PENERAPAN IMPLEMENTASI ERP (Enterprise Resource Planning) PADA PERTERNAKAN BEBEK DI UBUD DALAM MEWUJUDKAN SMART ECONOMIC

EVAN SUSANTO / 1304505107

JURUSAN TEKNOLOGI INFORMASI / FAKULTAS TEKNIK /

UNIVERSITAS UDAYANA

ERP (Enterprise Resource Planning)

DOSEN : I PUTU AGUS EKA PRATAMA, S.T., M.T.

 

BAB I 
PENDAHULUAN

Kecamatan Ubud adalah sebuah kecamatan yang terletak di provinsi Bali, Indonesia. Daerah ini menjadi salah satu sektor wisata andalan di Bali yang memiliki budaya dan adat istiadat yang masih kental dengan budaya kerajaan. Dan juga memiliki kuliner khas salah satunya adalah masakan yang berhubungan dengan perternakan bebek. Beternak bebek sudah di jalani masyarakat Ubud Bali sejak puluhan tahun lalu sampai sekarang. Bebek adalah salah satu unggas yang tidak dapat mengerami telurnya sendiri. Lebar tubuh pada bebek tidak memungkinkan untuk melakukan proses pengeraman telur-telurnya, tidak seperti mentok atau angsa, walaupun sama-sama unggas yang dapat berenang, mentok dan angsa dapat mengerami telur- telurnya sendiri tidak seperti bebek. Kebutuhan akan produk yang berkaitan dengan bebek yang jumlah permintaan pasar yang terus meningkat. Karena semakin banyak yang mendirikan usaha rumah makan atau warung tenda yang menawarkan menu olahan daging bebek, membuat permintaan akan bebek pedaging semakin tinggi. Untuk sementara ini kebutuhan akan adanya daging bebek pedaging, kebanyakan masih di pasok dari bebek afkir atau bebek petelur yang produktifitasnya sudah mengalami penurunan.
Dalam proses E-business yang dilakukan inovasi dan kemampuan bersaing dalam berwirausahaan. Serta membuka akses informasi yang luas sehingga meningkatkan peluang warga untuk melakukan aktivitas ekonomi yang efektif.
Untuk menanggulangi masalah tersebut maka dibuatkan suatu sistem peternakan bebek dengan sistem yang lebih modern , berdasarkan teknologi Smart Economic. Sistem ini dimaksudkan untuk Proses Bisnis yang dapat dilakukan oleh peternak Bebek memberikan hasil yang lebih maksimal dalam pendistribusian permintaan dan proses quality control untuk mendapatkan Bebek dengan kualitas bagus dan juga terbaik. Dengan menggunkan sistem dari teknologi ERP menunjang dari segi proses E-Business kegiatan jual beli dan langsung terhubung dengan costumer, rekan bisnis atau supplier yang di dalamnya terdapat E-commers untuk membantu dalam hal mensupport bagian dari marketing , produksi , accounting , finance dan HRM. Lebih tepatnya menggunakanteknologi informasi dan komunikasi oleh organisasi, individu, atau pihak-pihak terkait untuk menjalankan dan mengelola proses bisnis utama sehingga dapat memberikan keuntungan.

3

1.2 Rumusan Masalah
Terdapat beberapa rumusan maslaah yang menjadi acuan dalam pembuatan makalah ini, rumusan masalah tersebut diantaranya:

1. 1.)  Bagaimana meningkatkan permintaan pesanan terhadap ternak bebek menggunakan system teknlogi ERP ?
   
2. 2.)  Bagaimana mengatasi masalah pendistribusian yang dilakukan oleh Peternak Bebek?
   
3. 3.)  Bagaimana melakukan quality control terhadap jumlah bebek yang banyak untuk menghasilkan bebek berkualitas menggunakan ERP?
   

1.3 Usulan Solusi
Dari rumusan masalah yang telah disampaikan, maka terdapat beberapa usulan atau solusi untuk menanggulangi masalah tersebut.

1.4

Design Solusi

1.) Menggunakan teknologi Cloud Computing dalam mengatasi jarak dan waktu serta memantau pendistribusian bebek dan hak pembatasan hak akses berbasis SAAS dan Public Cloud.
2.) Menggunakan E-Business sebagai bentuk proses bisnis yang dilakukan dengan memanfaatkan E-commers.

 Link Download PDF.
http://www.slideshare.net/evansusanto/penerapan-implementasi-erp-enterprise-resource-planning-pada-perternakan-bebek-di-ubud-dalam-mewujudkan-smart-economic

Read More

Implementasi Data Warehouse pada budidaya Ikan Bandeng oleh Nelayan di Kabupaten Bima melibatkan KUD didalam mengolah hasil laut

EVAN SUSANTO / 1304505107

JURUSAN TEKNOLOGI INFORMASI / FAKULTAS TEKNIK /

UNIVERSITAS UDAYANA

DATA WAREHOUSE

DOSEN : I PUTU AGUS EKA PRATAMA, S.T., M.T.

BAB 1 
PENDAHULUAN

Budidaya ikan bandeng kabupaten bima merupakan salah satu mata pencarian masyarakat setempat yang dimana dalam budidaya tersebut memiliki pendapat yang tinggi dan melibatkan KUD dalam mengelolah hasil laut tersebut, berbagai tindakan dilakukan oleh KUD selaku mengelolah hasil budidaya demi meningkatan produksi serta kualitas dari hasil laut
Masalah yang terjadi di lapangan saat ini pada umumnya belum menggunakan teknologi untuk menunjang proses pengumpulan serta penyimpanan data. Penyimpanan data masih dilakukan secara konvensiaonal dimana data disimpan hanya pada pembukuan dimana dalam pengolahan data tersebut belum dimanfaatkan secara maksimal dan belum adanya basis data untuk membantu nelayan dan KUD dalam menganalisis data dan hasil laut
Oleh karena itu, pada penelitian ini akan mengimplementasikan data warehouse untuk mengintegrasikan data yang dimiliki oleh KUD dan Nelayan dalam meningkatan produksi hasil budidaya ikan bandeng. Diharapkan aplikasi ini dapat memberikan informasi mengenai analisa dan pengambilan keputusan yang sesuai dengan kondisi di lapangan, sehingga nelayan dan KUD dapat menggunakan metode yang tepat dan efektif dalam peningkatan kinerja dan memaksimalkan peran fungsi teknologi untuk mengatasi permasalahan mengenai budidaya Ikan Bandeng oleh Nelayan di Kabupaten Bima melibatkan KUD didalam mengolah hasil laut
1.2. Rumusan Masalah
Masih ditemukannya kesulitan dalam pencarian data serta pengambilan keputusan yang dilakukan KUD setempat dan juga laporan yang di buat masih mengunakan pembukuan yang di buat harian,mingguan maupun bulanan.

1

Beberapa rumusan masalah dari latar belakang tersebut dan berdasarkan hasil wawancara dari Adi rudin selaku KUD kabupaten bima pada tanggal 16 November 2015. yaitu

1. 1  Bagaimanakah bentuk pengolahan data untuk Nelayan dan KUD?
   
2. 2  Apakah faktor penyebab terjadinya penurunan kualitas sewaktu-waktu ?
   
3. 3  Bagaimanakah peran fungsi KUD dalam mengelolah hasil laut ?
   

1.3. Solusi
Dari rumusan masalah yang telah disampaikan, maka terdapat beberapa usulan atau solusi untuk menanggulangi masalah tersebut.
1.) Menggunakan Data Warehouse dalam menganalisa dan penyimpanan data serta mengatur data mart untuk pengambilan keputusan.
2.) Mengunakan teknologi Cloud computing dengan memnafaatkan deployment privat cloud dan layanan saas. Serta ELT/ETL dan OLAP/OLTP
1.4. Rancangan Desain Data Warehouse
Perancangan arsitektur sistem data warehouse dilakukan setelah
mengetahui data apa saja yang akan terlibat. Gambar 1.1 adalah rancangan arsitektur data warehouse pada proses bisnis yang dilakukan oleh KUD dan nelayan. 

download link

http://www.slideshare.net/evansusanto/implementasi-data-warehouse-pada-budidaya-ikan-bandeng-oleh-nelayan-di-kabupaten-bima-melibatkan-kud-didalam-mengolah-hasil-laut

Read More

Mobile ERP (M-ERP)

EVAN SUSANTO / 1304505107

JURUSAN TEKNOLOGI INFORMASI / FAKULTAS TEKNIK /

UNIVERSITAS UDAYANA

ERP (Enterprise Resource Planning)

DOSEN : I PUTU AGUS EKA PRATAMA, S.T., M.T.

Mobile ERP (M-ERP)

Sumber :  http://www.exactlly.com/blog/wp-content/uploads/ERP-10-Tips-to-Create-a-Mobile-ERP-Strategy.jpg
 

 Mobile ERP merupakan cara pengambilan keputusan yang dilakukan melalui perangat mobile atau handphone pintar. Dengan adanya Mobile ERP diharapkan pekerjaan dapat dikerjakan secara tepat waktu informasi akan tersedia dimana saja saat dibutuhkan yang bertujuan untuk memudahkan dalam perancangan bisnis, pengambilan keputusan serta dapat dengan langsung menghasilkan keputusan dari perencanaan bisnis yang ada. Manfaat utama dari Mobile ERP yaitu dapat memudahkan didalam pengambilan keputusan yang bisa dilakukan dengan efisiensi operasional yang lebih besar, peningkatan komunikasi dan kolaborasi, dapat diakses kapan saja untuk perusahaan bisnis dan kecerdasan manufaktur, akses lebih cepat ke pusat produktivitas kerja termasuk efisiensi produksi saat ini,  memo maupun downtime, dapat memudahkan dalam peningkatan alur kerja dan proses persetujuan dipercepat, serta peningkatan tanggap terhadap kebutuhan dan permintaan pelanggan dan prospek yang dapat dilakukan lebih cepat dan mudah.

Didalam mendukung proses Mobile ERP untuk memaksimalkan kinerjanya maka perlu adanya dukungan teknologi yang semakin canggih. Teknologi pendukung Mobile ERP tersebut yaitu :

1. E-Bussines. Didalam mendukung aplikasi Mobile ERP, E-bussines memiliki tujuan dalam mewujudkan customer value. Kepuasan pelanggan sangat diutaman didalam dunia bisnis, oleh karena itu dalam pengambilan keputusan secara cepat yang dapat dilakukan oleh aplikasi Mobile ERP sangat memperhatikan kepuasan dari konsumen guna mendukung kelangsungan bisnis atau sebuah perusahaan yang berkembang.
2. E-Commerce/M-Commerce. Didalam mendukung aplikasi Mobile ERP, E-Commerce/M-Commerce berperan dalam mendukung proses transaksi maupun pertukaran informasi yang berbasiskan media elektronik didalam memudahkan konsumen tanpa harus membuang waktu lebih banyak.
3. IoT/M2M, merupakan teknologi yang menghubungkan pengendalian, komunikasi dan kerja sama dengan berbagai perangkat kerass melalui jaringan internet.
4. Mobile Computing, merupakan sistem operasi yang terdapat didalam andorid, Ios serta mobile operasi sistem lainnya yg berupa OOP. Yang terdiri dari Reability, OOP, dan Stability. Kunci dari Reability adalah cloud computing
5. Smart City, dalam bagian Smart City yang mendukung proses Mobile ERP yaitu Smart Economic. Didalam mendukung proses Mobile ERP, Smart Economic berperan didalam tata cara pengelolaan ekonomi yang lebih baik dan terkomputerisasi, karena ekonomi tidak hanya berkaitan dengan barang dan jasa yang disediakan tetapi juga mengcangkup inovasi, kemampuan bersaing, pendidikan dan kewirausahaan.
6. Cloud Computing. Sifat Cloud Computing yang On Demand, maka sangat mendukung proses Mobile ERP karena bekerja sesuai dengan kebutuhan konsumen dengan tiga layanan pendukungnya yaitu IAAS, PAAS dan SAAS yang saling terintegrasi.
7. Near Field Communication (NFC) dan RFID, mendukung proses pembayaran melalui sistem online atau E-Payment didalam proses Mobile ERP guna mewujudkan Smart Payment.

Dari ketujuh teknologi pendukung Mobile ERP, maka dapat di implementasikan didalam sebuah perusahaan untuk mendukung proses aktivitas mulai dari perencanaan dan pengambilan keputusan secara realtime seperti pada perusahaan manufacturing, dimana mobile erp dapat memudahkan dalam interaksi dua arah dari  MES dengan ERP data dan dapat memudahkan dalam pengambilan keputusan serta mendapatkan hasil dari keputusan tersebut dengan real time yang tepat.

dalam pemrosesan data didalam Mobile ERP akan diolah dan disimpan didalam memori (RAM) pada sebuah perangkat hardware (In Memory Technology). Penyimpanan data tersebut dibagi menjadi atas dua, yaitu In Memory Processing, dimana data yang diolah yaitu data barang yang akan bekerja langsung pada RAM dan yang kedua yaitu In Memory Database, dimana pemrosesan dalam penyimpanan data yang berhubungan dengan gudang data atau Data Warehouse.

Bila dilihat dari sisi pengguna ataupun Vendor, Mobile ERP dapat dibagi menjadi dua yaitu :

1. SOA (Service Oriented Architecture) menentukan arsitektur TI yang dapat menunjang berbagai aplikasi untuk saling bertukar data dan berpartisipasi dalam proses bisnis. SOA merupakan layanan yang diberikan oleh pihak produksi dalam memberikan layana  seoptimal mungkin yang berhubungan langsung dengan Service Engineering.
2. OTT (Over The Top), adalah sebuah teknologi yang dapat berjalan secara optimal dengan memanfaatkan koneksi internet yang disediakan oleh penyedia layanan internet (operator / telco). Contoh nyata dari teknologi OTT adalah jejaring sosial seperti Facebook, Twitter, dan Google+, aplikasi chatting seperti WhatsApp, Line, dan WeChat, media sharing dan streaming seperti Youtube, SoundCloud, Flickr, dan Picasa, hubungan antar profesional seperti LinkedIn dan sebagainya. Provider penyedia layanan OTT memiliki tugas penting untuk memberikan infrastruktur, koneksi, dan jalur komunikasi internet untuk menunjang layanan tersebut. Perusahaan pengembang atau pemilik aplikasi berbasis OTT dapat memanfaatkan infrastruktur yang telah diberikan oleh provider-provider yang ada di seluruh dunia untuk menjalankan bisnis dan memperoleh keuntungan dari aplikasi OTT yang disebarkan melalui internet secara gratis.   

Daftar Pustaka

[1] Agus Eka  Pratama, S.T.,M.T, I Putu.2014.”Smart City Beserta Cloud Computing dan Teknologi-Teknologi Pendukung Lainnya.Bandung : Informatika

[2] Agus Eka Pratama, S.T.,M.T, I Putu.2015.”E-Commerce, E-Bussines, dan Mobile Commerce“.Bandung : Informatika

[3] Wikipedia.2013. SOA (https://id.wikipedia.org/wiki/SOA). Diakses Pada 19 Oktober 2015

Read More

DATA MART, DATA WAREHOUSE, ETL, ELT, DAN OLAP

EVAN SUSANTO / 1304505107

JURUSAN TEKNOLOGI INFORMASI / FAKULTAS TEKNIK /

UNIVERSITAS UDAYANA

DATA WAREHOUSE

DOSEN : I PUTU AGUS EKA PRATAMA, S.T., M.T.

DATA MART, DATA WAREHOUSE, ETL, ELT, DAN OLAP 

Sumber: http://trianzblog.com/wordpress/wp-content/uploads/2010/12/Picture2-300x167.jpg

Data Mart
Data mart adalah suatu bagian pada data warehouse yang mendukung pembuatan laporan dan analisa data pada suatu unit, bagian atau operasi pada suatu perusahaan. Dalam beberapa implementasi data warehouse, data mart adalah miniature data warehouse. Data mart sering digunakan untuk memberikan informasi kepada segmen fungsional organisasi.

Data Warehouse

Data warehouse merupakan data-data yang berorientasi subjek, terintegrasi, memiliki dimensi waktu, serta merupakan koleksi tetap (non-volatile), yang digunakan dalam mendukung proses pengambilan keputusan oleh para manajer di setiap jenjang (namun terutama pada jenjang manajerial yang memiliki peringkat tinggi). Pemakaian teknologi data warehouse hampir dibutuhkan oleh semua organisasi, tidak terkecuali Perpustakaan. Data warehouse memungkinkan integrasi berbagai macam jenis data dari berbagai macam aplikasi atau sistem. Hal ini menjamin mekanisme akses “satu pintu bagi manajemen untuk memperoleh informasi, dan menganalisisnya untuk pengambilan keputusan”.

Data Warehouse menggunakan 2 server atau lebih. Memiliki data yang berasal dari sumber-sumber yang terpisah kedalam suatu format yang tetap dan saling terintegrasi menjadi satu kesatuan yang menunjang keseluruhan konsep Data Warehouse itu sendiri. Dengan kata lain informasi dikumpulkan dari data yang terpisah yang kemudian disatukan menjadi sebuah ringkasan

ETL (Extraction, Transformation, Loading)

ETL adalah kumpulan proses menyiapkan data dari operational source untuk data. Proses ini terdiri dari extracting, transforming, loading, dan beberapa proses yang dilakukan sebelum dipublikasikan ke dalam data warehouse. Jadi, ETL atau extract, transform, loading adalah fase pemrosesan data dari sumber data masuk ke dalam data warehouse. Tujuan ETL adalah mengumpulkan, menyaring, mengolah dan menggabungkan datadata yang relevan dari berbagai sumber untuk disimpan ke dalam data warehouse. ETL juga dapat digunakan untuk mengintegrasikan data

Dengan sistem yang sudah ada sebelumnya. Hasil dari proses ETL adalah dihasilkannya data yang memenuhi kriteria data warehouse seperti data historis, terpadu, terangkum, statis dan memiliki struktur yang dirancang untuk keperluan proses analisis. Proses ETL terdiri dari tiga tahap, yaitu :

1. Extract

Langkah pertama dari proses ETL adalah proses penarikan data dari satu atau lebih sistem operasional sebagai sumber data (bisa diambil dari sistem OLTP, tapi bisa juga dari sumber data di luar system database). Kebanyakan proyek data warehouse menggabungkan data dari sumber-sumber yang berbeda. Pada hakekatnya, proses ekstraksi adalah proses penguraian dan pembersihan data yang diekstrak untuk mendapatkan suatu pola atau struktur data yang diinginkan.

2. Transform

Proses membersihkan data yang telah diambil pada proses extract sehingga data itu sesuai dengan struktur data warehouse atau data mart. Hal-hal yang dapat dilakukan dalam tahap transformasi :

a). Hanya memilih kolom tertentu saja untuk dimasukkan ke dalam data warehouse.

b). Menerjemahkan nilai berupa kode (misal, database sumber menyimpan nilai 1 untuk pria dan 2 untuk wanita, tetapi data warehouse menyimpan M untuk pria dan F untuk wanita). Proses yang dilakukan disebut automated data cleansing, tidak ada pembersihan secara manual selama proses ETL.

c). Mengkodekan nilai-nilai ke dalam bentuk bebas ( missal memetakan ”male” ,”I”, dan ”Mr ke dalam ”M”).

d). Melakukan perhitungan nilai-nilai baru (misal sale_amount = qty*unit_price).

e). Menggabungkan data dari berbagai sumeber bersama-sama.

f). Membuat ringkasan dari sekumpulan baris data (misal, total penjualan untuk setiap bagian).

Kesulitan yang terjadi pada proses transformasi adalah data harus digabungkan dari beberapa sistem terpisah, harus dibersihkan sehingga konsisten dan harus diagregasi untuk mempercepat analisis.

3. Loading

Fase load merupakan tahapan yang berfungsi untuk memasukkan data ke dalam target akhir, yaitu ke dalam suatu data warehouse. Waktu dan jangkauan untuk mengganti atau menambah data tergantung pada perancangan data warehouse pada waktu menganalisa keperluan informasi. Fase load berinteraksi dengan suatu database, constraint didefinisikan dalam skema database sebagai suatu trigger yang diaktifkan pada waktu melakukan load data (contohnya : uniqueness,referential, integrity, mandatory fields), yang juga berkontribusi untuk keseluruhan tampilan dan kualitas data dari proses ETL

ELT (Extraction, Loading, Transformation)

ELT merupakan variasi dari ETL (Extraction, Transformation, Loading). pada proses ini data juga akan di extract terlebih dahulu, kemudian data akan di load ke database. Kemampuan ini sangat berguna untuk memproses set data yang besar yang diperlukan untuk Business Intelligence dan analisis data yang besar. Salah satu kemampuan utama ELT adalah pengurangan waktu loading jika dibandingkan dengan model ETL. Mengambil keuntungan dari kemampuan pemrosesan yang dibangun dalam infrastruktur data warehouse dapat mengurangi waktu yang dihabiskan data untuk melakukan transit dan lebih hemat biaya.

OLAP (OnLine Analytical Processing)

Pengertian OLAP merupakan sebuah prangkat lunak yang melakukan pemrosesan untuk menganalisa data bervolume besar dari berbagai perspektif (multidimensi). OLAP seringkali disebut analisis data multidimensi yang berfungsi sebagai data analasis (select). Data multidimensi adalah data yang dapat dimodelkan sebagai atribut dimensi dan atribut ukuran. Contoh atribut dimensi adalah nama barang dan warna barang, sedangkan contoh atribut ukuran adalah jumlah barang.

OLTP (Online Transaction Processing Systems)

OLTP (On-line Transaction Processing) memiliki karakteristik dengan jumlah data yang besar namun hanya dapat melakukan hal sederhana seperti insert,update, dan delete. Hal utama yang menjadi perhatian dari sistem yang dilakukan OLTP adalah melakukan query secara cepat, data mudah untuk diperbaiki dan dapat diakses melalui komputer yang terhubung dalam jaringan. OLTP berorientasi pada proses yang memproses suatu transaksi secara langsung melalui komputer yang terhubung dalam jaringan. Seperti misalanya kasir pada sebuah super market yang menggunakan mesin dalam proses transaksinya. OLTP mempunyai karakteristik beberapa user dapat creating, updating, retrieving untuk setiap record data, lagi pula OLTP sangat optimal untuk updating data.

DAFTAR PUSTAKA

[1] Oracle. 2014. Oracle Database 12c for Data Warehousing. http://www.oracle.com/technetwork/database/bi-datawarehousing/data-warehousing-wp-12c-1896097.pdf. 18 Oktober 2015. 

[2] Kudang Karsono. 2012. ETL (Extraction, Transformation, Loading). http://kundang.weblog.esaunggul.ac.id/2013/09/17/extract-transform-loading/ 18 Oktober 2015 

[3] Arrie0905. 2013.  Terminologi Data Warehouse, Data Mart, OLAP,. https://arrie0905.wordpress.com. 18 Oktober 2015 

Read More

Data Warehouse dan Big Data

EVAN SUSANTO / 1304505107

JURUSAN TEKNOLOGI INFORMASI / FAKULTAS TEKNIK /

UNIVERSITAS UDAYANA

DATA WAREHOUSE

DOSEN : I PUTU AGUS EKA PRATAMA, S.T., M.T.

 Data Warehouse dan Big Data

Data Warehouse

Data warehouse merupakan data-data yang berorientasi subjek, terintegrasi, memiliki dimensi waktu, serta merupakan koleksi tetap (non-volatile), yang digunakan dalam mendukung proses pengambilan keputusan oleh para manajer di setiap jenjang (namun terutama pada jenjang manajerial yang memiliki peringkat tinggi). Pemakaian teknologi data warehouse hampir dibutuhkan oleh semua organisasi, tidak terkecuali Perpustakaan. Data warehouse memungkinkan integrasi berbagai macam jenis data dari berbagai macam aplikasi atau sistem. Hal ini menjamin mekanisme akses “satu pintu bagi manajemen untuk memperoleh informasi, dan menganalisisnya untuk pengambilan keputusan”.

Data Warehouse menggunakan 2 server atau lebih. Memiliki data yang berasal dari sumber-sumber yang terpisah kedalam suatu format yang tetap dan saling terintegrasi menjadi satu kesatuan yang menunjang keseluruhan konsep Data Warehouse itu sendiri. Dengan kata lain informasi dikumpulkan dari data yang terpisah yang kemudian disatukan menjadi sebuah ringkasan.

Big Data

BIG DATA adalah buzzword atau menangkap-frase yang digunakan untuk menggambarkan volume besar, baik dari data terstruktur dan tidak terstruktur yang begitu besar sehingga sulit untuk memproses dengan menggunakan teknik database dan perangkat lunak biasa. Dalam kebanyakan kejadian data perusahaan yang terlalu besar atau bergerak terlalu cepat atau melebihi kapasitas pengolahan saat ini. Big data memiliki potensi untuk membantu perusahaan meningkatkan operasi, membuat lebih cepat dan keputusan yang lebih cerdas. 

sumber https://indrawandb.files.wordpress.com/2015/03/bigdata3v_ina.png

Contoh Big Data 

Contoh data besar mungkin petabyte (1.024 terabyte) atau exabyte (1.024 petabyte) data yang terdiri dari miliaran triliunan catatan dari jutaan orang dari berbagai sumber yang berbeda (misalnya Web, penjualan, contact center pelanggan, media sosial, data ponsel dan sebagainya). Data tersebut biasanya terstruktur longgar atau data yang sering tidak lengkap dan tidak dapat diakses. 

 

Big Data dan Data Warehouse

Big Data dan Data Warehouse sagalt lah berbeda, masing-masing  baik Big Data dan Data Warehouse memiliki kasus alur penggunaan sendiri. Dalam beberapa kasus, sebuah perusahaan yang hanya memiliki database saja untuk melakukan operasional yang memiliki data yang terstruktur sehingga pencatatan data dapat dilakukan dengan mengandalkan Data Warehouse, sedangkan pada sebuah kasus industri yang membutuhkan dan menggunakan sejumlah data mentah yang besar, dan bentuk/format datanya sangat beragam untuk melakukan analisis maka diperlukan teknologi Big Data.

Membangun Data Warehouse juga dapat membantu dalam membangun open-standards API untuk memungkinkan fleksibilitas ketika dikemudian hari diperlukannya teknologi Big Data karena akan lebih mudah dalam membangun API dari sumber data yang ada dari berbagai sumber operasional yang telah disetujui. 

Adanaya data yang di olah dalam data warehouse dan big data diperlukan rancanagan infrastruktur yang mumpuni seperti denagn menggunakan supercomputer atau sebagai level tertinggi dalam computing. Supercomputing yang pada umumnya. Merupakan mesin komputasi yang memiliki kinerja tingkat tinggi dan memiliki kecepatan pemrosesan data yang cepat. Terdapat juga beberapa aplikasi seperti scientific calculations, modeling simulations, and rendering large 3D graphics. Yang bisasanya supercomputer ini memiliki ukuran yang lebih besar dari komputer biasanya.

Dan membutuhkan ruang space yang cukup besar.

Infastruktur adalah sebuah landasan untuk menjalankan sebuah sistem. Untuk menggunakan infrastruktur yang telah disediakan, diperlukan perangkat lunak Apache Hadoop yang merupakan sebuah framework perangkat lunak open-source yang mampu menangani pemrosesan Data Warehouse dan Big Data.

                           Gambar Skema Relasi Apache Hadoop

• OLAP (OnLine Analytical Processing)

Pengertian OLAP merupakan sebuah prangkat lunak yang melakukan pemrosesan untuk menganalisa data bervolume besar dari berbagai perspektif (multidimensi). OLAP seringkali disebut analisis data multidimensi yang berfungsi sebagai data analasis (select). Data multidimensi adalah data yang dapat dimodelkan sebagai atribut dimensi dan atribut ukuran. Contoh atribut dimensi adalah nama barang dan warna barang, sedangkan contoh atribut ukuran adalah jumlah barang.

 • OLTP (Online Transaction Processing Systems)

OLTP (On-line Transaction Processing) memiliki karakteristik dengan jumlah data yang besar namun hanya dapat melakukan hal sederhana seperti insert,update, dan delete. Hal utama yang menjadi perhatian dari sistem yang dilakukan OLTP adalah melakukan query secara cepat, data mudah untuk diperbaiki dan dapat diakses melalui komputer yang terhubung dalam jaringan. OLTP berorientasi pada proses yang memproses suatu transaksi secara langsung melalui komputer yang terhubung dalam jaringan. Seperti misalanya kasir pada sebuah super market yang menggunakan mesin dalam proses transaksinya. OLTP mempunyai karakteristik beberapa user dapat creating, updating, retrieving untuk setiap record data, lagi pula OLTP sangat optimal untuk updating data.

ETL adalah kumpulan proses menyiapkan data dari operational source untuk data. Proses ini terdiri dari extracting, transforming, loading, dan beberapa proses yang dilakukan sebelum dipublikasikan ke dalam data warehouse. Jadi, ETL atau extract, transform, loading adalah fase pemrosesan data dari sumber data masuk ke dalam data warehouse. Tujuan ETL adalah mengumpulkan, menyaring, mengolah dan menggabungkan datadata yang relevan dari berbagai sumber untuk disimpan ke dalam data warehouse. ETL juga dapat digunakan untuk mengintegrasikan data

Dengan sistem yang sudah ada sebelumnya. Hasil dari proses ETL adalah dihasilkannya data yang memenuhi kriteria data warehouse seperti data historis, terpadu, terangkum, statis dan memiliki struktur yang dirancang untuk keperluan proses analisis. Proses ETL terdiri dari tiga tahap, yaitu :

1. Extract

Langkah pertama dari proses ETL adalah proses penarikan data dari satu atau lebih sistem operasional sebagai sumber data (bisa diambil dari sistem OLTP, tapi bisa juga dari sumber data di luar system database). Kebanyakan proyek data warehouse menggabungkan data dari sumber-sumber yang berbeda. Pada hakekatnya, proses ekstraksi adalah proses penguraian dan pembersihan data yang diekstrak untuk mendapatkan suatu pola atau struktur data yang diinginkan.

2. Transform

Proses membersihkan data yang telah diambil pada proses extract sehingga data itu sesuai dengan struktur data warehouse atau data mart. Hal-hal yang dapat dilakukan dalam tahap transformasi :

a). Hanya memilih kolom tertentu saja untuk dimasukkan ke dalam data warehouse.

b). Menerjemahkan nilai berupa kode (misal, database sumber menyimpan nilai 1 untuk pria dan 2 untuk wanita, tetapi data warehouse menyimpan M untuk pria dan F untuk wanita). Proses yang dilakukan disebut automated data cleansing, tidak ada pembersihan secara manual selama proses ETL.

c). Mengkodekan nilai-nilai ke dalam bentuk bebas ( missal memetakan ”male” ,”I”, dan ”Mr ke dalam ”M”).

d). Melakukan perhitungan nilai-nilai baru (misal sale_amount = qty*unit_price).

e). Menggabungkan data dari berbagai sumeber bersama-sama.

f). Membuat ringkasan dari sekumpulan baris data (misal, total penjualan untuk setiap bagian).

Kesulitan yang terjadi pada proses transformasi adalah data harus digabungkan dari beberapa sistem terpisah, harus dibersihkan sehingga konsisten dan harus diagregasi untuk mempercepat analisis.

3. Load

Fase load merupakan tahapan yang berfungsi untuk memasukkan data ke dalam target akhir, yaitu ke dalam suatu data warehouse. Waktu dan jangkauan untuk mengganti atau menambah data tergantung pada perancangan data warehouse pada waktu menganalisa keperluan informasi. Fase load berinteraksi dengan suatu database, constraint didefinisikan dalam skema database sebagai suatu trigger yang diaktifkan pada waktu melakukan load data (contohnya : uniqueness,referential, integrity, mandatory fields), yang juga berkontribusi untuk keseluruhan tampilan dan kualitas data dari proses ETL.

DAFTAR PUSTAKA

[1] Oracle. 2014. Oracle Database 12c for Data Warehousing and Big Data. http://www.oracle.com/technetwork/database/bi-datawarehousing/data-warehousing-wp-12c-1896097.pdf. 11 Oktober 2015.

[2] Wikipedia, English. 2015. Big Data. https://en.wikipedia.org/wiki/Big_data. 11 Oktober 2015.

[3] Kudang Karsono. 2012. ETL (Extraction, Transformation, Loading). http://kundang.weblog.esaunggul.ac.id/2013/09/17/extract-transform-loading/ 11 Oktober 2015

 

 

Read More