Dublin Core merupakan
salah satu skema metadata yang digunakan untuk web resource description and discovery. Gagasan membuat standar
baru agaknya dipengaruhi oleh rasa kurang puas dengan standar MARC yang
dianggap terlalu banyak unsurnya dan beberapa istilah yang hanya dimengerti
oleh pustakawan serta kurang bisa digunakan untuk sumber informasi dalam web. Elemen Dublin Core dan MARC intinya
bisa saling dikonversi.
Metadata Dublin Core memiliki beberapa kekhususan sebagai berikut:
a. Memiliki
deskripsi yang sangat sederhana
b. Semantik atau
arti kata yang mudah dikenali secara umum.
c. Expandable
memiliki potensi untuk dikembangkan lebih lanjut.
Dublin Core terdiri dari 15 unsur yaitu
:
1.
Title : judul dari sumber informasi
2.
Creator : pencipta sumber informasi
3.
Subject : pokok bahasan sumber informasi,
biasanya dinyatakan dalam bentuk kata kunci atau nomor klasifikasi
4.
Description : keterangan suatu isi dari sumber
informasi, misalnya berupa abstrak, daftar isi atau uraian
5.
Publisher : orang atau badan yang mempublikasikan sumber informasi
6.
Contributor : orang atau badan yang ikut
menciptakan sumber informasi
7.
Date : tanggal penciptaan sumber informasi
8.
Type : jenis sumber informasi, nover,
laporan, peta dan sebagainya
9.
Format : bentuk fisik sumber informasi, format,
ukuran, durasi, sumber informasi
10. Identifier
: nomor atau serangkaian angka dan huruf yang mengidentifikasian sumber
informasi. Contoh URL, alamat situs
11. Source : rujukan ke sumber asal suatu sumber
informasi
12. Language
: bahasa yang intelektual yang digunakan sumber informasi
13. Relation
: hubungan antara satu sumber informasi dengan sumber informasi lainnya.
14. Coverage
: cakupan isi ditinjau dari segi geografis atau periode waktu
15. Rights :
pemilik hak cipta sumber informasi
Meta
Data
Meta
data adalah Informasi tentang logical
struktur data, file dan alamatnya dan index. Contoh software meta data
meliputi SmartMart (IBM), Visual Warehouse (IBM), dan PowerMart (Informatica).
-
Tipe-tipe meta data
1.
Operasi
meta data : Terdiri dari semua informasi tentang data sumber
2. Ekstraksi dan transformasi meta
data : Terdiri dari data dari data extraksi data dari sistem sumber, yaitu : Extraction
frequencies, Extraction method, dan Business rules untuk data extraction.
3.
End
– User meta data : Adalah Peta Navigasi pada data warehouse.
-
Fungsi meta data
- Menggabungkan
semua bagian pada data warehouse.
- Menyediakan
informasi tentang isi dan struktur pada pengembang.
- Membuka pintu bagi end - user dan membuat isi yang dapat dikenal oleh mereka.
Model Fisik Data (Physical Data Model), yaitu konsep bagaimana data disimpan pada media penyimpanan (storage) dalam suatu
susunan secara fisik.
Data Non- Volatile adalah data yang
disimpan kedalam memory dan
jika sistemnya dimatikan, data tersebut tetap ada dan bisa
dipanggil kembali.
Karakteristik Data
Warehouse
1.
Subject oriented - Data warehouse
diorganisasikan dalam lingkup subjek
(Penjualan,dll), Berfokus ke dalam pemodelan dan analisis data untuk pihak-
pihak pembuat keputusan.
2.
Integrated - Data warehouse
dikonstruksikan dengan cara
mengintegrasikan sejumlah sumber data yang berbeda. Data preprocessing
diaplikasikan untuk meyakinkan kekonsistensian data.
3.
Time variant - Menghasilkan informasi
dari sudut pandang historical (misal: 5-10
tahun yang lalu). Setiap struktur kunci
mengandung elemen waktu.
4. Non-volatile - Sekali data direkam maka data tidak bisa diupdate. Data warehouse
membutuhkan dua operasi pengaksesan data, yaitu: Initial loading of data dan
akses data.
Ø
Jenis Data Warehouse
1. Functional
Data Warehouse (Data Warehouse Fungsional)
Kata
operasional disini merupakan database yang diperoleh dari kegiatan sehari-hari.
Data warehouse dibuat lebih dari satu dan dikelompokkan
berdasar fungsi-fungsi yang ada di dalam perusahaan seperti fungsi keuangan(financial),marketing,personalia
dan lain-lain. Keuntungan dari bentuk data warehouse seperti ini adalah, sistem
mudah dibangun dengan biaya relatif murah sedangkan kerugiannya adalah resiko
kehilangan konsistensi data dan terbatasnya kemampuan dalam pengumpulan data bagi
pengguna.
2. Centralized
Datawarehouse (Data Warehouse Terpusat)
Bentuk
ini terlihat seperti bentuk data warehouse fungsional, namun terlebih dahulu
sumber data dikumpulkan dalam satu tempat terpusat, kemudian data disebar ke
dalam fungsinya masing-masing, sesuai kebutuhan persuhaan. Data warehouse
terpusat ini, biasa digunakan oleh perusahaan yang belum memiliki jaringan
eksternal.
Keuntungan
dari bentuk ini adalah data benar-benar terpadu karena konsistensinya yang
tinggi sedang kerugiannya adalah biaya yang mahal serta memerlukan waktu yang
cukup lama untuk membangunnya.
3. Distributed
Data Warehouse (Data Warehouse terdistribusi)
Pada
data warehouse terdistribusi ini, digunakan gateway yang berfungsi sebagai
jembatan penghubung antara data warehouse dengan workstation yang menggunakan
sistem beraneka ragam. Dengan sistem terdistribusi seperti ini memungkinkan
perusahaan dapat mengakses sumber data yang berada diluar lokasi
perusahaan(eksternal).
Keuntungannya
adalah data tetap konsisten karena sebelum data digunakan data terlebih dahulu
di sesuaikan atau mengalami proses sinkronisasi. Sedangkan kerugiannya adalah
lebih kompleks untuk diterapkan karena sistem operasi dikelola secara terpisah
juga biaya nya yang paling mahal dibandingkan dengan dua bentuk data warehouse
lainnya
|
Functional
|
Centralized
|
Distributed
|
|
sistem mudah dibangun
dengan biaya relatif murah
|
biaya yang mahal serta
memerlukan waktu yang cukup lama untuk membangunnya
|
biaya nya yang paling
mahal dibandingkan dengan Functional dan Centralized
|
|
resiko kehilangan
konsistensi data dan terbatasnya kemampuan dalam pengumpulan data bagi
pengguna
|
data benar-benar terpadu
karena konsistensinya yang tinggi
|
data tetap konsisten
karena sebelum data digunakan data terlebih dahulu di sesuaikan atau
mengalami proses sinkronisasi
|
|
|
biasa digunakan oleh
perusahaan yang belum memiliki jaringan eksternal.
|
biasa digunakan oleh
perusahaan memiliki jaringan eksternal.
|
Ø
Arsitektur
DW dengan staging area dan data mart
Staging area
menyederhanakan proses pembuatan summary dan management warehouse secara umum.
Dalam menggunakan data warehouse anda dapat
mengkustomisasi arsitekturnya yang disesuaikan dengan kebutuhan organisasi. Hal
ini dimungkinkan dengan menambahkan data mart. Data mart
merupakan subset dari data resource, biasanya berorientasi untuk
suatu tujuan yang spesifik atau subjek data yang didistribusikan untuk
mendukung kebutuhan bisnis. Sebagai contoh data purchasing, sales, dan
inventory dapat di pisahkan dalam masing-masing cube. Dalam contoh ini seorang
analis keuangan dapat menganalisa histori data untuk purchases dan sales.
0 komentar:
Posting Komentar