DATA WAREHOUSE DAN BUSINESS INTELLIGENCEData warehouse merupakan suatu konsep dan kombinasi teknologi yang memfasilitasi organisasi untuk mengelola dan memelihara data historis yang diperoleh dari sistem atau aplikasi operasional (Ferdiana, 2008). Jadi, Data warehouse merupakan metode dalam perancangan database, yang menunjang DSS (Decission Support System) dan EIS (Executive Information System) agar mempermudah bagi para pengambil keputusan manajemen dari suatu perusahaan atau organisasi. Secara fisik data warehouse merupakan database, tapi perancangan data warehouse dan database sangat berbeda. Dalam perancangan database tradisional menggunakan normalisasi, sedangkan pada data warehouse normalisasi bukanlah cara yang terbaik. 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.Business Intelligence pertama kali diungkapkan oleh Howard Dresner dari lembaga riset Gartner Group pada tahun 1989. Menurut buku Oracle Data Warehousing and Business Intelligence Solutions, Business Intelligence dapat didefinisikan memiliki akses yang tepat pada data atau informasi yang dibutuhkan untuk menghasilkan keputusan bisnis yang tepat pada waktu yang tepat. Data dapat berupa data mentah atau data yang sudah dianalisa menggunakan berbagai cara. Business Intelligence merupakan sebuah proses untuk melakukan ekstraksi data-data operasional perusahaan dan mengumpulkannya dalam sebuah data warehouse. Business Intelligence menjelaskan tentang suatu konsep dan metode bagiamana untuk meningkatkan kualitas pengambilan keputusan bisnis berdasarkan sistem yang berbasiskan data. BI seringkali dipersamakan sebagaimana briefing books, report and query tools, dan sistem informasi eksekutif. BI merupakan sistem pendukung pengambilan keputusan yang berbasiskan data-data (DJ Powers,2002). Selama proses ekstraksi juga dapat dilakukan transformasi dengan menerapkan berbagai formula, agregasi, maupun validasi sehingga didapat data yang sesuai dengan kepentingan analisis bisnis untuk selanjutnya data tersebut diproses menggunakan berbagai analisis statistik dalam proses data mining, sehingga didapat berbagai kecenderungan atau pattern dari data. Hasil penyederhanaan dan peringkasan ini disajikan kepada pengguna yang biasanya merupakan pengambil keputusan bisnis. Dengan demikian manajemen dapat mengambil keputusan berdasarkan fakta-fakta aktual, dan tidak hanya mengandalkan intuisi dan pengalaman kuantitatif saja. Business intelligence dikenal metode pendekatan analisis data berupa On-Line Analytical Processing atau OLAP yang merupakan suatu metode pendekatan untuk menyajikan jawaban dari permintaan proses analisis yang bersifat dimensional secara cepat, berupa desain, aplikasi dan teknologi yang dapat mengoleksi, menyimpan, memanipulasi suatu data kedalam data multidimensi untuk tujuan analisis. OLAP merupakan kunci dari business intelligence dan digunakan untuk menganalisis data dan informasi yang kemudian akan digunakan sebagai dasar dari pengambilan keputusan atau decision support system pada sebuah organisasi atau perusahaan.Fungsi Business Intelligence adalah sebagai sistem pendukung pengambilan keputusan dimana sistem dan aplikasi ini mengubah data-data dalam suatu perusahaan atau organisasi (data operasional, data transaksional, atau data lainnya) ke dalam bentuk pengetahuan. Secara umum, BI bertujuan untuk menyajikan berbagai informasi yang disesuaikan dengan kebutuhan setiap penggunanya. Informasi tersebut dapat berasal dari mana saja, misalnya dari data histori pembelian barang oleh pelanggan, data histori reparasi, data histori komplain, dan sebagainya. Business Intelligence (BI) memiliki karakteristik sebagai pendukung ketersediaan data yang relevan yang akan disajikan pada pengguna. Biasanya, BI mengintegrasikan informasi dari keseluruhan sumber informasi perusahaan sehingga pembuat keputusan dapat membuat analisis dengan berbekal pengetahuan yang lengkap dan real time.Arsitektur pada business intelligence memiliki empat komponen utama yaitu:Data warehouseMerupakan sumber data yang tersimpan, data warehouse hanya terdiri dari historical data yang telah diorganisasikan dan dilakukan peringkasan sehingga pengguna dapat dengan mudah melakukan view atau memanipulasi data tersebut. Pada masa sekarang ini, beberapa produk data warehouse sudah menyediakan akses kepada pengguna secara real time data sehingga tersedia pula real time decision support.Business AnalyticsSekumpulan alat yang berguna untuk memanipulasi, mining dan menganalisa data pada data warehouse, merupakan alat yang membantu pengguna dalam mentransformasi data menjadi informasi yang berharga.Business Performance Management (BPM)Digunakan untuk memantau dan menganalisis kinerja, dikenal juga dengan nama Corporate Performance Management (CPM), merupakan sebuah portfolio yang muncul pada framework BI yang menyediakan peralatan berskala enterprise yang dibutuhkan untuk mengelola operasi perusahaan dengan lebih baik.User Interface (Dasboard)Contohnya adalah dashboard. Menyediakan tampilan grafis atau gambar dari pengukuran performa perusahaan.

Berikut gambaran arsitektur pada Business Intelligence :Gambar 1 Arsitektur Pada Business IntelligenceBusiness intelligence dan data warehouse adalah dua hal yang berbeda namun hampir tidak bisa dipisahkan. Data warehouse menjelaskan tentang bagaimana data-data yang besar dan beragam disimpan dalam satu repository dan disusun sedemikian sehingga memudahkan pencarian, sedangkan Business Intelligence adalah suatu teknologi yang digunakan untuk menyajikan data-data tersebut sehingga memudahkan analisa dan pengambilan keputusan berdasakan informasi yang akurat dari sumber data. Suatu solusi Business Intelligence yang baik memerlukan sumber data yaitu data warehouse.

Gambar 2 Pemahaman Dasar Sistem Business Intelligence (Ranjan, 2009)

Kecerdasan Buatan (bahasa Inggris: Artificial Intelligence atau AI) didefinisikan sebagai kecerdasan yang ditunjukkan oleh suatu entitas buatan. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia (Rich and Knight, 1991).Secara garis besar, AI terbagi ke dalam dua faham pemikiran yaitu AI Konvensional dan Kecerdasan Komputasional (CI, Computational Intelligence). AI konvensional kebanyakan melibatkan metoda-metoda yang sekarang diklasifiksikan sebagai pembelajaran mesin, yang ditandai dengan formalisme dan analisis statistik. Dikenal juga sebagai AI simbolis, AI logis, AI murni dan AI cara lama (GOFAI, Good Old Fashioned Artificial Intelligence). Metoda-metodanya meliputi:Sistem pakar: menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah sistem pakar dapat memproses sejumlah besar informasi yang diketahui dan menyediakan kesimpulan-kesimpulan berdasarkan pada informasi-informasi tersebut.Petimbangan berdasar kasus.Jaringan Bayesian.AI berdasar tingkah laku: metoda modular pada pembentukan sistem AI secara manual.

Kecerdasan komputasional melibatkan pengembangan atau pembelajaran interaktif (misalnya penalaan parameter seperti dalam sistem koneksionis). Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis, AI yang tak teratur dan perhitungan lunak. Metoda-metoda pokoknya meliputi:Jaringan Syaraf: sistem dengan kemampuan pengenalan pola yang sangat kuatSistem Fuzzy: teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan secara meluas dalam industri modern dan sistem kendali produk konsumen.Komputasi Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis seperti populasi, mutasi dan survival of the fittest untuk menghasilkan pemecahan masalah yang lebih baik.

Adanya data warehouse, semua informasi baik detail maupun hasil summary yang dibutuhkan dalam proses analisa mudah didapat. Menurut Turban, Sharda, Delen, dan King (2011:77) struktur operasional utama dalam OLAP didasarkan pada konsep yang disebut kubus (cube). Kubus (cube) didalam OLAP adalah struktur data multidimensional (actual atau virtual) yang memungkinkan analisis data yang cepat. Juga dapat didefinisikan sebagai kemampuan dari memanipulasi dan menganalisis data secara efisien dari berbagai perspektif. Susunan data ke dalam kubus bertujuan untuk mengatasi keterbatasan database relational. Database relational tidak cocok untuk analisis yang cepat dan dekat dari sejumlah besar data. Sebaliknya, mereka lebih cocok untuk memanipulasi record (menambahkan, menghapus, dan memperbarui data) yang mewakili serangkaian transaksi. Jadi, pengertian Online Analytical Processing (OLAP) adalah sebuah konsep di dalam data warehouse dalam struktur multidimensional yang mendukung kegiatan mulai dari self service reporting dan analisis data yang cepat dan efisien dari berbagai perspektif. OLAP mendayagunakan konsep data multidimensi dan memungkinkan para pemakai menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah SQL. Hal ini dimungkinkan karena pada konsep multidimensi, maka data yang berupa fakta yang sama bisa dilihat dengan menggunakan fungsi yang berbeda. Fasilitas lain yang ada pada sofware OLAP adalah fasilitas rool-up dan drill-down. Drill-down adalah kemampuan untuk melihat detail dari suatu informasi dan roll-up adalah kebalikannya.

Data mining adalah bagian dari proses KDD (Knowledge Discovery in Databases) yang terdiri dari beberapa tahapan seperti pemilihan data, pra pengolahan, transformasi, data mining, dan interpretasi hasil (Maimon & Last 2000). Data mining adalah suatu istilah yang digunakan untuk menemukan pengetahuan yang tersembunyi di dalam database. Data mining merupakan proses semi otomatik yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi pengetahuan potensial dan berguna yang bermanfaat yang tersimpan di dalam database besar. (Turban et al, 2005). Menurut Gartner Group, data mining adalah suatu proses menemukan hubungan yang berarti, pola, dan kecenderungan dengan memeriksa dalam sekumpulan besar data yang tersimpan dalam penyimpanan dengan menggunakan teknik pengenalan pola seperti teknik statistik dan matematika (Larose, 2006). Perancangan data warehouse didukung oleh sebuah model data yang disebut model multidimensi yang memungkinkan para pengambil keputusan melakukan analisis terhadap butiran-butiran data yang diperlukan. Selanjutnya dipaparkan pula konsep-konsep yang berkaitan dengan data mining sebagai salah satu alat yang dapat digunakan untuk mengekstrak data implisit, belum diketahui sebelumnya, dan secara potensial berguna bagi para pengambil keputusan.

Open data atau data terbuka ialah informasi yang tersedia bebas untuk siapa saja, dimana saja untuk digunakan dan dipergunakan kembali. Data dikatakan sepenuhnya terbuka apabila tidak ada batasan dalam penggunaannya dalam ranah publik, privat, penelitian nirlaba, atau bahkan ketika digunakan ke dalam aplikasi komersial. OpenStreetMap merupakan contoh tepat proyek open data SIG. Tujuannya yaitu menciptakan peta seluruh dunia gratis yang bisa dirubah dan dipergunakan oleh semua orang. Data proyek OpenStreetMap tersedia atas lisensi dari Creative Commons Attribution-ShareAlike 2.0 yang mengijinkan pengguna untuk menyalin (copy), ubah (edit), mengadopsi (adopt), dan mengirim (send) data tersebut untuk alasan apapun selama nama OpenStreetMap disebut dan dicantumkan dalam penggunaan. Hanya karena sifatnya yang terbuka tidak berarti data terbuka mudah diakses. Data terbuka masih dapat disimpan ke dalam format yang tertutup (proprietary) atau jarang digunakan dan itu artinya sulit ketika diakses. Untuk menguntungkan sepenuhnya, data terbuka seharusnya disimpan menggunakan sebuah spesifikasi terbuka atau ke dalam standar yang telah ada seperti shapefiles atau file geodatabase, atau bisa juga yang mampu diakses melalui layanan (services) terbuka dan terstandar seperti ArcGIS Map Service, Web Map Service (WMS), atau Web Feature Service (WFS).Arsitektur Data Warehose dapat dibedakan ke dalam tiga jenis, yaitu Central, Federated, dan Tiered.Central Datawarehouse Architecture

Merupakan arsitektur data warehouse yang menghimpun semua data menjadi satu atau dengan kata lain secara terpusat. Sumber data yang diperoleh oleh client pun berasal dari tempat penyimpanan yang sama. Kelebihan dari Central Datawarehouse Architecture ini adalah terletak pada kesederhanaan dan kemudahannya untuk diolah. Namun kekurangannya adalah data mengalami redundansi karena terpengaruh pada beban kerjanya.Federated Datawarehouse Architecture

Pada Federated Datawarehouse Architecture, data disimpan pada tempat penyimpanan yang berbeda-beda. Masing-masing client memiliki database yang berbeda, data diperoleh dari berbagai database yang berbeda. Tergantung pada keperluan dan fungsinya. Misalkan data pribadi mahasiswa diambil dari database mahasiswa dan data riwayat pendidikan mahasiswa diambil dari database pendidikan. Gudang data mengandung data yang lebih spesifik. Kelebihan yang ada pada Federated Datawarehouse Architecture ini yaitu pada gudang data yang lebih terstruktur. Sedangkan kelemahannya yaitu pada kerumitan sistem.Tiered Datawarehouse Architecture

Pada Tiered Datawarehouse Architecture, data tersebar pada satu gudang data atau gudang data yang bertingkat. Data hanya akan dikumpulkan atau dikurangi bergiliran melalui tingkatan-tingkatan tersebut. Kelebihan Tiered Datawarehouse Architecture adalah dalam hal redundansi yang minim dan penyaluran data yang mudah. Sedangkan kekurangannya terletak pada kerumitan sistem dan sulitnya dalam mengelola sistem dengan arsitektur seperti ini.