fungsi lain dari Datawarehouse mendistribusikan data ke downstream system ,seperti data mart,operational data store,dan analisis dari berbagai jenis sandbox dimana user dapat mengquery data menggunakanan SQL dan analysis tool. Sandbox hanya digunakan untuk tahapan bottom-up karena sandbox disini hanya bersifat sementara dan data didalamnya suatu saat dapat dihapus oleh sistem, sebaliknya dalam tahapan pendekatan secara top-down data dapat disimpan dalam streaming engine lalu baru disimpan ke dalam datawarehouse. Bila data yang akan disimpan dirasa tidak perlu untuk disimpan dalam streaming engine maka data tersebut dapat langsung disimpan dalam datawarehouse. Data yang tidak perlu disimpan dalam streaming engine merupakan data yang berupa mesin data dan beberapa data seperti webdata dan ekternal data.
Semua data yang telah diolah dalam proses BI architecture akan melalui tahapan data mining dimana tahapan tersebut merupakan tahapan dimana data yang telah disimpan dalam datawarehouse akan diklasifikasi sesuai dengan departemen yang membutuhkan dimana data yang digunakan dalam data mining akan dianalisis nilai yang tersembunyi dalam data tersebut, dan nilai tersebut yang akan menjadi suatu informasi yang akan digunakan oleh para user. 
BI architecture bisa menganalisa sumber data baru dalam jumlah besar dan secara signifikan merupakan platform yang lebih bagus untuk data alignment, analisis prediktif yang fleksibel dan konsisten.
    Dengan demikian,BI architecture ini menyediakan analisis ekosistem modern yang menampilkan arus data top-down dan bottom-up yang memenuhi persyaratan analisis dan reporting.

3.2     Extract Transform Load (ETL)
    Extract, transform, dan load (ETL) adalah proses yang terjadi di dalam penggunaan database dan terutama pada data warehouse yang bersangkutan dengan:
•    Mengekstrak data
•    Melakukan transformasi data menjadi sesuai dengan kebutuhan operasional.
•    Memasukan hasil tersebut pada target.
 
3.2.1     Extract
    Proses ekstrak merupakan tahap pertama dari proses ETL, proses ini melibatkan penggalian data dari sumber. Sebagian besar bagian dari data warehouse mengkonsolidasikan data dari sumber sistem yang berbeda-beda. Pada setiap sistem data yang terpisah juga dapat menggunakan organisasi data yang berbeda. Umumnya format dari sumber data adalah database relasional dan flat file, akan tetapi dapat mencakup sebuah struktur database non-relasional seperti Information Management System (IMS) atau sebuah struktur data lain Virtual Storage Access Method (VSAM) atau Indexed Sequential Access Method (ISAM), atau dapat juga mengambil dari sumber-sumber data luar seperti melalui spidering web atau screen-scraping. Streaming dari beberapa sumber data yang diekstrak dan beban on-the-flu ke tujuan database yang diinginkan merupakan cara lain untuk melakukan proses ETL, apabila tidak ada penyimpangan data menengah yang diperlukan. Pada dasarnya, tujuan dari tahap proses ekstraksi adalah untuk melakukan konversi data ke dalam format tunggal yang sesuai untuk pengolahan transformasi. Adalah bagian yang tidak terpisahkan dari proses ekstraksi melibatkan parsing data yang telah diekstrak, sehingga jika data memenuhi pola yang diharapkan atau struktur yang sudah menjadi target dari yang direncanakan. Apabila tidak, data yang dimiliki dapat ditolak secara seluruhnya atau hanya sebagian yang diperlukan.
3.2.2     Transform
    Proses tahap transformasi menerapkan beberapa serangkaian aturan atau fungsi untuk data yang diambil dari sumber data untuk memperoleh data agar dilakukan proses loading ke target akhir. Beberapa bagian dari sumber data akan membutuhkan manipulasi yang sangat sedikit ataupun bahkan tidak sama sekali ada data. Dalam kasus lain, satu atau lebih jenis transformasi berikut memungkinkan diperlukan untuk memenuhi kebutuhan bisnis dan teknis dari database yang dituju:
•    Hanya memilih beberapa kolom tertentu untuk memuat (atau tidak memilih kolom/ kolom nol). Sebagai contoh, apabila sumber data memiliki tiga kolom (dapat disebut juga sebagai atribut) mengatakan roll_no, usia dan honor maka ekstraksi dapat mengambil hanya roll_no dan honor. Demikian juga dengan mekanisme ekstraksi dapat mengabaikan semua catatan dimana honor yang tidak hadir(honor==null).
•    Dapat menerjemahkan nilai-nilai kode (misalnya, juga sistem pada sumber menyimpan P untuk pria dan W untuk wanita, tetapi pada gudang toko R untuk pria dan G untuk wanita), hal ini merupakan panggilan untuk membersihkan data secara otomatis, tidak ada hal pembersihan pengguna terjadi selama proses ETL.
•    Encoding pada nilai dalam bentuk yang bebas (misalnya, pemetaan “pria” untuk “P” dan “Mr” menjadi “M”).
•    Menurunkan beberapa nilai yang dihiting baru (contoh, sale=qty*unitPrice).
•    Sorting
•    Proses penyatuan data dari beberapa sumber.
•    Agregasi
•    Dapat membangkitkan nilai kunci pengganti
•    Transposing
•    Memisahkan kolom kedalam beberapa kolom
•    Disagregasi, mengulangi kolom kedalam tabel detil yang terpisah
•    Lookup dan melakukan validasi data yang relevan dari tabel maupun file referensial untuk secara perlahan mengubah dimensi
•    Melakukan penerapan segala bentuk validasi data sederhana maupun kompleks. Jika validasi terjadi kegagalan, hal itu dapat mengakibatkan sebuah penolakan penuh, sebagian atau tidak samakelai dari data, dan dengan demikian tidak ada, beberapa atau seluruh data diserahkan ke langkah selanjutnya, tergantung dari aturan desain dan cara penanganan eksepsi.
3.2.3    Load
    Merupakan tahap terakhir dari proses ETL yaitu melakukan proses load data ke target akhir, yang dimana biasanya target akhirnya adalah data warehouse (DW). Hal ini tergantung kepada kebutuhan pada sebuah organisasi atau perusahaan, proses ini bersifat sangat bervariasi. Beberapa data warehouse dapat menggantikan informasi yang ada dengan informasi yang bersifat kumulatif, data ekstrak sering memperbaharui dengan melakukannnya secara harian, mingguan, maupun bulanan. Data warehouse lainnya (atau bahkan dapat merupakan bagian lain dari data warehouse yang sama) memiliki kemampuan untuk menambahkan data yang baru dalam bentuk historicized, sebagai contoh, per jam. Untuk mengerti hal ini, mempertimbangkan data warehouse yang diperlukan untuk mempertahankan pada rekor penjualan satu tahun terakhir. Pada tahap berikutnya, data warehouse akan menghapus semua data yang berumur lebih tua dari satu tahun dengan data yang lebih baru. Akan tetapi, masuknya data pada setiap jangka waktu satu tahun akan dilakukan dengan cara historicized. Waktu dan ruang lingkup untuk penggantian atau penambahan adalah pilihan dari strategi desain tergantung pada waktu yang tersedia dan kebutuhan bisnis yang diperlukan. Sistem yang lebih kompleks memiliki kemampuan untuk mempertahankan jejak sejarah dan audit dari semua perubahan data yang dimuat di data warehouse.
    Dikarenakan tahap dari proses load maka tahap ini akan berinteraksi langsung dengan database, segala kendala yang didefinisikan dalam skema database serta memicu untuk mengaktifkan pada proses load data akan berlaku (contohnya, keunikan dari segi integritas, referensial, dan bidang yang wajib), yang juga berkontribusi kepada kinerja kualitas keseluruhan data dari proses ETL
    Sebagai contoh, pada sebuah lembaga keuangan memungkinkan memiliki informasi mengenai pelanggan di beberapa departemen dan pada departemen masing-masing memungkinkan memiliki informasi bahwa pelanggan yang terdaftar dengan cara-cara yang berbeda. Pada departemen keanggotaan pelanggan mungkin pada daftar pelanggan menggunakan nama, sedangkan pada departemen akuntansi mungkin daftar pelanggan menggunakan nomor. ETL dapat melakukan proses pengelompokan semua data yang dimiliki dan melakukan proses konsolodasian ke dalam presentai yang seragam, seperti untuk menyimpan dalam database atau kedalam data warehouse.
    Cara lain yang mungkin digunakan ETL adalah untuk memindahkan informasi yang dimiliki kedalam aplikasi lain secara permanen. Sebagai contoh, kata pengolahan data dapat diterjemahkan kedalam angka dan huruf, yang dimana bersifat lebih mudah untuk melacak dalam spreadsheet atau program database. Hal ini dilihat sangat berguna dalam proses back up informasi sebagai transisi perusahaan apabila perusahaan tersebut akan memasang sebuah software yang baru dan beda dengan yang sebelumnya.
    3.2.4     Real-life ETL Cycle
Adalah sebuah siklus kehidupan yang nyata khas dari ETL terdiri dari beberapa langkah-langkah eksekusi berikut:
•    Arsip
•    Pembersihan
•    Publich
•    Audit laporan (sebagai contoh, pada kepatuhan pada terhadap beberapa aturan bisnis)
•    Tahapan
•    Transformasi
•    Mengesahkan
•    Esktrak
•    Membuat data referensi
•    Siklus inisiasi
3.3     Data Warehouse
    3.3.1     Definisi data warehouse
Sebuah kumpulan database yang sudah terintegrasi, dan di desain untuk menyediakan informasi sebagai bahan decision making.
        A. Integrasi
    Pada sebuah data warehouse memiliki data yang diambil dari berbagai sistem operasional dan berbagai data yang bersifat eksternal. Sebagai contoh adalah, data warehouse bagi sebuah bank memerlukan fungsi integrasi data antar sistem deposit, sistem peminjaman, dll.
B. Berorientasi subjek
    Data wareshouse adalah data yang diperoleh berdasarkan enterprise subjek seperti halnya pelanggan, sales, dan profit.
C. Database
    Database yang digunakan untuk membangun sebuah data warehouse terdiri dari bagian internal data dan eksternal data. Bagian internal data diperoleh dari sistem operasional sedangkan bagian eksternal data diperoleh dari pihak ketiga, seperti partner bisnis, pelanggan, ataupun badan pemerintahan.
D. Dibuat sebagai decision making
    Tidak pada umumnya database pada sistem operasional yang biasanya dilakukan tahap normalisasi, sebuah data warehouse didesain dengan melakukan proses de-normalisasi. Sebagai contoh, manajer keuangan memiliki ketertarik dengan laba dari berbagai jenis produk disebuah perusahaan, sedangkan hal ini berbeda lagi dengan manajer produk yang tertarik pada jumlah penjualan dari setiap produk. Oleh sebab itu, dalam suatu proses data warehouse, akan dilakukan proses yang dinamakan “mengiris” dari berbagai database untuk mengambil hanya apa yang akan mereka perlukan.
E. Data Warehouse  terdiri dari atomic dan summarized data.
    Data warehouse menyimpan banyak data pada berbagai level, diantaranya atomic level dan summarized level. Pada level atomic banyak digunakan untuk menyimpan summarized data. Sedangkan data agregasi akan disimpan pada level summarized yang mertujuan untuk mempercepat proses query. Apa bila data warehouse  hanya menyimpan data pada level summarized, maka user tidak akan dapat melakukan proses penggalian data tersebut untuk mendapatkan detil-detil pada data.
3.3.2    Perubahan pada fokus perkembangan komputasi
    A. Perkembangan komputerisasi pada awalnya berfokus pada kebutuhan     operasional.
    Terdapat sebuah istilah yang dinamakan Business Cycle, dimana kalangan     enterprise harus yang melakukan hal tersebut.
•    Operasional: kegiatan bisnis yang berjalan sehari-hari
•    Tactical: kebijakan dan proses pemantauan kegiatan operasional
•    Strategic: tujuan dan visi pada organisasi
        B. Kebutuhan yang bersifat membutuhkan keputusan dan tidak dapat     sepenuhnya diantisipasi.
        Para pembuat keputusan memerlukan analisis terhadap data untuk     memanfaatkan peluang yang dimilikinya. Para pembuat keputusan menganalisis tren     yang terjadi pada sebuah situasi bisnis untuk meraih keuntungan, menambah laba, dan     mengurangi pengeluaran.

    C. Sistem operasional gagal untuk menyediakan informasi berupa keputusan.
    Sistem operasional memiliki fokus untuk merekam dan menyediakan layanan untuk berbagai macam transaksi berbentuk bisnis. Para pembuat keputusan bisnis membutuhkan sebuah decision information secepat mungkin sedangkan bagi para programmer profesional, untuk melakukan proses extract data menjadi sebuah information decision dari sistem operasional yang berbeda-beda memerlukan waktu yang lama.


    D. Sebuah sistem decision dibuat untuk memenuhi kebutuhan information decision.

    Sejak itulah perkembangan data warehouse dimulai. Dari masa yang dinamakan “bleeding edge” hingga sekarang.

3.3.3 Dynamic Report
 

    Contoh yang terdapat pada gambar diatas adalah berupa sebuah laporan per region. Ketika kalangan enterprise membutuhkan detil dari salah satu region, maka data dapat menampilkan tanpa melakukan programming.

3.3.4 Tujuan Data Warehouse
A. Menyediakan fasilitas bagi kalangan bisnis untuk mengakses data.
Data warehouse menyediakan sebuah layanan sehingga kalangan bisnis dapat mengakses data, yang sebenarnya rumit dan sulit dipahami, dengan cukup mudah.

B. Menyediakan data yang berstatus valid
Sebagai contoh kasus, customer bukanlah merupakan sebuah istilah yang diberikan kepada semua klien. Ada sebuah penentuan dimana klien pantas diberi gelar customer atau tidak. Dengan adanya data warehouse, sebuah gelar customer dapat ditentukan mungkin dari jumlah total pembelian atau faktor lainnya yang sudah diatur oleh pihak manajemen.

C. Untuk menyimpan data yang lama dengan memiliki tingkat keakuratan yang tinggi.
Fungsi ini sangat diperlukan dan dibutuhkan ketika diperlukan sebuah perbandingan antara laporan sekarang dengan yang lalu.

D. Slice dan Dice data
Sebuah ketersediaan detil dari data dapat meningkatkan bisnis analisis dengan mengurangi waktu dan usaha yang diperlukan untuk mengumpulkan data kembali.

E. Memisahkan antara proses operasional dan analisis.
Biasanya pada data warehouse diperlukan untuk mendukung proses analisis karena sifatnya yang cepat dalam mengolah data yang sangat banyak walaupun dengan kemampuan yang terbatas.
Beberapa sifat antara lain : Proses analisis -> READ Proses operasional -> READ, WRITE, UPDATE

F. Mendukung proses re-engineering pada decisional process
Dengan sifatnya dari data warehouse yang memfokuskan pada pengambilan keputusan bisnis pada suatu organisasi atau perusahaan, data warehouse adalah sebuah sistem yang ideal apabila diperlukan proses re-engineering pada proses pengambilan keputusan bisnis.

3.3.5 Operational Data Stores

A. Deskriptif
    Operational Data Stores adalah sebuah kumpulan database yang terintegrasi yang didesain untuk mendukung operational monitoring. Perbandingan Data Warehouse dengan Operational Data Stores

B. Flash Monitoring and Reporting Tools

 

Seperti layaknya sebuah dashboard yang menyediakan informasi yang berharga untuk kalangan manajemen tinggkat tinggi. Layanan ini menggunakan metode ODS sebagai masukan untuk menyediakan bagi user bisnis sebuah operasi tanpa henti.

C. Hubungan antara Operational Data Stores dengan Data Warehouse

 

Operational Data Stores memiliki sebuah fokus waktu yang dalam kurung waktu sekarang sedangkan Data Warehouse digunakan untuk melihat data-data lama sehingga data yang telah terpakai di ODS akan disimpan ke DW untuk digunakan sebagai Decision Making nantinya.


3.3.6 Keuntungan dan kerugian data warehouse
Keuntungan menggunakan data warehouse
1.    Data warehouse menyediakan model data yang umum untuk semua data tidak tergantung asal datanya. Proses ini mempermudah dalam pembuatan laporan dan analisis informasi dibandingkan jika diperlukan banyak model data untuk menerima informasi seperti faktur-faktur penjualan, kuitansi-kuitansi pemesanan, tagihan-tagihan lainnya.
2.    Saat meload data ke dalam datawarehouse, yang tidak konsisten akan teridentifikasi dan dilakukan proses perbaikan. Hal ini akan membantu juga dalam proses pembuatan laporan dan analisis.
3.    Informasi yang disimpan dalam data warehouse dibawah kontrol dari pengguna data warehouse, sehingga saat sumber data dibersihkan pada waktu yang tidak ditentukan, informasi itu akan tetap utuh dan disimpan dengan aman di data warehouse.
4.    Karena data warehouse terpisah dari sistem yang bersifat operasional, maka data warehouse akan dapat menerima dan memproses data tanpa memperlambat kerja kerja sistem operasional
5.    Data warehouse menyediakan fasilitas yang mendukung pengambilan keputusan seperti laporan berdasarkan tren (misalnya : barang yang paling banyak terjual di suatu area dalam beberapa tahun sebelumnya), laporan pengecualian, dan laporan yang bersifat menampilkan pencapaian di lapangan yang sesungguhnya dibandingan dengan gol yang telah ditetapkan.
 Kerugian menggunakan data warehouse
1.    Data warehouse bukan merupakan lingkungan yang optimal untuk data yang tidak terstruktur
2.    Data perlu untuk melewati proses ekstrak, proses ubah, dan proses load ke data warehouse, sehingga terdapat delay (tenggang waktu) di mana data yang dimasukkan ke dalam data warehouse belum terdeteksi.
3.    Semakin lama masa hidupnya, maka data warehouse dapat menyebabkan biaya yang sangat besar. Data warehouse pada umumnya tidak statis. Dan perawatannya tergolong cukup tinggi.
4.    Data warehouse dapat menjadi ketinggalan dari data terbaru tergolong cepat. Maka, sangat memungkinkan akan ada resiko bahwa data yang akan dianalisis di data warehouse merupakan data yang tidak optimal.









BAB 4

Kesimpulan dan Saran


4.1 Kesimpulan
   
Kesimpulan terhadap penggunaan data warehouse dan business intelligence
•    Dikarenakan sangat bekembangnya dunia bisnis pada dewasa ini, maka metode business intelligence adalah jawaban yang tepat dalam mempertahankan progress bisnis dan dapat meningkatkan kinerja bisnis secara bersamaan untuk meraih tingkat kesuksesan yang lebih.
•    Dengan business intelligence dapat mengurangi biaya-biaya operasional
•    Memungkinkan dalam meningkatkan segi  efektivitas dan produktivitas para karyawan disaat yang bersamaan.
•    Membuat sebuah tolak ukur dari manfaat-manfaat bisnis dari investasi biaya TI.
•    Memberikan banyak fasilitas serta kesempatan bisnis baru dan promosi berupa keuntungan yang bersaing serta dengan cepat merespon secara lebih efektif untuk permintaan pelanggan.
•    Membuat proyek pembangunan sebuah infrastruktur yang menyediakan bagi karyawan sumber daya TI yang mereka butuhkan dalam rangka interaksi dengan parakolega, rekanan dan para pelanggan sampai ke luar daerah.
•    Proses pengambilan keputusan yang cepat dan periode pemasaran produk dengan memperoleh akses kepada waktu dan data yang akurat, yang dimana memperbolehkan kolaborasi dan kerjasama yang intensif.


4.2 Saran
   
Agar penerapan aplikasi data warehouse dan business intelligence yang telah dibangun dapat berjalan dengan baik dan berguna, maka kami menyarankan beberapa hal:
•    Selalu dilakukan proses evaluasi dan pemeliharaan terhadap sistem sesuai dengan perubahan dan perkembangan yang terjadi.
•    Disarankan agar dukungan dari segi hardware maupun software ditingkatkan, sehingga dapat diperoleh performance data warehouse yang optimal dalam memberikan informasi sesuai dengan query pengguna.
•    Merekrut staf atau karyawan dengan kemampuan khusus di bidang IT untuk perkembangan dan pemeliharaan sistem.
•    Disarankan untuk mengembangkan sistem-sistem pengambilan keputusan lainnya yang menggunakan data warehouse tersebut, contohnya DSS, agar dapet dilakukan analisis yang lebih mendalam sehingga keputusan yang diambil oleh pihak eksekutif lebih bermutu dan tepat.




Daftar Pustaka
Jogianto, H. (1995). Analisis dan Desain. Yogyakarta: Andi Offset.
Kimball, R., & Ross, M. (2002). The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling. Wiley.
Liebowitz, J. (1999). The knowledge management handbook. Boca Raton: CRC Press.
Williams, S., & Williams, N. (2007). The Profit Impact of Business Intelligence.


















Diposting oleh di Tidak ada komentar:
Langganan: Postingan (Atom)