Data Warehouse dan Integrasi Data

Nama             : Ni Putu Reza Faby Yolanda
NIM                : 1905551025
Matkul           : Data Warehouse
Dosen            : I Putu Agus Eka Pratama,ST.MT
Jurusan          : Teknologi Informasi
Fakultas         : Teknik
Universitas    : Universitas Udayana

Integrasi (Introduction)

Integrasi merupakan proses untuk menggabungkan/menghubungkan dua atau lebih entitas/komponen ke dalam satu kesatuan. Kemudian, integrasi dapat dibagi menjadi tiga jenis/jenis/level, yaitu :

1.    Integrasi di Level Data

Integrasi di level data adalah proses penggabungan data dari database yang berbeda atau dari sumber data yang berbeda dan dijadikan satu disebuah tempat penyimpanan atau gudang data (warehouse) untuk mempermudah user melihat dan menganalisis suatu data pada suatu lingkungan kerja tertentu.

2.    Integrasi di Level Aplikasi

Integrasi di level aplikasi adalah proses penggabungan aplikasi- aplikasi untuk mempermudah user bertukar data dan informasi antar aplikasi. Contohnya adalah pembuatan aplikasi mobile, terhubung ke social network seperti Facebook dan Twitter dan pembuatan aplikasi bisnis, harus terhubung ke aplikasi lain yang sudah lebih dulu ada.

3.    Integrasi di Level Middleware

Integrasi di level middleware adalah sistem perangkat lunak yang menawarkan jasa untuk komunikasi, pelaksanaan integrasi aplikasi, pemantauan dan operasi. Contoh implementasi integrasi middleware yaitu koneksi antara web server dengan sistem database seperti ODBC, OLEDB, dan JDBC. Hal ini memungkinkan pengguna meminta data dari database dengan cara bentuk yang ditampilkan pada web browser. Sedangkan server Web mengembalikan halaman Web dinamis sesuai dengan permintaan dan profil pengguna.

Dalam mengintegrasikan data terdapat beberapa hal yang perlu diperhatikan yakni

1.    Format

Format dalam integrasi data harus sama sehingga akan mempermudah sistem untuk mengolah data yang telah digudangkan. 

2.    Struktur Data

Struktur data juga harus dapat dipahami oleh sistem sehingga pengolahan data khususnya data multi dimensi akan semakin mudah dilakukan. 

3.    Sumber Data

Data- data yang akan diolah berasal dari banyak sumber data. Jika dilihat dari sumber- sumber data, maka dapat dikelompokan menjadi dua yakni sumber data internal dan eksternal.

Tujuan Integrasi di Level Data

Tujuan dari integrasi di level data pada data warehouse ialah

1. Analisa Data
   Analisa data melalui slicing data, apabila data berasal dari berbagai sumber data, maka proses analisa akan lebih mudah.
2. Pola
   Pola yang dimaksud adalah untuk tujuan memeperoleh knowledge (pengetahuan) melalui mining, misalnya pada data mining (pelengkap pada data warehouse).
3. Keputusan
   
   Penentuan keputusan (decision making) merupakan tujuan lainnya dari integrasi data pada data warehouse. Data yang terintegrasi dari berbagai sumber data, membantu memperkaya knowledge dan informasi yang diberikan melalui report (laporan) kepada para pemegang keputusan dalam suatu instansi di dalam pengambilan keputusan.
   
   

Skema Relational VS Data Multi Dimensi

Skema Relational :

1. Terdapat Entity Relational Diagram (ERD) dalam desain databasenya.
2. Terdapat primary key dan foreign key.
3. Datanya terstruktur.
4. Dapat dilihat dari 2 dimensi : baris dan kolom.

Data Multi Dimensi :

1. Data dilihat dari minimal 3 dimensi (x, y, z).
2. Terdapat proses slicing data untuk memudahkan di dalam analisa data, dimana proses ini dapat dilakukan karena data dilihat dari dimensi yang berbeda-beda.
   
   
   

Studi Kasus : DAWET

DAWET (Data Warehouse Terintegrasi) yakni sebuah data warehouse yang melakukan integrasi di level data dan aplikasi dengan tujuan untuk kebutuhan analisa dan pengambilan keputusan terkait dengan pajak dan wajib pajak oleh Dirjen Pajak.

Dalam DAWET ini ada kombinasi teknologi data yakni Data Warehouse dengan Big Data. Mengapa dilakukan kombinasi? Karena data semakin kompleks dari sisi format, jenis, struktur (misalnya : video, audio, xml dan text).

Melalui DAWET, data para wajib pajak dan kemungkinan fraud yang dilakukan (contohnya : pajak yang tidak sesuai dengan ketentuan, pelaporan pajak, dll) dapat dengan cepat diketahui dan diberikan solusi.

Referensi : I Putu Agus Pratama. Handbook Data Warehouse. Penerbit Infomatika. Bandung. 2007