JAVA

javaJava menurut definisi dari Sun Microsystem, JAVA adalah  sekumpulan teknologi untuk membuat dan menjalankan perangkat lunak pada computer stand alone ataupun pada lingkungan jaringan. Java 2 adalah generasi kedua dari java platform. Kata berdiri di atas sebuah mesin interpreter yang diberimana Java Virtual Machine (JVM). JVM inilah yang akan membaca bytecode dalam file.class dari suatu program sebagai representasi langsung dari program yang berisi bahasa mesin. Oleh karena itu, bahasa java disebut sebagai bahasa pemrograman yang portable karena dapat dijalankan pada berbagai sistem operasi, asalkan pada sistem operasi tersebut terdapat JVM.

Agar sebuah program Java dapat dijalankan, maka file dengan ekstensi.java harus dikompilasi menjadi file bytecode. Untuk menjalankan bytecodetersebut dibutuhkan JRE (Java Runtime Environment) yang memungkinkan pemakai untuk menjalankan program Java, hanya menjalankan, tidak untuk membuat kode baru lagi. JRE berisi JVM dan library Java yang digunakan.

Java memiliki beberapa versi library atau teknologi yang disebut  juga sebagai edisi dari bahasa pemrograman Java. Tiga edisi utama dari librarytersebut adalah Micro, Standard, dan Enterprise. J2ME (Java2 Micro Edition) merupakan edisi library yang dirancang untuk digunakan pada device tertententu seperti pagers dan mobile phone. J2SE (Java2 Standard Edition) merupakan edisi library yang dirancang untuk membuat aplikasi desktop atau applet pada web browser. J2EE (Java2 Enterprise Edition) merupakan edisilibrari Java yang dirancang untuk membuat sebuah aplikasi enterprise yang memerlukan antarmuka dengan sumber data (data source) atau dapat pula dikatakan bahwa J2EE adalah kelompok yang lebih besar dengan J2SE didalamnya.

Mobile Technology

Enterprise Mobile TechnologyPerangkat mobile memiliki banyak jenis dalam hal ukuran, desain dan layout, tetapi mereka memiliki kesamaan karakteristik yang sangat berbeda dari sistem desktop, diantaranya:

Ukuran yang kecil

Perangkat mobile memiliki ukuran yang kecil. Konsumen menginginkan perangkat yang terkecil untuk  kenyamanan dan mobilitas mereka.

Memory yang terbatas

Perangkat  mobile  juga  memiliki  memory  yang  kecil,  yaitu primary (RAM) dan secondary (disk). Pembatasan ini adalah salah satu primary (RAM) dan secondary (disk). Pembatasan ini adalah salah satu

Daya proses yang terbatas

Sistem mobile tidaklah setangguh desktop. Ukuran, teknologi dan biaya adalah beberapa faktor yang mempengaruhi status dari sumber daya ini. Seperti harddisk dan RAM, pengguna  dapat menggunakannya dalam ukuran yang pas dengan sebuah kemasan kecil.

Mengkonsumsi daya yang rendah

Perangkat   mobile  menghabiskan  sedikit   daya   dibandingkan dengan mesin desktop. Perangkat ini harus menghemat daya karena mereka berjalan pada keadaan dimana daya yang disediakan dibatasi oleh baterai-baterai.

  1. Kuat dan dapat diandalkan

Karena perangkat mobile selalu dibawa kemana saja, mereka harus cukup kuat untuk menghadapi benturan-benturan, gerakan, dan sesekali tetesan-tetesan air. Akhir – akhir ini sudah banyak perangkat mobile yang sudah tahan banting, kebanyakan dari perangkat mobile yang tahan banting ini berasal dari China negara dengan populasi manusia terbesar didunia.

Konektivitas yang terbatas

Perangkat mobile memiliki bandwith rendah, beberapa dari mereka bahkan tidak tersambung. Kebanyakan dari mereka menggunakan koneksi wireless.

Masa hidup yang pendek

Perangkat-perangkat konsumen ini menyala dalam hitungan detik kebanyakan dari mereka selalu menyala. Coba ambil kasus sebuah handphone, mereka booting dalam hitungan detik dan kebanyakan orang tidak mematikan handphone mereka bahkan ketika malam hari.

 

Metadata

MetadataSchemasMetadata adalah data tentang data. Atau merupakan gambaran dari sebuah struktur, isi, kunci, indeks dari data. Metadata itu sendiri menjelaskan struktur dan atribut dari data.  metadata memiliki beberapa tujuan dalam data warehouse yaitu:

1.  Proses extraction dan loading

Metadata digunakan untuk memetakan sumber data ke pandangan umum dari data yang berbeda dalam warehouse.

2.  Proses manajemen warehouse

Metadata digunakan untuk mengotomatisasi produksi dari Tabel ringkasan.

3.  Bagian dari proses manajemen query

Metadata digunakan untuk menghubungkan suatu query ke sumber data yang paling sesuai.

Struktur dari metadata berbeda pada masing-masing proses karena tujuannya juga berbeda. Ini menunjukkan bahwa beberapa metadata yang mendeskripsikan data yang sama disimpan ke dalam data warehouse.

Lightly Summarized data

biData ini merupakan ringkasan atau rangkuman dari current detail data. Data ini dirangkum berdasarkan periode atau dimensi lainnya sesuai dengan kebutuhan. Ringkasan dari current detail data belum bersifat total summary. Data-data ini memiliki detil tingkatan yang lebih tinggi dari current detail data dan mendukung kebutuhan warehouse pada tingkat departemen. Tingkatan data ini disebut juga dengan data mart. Akses terhadap data jenis ini banyak digunakan untuk view suatu kondisi yang sedang atau sudah berjalan.

Old Detail Data

old oldOld detail data adalah data historis dapat berupa hasil back-up yang dapat disimpan dalam media penyimpanan yang terpisah dan dapat diakses kembali pada saat tertentu. Data ini jarang diakses sehingga disimpan dalam media penyimpanan alternatif seperti tape dan disk.Data ini biasanya memiliki tingkat frekuensi akses yang rendah. Penyusunan file atau directory dari data ini disusun berdasarkan umur dari data yang bertujuan mempermudah untuk pencarian atau pengaksesan kembali.

Current Detail Data

gps gpsCurrent detail data adalah data detail yang sedang aktif saat ini, mencerminkan keadaan yang sedang berjalan saat ini dan merupakan tingkat terendah dalam data warehouse. Current detail data ini biasanya memerlukan media penyimpanan data yang cukup besar. Alasan perlu diperhatikan current detail data adalah sebagai berikut:

  1. Menggambarkan kejadian yang baru terjadi dan selalu menjadi perhatian utama.
  2. Hampir selalu disimpan di media penyimpanan karena cepat diakses tetapi mahal dan kompleks dalam pengaturannya.
  3. Dapat digunakan dalam membuat rekapitulasi sehingga current detail dataharus akurat.
  4. Jumlahnya sangat banyak dan disimpan pada tingkat penyimpanan rendah.

Struktur Data Warehouse

dataStructurestruktur data warehouse menunjukan level detil yang berbeda dalam data warehouse. Terdapat older level of detail, current level of detail, level of lightly summarized data (level data mart), dan level of highly summarized data. Data mengalir ke dalam data warehouse dari lingkaran operasional. Biasanya transformasi penting dari data terjadi pada jalur dari level data operasional ke level datawarehouse.

Jenis-jenis business intelligence

bisnisBusiness intelligence terbagi ke dalam lima jenis yaitu:

1. Enterprise reporting

Enterprise reporting digunakan untuk menghasilkan laporanlaporan statis yang didistribusikan ke banyak orang. Jenis laporan seperti ini sangat sesuai untuk laporan operasional dan dashboard.

2. Cube analysis

Tools cube yang berbasis pada business intelligence digunakan untuk menyediakan analisis OLAP multidimensional yang ditujukan untuk manajer bisnis dalam lingkungan yang terbatas.

3. Ad hoc querying and analysis

Tools relational OLAP digunakan untuk memberikan akses kepada user agar dapat melakukan query pada database, dan menggali informasi sampai pada tingkat paling dasar dari informasi transaksional. Query ini berfungsi untuk mengeksplor informasi yang dilakukan oleh user.

4. Statistical analysis and data mining

Tools statistik, matematis, dan data mining digunakan untuk melakukan analisis prediksi atau untuk menentukan korelasi sebab akibat diantara dua matrik. Analisis keuangan serta ramalan juga dilakukan pada jenis ini.

5. Report delivery and alerting

Mesin distribusi laporan digunakan secara proaktif untuk mengirimkan laporan secara lengkap atau memberikan peringatan kepada populasi user yang besar (internal dan eksternal). Distribusi ini berdasarkan pada jadwal dan event yang disimpan dalam database.

Kosep Business Intelligence

intelegentMenurut Vercellis (2009, p9), arsitektur dari sebuah business intelligence system, terdiri dari enam komponen utama yaitu:

1. Data sources

Pada tahap pertama, diperlukan suatu proses untuk mengumpulkan dan mengintegrasikan data-data yang disimpan dalam berbagai sumber yang bervariasi, yang mana saling berbeda baik itu asal maupun jenisnya. Sumber ini kebanyakan berasal dari data-data yang terdapat pada operational systems, tetapi bisa juga berasal dari dokumen yang tidak terstruktur seperti email dan data-data yang dikirimkan oleh pihak luar.

2. Data warehouse dan data marts

Dengan menggunakan extraction dan transformation tools yang dikenal sebagai ETL extract, transform, load), data yang berasal dari berbagai sumber yang berbeda disimpan ke dalam database yang ditujukan untuk mendukung analisis business intelligence. Database inilah yang biasanya dikenal dengan sebutan data warehouses dan data marts.

3. Data exploration

Pada level ketiga ini, tools-tools yang berfungsi untuk keperluan analisis business intelligence pasif digunakan. Toolstools ini terdiri dari query dan reporting systems, serta statistical

methods. Metodologi ini bersifat pasif karena para pengambil keputusan harus mengambil keputusan berdasarkan hipotesa mereka sendiri atau mendefinisikan kriteria dari data extraction, kemudian menggunakan tools analisis untuk menemukan jawaban dan mencocokkannya dengan hipotesa awal mereka.

4. Data mining

Level keempat ini terdiri dari sejumlah metodologi business intelligence yang bersifat aktif yang tujuannya adalah untuk mengekstrak informasi dan pengetahuan dari data.Metodologi ini berisi sejumlah model matematika untuk pengenalan pola, pembelajaran mesin, dan teknik data mining. Tidak seperti tools yang digunakan pada level sebelumnya, model dari business intelligence yang bersifat aktif ini tidak mengharuskan para pengambil keputusan untuk mengeluarkan hipotesa apapun.

5. Optimization

Pada level ini, solusi terbaik harus dipilih dari sekian alternatif yang ada, yang biasanya sangat banyak dan beragam.

6. Decisions

Pada level terakhir ini yang menjadi persoalan utama adalah bagaimana menentukan keputusan akhir yang akan diambil yang dikenal sebagai decision making process.Walaupun metodologi business intelligence berhasil diterapkan,pilihan untuk mengambil sebuah keputusan ada pada para pengambil keputusan. Pertimbangan untuk mengambil keputusan ini biasanya diambil juga dari informasi yang tidak terstruktur serta tidak formal dan memodifikasi rekomendasi serta kesimpulan yang dicapai melalui penggunaan model matematika.

Extract, Transform, Loading

ETL adalah kumpulan proses menyiapkan data dari operational source untuk datadata-1. Proses ini terdiri dari extracting, transforming, loading, dan beberapa proses yang dilakukan sebelum dipublikasikan ke dalam data warehouse. Jadi, ETL atau extract, transform, loading adalah fase pemrosesan data dari sumber data masuk ke dalam data warehouse. Tujuan ETL adalah mengumpulkan, menyaring, mengolah dan menggabungkan datadata yang relevan dari berbagai sumber untuk disimpan ke dalam data warehouse. ETL juga dapat digunakan untuk mengintegrasikan data

Dengan sistem yang sudah ada sebelumnya. Hasil dari proses ETL adalah dihasilkannya data yang memenuhi kriteria data warehouse seperti data historis, terpadu, terangkum, statis dan memiliki struktur yang dirancang untuk keperluan proses analisis. Proses ETL terdiri dari tiga tahap, yaitu :

1. Extract

Langkah pertama dari proses ETL adalah proses penarikan data dari satu atau lebih sistem operasional sebagai sumber data (bisa diambil dari sistem OLTP, tapi bisa juga dari sumber data di luar system database). Kebanyakan proyek data warehouse menggabungkan data dari sumber-sumber yang berbeda. Pada hakekatnya, proses ekstraksi adalah proses penguraian dan pembersihan data yang diekstrak untuk mendapatkan suatu pola atau struktur data yang diinginkan.

2. Transform

Proses membersihkan data yang telah diambil pada proses extract sehingga data itu sesuai dengan struktur data warehouse atau data mart. Hal-hal yang dapat dilakukan dalam tahap transformasi :

a)        Hanya memilih kolom tertentu saja untuk dimasukkan ke dalam data warehouse.

b)       Menerjemahkan nilai berupa kode (misal, database sumber menyimpan nilai 1 untuk pria dan 2 untuk wanita, tetapi data warehouse menyimpan M untuk pria dan F untuk wanita). Proses yang dilakukan disebut automated data cleansing, tidak ada pembersihan secara manual selama proses ETL.

c)        Mengkodekan nilai-nilai ke dalam bentuk bebas ( missal memetakan ”male” ,”I”, dan ”Mr ke dalam ”M”).

d)       Melakukan perhitungan nilai-nilai baru (misal sale_amount = qty*unit_price).

e)        Menggabungkan data dari berbagai sumeber bersama-sama.

f)        Membuat ringkasan dari sekumpulan baris data (misal, total penjualan untuk setiap bagian).

Kesulitan yang terjadi pada proses transformasi adalah data harus digabungkan dari beberapa sistem terpisah, harus dibersihkan sehingga konsisten dan harus diagregasi untuk mempercepat analisis.

3. Load

Fase load merupakan tahapan yang berfungsi untuk memasukkan data ke dalam target akhir, yaitu ke dalam suatu data warehouse. Waktu dan jangkauan untuk mengganti atau menambah data tergantung pada perancangan data warehouse pada waktu menganalisa keperluan informasi. Fase load berinteraksi dengan suatu database, constraint didefinisikan dalam skema database sebagai suatu trigger yang diaktifkan pada waktu melakukan load data (contohnya : uniqueness,referential, integrity, mandatory fields), yang juga berkontribusi untuk keseluruhan tampilan dan kualitas data dari proses ETL.