Integrasi Data

 

Nama              : Ida Ayu Gde Widya Savitri

NIM                : 1805551113

Matakuliah    : Data Warehouse

Nama Dosen : I Putu Agus Eka Pratama, S.T., M.T.

Teknologi Informasi Fakultas Teknik

 

 

INTEGRASI DATA PADA WAREHOUSE

 

APA ITU INTEGRASI?

Integrasi data atau informasi merupakan suatu tindakan yang dilakukan untuk menyatikan atau menggabungkan data atau informasi dari berbagai sumber yang tersebar untuk memenuhi kebutuhan informasi pengguna secara lebih baik (Daromo, 2016).

Integrasi itu terdiri dari 3 tipe atau jenis atau level, yaitu sebagai berikut

1.    Integrasi di Level Data

2.   Integrasi di Level Aplikasi

3.   Integrasi di Level Middleware

 

INTEGRASI DI LEVEL DATA

Pada Data Warehouse, fokusnya pada integrasi di level data karena merupakan kunci kesuksesan Data Warehouse di era data saat ini. Terdapat 3 hal yang menjadi patokan di dalam integrasi di level data, yaitu

1.       Format Data

2.      Struktur Data,

3.      Sumber Data.

 

TUJUAN INTEGRASI DI LEVEL DATA

Tujuan utama dari adanya integrase di Level Data, terutama yang diterapkan pada Data Warehouse terdapat 3, yaitu

1.       Analisa Data

Analisa data melalui slicing data, apabila data berasal dari berbagai sumber data, akan memudahkan proses ini.

2.      Pola

Pola yang dimaksud adalah untuk tujuan memperoleh knowledge (pengetahuan) melalui mining, misalkan pada data mining (pelengkap pada Data warehouse).

3.      Keputusan

Decision Making atau penentuan keputusan, adalah tujuan lainnya dari adanya integrasi di level 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

a.   Skema Relational

Entity Relational Diagram (ERD) dalam desain database; Terdapat Primary Key (PK) dan Foreign Key (FK); Datanya terstruktur; Data dapat dilihat dari 2 dimensi yaitu baris, kolom (x,y).

b.   Data Multi Dimensi

Melihat data dari minimal 3 dimensi, yaitu sumbu x, y, dan z; Mengenal adanya slicing data untuk memudahkan di dalam analisa data dimana data ini dilihat dari dimensi yang berbeda–beda.

 

Studi Kasus: DAWET (Data Warehouse Terintegrasi)

DAWET merupakan sebuah Data Warehouse yang melakukan integrasi di level data dan di level aplikasi, untuk kebutuhan analisa dan pengambilan keputusan terkait dengan pajak dan wajib pajak oleh Dirjen Pajak. Kombinasi teknologi data yang digunakan adalah Data Warehouse dan Big Data. Mengapa? Karena data makin kompleks dari sisi format, jenis, struktur (contohnya video, audio, xml, text). Melalui DAWET, data para wajib pajak dan kemungkinan fraud yang dllakukan (misalnya pajak yang tidak sesuai dengan ketentuan, pelaporan pajak, dan lainnya) dapat dengan cepat diketahui dan diberikan solusi.

 

Referensi:

Hammad, Rifqi, dkk.2019.”Analisis Integrasi Data Pada Relasional Basis Data Dengan Menggunakan Metode Schema Matchin”.Diakses pada http://stmikplk.ac.id/jurnal/index.php/saintekom/article/download/79/49

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