DATA WAREHOUSE
USULAN PEMANFAATAN DATA WAREHOUSE UNTUK SISTEM IRIGASI OTOMATIS PADA DESA KELATING, KERAMBITAN, TABANAN
Oleh : Samuel Aprilius Efendi 1304505109
Dosen : I Putu Agus Eka Pratama, ST MT
Jurusan Teknologi Informasi Fakultas Teknik Universitas Udayana 2015
ABSTRAK Datawarehouse di perusahaan yang sebenarnya dapat berakibat langsung bagi kegiatan bisnis. Seperti kita ketahui bahwa data warehouse merupakan komponen penting bagi suatu perusahaan untuk penyimpanan data-data yang penting dan menghasilkan informasi yang tentunya dapat berguna bagi para eksekutif dalam pengambilan keputusan. Bagi perusahaan besar, data warehouse adalah hal yang sangat riskan dan tentunya sangat dijaga keberadaannya. Maka dari itu, dalam paper ini akan membahas tentang data warehouse, serta penerapan nya dalam bidang pertanian di tanah air kita, hubungannya dengan data mining dan data mart serta contoh gagasan ide untuk penerapan data warehouse di bidang perkebunan. Metode analisa yang digunakan adalah metode pengumpulan data melalui artikel dan e- journal yang dapat ditemukan dengan pencarian menggunakan internet. Data tersebut dikumpulkan dan dicari kebenarannya untuk dituangkan kedalam paper ini. Kata kunci: Datawarehouse, Data mart, Data mining, ETL,OLTP, Bisnis Intelijen
DAFTAR ISI ABSTRAK ............................................................................................................ i DAFTAR ISI ........................................................................................................ ii BAB I 1.1 1.2 1.3 1.4
PENDAHULUAN Latar Belakang .................................................................................... Rumusan Masalah ............................................................................... Tujuan & Manfaat ............................................................................... Desain Solusi ........................................................................................
BAB II
TINJAUAN PUSTAKA
2.1 2.1.1 2.1.2 2.1.3 2.1.4 2.1.5 2.1.5.1 2.1.5.2 2.1.6
Landasan Teori .................................................................................... Data Warehouse .................................................................................. Bussiness Intelligence (BI) .................................................................. Data Mart ............................................................................................. Data Mining ......................................................................................... ETL (Extraction, Transformation, Loading) ....................................... Kelebihan ETL .................................................................................. Kekurangan ETL .............................................................................. OLTP ....................................................................................................
1 2 2 2
4 4 4 5 5 6 6 6 7
BAB III DASAR PEMROGRAMAN PHP 3.1 3.2 3.3
Analisa ................................................................................................. 8 Kesimpulan .......................................................................................... 8 Lampiran ............................................................................................. 9
BAB I PENDAHULUAN
1.1
Latar Belakang Kebutuhan akan bahan pangan yang semakin meningkat membuat petani menjadi
kewalahan terus – menerus menambah jumlah produksi mereka, dibutuhkan sebuah sistem otomatis yang dapat menunjang dan mempermudah pekerjaan mereka, tetapi mereka harus mengolah data yang banyak jumlahnya, dan hal tersebut akan memakan waktu yang tidak masuk akal apabila harus dikerjakan oleh manusia. Kemampuan teknologi informasi untuk mengumpulkan dan menyimpan berbagai tipe data jauh meninggalkan kemampuan untuk menganalisis, meringkas dan mengekstraksi “pengetahuan” dari data. Metodologi tradisional untuk menganalisis data yang ada, tidak dapat menangani data dalam jumlah besar. Para peneliti melihat peluang untuk melahirkan sebuah teknologi baru yang menjawab kebutuhan ini, yaitu datawarehouse. Teknologi ini sekarang sudah ada dan diaplikasikan oleh perusahaan perusahaan untuk memecahkan berbagai permasalahan bisnis. Data warehouse merupakan metode dalam perancangan database, yang menunjang DSS(Decission Support System) dan EIS (Executive Information System). Secara fisik data warehouse adalah database, tapi perancangan data warehouse dan database sangat berbeda. Dalam perancangan
database
tradisional
menggunakan
warehouse normalisasi bukanlah cara yang terbaik.
normalisasi,
sedangkan
pada
data
1.2
Rumusan Masalah Berdasarkan latar belakang diatas penulis mencoba merumuskan masalah yang akan
diangkat dan dibahas dalam penulisan ini sebagai berikut: 1. Pendahuluan mengenai data warehouse. Latar belakang masalah munculnya kebutuhan irigasi otomatis dengan menggunakan mesin. 2. Pengertian dan pembahasan mengenai data warehouse, data mart, bisnis intelijen, ETL, dan OLTP yang menjelaskan tentang kegunaan serta mekanisme masing – masing teknologi tersebut. 3. Pembahasan gagasan penerapan ide irigasi otomatis terhadap desa yang dituju. 4. Kesimpulan gagasan ide irigasi otomatis dan dampak yang diharapkan dari ide penulis.
1.3
Tujuan dan Manfaat Tujuan dari penelitian ini adalah untuk mencari solusi dari meningkatnya kebutuhan
pangan dari penduduk local dengan cara melakukan irigasi otomatis, membahas konsep kerja serta kegunaannya, kekurangan dan kelebihannya. Penulis juga ingin mencari tahu apakah data warehouse ini bisa menjadi solusi bagi latar belakang diatas. Diharapkan dengan adanya makalah ini dapat membantu pembaca memahami hubungan data warehouse dengan kehidupan sehari-hari serta membantu petani local untuk dapat memajukan hasil produksi dengan menerapkan metode irigasi otomatis yang digagas oleh penulis. 1.4
Desain Solusi Berikut merupakan desain solusi yang ditawarkan oleh penulis untuk menunjang sistem
irigasi sehingga dapat menjadi sistem irigasi otomatis pada desa Kelating, Kecamatan Kerambitan, Kabupaten Tabanan.
Gambar 1 Desain Solusi Irigasi Otomatis
Dari gambar diatas diketahui bahwa petani akan mencatat kondisi yang dibutuhkan untuk melakukan proses irigasi pada waktu tertentu, kemudian Petani tersebut akan memberikan data mentah tersebut kepada seorang admin. Admin kemudian akan memasukan data tersebut kedalam database. Kemudian dari beberapa database dari beberapa admin akan digabungkan menjadi satu ke sebuah data warehouse terpadu yang kemudian akan dibuatkan menjadi data mart agar dapat diakses oleh admin yang lainnya untuk mencari-cari data apabila dibutuhkan dikemudian hari. Informasi tersebut termasuk banyaknya air yang dibutuhkan, luas areal pertanian yang akan di irigasi, kemiringan tanah, kelembapan tanah, suhu desa pada saat itu, tingkat humus dalam tanah, serta tipe tanaman yang akan diirigasi. Selain itu admin juga akan menggunakan data yang diakses dari data mart untuk diinputkan kedalam sistem irigasi otomatis yang akan dipasang ke beberapa lokasi stratetis terkait irigasi di desa kelating, kecamatan kerambitan, kabupaten tabanan. Untuk Admin dapat login sebagai admin kedalam sistem untuk melakukan edit data apabila terjadi perubahan dalam data irigasi terkait waktu tertentu jika
terdapat kesalahan juga dapat diperbaiki. Admin disini bekerja sama dengan petani serta teknisi yang berada di desa Kelating untuk melakukan input informasi terkait irigasi kedalam sistem irigasi otomatis yang dipasang ke beberapa lokasi di desa Kelating. Selain melakukan maintenance terhadap system, admin juga dapat melakukan sosialisasi dan pengajaran mengenai pengelolaan tanah serta pengairan agar penduduk desa Kelating dapat memanfaatkan sistem yang tersedia dengan baik dan sebagaimana semestinya.
BAB II LANDASAN TEORI
2.1
Landasan Teori Pada Bab ini, penulis akan menjelaskan mengenai teknologi-teknologi pendukung yang
digunakan untuk solusi dari formulasi permasalahan yang diangkat oleh penulis dari studi kasus Desa Kelating Kecamatan Kerambitan, Kabupaten Tabanan. Berikut adalah penjelasannya :
2.1.1
Data Warehouse Data Warehouse merupakan koleksi data yang memiliki sifat object-oriented, time-variant, dan
terintegrasi dalam sebuah koleksi data sebagai pendukung dalam proses pengambilan keputusan. Data Warehouse berperan sebagai gudang data, yang nantinya data-data yang ada di dalamnya dapat digunakan untuk diolah sewaktu-waktu diperlukan. Data Warehouse digunakan untuk ruang lingkup yang lebih spesifik seperti pada suatu organisasi atau perusahaan.
Data Warehouse hanya dapat dilakukan dengan menggunakan 2 server atau lebih. Data Warehouse dapat menyimpan data-data yang berasal dari sumber-sumber yang terpisah kedalam suatu format yang konsisten dan saling terintegrasi satu dengan lainnya. Dengan demikian data tidak bisa dipecahpecah karena data yang ada merupakan suatu kesatuan yang menunjang keseluruhan konsep Data Warehouse itu sendiri. Dengan kata lain informasi dikumpulkan dari data yang terpisah yang kemudian disatukan menjadi sebuah ringkasan.
2.1.2
Business Intelligence (BI) Istilah Business Intelligence (BI) pertama kali didengungkan pada tahun 1958 oleh seorang
peniliti IBM yaitu Hans Peter Luhn. Business Intelligence (BI) adalah sekumpulan alat dan teknik yang dapat mengubah data bisnis dari sebuah perusahaan menjadi sebuah infromasi yang aktual dan akurat untuk proses pengambilan keputusan, agar dapat digunakan oleh orang-orang yang tepat dengan tujuan paling tepat.
Business Intelligence bekerja dengan melakukan ekstraksi data-data operasional perusahaan dan mengumpulkannya dalam sebuah Data Warehouse. Selama proses ekstraksi juga dapat dilakukan transformasi dengan menerapkan berbagai formula, agregasi, maupun validasi sehingga didapat data
yang sesuai dengan kepentingan analisis bisnis. Selanjutnya data pada Data Warehouse diproses menggunakan berbagai analisis statistik dalam proses Data Mining, sehingga didapat berbagai kecenderungan atau pattern dari data. Hasil penyederhanaan dan peringkasan ini disajikan kepada end user yang biasanya merupakan pengambil keputusan bisnis.
2.1.3
Data Mart Data Mart merupakan bagian dari Data Warehouse yang mendukung pada tingkat
departemen atau fungsi bisnis tertentu pada perusahaan dengan kata lain, sebuah data mart adalah bentuk sederhana dari sebuah gudang data yang difokuskan pada subjek tunggal (atau area fungsional), seperti Penjualan, Keuangan, atau Marketing.Data Mart sering dibangun dan dikendalikan oleh satu departemen dalam sebuah organisasi. Mengingat subjek tunggal fokus departemen tersebut, data mart biasanya menggambar data dari hanya beberapa sumber. Sumber bisa
sistem
operasional
internal,
data
warehouse
pusat,
atau
data
eksternal.
Jika dibandingkan dengan Data Warehouse, Data Mart memfokuskan pada kebutuhan pemakai terkait dalam sebuah departemen atau fungsi bisnis. Data Mart biasanya tidak mengandung data operasional secara rinci seperti pada Data Warehouse melainkan sebuah ringkasan yang diberikan kepada pengguna tertentu sehingga lebih mudah dipahami dan dinavigasikan.
2.1.4
Data Mining Data Mining merupakan proses yang berfungsi untuk ekstraksi atau penggalian pengetahuan
dan informasi baru berdasarkan data yang telah ada dan berjumlah banyak pada database. Data Mining, menggunakan kecerdasan buatan (Artificial Inteligence), statistik, perumusan matematis, dan sebagainya dalam mengalasia, dan mengolah data menjadi sebuah hasil yang akan membantu pengambil keputusan dalam memberikan suatu keputusan. Perbedaan Data Mining dengan Data Warehouse adalah teknologi yang terdapat pada Data Warehouse dimanfaatkan penuh untuk melakukan Data Mining. Data Warehouse digunakan untuk melakukan OLAP (On-line Analytical Processing), sedangkan Data Mining digunakan untuk melakukan penemuan informasi yang informasinya lebih ditujukan untuk seorang Data Analyst dan Business Analyst (tentunya ditambah visualisasi). Dalam prakteknya, Data Mining juga mengambil data dari Data Warehouse. Hanya saja aplikasi
dari
Data
Mining
lebih
khusus
dan
lebih
spesifik
dibandingkan
OLAP
mengingat database bukan satu-satunya bidang ilmu yang mempengaruhi Data Mining, banyak lagi bidang ilmu yang turut memperkaya Data Mining seperti, information science (ilmu informasi), high performance
computing,
visualisasi,
machine
learning,neural
networks
(jaringan
syaraf
tiruan), information retrieval dan information extraction, pengenalan pola, hingga image processing (pengolahan citra) juga digunakan dalam rangka melakukan Data Mining terhadap dataimage/spatial. 2.1.5
ETL (Extraction, Transformation, Loading) Proses ETL (Extraction, Transformation, Loading) merupakan proses yang harus dilalui dalam
pembentukan data warehouse. ETL adalah suatu proses mengambil dan mengirim data dari data sumber ke data warehouse. Dalam proses pengambilan data, data harus bersih agar didapat kualitas data yang baik. Contohnya ada nomor telepon yang invalid, ada kode buku yang tidak eksis lagi, ada beberapa data yang null, dan lain sebagainya. Pendekatan tradisional pada proses ETL mengambil data dari data sumber, meletakan pada staging area, dan kemudian mentransform dan mengload ke data warehouse. Berikut adalah gambaran proses ETL.
Berdasarkan gambar Skema Proses ETL di atas, data diekstrak dari sumber data (data source) menggunakan data extraction tool melalui koneksi apapun yang tersedia. Kemudian data ditransormasikan menggunakan serangkaian rutinitas transformasi. Proses transformasi sebagian besar ditentukan oleh format data output yang diinginkan. Kualitas data dan pemeriksaan integritas dilakukan sebagai bagian dari proses transformasi dan tindakan korektif yang telah disisipkan pada proses
trasformasi.
Proses
transformasi
dan
pemeriksaan
integritas
data
dilakukan
dalam staging area. Seteah data tersebut telah bertransformasi dalam format data yang ditargetkan, data tersebut kemudian dimuat ke dalam data warehouse dan data tersebut siap untuk dipresentasikan dalam bentuk informasi.
Proses ini biasanya dirancang dari end backwards, dimana required output harus dirancang terebih dahulu. Oleh karena itu, proses ini menginformasikan secara tepat data apa saja yang diperlukan dari sumber data. Rutinitas dirancang dan dikembangkan untuk melaksanakan proses yang ditulis khusus untuk mencapai output yang diinginkan dan hanya data yang diperlukan untuk output yang masuk dalam proses ekstraksi Selain itu, desainoutput harus menggabungkan semua fakta dan dimensi yang dibutuhkan untuk menyajikan baik pada tingkat agregasi yang dibutuhkan oleh Business Intelligence dan kebutuhan masa depan. Aturan bisnis yang menentukan bagaimana agregasi akan tercapai dan hubungan antara berbagai entitas baik sumber maupun sasaran yang dirancang dan selanjutnya dikodekan dalam suatu rutinitas untuk melaksanakan proses ETL. Pendekatan ini mengarah pada dependensi yang sempit di suatu rutinitas pada setiap tahapan proses. Terlepas dari kenyataan bahwa terdapat tiga tahap efektif, desain ETL sering dikarakteristikan sebagai proses monolitik
dikarenakan
target
yang
telah
ditentukan
dengan
sangat
jelas.
Selain tools yang disediakan oleh produsen database, terdapat sejumlah tools yang tersedia dipasaran yang menerapkan pendekatan ini dan menyediakan platform yang kuat, produktivitas, dan fleksibilitas.
2.1.5.1 Kelebihan ETL
1. Developing Time Perancangan dari output backwards memastikan bahwa data hanya relevan untuk solusi yang telah diekstrak dan diproses dimana berpotensi untuk mengurangi pengembangan, ekstraksi, dan proses yang berlebihan yang pada akhirnya akan memiliki pengaruh besar dalam penggunaan waktu. 2. Targeted Data Dikarenakan target telah ditentukan pada proses loading, maka data warehouse hanya terisi data yang relevan untuk melakukan presentasi. 3. Administration Overhead Mengurangi konten data warehouse menyederhanakan aturan keamanan yang diimplementasikan sehingga menghasilkan administration overhead. 4. Tools Availability Jumlah ketersediaan tools produktif yang menerapkan ETL memberikan fleksibilitas pendekatan dan kemudahan untuk memilih tools yang paling sesuai. Perkembangan tools di pasaran menyebabkantools tersebut memiliki fungsi-fungsi yang sangat kompetitif. 2.1.5.2 Kekurangan ETL
1. Flexibility Hanya menargetkan data yang relevan sebagai output yang berarti bahwa setiap kebutuhan masa depan yang mungkin membutuhkan data yang tidak termasuk dalam rancangan awal, perlu ditambahkan ke dalam rutinitas ETL. Karena sifat ketergantungan yang sangat erat antara rutinitas yang dikembangkan, hal ini sering mengarah kepada kebutuhan mendasar untuk melakukan desain ulang dan pengembangan dimana sebagai hasilnya akan adanya peningkatan pada waktu dan biaya yang diperlukan. 2. Hardware Kebanyakan third-party tools memanfaatkan engine mereka sendiri untuk melaksanakan proses
ETL
sehingga
untuk
menggunakan
tools
tersebut
memerlukan
investasi hardware tambahan untuk mengimplementasikan ETL engine dari tools tersebut. 3. Skill Investment
Penggunaan third-party tools untuk melakukan proses ETL memaksa pengembang untuk belajar bahasa script dan proses yang baru 4. Learning Curve Menerapkan third-party tools yang menggunakan proses dan bahasa asing, berpengaruh pada learning curve yang tersirat pada setiap teknologi baru pada sebuah organisasi dan sering berakhir dengan ketidaktahuan dan kebingungan karena kurangnya pemahaman dan pengalaman.
2.1.6
OLTP (Online Transaction Processing) OLTP adalah singkatan dari Online Transaction Processing. OLTP merupakan suatu aplikasi
atau
program
yang
digunakan
dalam
operasional
perusahaan
sehari-hari
seperti
melakukan insert (memasukan data), update (mengubah data) dan delete (menghapus data) berbagai macam data, seperti penjualan, pembelian, produksi dan lain sebagainya. OLTP bertujuan untuk memproses suatu transaksi secara langsung melalui komputer yang tergabung didalam jaringan. Contohnya seperti aplikasi yang digunakan minimarket dalam melayani penjualan, jika ada suatu transaksi penjualan, seorang kasir dapat langsung memasukan data kedalam aplikasi yang terhubung didalam jaringan, sehingga pemrosesan data terbantu oleh adanya OLTP tersebut. Berdasarkan datanya, OLTP menggunakan data asli atau hari ini dan dapat di update setiap saat. OLTP biasanya memiliki ukuran yang relatif kecil.
BAB III ANALISA DAN KESIMPULAN 3.1 Analisa Sistem yang digunakan sudah memadai karena sudah banyak terdapat fasilitas yang memudahkan masyarakat petani desa kelating diantaranya: Petani dapat dengan perantara administrator memasukkan data mentah berupa informasi suhu, kelembapan, serta banyaknya air yang diperlukan untuk melakukan irigasi setiap period eke dalam sistem. Administrator dapat membantu petani mencari data dari desa lain yang menerapkan sistem serupa dengan bantuan data mart. Masyarakat petani desa kelanting teringankan dengan adanya sistem pengairan/irigasi otomatis dengan tidak perlu melakukan irigasi secara manual (terjun langsung ke lapangan), hanya tinggal melakukan penanaman ataupun pemeliharaan serta panen hasil. Kualitas pertanian serta perkebunan yang tersedia di alam desa Kelating dapat teririgasi dengan baik dengan adanya sistem yang berisikan informasi irigasi serta melakukan irigasi secara otomatis, hal memudahkan masyarakat petani desa kelating untuk menambah produktifitas mereka karena tidak perlu melakukan irigasi secara manual. 3.2 Kesimpulan Kesimpulan yang didapatkan oleh penulis adalah bahwasanya penerapan dan pemanfaatan teknologi sangat memiliki dampak yang sangat penting bagi kehidupan manusia. Teknologi membantu kehidupan manusia dalam berbagai bidang pekerjaan. Selain itu bagi masyarakat local sebagai petani juga dapat dimudahkan dengan adanya berbagai fasilitas terotomatisasi yang dapat disediakan oleh adanya teknologi.
Lampiran
