Data Warehouse sebagai basis SIE
43
43 Gambar 2.22 Contoh SIE dalam mendapatkan data
Contoh analisis data dengan SIE yang didukung oleh data warehouse ditunjukkan Gambar 2.22. Dengan masuk dari level proses individu ke level data
rinci berarti sudah melakukan proses drill-down. Data yang paling ringkas akan didapatkan dalam arsitektur tersebut pada level individu. Pendukung ringkasan
level individu adalah level data mart dan pendukung ringkasan level mart adalah data pada level data warehouse dan akhirnya data rinci. Sedangkan dukungan
data warehouse terhadap SIE digambarkan dengan Gambar 2.23 dan proses drill- down mengacu pada penjelasan pada gambar sebelumnya.
44
44 Gambar 2.23 Akomodasi terhadap proses drill-down
Fungsi SIE akan optimal dengan menggunakan kriteria data warehouse sebagai berikut [17].
Data warehouse sebagai penyedia data ringkasan yang tersedia proses drill- down.
Struktur data warehouse yang mendukung proses drill-down. Metadata data warehouse digunakan analisis SIE untuk merencanakan
bagaimana SIE dibangun. Konten data warehouse bersifat historis untuk mendukung analisis
kecenderungan yang ingin dilihat manajemen. Data terintegrasi yang didapatkan melalui data warehouse untuk melihat data
lintas perusahaan.
45
45 Gambar 2.24 Dukungan data warehouse terhadap SIE
Gambar 2.25 Pendapatan perusahaan setiap bulan
Teknik yang digunakan data warehouse untuk proses SIE adalah pemetaan kejadian event mapping. Cara sederhana untuk menggambarkan pemetaan
kejadian adalah dengan contoh garis kecenderungan. Gambar 2.25 menunjukkan pendapatan perusahaan setiap bulan. Kecenderungan tersebut dihitung dari data
yang ditemukan dalam data warehouse. Gambar 2.26 menunjukkan proses pemberian tanda kejadian-kejadian yang relevan pada perusahaan terhadap
Gambar 2.25. Gambar 2.26 membandingkan hasil perusahaan dengan data lainnya
46
46 untuk melihat perspektif yang berbeda dan membandingkannya.
Gambar 2.26 Pemetaan kejadian
Gambar 2.27 Pemasukan data pembanding
47
47 Gambar 2.28 Arsitektur data warehouse two-tier
Arsitektur data warehouse untuk SIE yang disusun oleh McFadden bisa dilihat pada Gambar 2.28. Ada tiga tipe komponen yaitu sebagai berikut [27]:
a. Data warehouse, platform, dan software termasuk repository sebagai rumah dari data warehouse.
b. Software akuisisi data back-end yang mengekstrasi data dari berbagai sumber data heterogen, mengkonsolidasi dan meringkas data, serta
memasukkannya ke dalam data warehouse. c. Software client front
–end yang mengijinkan SIE dan DSS untuk mengakses dan menganalisis data.
Dari sudut pandang clientserver, arsitektur pada Gambar 2.28 dikenal dengan arsitektur two-tier. Saat itu arsitektur paling umum digunakan [27].
Walaupun demikian, beberapa organisasi sedang mengembangkan arsitektur three-tier yaitu dengan tambahan satu lapis server yang disisipkan antara data
warehouse dan komunitas seperti pada Gambar 2.29. Tujuan lapisan server baru tersebut adalah untuk memfasilitasi pembuatan penyimpanan data spesifik data
mart yang focus pada kebutuhan-kebutuhan pengguna akhir terhadap data.
48
48 Gambar 2.29 Arsitektur data warehouse three-tier
Gambar 2.30 Penyajian data secara multi dimensional dan relasi Gambar 2.30 menunjukkan perbandingan sudut pandang data multi
dimensional dan relasional. Pada gambar tersebut dapat dilihat publik kubus data dengan tiga dimensi yaitu PRODUCT, REGION, dan QUARTER. Pengguna SIE
dapat memilih dan memanipulasi data kubus menggunakan inisiatif melalui antarmuka grafis. Dengan visualisasi data menggunakan format tersebut,
pengguna dapat melakukan analisis data secara lebih mudah dibanding tabel dua dimensi yang berhubungan dengan format relasional.
49
49