jurnal data warehouse inisiatif di universitas sumatera utara

Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia

3-4 Mei 2006, Aula Barat & Timur Institut Teknologi Bandung 212

DATA WAREHOUSE INISIATIF DI UNIVERSITAS SUMATERA UTARA

Opim Salim Sitompul, [email protected]

Pusat Sistem Informasi USU

Jl. Universitas No 9 Kampus USU Medan

Telp. 061-8213793, Fax.: 061-8223572

ABSTRAK

Data warehouse adalah sistem repositori data yang semakin populer bagi sebuah instansi. Data warehouse

umumnya didukung oleh sebuah model data konseptual yang disebut model multidimensi yang dapat digunakan

untuk melihat data dari dimensi yang berbeda-beda untuk keperluan analisis dan pelaporan. Untuk mendukung

pengambilan keputusan dalam proses pengelolaan perguruan tinggi di Universitas Sumatera Utara (USU),

pembangunan sebuah sistem data warehouse menjadi sangat penting karena dalam sistem ini terkumpul berbagai

data yang diperlukan baik berupa data sejarah maupun data saat ini. Dengan tersedianya data yang lengkap, para

pengambil keputusan dapat melakukan berbagai analisis dan memberikan laporan yang akurat mengenai keadaan

universitas yang mereka kelola. Dalam makalah ini, kami mengajukan sebuah metodologi desain untuk

perancangan data warehouse konseptual yang disebut metodologi berorientasi-transformasi, yang mentransformasi

model ER (Entity-Relationship) menjadi model multidimensi berdasarkan sekumpulan aturan transformasi dan

analisis. Untuk mengimplementasikan metodologi yang dikemukakan tersebut, telah dibangun sebuah prototipe

knowledge-based tool yang disebut DWDesigner. Pembangunan prototipe sistem ini dimaksudkan sebagai langkah

inisiatif awal dalam rangka pembangunan data warehouse di USU.

Kata kunci: data warehouse desain, model multidimensi, sistem basis pengetahuan

1. PENDAHULUAN

Data warehouse adalah sebuah teknologi yang

memungkinkan data dapat diakses dengan mudah dan

efisien untuk mendukung pengambilan keputusan. Di

lingkungan universitas, teknologi ini dapat digunakan

untuk menunjang terselenggaranya kegiatan belajar

mengajar dan pengelolaan administrasi universitas.

Pengelolaan sistem informasi yang baik dapat

mendukung kegiatan belajar mengajar dengan cara

memelihara ketersediaan data dan penyediaan

informasi yang diperlukan oleh para pengambil

keputusan di perguruan tinggi. Sebagai sebuah

instansi yang berkecimpung dalam dunia akademik,

sebuah perguruan tinggi hendaklah memiliki sebuah

sistem data warehouse yang mampu memenuhi

kebutuhan para pengambil keputusan yang berkaitan

dengan kelangsungan kegiatan akademik dan

administrasi di lingkungan universitas.

Untuk mendukung berjalannya sistem informasi

dengan baik, mulai tahun 1995 USU telah

membangun sebuah sistem jaringan terpadu yang

menghubungkan 10 fakultas dan beberapa unit

penunjang administrasi lainnya. Sistem jaringan

terpada USU dibangun dengan menggunakan kabel

serat optik sebagai tulang punggung jaringan.

Berbagai sistem aplikasi yang dibangun untuk

keperluan akademik dan administrasi telah diterapkan

dengan memanfaatkan sistem jaringan terpadu

tersebut. Sejalan dengan penyelenggaraan sistem

akademik dan administrasi ini, data transaksi yang

dihasilkan hari demi hari semakin bertambah besar.

Pada gilirannya, pihak pengambil keputusan di USU

akhirnya menyadari bahwa mereka memerlukan

sebuah alat yang dapat membantu mereka dalam

melakukan analisis data dan membantu mereka

dalam pembuatan laporan.

Dalam makalah ini, kami mengajukan sebuah

metodologi desain untuk perancangan data

warehouse konseptual yang disebut metodologi

berorientasi-transformasi, yang mentransformasi

model ER (Entity-Relationship) menjadi model

multidimensi berdasarkan pada sederetan aturan

transformasi dan analisis. Metodologi berorientasi-

transformasi dimaksud menterjemahkan model ER ke

dalam sebuah bahasa spesifikasi dan kemudian

mengubahnya menjadi model domain masalah awal.

Sekumpulan aturan sintesis dan diagnosis kemudian



secara bertahap mengubah model domain masalah

tersebut menjadi model multidimensi. Untuk

mengimplementasikan metodologi yang

dikemukakan tersebut, telah dibangun sebuah

prototipe alat berbasis-pengetahuan yang disebut

DWDesigner. Model multidimensi yang dihasilkan

oleh DWDesigner sebagai output disajikan dalam

bentuk grafik untuk mendukung visualisasi yang

lebih baik. Pembangunan prototipe sistem ini

dimaksudkan sebagai langkah inisiatif awal dalam

rangka pembangunan data warehouse di USU.

2. PERANCANGAN DATA WAREHOUSE

KONSEPTUAL

Perancangan data warehouse konseptual adalah

sebuah proses untuk membangun model data

warehouse yang disajikan dalam bentuk model

multidimensi. Penelitian-penelitian mengenai

perancangan data warehouse konseptual telah mulai

memperoleh lebih banyak perhatian dari komunitas

database sejak akhir tahun 1990an dengan sasaran

untuk membangun sebuah skema konseptual yang

dapat dimengerti baik oleh pengguna maupun sistem

analis sekaligus memberikan basis untuk tahapan-

tahapan proses perancangan selanjutnya. Salah satu

pendekatan utama yang diambil oleh komunitas riset

untuk pembangunan model ini adalah berdasarkan

model ER yang diperluas atau yang ditransformasi ke

dalam model multidimensi. Penelitian dalam bidang

ini kemudian meluas ke pembangunan perancangan

konseptual otomatis yang menuju ke pembangunan

case tool untuk perancangan data warehouse.

Beberapa penelitian telah dilaksanakan untuk

pengembangan metodologi perancangan model data

warehouse konseptual berdasarkan model ER. Secara

umum, metodologi yang digunakan dapat

diklasifikasikan ke dalam dua kategori berdasarkan

pendekatan perancangannya, yakni perluasan ER dan

transformasi ER. Pendekatan perluasan ER

menggunakan model ER sebagai input dan

memperluasnya dengan komponen-kompnen

tambahan sedemikian hingga model tersebut dapat

dipetakan ke model multidimensi. Beberapa

penelitian yang menggunakan pendekatan ini antara

lain Multidimensional Entity Relationship (ME/R)

[1], Structured Entity Relationship Model (SERM)

[2], dan Event-Entity-Relationship model (EVER) [3].

Pendekatan transformasi ER juga menggunakan

model ER sebagai input, tetapi tidak dengan

memperluas konstruksi ER melainkan

mentransformasi model ER itu secara berangsur-

angsur menjadi model multidimensi menggunakan

teknik dan algoritma yang berbeda-beda. Tujuan

pendekatan ini adalah untuk memformulasikan

sebuah metodologi untuk mengembangkan

perancangan data warehouse konseptual. Komunitas

penelitian database telah memulai kerja-kerja riset

dalam konteks ini sejak akhir tahun 1990an dengan

penelitian oleh [4]. Penelitian berikutnya dilakukan

oleh [5], [6], [7], [8], dan [9].

3. PENDEKATAN BERORIENTASI-

TRANSFORMASI

Pendekatan berorientasi-transformasi yang digunakan

pada penelitian ini secara progresif mentransformasi

sebuah model ER menjadi model multidimensi dalam

lima tahapan. Untuk setiap tahapan akan ada berbagai

atruran transformasi yang diterapkan pada input

untuk memperoleh output yang diinginkan. Sebagian

aturan transformasi tersebut ada dalam bentuk aturan

sintaks, sedangkan yang lainnya dapat berbentuk

aturan sintesis dan diagnosis (Gambar 1).

GAMBAR 1. PENDEKATAN BERORIENTASI-

TRANSFORMASI

Gambar 1 memperlihatkan kelima tahapan proses

transformasi tersebut, yang terdiri dari: penerjemahan

model ER menjadi model bahasa spesifikasi,

transformasi model bahasa spesifikasi menjadi model

domain masalah, ekspansi model domain masalah,

transformasi model domain masalah menjadi model

multidimensi, dan perbaikan model multidimensi.

Tahap pertama dilakukan dengan bantuan satu set

aturan sintaks. Tahap kedua dan seterusnya

berinteraksi dengan sebuah basis pengetahuan yang

berfungsi sebagai tempat penyimpanan fakta.

Interaksi diantara tahapan-tahapan itu dan basis

pengetahuan dikendalikan oleh sekumpulan aturan

sintesis dan diagnosis, yang tersimpan di dalam



sebuah tempat penyimpanan aturan. Aturan-aturan ini

berfungsi untuk mempertahankan integritas basis

pengetahuan dengan cara menyelesaikan ketidak

konsistenan yang disebabkan oleh tahapan-tahapan

yang berinteraksi.

Agar sistem memahami sifat-sifat dan kandungan

semantik dari model ER sebelum pemrosesan, model

ER yang disajikan dalam bentuk diagram ER,

diterjemahkan ke dalam bentuk yang dapat dibaca

program. Untuk ini kami mengajukan sebuah model

bahasa spesifikasi dan parser sederhana untuk

membantu transformasi. Dalam proses transformasi,

tiap entiti dalam model ER dipetakan ke sebuah

struktur kelas di dalam model bahasa spesifikasi

dimana nama entiti menjadi nama kelas dan sifat-sifat

entiti sebagai sifat-sifat kelas. Sebagai contoh, jika

sebuah entiti Student memiliki sifat-sifat berikut:

sebuah atribut Class, sebuah subklas

GRAD_STUDENT, dan satu himpunan relationship,

maka model bahasa spesifikasinya akan berupa:

CLASS "STUDENT"

ATTRIBUTE (("Class": Integer))

IDENTIFIER NIL

SUBCLASS ("GRAD_STUDENT")

AGGREGATION NIL

RELATIONSHIP

(("Minor" "DEPARTMENT" "NIL" "(1 1)" "(1 n)")\

("Major" "DEPARTMENT" "NIL" "(1 1)" "(1 n)")\

("Registered" "CURRENT_SECTION" "(("Count":

Integer))" "(1 n)" "(1 m)")\

("Transcript" "SECTION" "(("Grade": Float))"

"(1 n)" "(1 m)"))

End-Class

Selain dari ketiga buah sifat seperti dinyatakan di atas,

model ini juga mencatat sifat-sifat lain seperti

identifier dan agrregation, yang dalam hal ini diberi

harga NIL karena entiti Student tidak memiliki sifat

ini. Dengan menggunakan model ini, pengguna dapat

memberikan jenis data tiap atribut, misalnya atribut

Class pada contoh di atas diberi jenis data integer.

Bagian relationship pada model bahasa spesifikasi di

atas terdiri dari lima bagian: nama relationship, entiti

yang berpartisipasi, atribut relationship, dan kendala

pertama dan kedua relationship dalam format (min,

max).

Model bahasa spesifikasi yang diformulasikan di atas

kemudian ditransformasi menjadi model domain

masalah awal. Sistem yang digunakan mengikuti

pendekatan berbasis pengetahuan untuk menyimpan

model domain masalah tersebut dimana setiap fakta

yang merepresentasikan domain masalah dituliskan

dalam bentuk triplet (Property Entity Value).

Dengan menggunakan representasi ini, domain

masalah awal yang dibuat dari entiti Student di atas

dapat dijabarkan sebagai berikut:

(Has-Attribute “STUDENT” ((“Class”: Integer)))

(Has-Subclass “STUDENT” (“GRAD_STUDENT”))

(Has-Relationship “STUDENT”

((“Minor”, “DEPARTMENT” “NIL” “(1 1)” “(1 n)”)

(“Major”, “DEPARTMENT” “NIL” “(1 1)” “(1 n)”)

(“Registered”, “CURRENT_SECTION” “((“Count”:

Integer))” “(1 n)” “(1 m)”)

(“Transcript”, “SECTION” “((“Grade”: Float))” “(1 n)”

“(1 m)”))

Pada tahapan berikutnya, domain masalah awal

tersebut diekspansi lebih lanjut menggunakan satu set

aturan sintesis dan diagnosis. Akhirnya, dalam dua

tahapan terakhir, diperoleh model multidimensi dan

perbaikan yang diinginkan dapat dilakukan untuk

memenuhi keperluan user yang spesifik.

4. PROTOTIPE KNOWLEDGE-BASED TOOL

Sebuah prototipe knowledge-based tool yang disebut

DWDesigner telah dikembangkan untuk

mengimplementaskan pendekatan berorientasi-

transformasi sebagaimana dijelaskan pada bagian

sebelumnya. Alat ini dikembangkan menggunakan

pendekatan modular yang memungkinkan

pembangunan alat tersebut dilakukan dengan cara

evolusioner dalam hal mana versi terakhir dari

prototipe sistem dikembangkan berdasarkan

perbaikan dan peningkatan dari versi-versi

sebelumnya. Versi terakhir DWDesigner yang telah

dikembangkan belum mengimplementasikan

keseluruhan perancangan data warehouse secara

lengkap yang meliputi tahapan perancangan logikal

dan tahapan perancangan fisikal. Akan tetapi, dalam

mengimplementasikan tahapan konseptual data

warehouse, DWDesigner telah menunjukkan output

yang konsisten.

Arsitektur DWDesigner terdiri dari tiga lapisan, yakni

antarmuka pengguna, mesin inferensi dan knowledge

base seperti terlihat dalam Gambar 2. Antarmuka

pengguna memfasilitasi interaksi dengan pengguna,

yaitu pengguna akhir dan knowledge engineer.

Antarmuka ini memberikan cara yang mudah bagi

pengguna akhir untuk melaksanakan tugas-tugas

perancangan yang diinginkannya dengan

memanfaatkan antarmuka pengguna grafis dari

bahasa pemrograman visual. Sementara itu,

knowledge engineer adalah orang yang bertanggung

jawab untuk menambahkan pengetahuan ke dalam

knowledge base sistem.



GAMBAR 2. ARSITEKTUR DWDESIGNER

Mesin inferensi bertindak sebagai penyedia

mekanisme inferensi dan kontrol bagi keseluruhan

sistem untuk menghasilkan output yang diinginkan.

Mekanisme inferensi menggunakan satu set aturan

sintesis dan diagnosis serta fakta-fakta yang

tersimpan di dalam knowledge base dalam proses

pengambilan keputusan. Sebaliknya, mekasnisme

kontrol bertanggungjawab untuk melancarkan proses

transformasi seperti memulai prosedur inferensi,

memilih aturan yang digunakan apabila ada lebih dari

satu aturan yang sesuai, dan melaksanakan pencarian

penyelesaian.

Knowledge base adalah lapisan terbawah dari

arsitektur sistem yang berinteraksi secara langsung

dengan memori sistem komputer dan mesin inferensi.

Dua komponen knowledge base, yakni rules base dan

facts base adalah inti dari sistem knowledge base dan

menempati bagian terbesar dari Gambar 2. Bagian

facts base memperlihatkan bagaimana representasi

sementara dan representasi akhir pengetahuan

tersimpan dalam memori. Sementara bagian rules

base memperlihatkan bagaimana aturan-aturan

transformasi yang berlainan tersebar dalam berbagai

modul dan menunjukkan pula bagaimana aturan-

aturan dalam asing-masing modul dan facts base ber

interaksi secara langsung.

5. PROSES TRANSFORMASI

Dalam bagian ini, akan diperlihatkan hasil yang

diperoleh dari pengujian prototipe sistem dan

menjabarkan ketelitiannya dalam menghasilkan

output pada setiap tahapan proses transformasi

hingga diperolehnya model multidimensi dan

kemudian diperlihatkan pula bagaimana pengguna

dapat memperbaiki model itu untuk memenuhi

kebutuhan yang spesifik. Untuk itu, sebagai sampel

diambil model ER dari domain universitas untuk

input data pada DWDesigner seperti ditunjukkan

pada Gambar 3.

GAMBAR 3. SAMPEL DOMAIN UNIVERSITAS

Untuk mendemonstrasikan bagaimana alat tersebut

menghasilkan output dari input yang diberikan, kita

akan melihat hasil setiap tahapan perancangan

dengan memilih entiti Student dari ER diagram dalam

Gambar 3 sebagai contoh. Pada tahap pertama

pengguna menterjemahkan model ER kedalam

modeI bahasa spesifikasi, contoh untuk entiti Student

diperlihatkan seperti berikut ini:

CLASS "STUDENT" ATTRIBUTE (("Class": Integer)) IDENTIFIER NIL SUBCLASS ("GRAD_STUDENT") AGGREGATION NIL RELATIONSHIP (("Minor" "DEPARTMENT" "NIL" "(1 1)" "(1 n)")\ ("Major" "DEPARTMENT" "NIL" "(1 1)" "(1 n)")\ ("Registered" "CURRENT_SECTION" "(("Count": Integer))" "(1 n)" "(1 m)")\ ("Transcript" "SECTION" "(("Grade": Float))" "(1 n)" "(1 m)")) End-Class

Pada tahap kedua alat itu menghasilkan sebuah daftar

entiti, yang mencatat masing-masing nama entiti dan

sifat-sifatnya, dan menyimpan daftar entiti tersebut

sebagai output sementara dalam bentuk file teks.

Bagian file yang memuat entiti Student diperlihatkan

seperti berikut:

Entity Name: "STUDENT" Attribute(s): Class: Integer Identifier(s): NIL Subclass(es): (“GRAD_STUDENT”) Aggregation(s): NIL Relationship(s): ("Minor" "DEPARTMENT" "NIL" "(1 1)" "(1 n)")\ ("Major" "DEPARTMENT" "NIL" "(1 1)" "(1 n)")\ ("Registered" "CURRENT_SECTION" "(("Count": Integer))" "(1 n)" "(1 m)")\ ("Transcript" "SECTION" "(("Grade": Float))" "(1 n)" "(1 m)"))



Selanjutnya pada tahap ketiga, alat tersebut

melakukan sederetan langkah pembuatan model

domain masalah awal, dengan mengekspansi model

melalui penurunan lebih banyak fakta dari subclass

dan superclass, membuat entiti baru, mewariskan

sifat-sifat baru, membuat daftar objek, dan

menyimpan deskripsi objek ke dalam file output

sementara.

Pada tahap keempat alat tersebut menghasilkan

sebuah daftar fakta yang memuat kandidat skema

fakta model multidimensi dari masing-masing entiti

dan menyimpannya sebagai output. Akhirnya, pada

tahap terakhir, pengguna dapat meperbaiki skema

fakta yang dihasilkan. Perbaikan ini perlu karena jika

tidak dilakukan, alat itu hanya menghasilkan model

multidimensi berdasarkan pada sifat-sifat entiti yang

tersedia dari model ER yang dijadikan sumber

perancangan. Sebagai contoh, pengguna mungkin

menginginkan skema fakta itu diukur berdasarkan

jumlah mahasiswa sehingga dapat diketahui menurut

jenis kelamin, kota, peovinsi dan negara asal, serta

departemen dan fakultas untuk interval waktu

bulanan, semester dan tahunan. Model multidimensi

untuk skema fakta Student sebelum dan sesudah

perbaikan diperlihatkan dalam Gambar 4.

GAMBAR 4. SKEMA FAKTA SEBELUM DAN SESUDAH

PERBAIKAN

Untuk memperoleh model multidimensi yang

diinginkan, pengguna melakukan perbaikan berikut,

yaitu mengubah pengukuran dengan memodifikasi

Class menjadi Number_Of_Student. Memperbaiki

dimensi temporal dengan memodifikasi Bdate

menjadi Month Semester Year, mengubah hirarki

dimensi dengan cara membuang Name, dan Ssn,

mengagregasi Address menjadi City, State, dan

Country serta memangkas dan mengagregasi hirarki

dimensi Dname dan ColName.

Untuk menambah visualitas output, model

multidimensi yang dihasilkan ditampilkan dalam

bentuk grafik seperti terlihat pada Gambar 5.

GAMBAR 5. MODEL MULTIDIMENSI STUDENT

6. KESIMPULAN

Dalam makalah ini telah diperlihatkan proses

perancangan data warehouse konseptual secara

otomatis menggunakan satu prototipe knowledge

base tool. Dengan menggunakan alat ini pengguna

dari pihak universitas dapat memulai langkah awal

analisis dan pelaporan mengenai proses belajar

mengajar dan pengelolaan administrasi universitas.

Inisiatif pengembangan data warehouse ini dapat

dilanjutkan dengan melengkapi sistem yang dibangun

ini dengan tahapan-tahapan lanjut perancangan data

warehouse, yakni tahapan perancangan logikal dan

tahapan perancangan fisikal.

7. REFERENSI

[1] C. Sapia, M. Blaschka, G. Höfling, & H. Dinter,

“Extending the E/R model for the multidimensional

paradigm”. In: Kambayashi, Y., Lee, D.K., Lim, E-

.P., Mohania, M.K. & Masunaga, Y. (Eds.). Advances

in Database Technology. Proc. of the 1st Int.

Workshop on Data Warehouse and Data Mining

(DWDM'98), LNCS 1552, pp. 105-116, 1998.



[2] M. Boehnlein, & A. Ulbrich-vom Ende,

“Deriving initial data warehouse structures from the

conceptual data models of the underlying operational

information systems”. Proc. of the ACM 2nd

Int.

Workshop on Data warehousing and OLAP

(DOLAP’99), pp. 15–21, 1999.

[3] L. Bækgaard, “Event-entity-relationship modeling

in data warehouse environments”. Proc. of the ACM

2nd

Int. Workshop on Data warehousing and OLAP

(DOLAP’99), pp. 9 – 14, 1999.

[4] M. Golfarelli, D. Maio, & S. Rizzi, “Conceptual

design of data warehouses from E/R schemes”, Proc.

of 31st Hawaii International Conference on System

Sciences, pp. 334-343, 1998.

[5] L. Cabibbo, & R. Torlone, “A logical approach to

multidimensional databases”. Proc. of 6th Int. Conf.

on Extending Database Technology (EDBT'98), pp.

253-269, 1998.

[6] N. Tryfona, F. Busborg, & J.G.B. Christiansen,

“starER: a conceptual model for data warehouse

design”. Proc. of the ACM 2nd Int. Workshop on

Data Warehousing and OLAP, pp. 3-8, 1999.

[7] B. Hüsemann, J. Lechtenbörger, & G. Vossen,

“Conceptual data warehouse design”, Proc. of the

International Workshop on Design and Management

of Data Warehouse (DMDW ‘2000), pp. 6-1 – 6-11,

2000.

[8] D. Moody, & M.A.R. Kortink, “From enterprise

models to dimensional models: a methodology for

data warehouse and data mart design”. Proc. of Int.

Workshop on Design and Management of Data

Warehouses (DMDW’2000), pp. 5-1 – 5-12, 2000.

[9] C. Phipps, & K.C. Davis, “Automating data

warehouse conceptual schema design and evaluation”.

Proc. of the 4th Int. Workshop on Design and

Management of Data Warehouses 2002

(DMDW'2002), pp. 23-32, 2002.



[

jurnal data warehouse inisiatif di universitas sumatera utara

Documents