REVIEW JURNAL SBD

1. Online Analytical Processing (OLAP)

Data telah berkembang sangat pesat dalam beberapa dekade terakhir. Banyak bentuk-bentuk yang dulu “hanya“ mempunyai teknologi sebagai tempat penyimpanan data yang terdiri dari field-field, record dan diolah serta ditampilkan menjadi informasi dalam berbagai format tampilan yang sederhana, bermula dari bentuk yang sederhana tersebut maka didapatkan suatu metoda untuk menampilkan suatu database yang berguna untuk menganalisa data untuk suatu keperluan tertentu. Sejak tahun 1980-an , baik organisasi swasta maupun pemerintahan telah bekerja dengan data dalam interval megabyte sampai gigabyte bahkan terabyte. Oleh karena itu, kebutuhan akan alat cangih dan cepat dalam menganalisis data semakin meningkat. Hal ini dikarenakan maju atau mundurnya perusahaan akan sangat bergantung oleh seberapa cepat dan canggihnya sistem informasi yang mereka miliki serta kemampuan mereka dalam menganalisis informasi dengan sistem tersebut. Dengan memanfaatkan relational database yang sudah ada maka didapat suatu cara untuk mengantisipasi kebutuhan guna menganalisa data secara cepat untuk membantu mendapatkan keputusan dalam suatu aplikasi atau organisasi
Sudah sekian lama, perusahaan menganalisis data dengan menggunakan relational DBMS yang sangat sederhana, dan tentunya memiliki keterbatasan dalam melakukan aggregate, summarize, consolidate, sum, view, dan analyze. Kekurangan tersebut akan muncul jika datanya bersifat multidimensi, karena banyak perusahaan menganalisis berbagai data dalam satu waktu yang bersamaan. Oleh karena itu, dibutuhkan suatu multidimensional data analysis sehingga muncullah Online Analytical Processing (OLAP).

Kelebihan OLAP :

• Dapat meningkatnya produktivitas bisnis, IT developers, dan seluruh organisasi
• Akses yang lebih terkendali terhadap informasi yang dapat meningkatkan efektivitas pengambilan keputusan
• Mempercepat respon terhadap permintaan pasar.
• Mengurang “backlog”pengembangan aplikasi bagi staf IT dengan membua tpemakai akhir dapat merubah schema dan membangun model sendiri.
• Penyimpana pengawasan organisasi melalui integritas data koorporasi sebagai aplikasi OLAP tergantung pada data warehouse dan sistem OLTP untuk memperbaharui sumber tingkatan data mereka.
• Mengurangi aktifita squery dan lalulintas jaringan pada sistem OLTP atau pada data warehouse.
• Meningkatkan hasil dan keuntungan secara potensial dengan mengizinkan organisasi untuk merespon permintaan pasarlebihcepat.

Kekurangan OLAP :

• Tidak terdapat fungsi untuk melakukan operasi pivot. Saat ini untuk melakukan operasi pivot dengan cara mengubah axis (baris dan kolom) dimensinya.
• Aplikasi OLAP belum memiliki fungsi updating yang berguna pada saat terdapat data hotspot terbaru.

2.1.  Data Warehouse (Gudang Data)

Data warehouse atau gudang data merupakan penggunaan database skala besar yang mengkombinasikan seluruh data organisasi dan mempersilakan pengguna unntuk mengakses data langsung, membuat laporan, dan memperbolehkan pertanyaan “apa dan jika”.
Data warehouse adalah suatu sistem 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 query kompleks dan analisis (contohnya penggalian data/data mining) terhadap informasi tersebut tanpa membebani sistem yang operasional.

2.2.  Data Mining (Penggalian Data)

       Data mining atau penggalian data adalah ekstraksi pola yang menarik dari data dalam jumlah besar. Suatu pola dikatakan menarik apabila pola tersebut tidak sepele, implisit, tidak diketahui sebelumnya, dan berguna. Pola yang disajikan haruslah mudah dipahami, berlaku untuk data yang akan diprediksi dengan derajat kepastian tertentu, berguna, dan baru. Penggalian data memiliki beberapa nama alternatif, meskipun definisi eksaknya berbeda, seperti KDD (knowledge discovery in database), analisis pola, arkeologi data, pemanenan informasi, dan intelegensia bisnis. Penggalian data diperlukan saat data yang tersedia terlalu banyak, misalnya data yang diperoleh dari sistem database perusahaan, e-commerce, data saham, dan data bioinformatika, tapi tidak tahu pola apa yang bisa didapatkan.

KESIMPULAN

3.1.  Kesimpulan

            Data merupakan bukti sejarah yang mencatat setiap aktivitas pada suatu waktu. Bagi perusahaan, data merupakan aset yang paling penting untuk bisa diaplikasikan dalam sistem informasi perusahaan. Hal-hal yang terkait dengan pengarsipan data adalah database, data warehouse, dan data mining. Data masa lampau bisa dipakai kembali di masa yang akan datang ketika perusahaan menghadapi suatu kondisi permasalahan yang mirip. Walaupun tidak selalu permasalahan bisa diselesaikan dengan benar, tetapi paling tidak perusahaan punya gambaran, tidak memulai sesuatu dari nol.

Perusahaan bisnis memperoleh manfaat dari penggunaan sumberdaya untuk menciptakan dan mengoperasikan data warehouse (gudang data) dan data mining (penggalian data) seperti yang disebutkan dalam kasus. Perusahaan yang menjadi contoh adalah Applebee’s, jaringan restoran; Teradata, perusahan penyedia jasa pengarsipan data (data warehouse); VistaPrint, perusahaan yang menawarkan produk promosi dan cetak; Travelocity, perusahaan perjalanan; dan Attensity, perusahaan software. Pemanfaatan teknologi untuk data perusahaan merupakan sesuatu yang sangat penting apabila perusahaan ingin berkembang dan terus berkesinambungan. Terdapat alasan lain yang memperkuat pendapat bahwa perusahaan kecil sebaiknya tidak menggunakan teknologi data warehouse. Terutama apabila biaya yang diperlukan diluar batas kemampuan perusahaan tersebut. Namun, tidak berarti perusahaan sama sekali tidak menggunakan mengarsipkan data-datanya dengan baik.

sumber:
http://zara-science.blogspot.com/2011/06/pengertian-olap.html
http://zara-science.blogspot.com/2011/06/kelebihan-olap.html
http://ngestrini.wordpress.com/tag/olap/
Daft, RL. 2007. Understanding the Theory and Design of Organizations. Thomson South-Western: Mason, OH-USA

Jones, GR. 2010. Organizational Theory, Design and Change, Sixth Edition. Pearson Education, Inc.: New Jersey-USA

O’Brien, James A. 2005. Pengantar Sistem Informasi: Perspektif Bisnis dan Manajerial. Salemba

Empat. Jakarta.

http://en.wikipedia.org/wiki/Data_warehouse. Diakses pada 14 Maret 2012.

http://en.wikipedia.org/wiki/Data_mining. Diakses pada 14 Maret 2012.

http://en.wikipedia.org/wiki/Data_base. Diakses pada 14 Maret 2012.