Integrasi Level Data Dalam Data Warehouse

Integrasi Level Data Dalam Data Warehouse by Sanchia Jodie

Nama : Putu Gede Sanchia Jodie Mantra NIM : 1905551028 Mata Kuliah : Data Warehouse Dosen : I Putu Agus Eka Pratama, S.T., M.T. Jurusan/Fakultas/Universitas : Teknologi Informasi/Teknik/Udayana

Integrasi merupakan proses penyatuan atau penggabungan dari minimal dua buah komponen, benda, ataupun entitas untuk memudahkan dalam proses komunikasi, berbagi data, mapun penyediaan layanan.

Tujuannya tentu untuk membantu dalam proses analisa, mengetahui pola dari data yang di pelajari serta membantu dalam pengambilan keputusan.

Macam-Macam Integrasi

1. Level Data : Berbagai sumber data yang di kumpulkan memerlukan integrasi di level data ini. Integrasi yang dilakukan akan mencocokkan struktur data, jenis data, maupun pemodelan datanya agar selaras.
2. Level Aplikasi : Integrasi yang dilakukan adalah berupa komunikasi antar port, socket ataupun berada pada satu layer yang sama.
3. Level Middleware : Middleware ini menjadi jembatan penghubung antara hardware dan software. Integrasi yang dilakukan dapat menggunakan API ataupun bahasa pemrograman tingkat rendah.

Integrasi Level Data

Diantara ketiga macam level integrasi tersebut. Integrasi di level data akan lebih berperan khususnya dalam Data Warehouse. Seperti pada artikel-artikel sebelumnya yang membahas bahwa Data Warehouse ini terdiri dari berbagai sumber data.

Contohnya pada sistem informasi kampus yang memiliki beberapa sub sistem. Apabila semua sub sistem tersebut datanya tidak terintegrasi, maka kita harus mengisi ulang data kita pada tiap sub sistemnya. Hal itu tentu akan sangat tidak efektif.

Patokan Integrasi Level Data :

• Format Data
• Struktur Data
• Sumber Data

Tujuan Integrasi Level Data

• Analisa Data : Data transaksional yang diubah menjadi multi dimensi akan dilakukan proses slicing data. Slicing data ini adalah proses mengambil data penting yang diperlukan, misalnya mengambil salah satu sisi dari data multi dimensi.
• Pola : Menemukan kecenderungan distribusi produk A yang lebih disukai oleh Customer A.
• Keputusan : Data yang kaya tersebut dapat di olah untuk membantu pengambilan keputusan. Berdasarkan hasil pola yang di dapatkan sebelumnya, dapat di ambil keputusan untuk memperbaiki proses bisnis yang ada

Penerapan Pada Sistem DAWET

Integrasi Level Data ini sudah di implementasikan oleh Dirjen Pajak melalui sistem Data Warehouse Terintegrasi atau disingkat DAWET. Sebelum beralih ke Big Data, sistem ini mengumpulkan data terstruktur dari berbagai layanan pemerintahan, seperti kependudukan maupun ketenagakerjaan. Sehingga melalui integrasi yang terjadi mempercepat penanganan apabila ada data wajib pajak yang bermasalah, seperti pajak yang tidak sesuai dengan ketentuan, pelaporan pajak, dan lainnya.

Referensi: I Putu Agus Pratama. Handbook Data Warehouse. Penerbit Informatika Bandung. 2017.