KULIAH . UTS DATA WAREHOUSE .KELAS M. IQBAL RAMADHANI MUKHLIS (2011420141)

REVIEW JURNAL

PENGIMPLEMENTASIAN DATA WAREHOUSE SEBAGAI LANDASAN SISTEM PENGAMBILAN KEPUTUSAN                        (ASPEK TEKNIS DAN NON TEKNIS)

Oleh : Tanty Oktavia

Bina Nusantara University, School of Information Systems, Jakarta – 11480, Indonesia

I.     Pendahuluan

a.        Latar Belakang

       Selama lebih dari se dekade, perkembangan informasi mengalami peningkatan yang siginifikan. Begitupula dalam bidang ekonomi, banyak perusahaan yang mulai meng-combine data-data mentah yang dimiliki berbagai divisinya, di berbagai wilayahnya untuk mendapatkan keputusan strategis bagi kemajuan perusahaan tersebut.

       Akan tetapi menganalisa data ini tidaklah mudah bila tidak adanya kemampuan  untuk memahami akan aspek teknis dan non teknis yang ada. Berdasar dari hal tersebut, maka perusahaan dituntut tidak hanya memfokuskan hanya pada transaksi yang ada melainkan juga pada kegiatan menganalisis dan mengawasi data yang ada.  

 

b.        Permasalahan

       Dalam hal kebutuhan pengambilan keputusan maka dibutuhkan kejelian untuk memilah data mana yang diperlukan, data mana yang tidak diperlukan, mana data yang perlu untuk dimaintain atau data mana yang bisa diabaikan dari sekumpulan data yang ada. Akan tetapi bahkan dalam level managerial hal ini tidaklah mudah, khususnya bila perusahaan yang akan mengambil keputusan sudah berlevel multinasional atau bahkan multiinternasional. Sebab data yang ada tersebar di berbagai wilayah dan divisi yang ada dan itu banyak. Bila tidak ada suatu integrasi akan data ini, maka keputusan strategis yang menguntungkan perusahaan tentu susah ditemukan. Sebab level managerial tidak mengetahui kebutuhan apa yang dibutuhkan divisi A, atau langkah apa yang harus diambil agar divisi B menghasilkan untung besar. Selain itu dalam perkembangannya konsep data warehouse telah berubah menjadi real time synchronization, dimana harus ada dua masalah yang harus dihadapi yaitu :

-            Aspek Teknis yang meliputi kebutuhan dasar perusahaan, arsitektur data warehousenya, integritas data, dll

-            Aspek Non Teknis yang meliputi skill user, prosedur, dll.

c.         Tujuan

       Mengapa data warehouse dipilih sebagai salah satu solusi? Sebab data warehouse tidak hanya mengintegrasikan data yang ada untuk menghasilkan laporan berupa informasi melainkan juga untuk menjaga data yang ada sehingga keabsahannya terjamin bila dipergunakan untuk masa yang akan datang. Oleh sebab itu keputusan strategis yang terbaik bisa didapatkan dengan akurat.

 

II.  Pembahasan

Landasan Teori

       Sebelum lebih jauh nampaknya kita perlu untuk mengenali akan OLTP dan OLAP. OLTP adalah sistem yang berorientasi proses yang memproses transaksi secara langsung melalui komputer yang terhubung dengan jaringan. Dan sistem ini cukup merumitkan bagi pengambilan keputusan sebab memiliki query yang rumit yang mungkin memubutuhkan waktu cukup lama untuk mendapat jawabannya dan juga mungkin akan mengurangi performa dari OLTP, hal ini dikarenakan dalam OLTP data yang ada bersifat detail yang masih membutuhkan proses untuk merubahnya menjadi informasi.

       Sedangkan OLAP adalah metode pendekatan untuk menyajikan jawaban dari permintaan proses analisis yang bersifat dimensional secara cepat, yaitu desain dari aplikasi dan teknologi yang dapat mengoleksi, menyimpan, memanipulasi suatu data multidimensi untuk tujuan analisis. OLAP adalah sistem yang :

-          Subject Oriented, berorientasi pada subyek siapa yang membutuhkan dan memakai data

-          Integrated, terintegrasi data-data operasional dari beberapa sumber yang berbeda dimana terkadang mengandung data-data yang tidak konsisten.

-          Time Variant, data dalam data warehouse akan akurat dan valid dalam rentang waktu tertentu

-          Non Volatile, data dalam data warehouse tidak terupdate secara real time  melainkan disajikan dari sistem operasional secara periodik.

            Berikut ini lebih dijelaskan akan perbedaan OLTP dan OLAP

Karakteristik	OLAP System	Data Warehousing System
Tujuan utama	Mendukung proses operasional	Mendukung proses analisis
Usia data	Saat ini	Historis
Jenis data	Data real time	Periodik
Bentuk data	Data yang mendetail	Data yang mendetail, juga data hasil kesimpulan
Proses data	Insert, update, delete dan query. Transaksi langsung	Hanya sedikit query dan bukan merupakan transaksi langsung
Pelaporan	Mudah diprediksi, hanya satu dimensional, statis	Tak terprediksi, multidimensional, dinamis
Pengguna	Banyak pengguna	Hanya pada level managerial

 

Arsitektur dasar data warehouse (Rainer Jr & Cegielski, 2013)

-          Operasional Data Store

Menampung data transaksaksional yang berupa detil data dan data real time

-          ETL (Extract Transform Load)

Untuk mengektrak dan me-load data mentah yang ada ke dalam data warehouse

-          Warehouse Manager

Menampilkan seluruh operasi data dalam warehouse, dimana operasi yang ada meliputi : analisis data untuk menjaga konsistensi, mentransformasi dan menggabungkan data sementara ke dalam data warehouse, membuat indeks dan view dalam tabel, melakukan denormalisasi, melakukan agregasi, back up dan arsip data

-          Query Manager

Menampilkan semua operasi yang berhubungan dengan manajemen query pengguna.

-          Detailed Data

Untuk menyimpan semua detil data yang ada, dimana terkadang detil data tidak disimpan secara online tetapi dalam storage khusus

-          Lightly and highly summarized data

Digunakan untuk menyimpan semua data prematur yang dihasilkan oleh warehouse manager

-          Archive/backup data

Digunakan untuk menyimpan data detil dan data olahan yang ditujuan untuk disimpan

-          Metadata

Digunakan untuk menyimpan metadata yang digunakan oleh keseluruhan proses dalam warehouse

-          End user access tools

Digunakan untuk menjembatani antara data warehouse dan pengguna.

 

Metode Penelitian

       Metode penelitian yang dipakai ada 2 pendekatan yaitu Top Down Approach dan  Bottom Up Approach. Top Down Approach berawal dari pengembangan kebutuhan yang dimiliki perusahaan sedangkan Bottom Up Approach berawal dari sumber daya apa saja yang dimiliki perusahaan. Metodologi Kimbal dapat langsung digunakan untuk menganalisis pertanyaan akan proses loading, pembersihan, komputasi, agregasi, dan integrasi. Metodologi ini berisi tentang desain dari kualitas tujuan, evaluasi status yang ada, analisis dan pengembangan kasus dan akhirnya evaluasi ulang akan rencana yang telah tercapai. Dalam penelitian ini struktur yang ada dari pembuatan inferensi yang sistematis dan secara obyektif mengidentifikasi atribut umum yang dibagikan.

 III.   Hasil Penelitian

 

Dalam pengimplementasian data warehouse terkadang mengalami berbagai kendala. Dimana kendala yang ada tersebut dapat diklasifikasian dalam 2 faktor dibawah ini.

 

Aspek Teknis	Aspek Non Teknis
Birokrasi Perusahaan meliputi : -          Politik dan -          Kebutuhan pengembangan Sistem Pengambilan Keputusan	Metodologi Data Warehouse yang mungkin digunakan di perusahaan
Pengalaman Penggunanya meliputi : -          Teknik pendefinisian ER data dan normalisasi yang terjadi -          Pengaruh pakar	Pengukuran data meliputi : -          Keamanan data -          Performansi -          Keberadaan data, kualitas dan integritas data
	Tools yang digunakan antara lain OLAP dan Data Mining

 

          Dan kendala-kendala yang ada ini dapat dihadapi dengan memberikan solusi baik atas aspek teknis maupun non teknis sebagai berikut :

1.             Birokrasi Perusahaan

Pengembangan data warehouse bukanlah suatu proyek kecil melainkan sebuah proyek besar yang membutuhkan data cukup banyak dan ini mungkin saja bersinggungan dengan birokrasi perusahaan. Akan tetapi ini dapat diatasi dengan sosialisasi mendalam atas seluruh divisi yang ada untuk kesatuan hati dalam pengembangan proyek tersebut. Sebab tanpa sinergi antar divisi yang ada maka proyek ini mustahil dihadapi

2.             Jasa Pakar

Keberadaan data warehouse tidak dapat dipisahkan oleh jasa para pakar yang ada di berbagai bidang dalam perusahaan. Yang dapat dipetakan dalam 3 kemampuan pakar yaitu :

-          Kemampuan mengenali kegiatan bisnis yang ada, berguna untuk memahami proses bisnis yang dilakukan perusahaan selama ini sehingga data warehouse yang dikembangkan tidak mengalami ketidak sinergian dengan sistem yang ada

-          Pengembangan data yang lebih mudah ditransformasikan dengan data warehouse yang ada. Bentuk data yang kurang baik menyebabkan susahnya penggunaan data tersebut menjadi informasi

-          Kemampuan secara teknis untuk pengembangan data warehouse yaitu dalam pengembangan keamanan data, backup and recovery dalam pemakaian drive yang berbeda.

3.             Pengembangan Metodologi

Tanpa mengenali metodologi yang tepat bagi perusahaan yang ada maka data warehouse sulit untuk dilaksanakan. Seperti yang dibahas di atas akan Top Down Approach dan Bottom Up Approach maka suatu kesalahan bila menggunakan Bottom Up Approach bila perusahaan yang ada tidak memiliki suatu kekuatan dari sumber daya yang ada.

4.             Pengembangan Skema Data Warehouse

Tidak ada satu skema yang cocok untuk semua model bisnis yang ada, sehingga perlu penyelarasan antara bagian terkait dengan pengembang data warehouse agar tidak terjadi perubahan prosedur yang mendasar dalam perusahaan yang ada.

5.             Pengukuran Data

Apakah data itu aman, performansinya (berhubungan dengan jasa pakar – pengembangan data), keberadaan datanya apakah mudah diakses atau tidak, kualitas data, integritas datanya. Semua ini harus diperhatikan agar data yang akan digunakan siap pakai dan mampu di transformasikan untuk keperluan data warehouse.

6.             Tools yang dipakai

Penggunaan tools yang dipakai harus juga sesuai dengan kebutuhan akan data warehouse yang ada. Harus mampu mengakomodir data-data yang ada, baik mengolah dan menjaganya.

 

 

 

IV.    Kesimpulan

                   Pengembangan data warehouse terlihat cukup membingungkan dan problematis, akan tetapi cukup memberi keuntungan besar bila dengan benar dijalankan, khususnya sejak dapat digunakannya dalam Sistem Pengambilan Keputusan pihak manajerial. Oleh sebab itu peneliti merasa perlu untuk mengenali permasalahan yang timbul demi tersusunnya data warehouse yang baik.

                   Dimana melalui penelitian ini peneliti telah merumuskan dua aspek besar dalam klasifikasi permasalahan yang dihadapi dalam pengembangan data warehouse yaitu Aspek Teknis dan Aspek Non Teknis. Solusi yang ada dapat disimpulkan sebagai Kemampuan Pengenalan Proses Bisnis yang ada, pengolahan data untuk menjadi data yang siap pakai dan penggunaan tools yang tepat. Diharapkan dengan mengenali masalah-masalah beserta solusinya pengembangan data warehouse akan lebih baik lagi.

 

V.      Komentar

            (2011420141) Iqbal Ramadhani Mukhlis

1.      Jurnal pengimplementasian data warehouse sebagai landasan sistem pengambilan keputusan  (aspek teknis dan non teknis) menurut saya sudah memenuhi aspek teknis dan non teknis karena dalam jurnal ini sudah dijelaskan dengan detail menggunakan metode penelitian Top Down Approach dan  Bottom Up Approach. Top Down Approach berawal dari pengembangan kebutuhan yang dimiliki perusahaan sedangkan Bottom Up Approach berawal dari sumber daya apa saja yang dimiliki perusahaan.

 

2.      Jurnal ini sebaiknya bisa dikembangkan sesuai dengan judulnya yaitu sebagai pengimplementasian landasan Sistem Pendukung Keputusan. Adakalanya jurnal ini hanya menjelaskan tentang pengenalan permasalahan dan solusi  bukan pengimplementasian data warehouse secara praktis tidak seperti judulnya yang mengambil materi pengimplementasian