Understanding Data Warehouse and Knowledge Management

1. DATA WAREHOUSE & KNOWLEDGE DATA WAREHOUSE & KNOWLEDGE MANAGEMENT MANAGEMENT DATA QUALITY DAN INFORMATION DATA QUALITY DAN INFORMATION QUALITY QUALITY M. Afdal, ST., M.Kom Mata Kuliah : Data Warehouse

2. Latar Belakang Latar Belakang Adanya transformasi dari teknologi digital, seseorang atau sebuah untuk mendapatkan informasi, memudahkan memungkinkan untuk baru antara satu lainnya Informasi yang beragam perlu ditata dan dikompilasi dengan pembuat keputusan dapat memutuskan keputusan dengan tepat. Data penyimpanan institusi rupa dan pelaporan. warehouse merupakan perusahaan tempat atau organisasi lebih komunikasi, membentuk orang mampu banyak serta data yang disusun sehingga digunakan sedemikian mengandung untuk makna kolaborasi dengan analisa dan yang baik agar para Dengan mentarsformasikan data menjadi informasi yang warehouse mengijinkan keputusan untuk melakukan lebih sesuai dengan kenyataan, akurat dan konsisten. diperlukan data didalmnya terdapat berkualitas serta berkualitas pula. berguna, data pengambil analisis Pengambilan sering organisasi, pemerintahan. keputusan kali perusahaan pada data oleh maupun warehouse sebuah instansi digunakan Maka warehouse dari itu, yang yang yang Knowledge management membantu pengguna untuk mengelola semua aset suatu organisasi atau lebih baik. Untuk dapat mengelola aset-aset pengetahuan dengan baik dari beragam sumber data, maka tentunya diperlukan konsep warehouse di dalamnya. data pengetahuan perusahaan di dalam secara informasi data

3. Rumusan Rumusan Masalah Masalah Tujuan Tujuan Penelitian Penelitian Berdasarkan pemaparan latar belakang diatas, maka dapat permaslahan yaitu : 1. Bagaimana keterkaitan antara Data Warehouse dan Knowledge Managament. 2. Bagaimana Data membantu peningkatan dan kualitas informasi. Adapun dilakukan, sebagai berikut : 1. Untuk mengetahui peran antara Knowledge Managament. 2. Untuk mengetahui Warehouse dalam membantu peningkatan kualitas data informasi. tujuan dari penelitian yang dirumuskan keterkaitan Warehouse Data dan Warehouse kualitas dalam data peran Data dan kualitas

4. Definisi Knowledge Management Definisi Knowledge Management Alan Fost menyatakan bahwa Knowledge Management merupakan sebuah sistem untuk mengelola dan memeanajemen aset-aset pengetahuan pada suatu organisasi, sistem, proses, dan teknis, organisasi. Duhon menyatakan bahwa Knowledge sebuah disiplin ilmu khusus sistem dan aplikasi saja) terintegrasi untuk melakukan berbagi semua aset pengetahuan pada suatu organisasi, yang meliputi dokumen, aturan, pegawai, file, dan sebagainya. Davenport menyatakan bahwa Knowledge sebuah kesatuan sistem untuk mendistribusi semua hal pada memanfaatkan pengetahuan. memadukan untuk strategi, tujuan mencapai Management hanya mengutamakan identifikasi, merupakan sebuah pendekatan evaluasi, (bukan yang sebatas dan database, pengalaman kerja Management merupakan mengambil, suatu mengelola, organisasi dan dengan

5. Tiga Layer Pada Knowledge Tiga Layer Pada Knowledge Management Management 1.Knowledge layer berfungsi pengguna melalui Knowledge Portal. Presentation Knowledge untuk Layer Management, Knowledge merupakan pada yang menyajikan ke 2. menyediakan sebuah Knowledge, pengguna Knowledge Presentation Layer. Knowledge Management Knowledge lumbung yang melalui Layer. Repository Layer ini sebagai semua oleh pada (repositori) japat Knowledge untuk digunakan Portal 3. Data Source Layer. Sebagaimana namanya, pada layer terbawah ini, terdapat berbagai sumber Knowledge berasal. Knowledge dapat repositori (Domain Repositoty, Web Repository, Text Repository), sumber eksternal (dokumen, file, flat file). Sumber-sumber database, Repository, Repositoty, dan meliputi Media E-Mail sumber-

6. Perananan Data Warehouse dan Perananan Data Warehouse dan Knowledge Management Knowledge Management Menyediakan Executive Information System (EIS). Menyediakan Management InformatIon System (MIS). On line Analytical Processing (OLAP) adalah engine pada Data Warehouse yang memiliki peran penting di dalam analisis data untuk pengguna dan juga pada Knowledge Management. ● Data Warehouse menjadi penyumbang aset terbesar untuk kumpulan data-data sember knowledge bagi knowledge management pada perusahaan. Dapat memperluas peran dari Knowledge Management untuk membantu di dalam analisis, pengambilan keputusan. menyediakan Decision Support System (DSS). ● ● ● ●

7. Knowledge Discovery in Knowledge Discovery in Database (KDD) Database (KDD) Terdapat lima langkah pada KDD untuk menghasilkan Knowledge dari data : 1. Selection Proses seleksi terhadap data-data yang relevan dan tepat kebutuhan Knowledge yang diinginkan 2. Preprocessing Proses Preprocessing Target Data, untuk menghasilkan Preprocessed Data. 3. Transfomation Transfomation Preprocessed Data Transformed Data. 4. Penambangan pengetahuan (Knowledge) Hasilnya adalah (Pattern). 5. Interpretation/Evaluation Menghasilkan Knowledge Merupakan dan pendekatan yang digunakan baik di Data Warehouse (bersama dengan OLAP) maupun pada Knowledge untuk membantu menganalisa pola-pola data, mengindentifikasi Pembaruan data, dan kevalidan data. sebuah algoritma, proses, sesuai dengan Management, terhadap data, terhadap untuk menghasilkan berupa pola

8. Definisi Kualitas Data (Data Quality) Definisi Kualitas Data (Data Quality) Margareth Oualink mengenai sejauh mana data atau sekumpulan data masih dalam keadaan segar, dalam artian data tersebut akurat, relevan, baru, dan belum mengalami membantu di dalam penentuan konteks tertentu. IBM menyatakan bahwa kualitas data (Data Quality) merupakan ciri dan syarat mutlak dari sSuatu data, yang sangat membantu di dalam proses pengambilan keputusan (Decision Making). Informatica menyatakan bahwa satu syarat mutlak dari sebuah dikonsumsi oleh pengguna data pengguna bersangkutan dengan baik. Rouse merupakan menyatakan tolok bahwa kualitas persepsi, data (Data ukur, dan penilaian perubahan. dan sehingga sangat suatu pemahaman akan Data Quality data, serta merupakan agar konteks dapat dipahami salah yang oleh

9. Definisi Kualitas Informasi(Quality Information) Definisi Kualitas Informasi(Quality Information) secara Information sebuah dipertanggung manfaat kualitas informasi, tidak dapat lepas dari akurasi data. garis besarnya, Quality informasi jawabkan bagi pengguna. kualitas informasi kondisi dipercaya, dan kualitas atau dari dapat memberi maupun merupakan yang kebenarannya, Baik suatu dapat data

10. Manfaat Adanya Kualitas Data dan Kualitas Informasi 1. Meningkatkan Kualitas Layanan 2. Meningkatkan Produktifitas 3. Meningkatkan Kehandalan Strategi Pengambilan Keputusan 4. Penghematan Anggaran Organisasi 5. Penurunan Risiko IT Organisasi 6. Menghindari Terjadinya Kontaminasi Data 7. Meningkatkan Kinerja Organisasi 8. Menghasilkan Keputusan Berkualitas

11. 14 Indikator untuk Kualitas Data (Data Quality) 14 Indikator untuk Kualitas Data (Data Quality) 1. Data Type merupakan jenis atau pengelompokkan terhadap nilai dari data- data yang disimpan ke dalam media penyimpanan data struktural (umumnya database) agar benar dan sesuai, sehingga memudahkan di dalam manajemen, pengelolaan, dan pemrosesan data beserta dengan nilai-nilai di dalamnya. 2. Accuracy Accuracy menyatakan bahwa data yang disimpan, harus terjamin kebenaran dan kevalidan nilai di dalamnya. Accuracy menjadi indikator dari sejauh mana kualitas data (DataQuality) dan kualitas informasi (Information Quality) yang imiliki oleh organisasi. 3. Consistency Consisteny merupakan kekonsistenan nilai dari sebuah data pada setiap field, saat diletakkan apapun. Nilai dari semua field terpengaruh oleh perbedaan media atau berkas penyimpanannya. atau pada dipindahkan data pada tetap, berkas tanpa akan

12. 14 Indikator untuk Kualitas Data (Data Quality) 14 Indikator untuk Kualitas Data (Data Quality) 4. Completeness Completeness dimaksudkan bahwa di dalam data--data digital yang tersimpan pada sistem (misal kesalahan pemakaian atribut dan kesalahan nilai dari atribut. 5. Domain Integrity Indikator Domain Integrity berhubungan Completenes. Hal ini disebabkan Integrity fokus kepada pengecekan nilai dari atribut yang ada agar sesual dengan batasan yang ditentukan. 6. Redudancy Redudancy atau duplikasi data, untuk mengecek ada tidaknya data, baik pada Record, Row, data, yang dapat memberikan pengaruh buruk dari sisi kualitas data, pemborosan pemakaian kapasitas penyimpanan data, ketidak konsistenan data,serta konsumsi sumber daya komputasi. pada database), tidak memiliki erat karena dengan indikator indikator Domain oleh dimaksudkan duplikasi atau kolom, sebagai atau maupun indikator pengulangan keseluruhan data

13. 14 Indikator untuk Kualitas Data (Data Quality) 14 Indikator untuk Kualitas Data (Data Quality) 7. Structural Definiteness Structural Definiteness fokus kepada struktur dari data beserta dengan nilai yang ada di dalamnya, sehingga indikator ini akan melihat dari Struktur data (yang terdiri atas sub-sub bagian) beserta dengan nilai yang diinputkan di dalam untuk struktur data tersebut dengan benar, tapi juga lengkap dan tepat. 8. Conformance To Business Rules Conformance To Business Rules sebagai salah satu indikator Data Quality dan Information Quality, diartikan bahwa data-data yang disimpan harus memuat nilai dengan ketentuan (Rules) yang telah berlaku secara umum. Business pengguna, agar data yang dinputkan dapat sesuai dengan aturan yang berlaku, sehingga menjamin kualitas data. 9. Clarity Clarity secara harfiah dalam data. Data-data yang dikumpulkan kebutuhan Data Quality, haruslah memiliki kejelasan. sub-sub harus bagian terisi Nilai bukan saja Rules harus dipatuhi oleh Data Quality pada adalah Warehouse kejelasan untuk Data

14. 14 Indikator untuk Kualitas Data (Data Quality) 14 Indikator untuk Kualitas Data (Data Quality) 10.Data Anomaly Data Anomaly terhadap sebuah data, jika dilihat dari akurasinya. Dalam hal ini, satu atau sekumpulan data dengan nilai aslinya. 11.Duplication Duplication menekankan kepada bagaimana menilai kualitas data, dilihat dari ada tidaknya baris (Record/Row) satu sistem.. Duplication memberikan kualitas data, kualitas penyimpanan, hingga pemborosan komputasi. 12.Timely Timely berarti bahwa data-data memenuhi kaidah dan syarat mempresentasikan waktu dari data tersebut. adalah terjadinya anomali atau ketidak wajaran memiliki nilai yang berbeda yang buruk pemborosan daya sama dalam dari dampak sisi ruang informasi, sumber (Resource) pada Data Data Quality, Warehouse harus yang dapat untuk

15. 14 Indikator untuk Kualitas Data (Data Quality) 14 Indikator untuk Kualitas Data (Data Quality) 13.Adherence To Data Integrity Rules Adherence To Data Integrity Rules menyatakan bahwa data-data di dalam Data Quality untuk Data Warehouse, harus mentaati aturan- aturan baku di dalam proses keterhubungan data. Aturan-aturan baku di dalam proses keterhubungan data, salah satunya meliputi relasi antar data di dalam tabel pada suatu database. 14.Usefulness Usefulness diartikan bahwa data harus digunakan dengan sebenar- benarnya oleh pengguna dan bermantaat data tersebut bermanfaat bagi sebaik-baiknya oleh pengguna, maka data tersebut semakin tepat untuk masuk ke dalam kriteria Data Quality. bagi dan pengguna. digunakan Semakin dengan pengguna

16. 7 7 Tantangan Tantangan Yang Dihadapi Dihadapi Yang Database Performance Database Performance Performasi Database User User Expetation Expetation Data Modelling Data Modelling Keinginan dan Harapan Pengguna Management Management Expetation Expetation Pemodelan Data Businnes Businnes Rules Rules Aturan-aturan Bisnis Data Quality Data Quality Data Data Trabsformation Trabsformation Transformasi Data Kualitas Data

17. 12 12 Permasalahan Permasalahan Pada Pada Data Quality Data Quality Non Unique Non Unique Identifier Identifier Violation of Violation of Business Rule Business Rule Reused Primary Reused Primary Keys Keys Tidak adanya keunikan terhadap kode suatu produk Pelanggaran terhadap proses bisnis yang ada di oraganisasi Pemakaian ulang terhadap primary key Contradicting Contradicting Value Value Incorrect Value Incorrect Value Incosistent Incosistent Value Value Kontradiksi nilai Kesalahan nilai Ketidak konsistenan nilai

18. 12 12 Permasalahan Permasalahan Pada Pada Data Quality Data Quality Multi Purpose Multi Purpose Field Field Errorneous Errorneous Integration Integration Data Dummy Data Dummy Pemanfaatan field yang majemuk Tidak adanya integrase dari penmaatan kode data yg berbeda Terdapat data palsu atau data yg diciptakan untuk mengisi kekosongan Lack of Data Lack of Data Segmentation Segmentation Cryptic Data Cryptic Data Entry Errors Entry Errors Tidak terdapat pembagian data secara jelas Penyingkatan data yang menimbulkan keambiguan Kesalahan di dalam pengisian data

19. Penggunaan data warehouse di segala laporan telah diringkas dan dapat pula mengetahui segala rinciannya secara lengkap, sehingga mempermudah proses pengambilan keputusan. Data dan informasi yang digunakan sebagai dasar untuk membantu di dalam pengambilan keputusan pelu adanya Data Quality dan Infornmation Quality, bertujuan untuk membantu organisasi di dalam menghasilkan keputusan yang berkualitas. Keputusan yang berkualitas adalah keputusan yang diambil secara matang, dengan mempertimbangkan segala fakta, data, dan informasi yang tersedia. Informasi dan data pada laporan data warehouse menjadi target informative bagi user atau penggunanya. KESIMPULAN KESIMPULAN Dari pemamaparan yang telah dijelaskan, dapat diambil kesimpulan bahwasanya Data Warehouse dan Knowledge Management saling berkaitan satu sama lain. Data Warehouse menjadi penyumbang aset terbesar untuk kumpulan data-data sember knowledge bagi knowledge management pada perusahaan. Yang mana, Knowledge Management yang baik adalah Knowledge Management yang memiliki Knowledge Repository yang memuat data-data berkualitas (untuk Knowledge yang baik) hasil seleksi, ekstraksi, agregasi, dan integrasi, bukan sekadar mengumpulkan data dan sumber Knowledge dari beragam sumber saja.

20. TERIMA KASIH TERIMA KASIH