TUGAS 1: DATA WAREHOUSE

Data warehouse: pengertian, komponen, karakteristik, dan manfaat 

Di jaman sekarang ini, data di jadikan sebagai acuan untuk mempermudah orang orang dalam mencari suatu hal. Saat ini data sudah menjadi bagian yang sangat penting dalam kehidupan sehari hari manusia. Data sendiri juga mempunyai berbagai macam fungsi yang memudahkan orang orang melakukan aktifitas ataupun pekerjaannya. 

Seperti yang kita ketahui Data adalah kumpulan fakta, angka, informasi, atau detail lainnya yang disimpan dan diolah dalam bentuk yang dapat digunakan. Data bisa berupa teks, angka, gambar dan lain sebagainya. Sedangkan warehouse sendiri memiliki arti yaitu "Gudang" atau tempat penyimpanan khusus yang dirancang dalam jumlah atau skala yang besar sehingga data dapat disimpan secara terstruktur dan rapi. 

PENGERTIAN DATA WAREHOUSE

Data Warehouse itu seperti gudang besar untuk menyimpan data bisnis yang penting. Jadi, bayangkan jika kamu memiliki banyak data tentang pelanggan, penjualan, dan hal-hal lainnya yang terkait dengan bisnismu maka Data Warehouse akan membantu kamu menyimpan semua data ini dengan rapi dan mudah diakses.

Data Warehouse sendiri memiliki fungsi utama nya yaitu untuk menganalisis data dalam jumlah besar selain itu Data Warehouse digunakan untuk menyimpan rekam jejak penyimpanan data, memastikan data dapat diakses secara konsisten dan tetap stabil. 

KARAKTERISTIK DATA WAREHOUSE

Data Warehouse sendiri juga memiliki beberapa karakteristik seperti : 

1. Subject oriented

Subject oriented mengacu pada fokus penyimpanan dan analisis data berdasarkan subjek atau topik tertentu. Dalam hal ini, data disusun berdasarkan subjek bisnis atau hal tertentu yang relevan dengan kebutuhan analisis. 

2. Integrated

integrated mengacu pada karakteristik yang dimana data disimpan di dalam data warehouse berasal dari berbagai sumber yang berbeda lalu di gabungkan menjadi satu kesatuan yang terstruktur. 

3. Time Variant 

Time varian mengacu pada karakteristik yang dimana data disimpan di dalam data warehouse bukan hanya data saat ini saja melainkan mencakup informasi historis yang berkaitan dengan perubahan waktu. 

4. Non-Volatile 

Non-Volatile mengacu pada karakteristik dimana data yang telah disimpan di dalam data warehouse tidak bisa berubah atau bersifat permanen jika sudah dimasukkan kedalamnya. Artinya, ketika data sudah disimpan didalam data warehouse akan tetap utuh dan tidak mengalami perubahan kecuali ada pembaruan atau penghapusan yang disengaja.

KOMPONEN DATA WAREHOUSE 


adapun beberapa komponen dari data warehouse seperti : 

1. Warehouse

Warehouse atau gudang adalah tempat penyimpanan yang besar dan terorganisir untuk menyimpan data bisnis yang penting.

2. Warehouse Management

warehouse manajemen yang merupakan bentuk pengoperasian data. Di dalam warehouse management, data akan bisa digabungkan dengan berbagai sumber dan dibuat pengarsipannya secara baik.

3. Akses Tools 

alat atau perangkat yang digunakan untuk mengakses atau mendapatkan data dari data warehouse. Hal ini bisa berupa antarmuka pengguna yang memungkinkan pengguna untuk menjalankan kueri atau melihat laporan atau alat pemrograman yang digunakan oleh pengembang untuk menghubungkan aplikasi dengan data warehouse.

4. Metadata 

informasi yang memberikan deskripsi tentang data dalam data warehouse. Metadata mencakup informasi tentang struktur data, definisi kolom, hubungan antar tabel, dan informasi lain yang membantu dalam pemahaman dan pengelolaan data.

5. Tools ETL ( Exteact, Tranform, Load) 

alat yang digunakan untuk memindahkan, mengubah, dan memasukkan data dari berbagai sumber ke dalam data warehouse. 


Komentar

Posting Komentar

Postingan populer dari blog ini

TUGAS 2: DATA MULTIDIMENSI

Gambar
 Data Multidimensi: pengertian, contoh, kelebihan dan kekurangan data multidimensi  Pada dasarnya, data multidimensi adalah cara untuk menggambarkan data dalam bentuk tabel yang memiliki beberapa dimensi. Setiap dimensi mewakili sudut pandang atau aspek tertentu dari data, seperti dimensi waktu, dimensi produk, atau dimensi wilayah. Data multidimensi membantu dalam memahami data dengan lebih baik dan memberikan wawasan yang lebih kaya. Ini memungkinkan pengguna untuk melihat data dari berbagai sudut pandang dan membuat keputusan yang lebih baik berdasarkan pemahaman yang lebih lengkap tentang data bisnis.  Data multidimensi (Multidimensional Data atau MDD) 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 multidimensi di dalamnya, yang atributnya dibedakan menjadi atribut dimensi dan atribut pengukuran....
Baca selengkapnya

TEKNIK DATA MINING : Anomaly Detection

Gambar
Anomaly Detection adalah salah satu teknik dalam data mining yang digunakan untuk mengidentifikasi data atau kejadian yang tidak biasa, langka, atau mencurigakan dalam sebuah kumpulan data. Tujuan utama dari Anomaly Detection adalah untuk menemukan pola yang berbeda dari pola umum atau perilaku normal dalam data. Berikut adalah penjelasan lebih detail tentang teknik Anomaly Detection dalam data mining:   Deskripsi Teknik Anomaly Detection:  - Anomaly Detection mencari data yang berbeda dari mayoritas data dalam dataset. Anomali dapat muncul dalam berbagai bentuk, seperti outlier (nilai ekstrim), noise (gangguan), atau kejadian langka. - Teknik ini digunakan untuk mengidentifikasi pola atau kejadian yang tidak sesuai dengan pola umum atau perilaku normal dalam data.   Tujuan Teknik Anomaly Detection:  - Mengidentifikasi pola atau kejadian yang tidak biasa atau mencurigakan yang mungkin memerlukan perhatian khusus. - Mendeteksi anomali dapat membantu dalam mengidentifi...
Baca selengkapnya

TEKNIK DATA MINING : Regression

Gambar
  Teknik regresi dalam data mining adalah metode yang digunakan untuk memprediksi nilai kontinu berdasarkan hubungan antara variabel dependen dan satu atau lebih variabel independen. Tujuan utama dari teknik regresi adalah untuk memodelkan dan memahami hubungan antara variabel-variabel dalam data untuk melakukan prediksi atau estimasi terhadap nilai yang tidak diketahui. Berikut adalah penjelasan detail mengenai teknik regresi dalam data mining:   1. Konsep Dasar Regresi:  - Variabel Dependan dan Independen: Regresi melibatkan variabel dependen (yang ingin diprediksi) dan variabel independen (yang digunakan untuk melakukan prediksi). - Hubungan Linier: Regresi linear mengasumsikan hubungan linier antara variabel dependen dan independen.   2. Algoritma Regresi:  - Regresi Linear: Algoritma yang paling umum digunakan dalam regresi, mencari hubungan linier antara variabel dependen dan independen. - Regresi Logistik: Digunakan ketika variabel dependen adalah biner a...
Baca selengkapnya