Model Pengembangan Data Warehouse dan Data Multi Dimensi

 Halo Semeton. kali ini kita akan membahas mengenai materi yang saya dapatkan di Program Studi Teknologi Informasi di mata kuliah Data Warehouse mengenai  Model Pengembangan Data Warehouse dan Data Multi Dimensi dengan dosen bapak I Putu Agus Eka Pratama ST., MT.

Pada media penyimpanan data saat ini, terdapat perbedaan mendasar antara data yang tersimpan pada database biasa dengan data yang tersimpan pada Data Warehouse. Hal ini disebabkan karena data- data pada Data Warehouse selain bertujuan untuk historis, juga digunakan untuk menganalisa data yang akan berdampak pada pengambilan keputusan dan pembuatan laporan. Solusi dari masalah ini adalah bagaimana melihat data dari berbagai dimensi yang berbeda- beda.

Data Mart merupakan sub bagian dari Data Warehouse keseluruhan sebagai sebuah struktur data, yang di dalamnya memuat data, guna memudahkan pengguna akhir di dalam mengakses data dari Data Warehouse sesuai kebutuhan ataupun untuk analisa data. Data Mart juga dapat didefinisikan sebagai unit (bagian) dari Data Warehouse secara keseluruhan yang berada pada layer akses (Access Layer) berorientasikan kepada spesifik proses bisnis dan kebutuhan dari unit organisasi tempat di mana Data Warehouse tersebut diimplementasikan. Apabila dianalogikan sebagai sebuah himpunan, maka Data Mart adalah himpunan bagian dari sebuah himpunan semesta bernama Data Warehouse. Sehingga apabila Data Warehouse memuat semua data sesuai kebutuhan dari keseluruhan organisasi bersangkutan, maka Data Mart hanya memuat data spesifik sesuai kebutuhan per unit atau departemen saja.

Pengembangan Data Warehouse memiliki beberapa model yang didapatkan berdasarkan hierarki dan masukan dari pengguna yaitu sebagai berikut.

1.     Top Down tanpa User Feedback

Aliran data pada model Top Down tanpa User Feedback ini sangatlah sederhana karena tidak melibatkan user feedback. Aliran data berawal dari sumber-sumber data kemudian diteruskan ke Data Warehouse lalu di pecah ke dalam beberapa Data Mart. Penggambaran model ini adalah sebagai berikut.

2.     Bottom Up tanpa User Feedback

Model Bottom Up tanpa User Feedback ini merupakan kebalikan dari model Top Down tanpa User Feedback dimana berbeda dari Top Down yang memulai pengembangan dari atas, model ini memulai pengembangannya dari bawah dimana Data Mart dibentuk dari data-data yang berasal dari berbagai sumber data. Pada tahap satu, menerapkan ETT (Extraction, Transformation, Transportation) pada sumber – sumber data ke masing – masing Data Mart. Kemudian setiap Data Mart mengintegrasikan data – data dari berbagai sumber tersebut. Pada Tahap dua, data dialirkan dari masing- masing Data Mart ke Data Warehouse, dengan kembali menggunakan proses ETT (Extraction, Transformation, Transportation) pada data dari setiap Data Mart kembali diintegrasikan di dalam Data Warehouse kemudian dilakukan juga penghilangan Redudancy pada data- data dari sejumlah Data Mart tersebut. Berikut visualisasi dari model ini.

3.     Parallel tanpa User Feedback

Model Parallel tanpa User Feedback merupakan modifikasi dari model Top Down, namun Data Marttidak sepenuhnya bergantung kepada Data Warehouse (dalam hal sumber data yang diperoleh). Mekanisme kerja dimulai dengan dibangunnya Data Warehouse dari berbagai sumber data. Di dalam Data Warehouse terdapat Data Model yang menjadi acuan bagi model data untuk Data Mart- Data Mart yang dibentuk kemudian Data Model ikut mempengaruhi Data Mart. Kemudian Data Mart yang terbentuk, ikut berperan di dalam membangun Data Warehouse melalui integrasi di level data.

4.     Top Down beserta User Feedback

Pada Model Top Down beserta User Feedback sejumlah data dari berbagi sumber data membentuk Data Warehouse. Data Warehouse menjadi pusat dari penggudangan data- data yang berasal dari berbagai sumber data tersebut. Pada model ini terjadi proses integrasi di level data yang bertujuan memudahkan data- data disatukan ke dalam sebuah gudang data ini. Dari Data Warehouse, dibentuk sejumlah Data Mart sesuai dengan kebutuhan pengguna. User Feedback pada Data Mart, menjadi tolok ukur di dalam pengembangan berkelanjutan pada Data Mart dan Data Warehouse itu sendiri. Pada Model Top Down beserta User Feedback, User Feedback mempengaruhi Data Mart dan secara otomatis akan mempengaruhi Data Warehouse itu sendiri. Terdapat aliran bolak- balik dari User Feedback (pengguna) ke Data Mart dan dari Data Mart ke Data Warehouse.

5.     Bottom Up beserta User Feedback

Mekaisme kerja pada Bottom Up beserta User Feedback dimulai dari dibentuknya terlebih dahulu dua Data Mart atau lebih, menggunakan data – data dari berbagai sumber data. Kemudian digunakan ETT (Extraction, Transformation, Transportation) untuk membantu pengumpulan data, ekstraksi data, transformasi ke format data yang disepakati bersama di dalam Data Mart, serta integrasi di level data itu sendiri. .Lalu dibentuk Data Warehouse dari Data Mart yang terbentuk kemudian kembali menggunakan ETT untuk mengintegrasikan data- data dari berbagai Data Mart tersebut ke dalam kesatuan Data Warehouse. User Feedback diarahkan melalui tatap muka Data Warehouse, yang berefek terhadap Data Mart- Data Mart yang membentuk Data Warehouse.

6.     Parallel Beserta User Feedback

Mekanisme kerja pada model Parallel beserta User Feedback dimulai dari penentuan aturan untuk model data dari Data Warehouse ke Data Mart yang terbentuk. Data dari berbagai sumber data masuk ke Data Mart dan ke Data Warehouse. Kemudian Data dari sumber data yang menuju ke Data Mart saja yang akan melalui proses ETT (Extraction, Transformation, Transportation). Data yang menuju ke Data Warehouse, terlebih dahulu menuju ke Data Model dari Data Warehouse, untuk menyeragaman format. Pada Data Warehouse tidak terjadi ETT, sebab Data Warehouse menjadi pusat untuk model data enterprise, yang menjadi acuan bagi Data Mart lainnya. Lalu Data Warehouse mengagregasikan data, memuat fungsi koordinasi dan integratif untuk pengembangan ke depannya, termasuk juga manajemen data dan informasi kepada pengguna. User Feedback dialirkan melalui tatap muka ke Data Mart.

Data Warehouse menerapkan Data multi dimensi (Multi Dimensional Data atau MDD). Data multi dimensi merupakan  model data fisik (Physical data Model) yang strukturnya dapat dilihat dari berbagai sudut pandang (dimensi), dengan tiga buah bagian (Record atau baris, Field atau kolom, dan layer), dengan objek – objek data multi dimensi di dalamnya, yang atributnya dibedakan menjadi atribut dimensi dan atribut pengukuran. Data multi dimensi, jika direpresentasikan ke dalam bentuk koordinat, maka dapat ditunjukkan ke dalam tiga buah sumbu, yakni: X, Y, dan Z yang dapat dianalogikan dengan gambar bangun yang memiliki 3 dimensi (panjang, lebar, tinggi).

Data multi dimensi tidak dapat lepas dari kebutuhan untuk mempermudah analisa data. Oleh karena ini data multi dimansi menggunakan dua konsep yakni OLTP dan OLAP. OLTP atau On Line Transactional Data yang berfungsi memproses data – data transaksional namun tidak menyimpan data historis, OLTP hanya digunakan untuk kebutuhan data dan informasi semata dan struktur data hanya terdiri dalam 2 dimensi (baris, kolom). Sedangkan OLAP atau On Line Analytical Data menganalisa data yang berasal dari data – data transaksi (OLTP) dengan mengutamakan historis data. Oleh karena itu, data perlu dilihat dari 3 atau lebih dimensi, untuk kemudahan analisa data. Slicing data atau pemotongan data berlapis – lapis, diasumsikan untuk mengambil data yang relevan untuk kebutuhan analisa.

Referensi:

I Putu Agus Eka Pratama. Handbook Data Warehouse. Penerbit Informatika. Bandung. 2017