2. Time – variant, artinya memiliki dimensi waktu sebagai variablenya. Perubahan data ditelusuri dan dicatat sehingga laporan dapat dibuat dengan
menunjukkan waktu perubahannya. Sebagai contoh, apa artinya mengatakan suatu kantor berhasil menjual 1500 items, tanpa dimensi waktu informasi
tersebut menjadi tidak berarti. Aspek time – variant dari suatu data warehouse
memberikan kemampuan dalam bentuk trend analysis sehingga dapat melihat performance ataupun forecasting. Aspek time – variant
membuat suatu data warehouse menjadi sangat berarti untuk dianalisis. 3. Non Volatile berarti bahwa data yang telah disimpan tidak dapat berubah.
Sekali committed, data tidak pernah ditimpadihapus. Data akan bersifat static, hanya dapat dibaca dan disimpan untuk kebutuhan pelaporan.
4. Integrated, artinya menggabungkan beberapa database yang mungkin berbeda baik dari segi teknologi maupun kodifikasi suatu tabel referensinya. Untuk
menghasilkan subject oriented yang konsisten, data – data dari berbagai sumber harus diintegrasikan yang berarti teknologi yang beragam dan kode –
kode referensi yang mungkin berbeda harus disatukan.
2.1.6 Data Mart
M enurut Connolly dan Begg 2005, p1171 , “ Data mart is a subset of a data warehouse that supports the requirement of a particular department or
business function” yang dapat diartikan Data mart adalah suatu subset atau
bagian dari suatu data warehouse yang mendukung persyaratan atau ketentuan suatu departemen khusus atau fungsi bisnis. Ada beberapa karakteristik yang
membedakan data mart dengan data warehouse Connolly dan Begg, 2005, p1171 :
•
Data mart hanya berfokus pada kebutuhan pengguna yang
berhubungan dengan satu departemen atau satu fungsi bisnis.
•
Data mart biasanya tidak mengandung data operasional yang detail
seperti data warehouse.
•
Karena data mart mempunyai data yang lebih sedikit dibandingkan dengan data warehouse, data mart lebih mudah untuk dimengerti
dan dijalankan. Terdapat beberapa alasan untuk membuat data mart Connolly dan Begg, 2005,
p1173 :
•
Untuk memberikan akses ke data yang paling sering dianalisa oleh user
.
•
M enyediakan data dalam bentuk yang sesuai dengan kebutuhan sekelompok user dalam sebuah departemen atau fungsi bisnis.
•
M eningkatkan waktu respon end-user karena pengurangan jumlah data yang akan diakses.
•
M enyediakan data yang terstruktur sesuai seperti yang ada pada ketentuan dari alat akses end-user yang mungkin membutuhkan
struktur basis data internal sendiri.
•
Biaya implementasi data martbiasanya lebih murah dari biaya yang diperlukan untuk membangun data warehouse.
Gambar 2.2
Arsitektur data warehouse dan data mart Connolly dan Begg,2005,p1172
2.1.7 Pengertian OLTP OnLine Transaction Processing
OLTP adalah sistem operasional yang didasarkan pada proses dan fungsi, seperti entry pemesanan pelanggan, order pembelian, entry stok, dan lain-lain.
Sistem operasional ini mengakses dan meng-update record dari suatu objek bisnis. Transaksi umumnya telah didefinisikan terlebih dahulu dan memerlukan database
yang dapat diakses dengan cepat. M enurut Connolly dan Begg 2005, p1153 Sistem OLTP adalah sistem
yang dioptimasikan untuk menangani jumlah transaksi yang besar dimana
transaksi bersifat predictable, berulang, dan update insentive. Data dalam OLTP diorganisasikan berdasarkan kebutuhan dari transaksi yang diasosiasikan dengan
aplikasi bisnis dan mendukung keputusan sehari-hari dari banyak user secara bersamaan.
Database operasional pada sistem OLTP biasanya menggunakan database
yang memang khusus dirancang untuk mempercepat proses transaksi dan manipulasi data seperti inserting, deleting, dan updating data. Oleh karena itu
model data OLTP biasanya menggunakan model relational.
2.1.8 Data mining