Metode Pengembangan Datawarehouse

Slides:



Advertisements
Presentasi serupa
Data Warehousing :: Overview
Advertisements

Teknologi Informasi Untuk keunggulan komptitif
Identifikasi Pembuktian (Penerapan) dalam Sistem Informasi
Data Warehousing :: DWH Design
BAB 2 MENGGUNAKAN TEKNOLOGI INFORMASI UNTUK KEUNGGULAN KOMPETITIF.
5.
Siklus, Metode dan Teknik Pengembangan Sistem Informasi
ANALISIS SISTEM.
SISTEM INFORMASI MANAJEMEN
Dimensional Design II Inventory.
Tatakelola dan Audit TI Indri Sudanawati Rozas
Data Warehouse dan Decision Support
Data Mart dan Metadata Data Warehouse
ETIKA PROFESI SESI 4 : KOMPETENSI DI BIDANG TEKNIK INFORMASI
Pengenalan Data Warehouse
ANALISIS DAN DESAIN SISTEM INFORMASI
BAB 9.
Dimensional Modeling Achmad Yasid.
Dimensional Modeling Achmad Yasid.
Aktifitas Pengembangan Sistem
Data Mart dan Metadata Data Warehouse
Posisi Testing pada SDLC
Basisdata & Sistem Basisdata
DATA MART.
Dika Anjar Pratiwi Ken Mentari Tilammura Agung Wibowo.
Arsitektur DWH Pertemuan ke-2.
Dimensional Modeling (Advance)
ONLINE ANALYTICAL PROCESSING (OLAP)
OLEH Rian. Saryanto, S.Kom, M.Hum
ARSITEKTUR SISTEM BASIS DATA
Pengembangan Siklus Hidup Sistem
Analisis Sistem Chapter 4.
Analisis Perancangan Berbasis Objek
Dosen : Acun Kardianawati
Analisis Sistem L. Erawan.
Datamart dan Datawarehouse
Systems Analysis Chapter 4.
Nur fisabilillah, S.Kom, MMSI | UNIVERSITAS GUNADARMA
Anna dara andriana., M.kom
ANALISA DAN PERANCANGAN SISTEM INFORMASI
Teknologi Informasi Untuk keunggulan komptitif
OLEH Ahmat Adil, S.Kom,M.Sc
Basisdata & Sistem Basisdata
Pengembangan Sistem Informasi
Analisa dan Perancangan Sistem
ANALISIS DAN DESAIN SISTEM INFORMASI
Analisis dan Perancangan Sistem Informasi IV
ARSITEKTUR DATA WAREHOUSE
BUSINESS INTELLIGENCE
ANALISIS SISTEM.
KARAKTERISTIK DW Pertemuan ke-2.
ANALISA DAN PERANCANGAN SISTEM INFORMASI
Perancangan Data Warehouse
Anna dara andriana., M.kom
Prinsip Data Warehouse
BAB III ANALISIS DAN PERENCANAAN SISTEM
Perancangan Data Logis dan Fisik
DATA MART Nama Kelompok 3 : -Ulfha -Yuli -Sandi. Data mart adalah suatu bagian pada data warehouse yang mendukung pembuatan laporan dan analisa data pada.
METODE PENGEMBANGAN DATAWAREHOUSE
Business Intelligent Ramos Somya, S.Kom., M.Cs.
Gudang Data, dan Permasalahannya
Metodologi dan Pengembangan Data Warehouse
MODEL SYSTEM DEVELOPMENT LIFE CYCLE
Analisis Sistem Chapter 4.
Datawarehouse Planning
Analisis dan Perancangan Sistem Informasi IV
Business Intelligence Ramos Somya, S.Kom., M.Cs.
SISTEM INFORMASI MANAJEMEN
Business Intelligent Ramos Somya, S.Kom., M.Cs.
Siklus Hidup Pengembangan Sistem
Transcript presentasi:

Metode Pengembangan Datawarehouse Ari Cahyono, S.Si., M.T.

Requirement Driven Approach Metode Pengembangan Data Driven Approach Requirement Driven Approach User-Driven Approach Process-Driven Approach Goal-Driven Approach

Data-driven Approach Pengembangan model dilakukan berdasarkan eksplorasi model dan data dari sumber data. Model konseptual untuk sebuah data warehouse berasal dari model data sumber yang ditransformasi. Kebutuhan organisasi tidak diidentifikasi sama sekali atau diidentifikasi sebagian. Beberapa ahli yang menyarankan metode ini adalah Golfarelli, Inmon, serta Phipps dan Davis. Inmon bahkan mengusulkan agar tahap analisis kebutuhan pengguna dilakukan setelah implementasi data warehouse.

Requirement-Driven Approach Dalam bidang data warehouse kebutuhan yang dimaksud adalah kebutuhan informasi, bukan kebutuhan fungsional sebagaimana digunakan dalam SDLC. Terdapat beberapa cara yang berbeda dalam memperoleh kebutuhan pengguna, yaitu : user-driven approach [Westerman, Goeken, dan Kimball ] process-driven approach [Kaldeich dan Oliveira ] goal-driven approach [Georgini] Sebuah metode dapat menggunakan lebih dari satu pendekatan.

Metodologi Pengembangan Data Dimensional Metode 9 Tahap Kimball (1996) Metode 4 Tahap Kimball (2002) Perbaikan dari metode sebelumnya Metode Powell

Metode 9 Tahap Kimball Menentukan proses bisnis (Choosing the process) Menentukan granularity (Choosing the grain) Identifikasi dan penyesuaikan dimensi (Identifying and conforming the dimensions) Menentukan fakta (Choosing the fact) Menyimpan hasil perhitungan sementara pada tabel fakta (Storing pre-calculations in the fact table) Melengkapi tabel-tabel dimensi (Rounding-out the dimension tables) Menentukan durasi dimensi (Choosing the duration of the dimension) Menelusuri dimensi yang termasuk slowly changing dimension (Tracking slowly changing dimension) Memutuskan prioritas query dan bentuknya (Deciding the query priorities and the query modes)

Metode 4 Tahap Kimball Dalam perkembangannya, Kimball (2002) mempersempit metodologi 9 langkah tersebut menjadi empat langkah, yaitu : Memilih proses bisnis (Select the business process to model) Menyatakan granularity proses bisnis (Declare the grain of business process) Menentukan dimensi untuk setiap baris tabel fakta (Choose the dimensions that apply to each fact table row) Mengidentifikasi fakta numerik yang akan mengisi setiap baris tabel fakta (Identify the numeric fact that will populate each fact table row)

Metode Kimball Dalam metode empat tahap yang direkomendasikan Kimbal, pengguna diwawancarai untuk mendapatkan kebutuhan. Tujuan dari wawancara adalah untuk memahami pekerjaan yang dilakukan pengguna dan cara pengguna mengambil keputusan. Tenaga Teknologi Informasi juga diwawancarai untuk mengetahui ketersediaan sumber data. Selain menggunakan user-driven approach, metode tersebut juga menggunakan process-driven approach.

Metode Powell Menurut Powell (2006), langkah-langkah membuat model data dimensional dimulai dari end-user. Karena end-user adalah pemakai informasi hasil query data warehouse. Dari perspektif tersebut, langkah-langkah dalam merancang data dimensional menurut Powell adalah sebagai berikut. Proses bisnis (Business processes)  Granularity Identifikasi dan membentuk dimensi (Identify and build dimensions) Membentuk fakta (Build fact)

Metode Powell … Proses bisnis (Business processes) Granularity Menentukan dan menggambarkan subyek area bisnis dari functional requirement yang ada. Subyek dianalisis sebagai dasar menentukan tabel fakta pada langkah selanjutnya. Granularity Granularity adalah tingkat dari rincian kebutuhan. Pilihan yang paling aman menurut Powell adalah menyertakan semua data historis pada level yang terendah. Keuntungan menyertakan data level terendah adalah menghindari data yang hilang ketika dibutuhkan manajer eksekutif. Keuntungan lain adalah menghindari kekurangan data ketika dibutuhkan bahan analisis di masa datang meskipun untuk saat ini belum digunakan.

Identifikasi dan membentuk dimensi (Identify and build dimensions) Menentukan data-data yang dibutuhkan untuk mendukung subyek untuk dapat dibentuk dalam beberapa tabel dimensi. Tabel dimensi nantinya akan mendeskripsikan tabel fakta dengan menyimpan detil transaksi tabel fakta. Membentuk fakta (Build fact) Pembentukan fakta atas dasar subyek yang telah ditentukan.

Kimball vs Powell Pendekatan yang dilakukan Powell sama dengan pendekatan terakhir Kimball. Namun demikian empat langkah tersebut dapat dijalankan dengan mengikuti detilnya (sembilan langkah Kimball).

Perbadingan Beberapa Metodologi Pengembangan Data Warehouse (O’Donell, 2002)