Data WareHouse

A. Pengertian data warehouse

Gudang data (Bahasa Inggris: data warehouse) adalah suatu sist em komputer untuk mengarsipkan dan menganalisis data historis suatu organisasi seperti data penjualan, gaji, dan informasi lain dari operasi harian. Pada umumnya suatu organisasi menyalin informasi dari sistem operasionalnya (seperti penjualan dan SDM) ke gudang data menurut jadwal teratur, misalnya setiap malam atau setiap akhir minggu. Setelah itu, manajemen dapat melakukan kueri kompleks dan analisis (contohnya penambangan data, data mining) terhadap informasi tersebut tanpa membebani sistem yang operasional.

Pengertian secara singkat :Data Warehouse : metode penyimpanan data dalam skala yang sangat besar..Data Mining : metode pencarian pengetahuan baru yang terkandung dalam data yang sangat besar OLAP : salah satu cara membuktikan pengetahuan baru yang didapatkan oleh data mining..Data yang terdapat dalam data warehouse dapat dibagi perbagian sesuai dengan kebutuhan dalam informasi. Inilah yang dsebut dengan data mart. Data mart memiliki karakteristik yang sama dengandata warehouse, perbedaannya hanya terdapat pada jumlah data yang dimiliki. Dalam data mart, data yang ada hanya berasal dari satu bagian atau satu departemen saja, sedangkan pada data warehouse, data yang ada berasal dari seluruh bagian dalam perusahaan tersebut.Dalam pembuatan data warehouse, ada dua pendekatan yang dapat digunakan, yaitu :

1. Pendekatan Top Down (Top Down Approach)
   Pendekatan ini dilakukan dengan membuat perancangan data warehouse terlebih dahulu secara keseluruhan. Dalam pembuatannya, ditentukan apa yang menjadi sumber data dan bagaimana cara untuk memasukkannya ke dalam data warehouse yang telah dirancang terlebih dahulu. Pendekatan ini menyatakan bahwa pembangunan desain arsitektur data warehouse adalah hal pertama yang dilakukan dalam membangun suatu data warehouse.
2. Pendekatan Bottom Up (Bottom Up Approach)
   Berbeda dengan pendekatan Top Down, pendekatan ini menyatakan bahwa data warehouse berawal dari kumpulan data mart yang telah dibangun terlebih dahulu untuk masing-masing departemen.Data mart yang telah dibangun kemudian digabungkan untuk membangun suatu data warehouseyang utuh. 

B. Hubungan data mining dengan data warehouse

• Data mining memerlukan data yang banyak untuk di analisa dan mendapatkan pattern2 tertentu, nah datanya dari datawarehouse yang menyimpan banyak data. nah DataWareHouse pake OLAP ini biar lebih cepet pemrosesannya CMIIW.
• Data warehouse merupakan suatu sistem yang mengkonsolidasikan data secara periodik dari sistem-sistem yang ada (OLTP) ke dalam suatu penyimpanan dimensional. Pada umumnya, data warehouse menyimpan data histori beberapa tahun dan diquery untuk keperluan business intelligence atau aktifitas analisis lainnya. Data warehouse diremajakan secara batch, tidak serta-merta setiap terjadinya transaksi pada sistem-sistem sumber tersebut.

Data warehouse sebagai sumber data pada data mining dan OLAP, bukanlah data mentah, data tersebut telah melalui preprocessing (akan diterangkan lebih lanjut di seri selanjutnya), yaitu cleaning, integrasi, dan konversi. Proses ini lebih dikenal dengan Extract – Transform – Load (ETL).Extract mengambil data dari bermacam-macam jenis dan sumber data, transform membuat perubahan yang meningkatkan kualitas data, load memasukkan data yang sudah diubah (transform) ke data warehouse.

C. Perbedaan datawarehousing dan data mining

Data warehouse dan data mining adalah dua hal yang berbeda. data warehouse adalah database biasa yang berisi summary atau rekap untuk subject tertentu yang sudah diketahui. misalnya manajemen ingin mengetahui informasi tentang penjualan produk, maka dalam data warehouse dimasukkan rekap data penjualan dari database transaksi penjualan. bentuknya pun tabel biasa saja. tabel rekap ini hanya boleh diretrieve (diambil datanya) dan ditambah, tidak boleh diubah, atau di hapus. rekap ini biasanya akan ditampilkan dalam bentuk tabel, grafik, chart di dashboard (aplikasi Business Intelligence).

Data mining adalah proses pengolahan data untuk mendapatkan informasi yang belum diketahui informasi apa saja yang terdapat di kumpulan data tersebut. data mining dapat dilakukan terhadap berbagai jenis sumber data, misalnya data warehouse, artikel web, multimedia (gambar, suara, video), atau dokumen (files). data mining dilakukan dengan mengimplementasikan algoritma-algoritma data mining (akan dibahas di artikel lain) untuk mendapatkan informasi yang tidak terlihat dengan pengamatan langsung (perlu pengolahan lebih lanjut)

D. Tujuan membuat DatawarehouseTujuan ini membuat data warehouse harus memiliki beberapa sifat (referensi: Inmon, Turban) yaitu:

1. Non volatile
2. Berisi data bersih
3. Terintegrasi
4. standardized format
5. enterprise-wide
6. time variant
7. subject oriented

Data warehouse menggunakan 3 macam pemodelan, yaitu

1. star schema: adalah desain/skema dari satu fact table yang dikelilingi beberapa dimension table

1. snow flake schema: adalah desain lanjutan dari star schema, digunakan jika ada dimension table yang memiliki struktur bertingkat-tingkat (leveling) misalnya [propinsi, kabupaten, kecamatan, kelurahan], [tanggal, bulan, kuarter, semester, tahun], atau [negara, pulau, kota]

1. fact constellation: ini jika dalam satu skema terdapat beberapa fact table yang saling berbagi dimension table, ini mirip sekali dengan desain relational database, namun  fact table hanya menyimpan data yang akan diolah lebih lanjut di data mining dan OLAP

Pada data warehouse tidak digunakan istilan entity, istilah yang digunakan adalah fact table dan dimension table.

1. fact table adalah tabel yang berisi semua data yang ingin dan dapat diolah, misalnya jumlah penjualan, gaji pegawai, nilai pengadaan dan seterusnya.
2. dimension table adalah pengelompokkan untuk data yang ada di fact table, misalnya lokasi toko, usia pembeli, nama departemen, jenis pengadaan dan seterusnya

Keuntungan DatawarehouseDatawarehouse menyediakan model data yang bervariasi, dan tidak bergantung pada satu sumber data saja. Hal ini memudahkan pimpinan perusahaan/manager membuat laporan dan menganalisa. Saat me-load data ke dalam datawarehouse, data yang tidak konsisten akan diketahui dan secepatnya dirubah. Mendukung proses pembuatan laporan, agar keputusan yang diambil adalah keputusan yang benar sesuai data. Keamanan informasi didalam datawarehouse terjamin, karena datawarehouse selalu digunakan dan dimonitor oleh pengguna datawarehouse tersebut. Dalam membuat laporan tidak membuat proses transaksi yang ada menjadi lambat, karena datawarehouse terpisah dengan database operasional. Datawarehouse menyediakan berbagai macam bentuk laporan yang terbaru.

Kerugian Datawarehouse

1. Datawarehouse tidak cocok untuk data yang tidak struktur.
2. Data perlu di extract, diubah, dan di load ke datawarehouse, sehingga membutuhkan waktu (delay) kerja untuk datawarehouse yang belum terbentuk.
3. Semakin lama masa hidup bisnis yang menggunakan datawarehouse, maka semakin banyak biaya yang dikeluarkan oleh perusahaan untuk memodifikasi teknologi datawarehouse atau perawatan berjalan datawarehouse.
4. Jika data yang diambil lambat, maka data yang dimiliki di datawarehouse tidak berkulitas/ sehingga laporan tidak optimal.

Download : Data WareHouse

Sistem Penjadwalan Proses

Penjadwalan Proses

Penjadwalan proses merupakan basis sistem operasi multiprogramming. Dengan mengalih-alihkan pemroses di antara proses-proses yang ada, sistem operasi membuat sistem komputer menjadi lebih produktif dan efisien. Sasaran multiprogramming adalah mempunyai proses yang berjalan (dieksekusi) disetiap waktu untuk memaksimumkan utilisasi pemroses.

Deskripsi Penjadwalan Proses

Penjadwalan merupakan kumpulan kebijaksanaan dan mekanisme di sistem operasi yang berkaitan dengan urutan kerja yang dilakukan sistem komputer.

Penjadwalan bertugas memutuskan hal-hal berikut :

a. Proses yag harus berjalan

b. Kapan dan selama berapa lama proses berjalan

Sasaran utama penjadwalan proses

- Optimasi kinerja sistem komputer menurut kriteria tertentu.

- Kinerja untuk mengukur dan optimasi kinerja penjadwalan :

a. Adil (fairness)

b. Efisiensi

c. Waktu tanggap (response time)

d. Turn arround time

e. Throughput

Tipe – tipe penjadwalan

- Terdapat tiga tipe penjadwal berada secara bersama – sama pada sistem operasi yang kompleks, yaitu :

a. Penjadwalan jangka pendek

b. Penjadwalan jangka menengah

c. Penjadwalan jangka panjang

a. Penjadwalan jangka pendek

Penjadwal jangka pendek bertugas menjadwalkan alokasi pemoses di antara proses-proses Ready yang berada di memori utama. Sasaran utama penjadwal jangka pendek adalah memaksimumkan kinerja sistem untuk memenuhi satu kumpulan kriteria yang diharapkan. Penjadwal ini dijalankan setiap terjadi pengalihan proses untuk memilih proses berikutnya yang harus dijalankan

Penjadwalan jangka menengah

Penjadwal jangka menengah menangani proses-proses swapping. Proses – proses yang mempunyai kepentingan kecil saat itu adalah proses yang tertunda. Penjadwal jangka panjang mengendalikan transisi dari suspended ke ready (dari proses yang mengalami swapping)

Penjadwal jangka panjang

Penjadwal jangka panjang bekerja terhadap antrian batch dan memilih batch berikutnya yang harus di eksekusi sistem. Batch biasanya berupa proses-proses dengan penggunaan sumber daya yang intensif, program-program ini mempunyai prioritas yang rendah dan biasa digunakan sebagai pengisi selama periode aktivitas proses-proses interaktif rendah.

Strategi penjadwalan

Terdapat 2 strategi penjadwalan yaitu

a. Penjadwalan non preemptive (run to completion)

b. Penjadwalan preemptive

Penjadwalan non preemptive

Begitu proses diberi jatah layanan pemroses tidak dapat diambil alih oleh proses lain sampai proses itu selesai.

Non preemptive disebut juga dengan run to completion karena proses yang telah dijadwalkan akan dijalankan sampai selesainya atau proses tersebut meminta layanan masukan/keluaran.

Penjadwalan preemptive

Saat proses diberi jatah layanan pemroses dapat diambil alih proses lain yang mempunya prioritas lebih tinggi berdasarkan kriteria sistem itu

Pada penjadwalan preemptive, proses dapat disela oleh proses lain sebelum selesainya dan harus dilanjutkan menunggu jatah waktu layanan pemroses tiba kembali pada proses itu.

Algoritma penjadwalan proses

Algoritma yang menerapkan strategi nonpreemptive :

• FIFO (first in first out) atau FCFS (first come first serve)
• SJF (shortest job first)
• HRN (highest ratio next)

Algoritma yang menerapkan strategi preemptive :

• RR (round robin)
• MFQ (multiple feedback queues)
• SRF (shortest ratio next)
• PS (priority schedulling)
• GS (guaranteed schedulling)

Maudy Ayunda

Maudy ayunda adalah artis pendatang baru indonesia, Maudy ayunda memulai debutnya dalam dunia hiburan tanah air diawali lewat film "Untuk Rena" yang dibintanginya bersama Surya Saputra pada tahun 2006. Dalam film tersebut, Maudy berperan sebagai Rena, dan perannya sebagai zakiah nurmala dalam film sang pemimpi telah melejitkan namanya ke jajaran bintang top indonesia.

Nama Lengkap : Ayunda Faza Maudya
Tempat lahir : Jakarta Indonesia
Tanggal Lahir : 19 Desember 1994
Pekerjaan : aktris
Tahun aktif : 2006 – sekarang

film yang pernah di bintangi

• Untuk Rena (2006)
• Sang Pemimpi (film) (2009)
• Rumah Tanpa Jendela (2011)
• Tendangan dari Langit (2011)
• Malaikat Tanpa Sayap (2012)
• Perahu Kertas (2012)
• Perahu Kertas 2 (2012)

selain bermain film maudy juga mengeluarkan album pada tahun 2011 dengan judul panggil aku, dan pada tahun 2012 mengelurakan single Perahu kertas bisa di download Disini .

Download : Panggil Aku 

ER - Diagram

Model Entity Relationship (ERD) diperkenalkan pertama kali oleh P.P. Chen pada tahun 1976. Model ini dirancang untuk menggambarkan persepsi dari pemakai dan berisi obyek-obyek dasar yang disebut entity dan hubungan antar entity-entity tersebut yang disebut relationship. Pada model ER ini semesta data yang ada dalam dunia nyata ditransformasikan dengan memanfaatkan perangkat konseptual menjadik sebuah diagram, yaitu diagram ER ( Entity Relationship) Diagram Entity-Relationship melengkapi penggambaran grafik dari struktur logika . Dengan kata lain Diagram E-R menggambarkan arti dari aspek data seperti bagaimana entity-entity, atribut-atribut dan relationship-relationship disajikan. Sebelum membuat Diagram E-R , tentunya kita harus memahami betul data yang diperlukan dan ruang lingkupnya. Di dalam pembuatan diagram E-R perlu diperhatikan penentuan sesuatu konsep apakah merupakan suatu entity, atribut atau relationship. Dalam rekayasa perangkat lunak, sebuah Entity-Relationship Model (ERM) merupakan abstrak dan konseptual representasi data. Entity-Relationship adalah salah satu metode pemodelan basis data yang digunakan untuk menghasilkan skema konseptual untuk jenis/model data semantik sistem. Dimana sistem seringkali memiliki basis data relasional, dan ketentuannya bersifat top-down. Diagram untuk menggambarkan model Entitiy-Relationship ini disebut Entitiy-Relationship diagram, ER diagram, atau ERD.

Download : ER-Diagram

TURBO PASCAL

Turbo Pascal adalah sebuah sistem pengembangan perangkat lunak yang terdiri atas kompiler dan lingkungan pengembangan terintegrasi (dalam bahasa inggris: Integrated Development Environment - IDE) atas bahasa pemrograman pascal untuk sistem operasi CP/M, CP/M-86, dan MS-DOS, yang dikembangkan oleh Borland pada masa kepemimpinan Philippe Kahn. Nama Borland Pascal umumnya digunakan untuk paket perangkat lunak tingkat lanjut (dengan kepustakaan yang lebih banyak dan pustaka kode sumber standar) sementara versi yang lebih murah dan paling luas digunakan dinamakan sebagai Turbo Pascal. Nama Borland Pascal juga digunakan sebagai dialek spesifik Pascal buatan Borland.

Contoh kode

- Bahasa Pascal tidak bersifat case sensitive.

- Secara historis, komentar dalam bahasa pascal diidentifikasikan sebagai { seperti ini }, atau (* seperti ini *), dan bisa terdiri atas beberapa baris. Versi lanjutan Borland Pascal juga mendukung model komentar seperti yang terdapat pada C++. // seperti ini , yang berlaku pada satu baris.

- Sintaksis case yang lebih fleksibel daripada Pascal standar.

- Himpunan hanya bisa memiliki hingga 28 (256) anggota.

- Standar, string dengan panjang yang tetap didukung, namun terdapat pula tipe data String yang lebih fleksibel.

contohnya :

program TulisNama;

var

ANama: String; { Deklarasi variabel Name sebagai string }

AUlang: integer; { variabel yang digunakan untuk perulangan }

begin

Write('Masukkan nama anda: ');

Readln(ANama); { Readln akan membaca masukan yang dientrikan oleh pengguna }

for AUlang := 1 to 100 do

WriteLn('Halo ', ANama)

end.

Untuk anda yang belum punya aplikasinya bisa download link dibawah ini :

http://www.4shared.com/rar/WMWd0BUP/TPW_15.html