Teknologi data warehouse digunakan untuk menunjang pengambilan keputusan di Universitas Sumatera Utara. Makalah ini mengajukan metodologi transformasi model Entity-Relationship menjadi model multidimensi untuk perancangan data warehouse konseptual. Sebuah alat berbasis pengetahuan bernama DWDesigner dikembangkan untuk menerapkan metodologi tersebut.

1. Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia
3-4 Mei 2006, Aula Barat & Timur Institut Teknologi Bandung
212
DATA WAREHOUSE INISIATIF DI UNIVERSITAS SUMATERA UTARA
Opim Salim Sitompul, opim@usu.ac.id
Pusat Sistem Informasi USU
Jl. Universitas No 9 Kampus USU Medan
Telp. 061-8213793, Fax.: 061-8223572
ABSTRAK
Data warehouse adalah sistem repositori data yang semakin populer bagi sebuah instansi. Data warehouse
umumnya didukung oleh sebuah model data konseptual yang disebut model multidimensi yang dapat digunakan
untuk melihat data dari dimensi yang berbeda-beda untuk keperluan analisis dan pelaporan. Untuk mendukung
pengambilan keputusan dalam proses pengelolaan perguruan tinggi di Universitas Sumatera Utara (USU),
pembangunan sebuah sistem data warehouse menjadi sangat penting karena dalam sistem ini terkumpul berbagai
data yang diperlukan baik berupa data sejarah maupun data saat ini. Dengan tersedianya data yang lengkap, para
pengambil keputusan dapat melakukan berbagai analisis dan memberikan laporan yang akurat mengenai keadaan
universitas yang mereka kelola. Dalam makalah ini, kami mengajukan sebuah metodologi desain untuk
perancangan data warehouse konseptual yang disebut metodologi berorientasi-transformasi, yang mentransformasi
model ER (Entity-Relationship) menjadi model multidimensi berdasarkan sekumpulan aturan transformasi dan
analisis. Untuk mengimplementasikan metodologi yang dikemukakan tersebut, telah dibangun sebuah prototipe
knowledge-based tool yang disebut DWDesigner. Pembangunan prototipe sistem ini dimaksudkan sebagai langkah
inisiatif awal dalam rangka pembangunan data warehouse di USU.
Kata kunci: data warehouse desain, model multidimensi, sistem basis pengetahuan
1. PENDAHULUAN
Data warehouse adalah sebuah teknologi yang
memungkinkan data dapat diakses dengan mudah dan
efisien untuk mendukung pengambilan keputusan. Di
lingkungan universitas, teknologi ini dapat digunakan
untuk menunjang terselenggaranya kegiatan belajar
mengajar dan pengelolaan administrasi universitas.
Pengelolaan sistem informasi yang baik dapat
mendukung kegiatan belajar mengajar dengan cara
memelihara ketersediaan data dan penyediaan
informasi yang diperlukan oleh para pengambil
keputusan di perguruan tinggi. Sebagai sebuah
instansi yang berkecimpung dalam dunia akademik,
sebuah perguruan tinggi hendaklah memiliki sebuah
sistem data warehouse yang mampu memenuhi
kebutuhan para pengambil keputusan yang berkaitan
dengan kelangsungan kegiatan akademik dan
administrasi di lingkungan universitas.
Untuk mendukung berjalannya sistem informasi
dengan baik, mulai tahun 1995 USU telah
membangun sebuah sistem jaringan terpadu yang
menghubungkan 10 fakultas dan beberapa unit
penunjang administrasi lainnya. Sistem jaringan
terpada USU dibangun dengan menggunakan kabel
serat optik sebagai tulang punggung jaringan.
Berbagai sistem aplikasi yang dibangun untuk
keperluan akademik dan administrasi telah diterapkan
dengan memanfaatkan sistem jaringan terpadu
tersebut. Sejalan dengan penyelenggaraan sistem
akademik dan administrasi ini, data transaksi yang
dihasilkan hari demi hari semakin bertambah besar.
Pada gilirannya, pihak pengambil keputusan di USU
akhirnya menyadari bahwa mereka memerlukan
sebuah alat yang dapat membantu mereka dalam
melakukan analisis data dan membantu mereka
dalam pembuatan laporan.
Dalam makalah ini, kami mengajukan sebuah
metodologi desain untuk perancangan data
warehouse konseptual yang disebut metodologi
berorientasi-transformasi, yang mentransformasi
model ER (Entity-Relationship) menjadi model
multidimensi berdasarkan pada sederetan aturan
transformasi dan analisis. Metodologi berorientasi-
transformasi dimaksud menterjemahkan model ER ke
dalam sebuah bahasa spesifikasi dan kemudian
mengubahnya menjadi model domain masalah awal.
Sekumpulan aturan sintesis dan diagnosis kemudian

2. Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia
3-4 Mei 2006, Aula Barat & Timur Institut Teknologi Bandung
213
secara bertahap mengubah model domain masalah
tersebut menjadi model multidimensi. Untuk
mengimplementasikan metodologi yang
dikemukakan tersebut, telah dibangun sebuah
prototipe alat berbasis-pengetahuan yang disebut
DWDesigner. Model multidimensi yang dihasilkan
oleh DWDesigner sebagai output disajikan dalam
bentuk grafik untuk mendukung visualisasi yang
lebih baik. Pembangunan prototipe sistem ini
dimaksudkan sebagai langkah inisiatif awal dalam
rangka pembangunan data warehouse di USU.
2. PERANCANGAN DATA WAREHOUSE
KONSEPTUAL
Perancangan data warehouse konseptual adalah
sebuah proses untuk membangun model data
warehouse yang disajikan dalam bentuk model
multidimensi. Penelitian-penelitian mengenai
perancangan data warehouse konseptual telah mulai
memperoleh lebih banyak perhatian dari komunitas
database sejak akhir tahun 1990an dengan sasaran
untuk membangun sebuah skema konseptual yang
dapat dimengerti baik oleh pengguna maupun sistem
analis sekaligus memberikan basis untuk tahapan-
tahapan proses perancangan selanjutnya. Salah satu
pendekatan utama yang diambil oleh komunitas riset
untuk pembangunan model ini adalah berdasarkan
model ER yang diperluas atau yang ditransformasi ke
dalam model multidimensi. Penelitian dalam bidang
ini kemudian meluas ke pembangunan perancangan
konseptual otomatis yang menuju ke pembangunan
case tool untuk perancangan data warehouse.
Beberapa penelitian telah dilaksanakan untuk
pengembangan metodologi perancangan model data
warehouse konseptual berdasarkan model ER. Secara
umum, metodologi yang digunakan dapat
diklasifikasikan ke dalam dua kategori berdasarkan
pendekatan perancangannya, yakni perluasan ER dan
transformasi ER. Pendekatan perluasan ER
menggunakan model ER sebagai input dan
memperluasnya dengan komponen-kompnen
tambahan sedemikian hingga model tersebut dapat
dipetakan ke model multidimensi. Beberapa
penelitian yang menggunakan pendekatan ini antara
lain Multidimensional Entity Relationship (ME/R)
[1], Structured Entity Relationship Model (SERM)
[2], dan Event-Entity-Relationship model (EVER) [3].
Pendekatan transformasi ER juga menggunakan
model ER sebagai input, tetapi tidak dengan
memperluas konstruksi ER melainkan
mentransformasi model ER itu secara berangsur-
angsur menjadi model multidimensi menggunakan
teknik dan algoritma yang berbeda-beda. Tujuan
pendekatan ini adalah untuk memformulasikan
sebuah metodologi untuk mengembangkan
perancangan data warehouse konseptual. Komunitas
penelitian database telah memulai kerja-kerja riset
dalam konteks ini sejak akhir tahun 1990an dengan
penelitian oleh [4]. Penelitian berikutnya dilakukan
oleh [5], [6], [7], [8], dan [9].
3. PENDEKATAN BERORIENTASI-
TRANSFORMASI
Pendekatan berorientasi-transformasi yang digunakan
pada penelitian ini secara progresif mentransformasi
sebuah model ER menjadi model multidimensi dalam
lima tahapan. Untuk setiap tahapan akan ada berbagai
atruran transformasi yang diterapkan pada input
untuk memperoleh output yang diinginkan. Sebagian
aturan transformasi tersebut ada dalam bentuk aturan
sintaks, sedangkan yang lainnya dapat berbentuk
aturan sintesis dan diagnosis (Gambar 1).
GAMBAR 1. PENDEKATAN BERORIENTASI-
TRANSFORMASI
Gambar 1 memperlihatkan kelima tahapan proses
transformasi tersebut, yang terdiri dari: penerjemahan
model ER menjadi model bahasa spesifikasi,
transformasi model bahasa spesifikasi menjadi model
domain masalah, ekspansi model domain masalah,
transformasi model domain masalah menjadi model
multidimensi, dan perbaikan model multidimensi.
Tahap pertama dilakukan dengan bantuan satu set
aturan sintaks. Tahap kedua dan seterusnya
berinteraksi dengan sebuah basis pengetahuan yang
berfungsi sebagai tempat penyimpanan fakta.
Interaksi diantara tahapan-tahapan itu dan basis
pengetahuan dikendalikan oleh sekumpulan aturan
sintesis dan diagnosis, yang tersimpan di dalam

3. Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia
3-4 Mei 2006, Aula Barat & Timur Institut Teknologi Bandung
214
sebuah tempat penyimpanan aturan. Aturan-aturan ini
berfungsi untuk mempertahankan integritas basis
pengetahuan dengan cara menyelesaikan ketidak
konsistenan yang disebabkan oleh tahapan-tahapan
yang berinteraksi.
Agar sistem memahami sifat-sifat dan kandungan
semantik dari model ER sebelum pemrosesan, model
ER yang disajikan dalam bentuk diagram ER,
diterjemahkan ke dalam bentuk yang dapat dibaca
program. Untuk ini kami mengajukan sebuah model
bahasa spesifikasi dan parser sederhana untuk
membantu transformasi. Dalam proses transformasi,
tiap entiti dalam model ER dipetakan ke sebuah
struktur kelas di dalam model bahasa spesifikasi
dimana nama entiti menjadi nama kelas dan sifat-sifat
entiti sebagai sifat-sifat kelas. Sebagai contoh, jika
sebuah entiti Student memiliki sifat-sifat berikut:
sebuah atribut Class, sebuah subklas
GRAD_STUDENT, dan satu himpunan relationship,
maka model bahasa spesifikasinya akan berupa:
CLASS "STUDENT"
ATTRIBUTE (("Class": Integer))
IDENTIFIER NIL
SUBCLASS ("GRAD_STUDENT")
AGGREGATION NIL
RELATIONSHIP
(("Minor" "DEPARTMENT" "NIL" "(1 1)" "(1 n)")
("Major" "DEPARTMENT" "NIL" "(1 1)" "(1 n)")
("Registered" "CURRENT_SECTION" "(("Count":
Integer))" "(1 n)" "(1 m)")
("Transcript" "SECTION" "(("Grade": Float))"
"(1 n)" "(1 m)"))
End-Class
Selain dari ketiga buah sifat seperti dinyatakan di atas,
model ini juga mencatat sifat-sifat lain seperti
identifier dan agrregation, yang dalam hal ini diberi
harga NIL karena entiti Student tidak memiliki sifat
ini. Dengan menggunakan model ini, pengguna dapat
memberikan jenis data tiap atribut, misalnya atribut
Class pada contoh di atas diberi jenis data integer.
Bagian relationship pada model bahasa spesifikasi di
atas terdiri dari lima bagian: nama relationship, entiti
yang berpartisipasi, atribut relationship, dan kendala
pertama dan kedua relationship dalam format (min,
max).
Model bahasa spesifikasi yang diformulasikan di atas
kemudian ditransformasi menjadi model domain
masalah awal. Sistem yang digunakan mengikuti
pendekatan berbasis pengetahuan untuk menyimpan
model domain masalah tersebut dimana setiap fakta
yang merepresentasikan domain masalah dituliskan
dalam bentuk triplet (Property Entity Value).
Dengan menggunakan representasi ini, domain
masalah awal yang dibuat dari entiti Student di atas
dapat dijabarkan sebagai berikut:
(Has-Attribute “STUDENT” ((“Class”: Integer)))
(Has-Subclass “STUDENT” (“GRAD_STUDENT”))
(Has-Relationship “STUDENT”
((“Minor”, “DEPARTMENT” “NIL” “(1 1)” “(1 n)”)
(“Major”, “DEPARTMENT” “NIL” “(1 1)” “(1 n)”)
(“Registered”, “CURRENT_SECTION” “((“Count”:
Integer))” “(1 n)” “(1 m)”)
(“Transcript”, “SECTION” “((“Grade”: Float))” “(1 n)”
“(1 m)”))
Pada tahapan berikutnya, domain masalah awal
tersebut diekspansi lebih lanjut menggunakan satu set
aturan sintesis dan diagnosis. Akhirnya, dalam dua
tahapan terakhir, diperoleh model multidimensi dan
perbaikan yang diinginkan dapat dilakukan untuk
memenuhi keperluan user yang spesifik.
4. PROTOTIPE KNOWLEDGE-BASED TOOL
Sebuah prototipe knowledge-based tool yang disebut
DWDesigner telah dikembangkan untuk
mengimplementaskan pendekatan berorientasi-
transformasi sebagaimana dijelaskan pada bagian
sebelumnya. Alat ini dikembangkan menggunakan
pendekatan modular yang memungkinkan
pembangunan alat tersebut dilakukan dengan cara
evolusioner dalam hal mana versi terakhir dari
prototipe sistem dikembangkan berdasarkan
perbaikan dan peningkatan dari versi-versi
sebelumnya. Versi terakhir DWDesigner yang telah
dikembangkan belum mengimplementasikan
keseluruhan perancangan data warehouse secara
lengkap yang meliputi tahapan perancangan logikal
dan tahapan perancangan fisikal. Akan tetapi, dalam
mengimplementasikan tahapan konseptual data
warehouse, DWDesigner telah menunjukkan output
yang konsisten.
Arsitektur DWDesigner terdiri dari tiga lapisan, yakni
antarmuka pengguna, mesin inferensi dan knowledge
base seperti terlihat dalam Gambar 2. Antarmuka
pengguna memfasilitasi interaksi dengan pengguna,
yaitu pengguna akhir dan knowledge engineer.
Antarmuka ini memberikan cara yang mudah bagi
pengguna akhir untuk melaksanakan tugas-tugas
perancangan yang diinginkannya dengan
memanfaatkan antarmuka pengguna grafis dari
bahasa pemrograman visual. Sementara itu,
knowledge engineer adalah orang yang bertanggung
jawab untuk menambahkan pengetahuan ke dalam
knowledge base sistem.

4. Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia
3-4 Mei 2006, Aula Barat & Timur Institut Teknologi Bandung
215
GAMBAR 2. ARSITEKTUR DWDESIGNER
Mesin inferensi bertindak sebagai penyedia
mekanisme inferensi dan kontrol bagi keseluruhan
sistem untuk menghasilkan output yang diinginkan.
Mekanisme inferensi menggunakan satu set aturan
sintesis dan diagnosis serta fakta-fakta yang
tersimpan di dalam knowledge base dalam proses
pengambilan keputusan. Sebaliknya, mekasnisme
kontrol bertanggungjawab untuk melancarkan proses
transformasi seperti memulai prosedur inferensi,
memilih aturan yang digunakan apabila ada lebih dari
satu aturan yang sesuai, dan melaksanakan pencarian
penyelesaian.
Knowledge base adalah lapisan terbawah dari
arsitektur sistem yang berinteraksi secara langsung
dengan memori sistem komputer dan mesin inferensi.
Dua komponen knowledge base, yakni rules base dan
facts base adalah inti dari sistem knowledge base dan
menempati bagian terbesar dari Gambar 2. Bagian
facts base memperlihatkan bagaimana representasi
sementara dan representasi akhir pengetahuan
tersimpan dalam memori. Sementara bagian rules
base memperlihatkan bagaimana aturan-aturan
transformasi yang berlainan tersebar dalam berbagai
modul dan menunjukkan pula bagaimana aturan-
aturan dalam asing-masing modul dan facts base ber
interaksi secara langsung.
5. PROSES TRANSFORMASI
Dalam bagian ini, akan diperlihatkan hasil yang
diperoleh dari pengujian prototipe sistem dan
menjabarkan ketelitiannya dalam menghasilkan
output pada setiap tahapan proses transformasi
hingga diperolehnya model multidimensi dan
kemudian diperlihatkan pula bagaimana pengguna
dapat memperbaiki model itu untuk memenuhi
kebutuhan yang spesifik. Untuk itu, sebagai sampel
diambil model ER dari domain universitas untuk
input data pada DWDesigner seperti ditunjukkan
pada Gambar 3.
GAMBAR 3. SAMPEL DOMAIN UNIVERSITAS
Untuk mendemonstrasikan bagaimana alat tersebut
menghasilkan output dari input yang diberikan, kita
akan melihat hasil setiap tahapan perancangan
dengan memilih entiti Student dari ER diagram dalam
Gambar 3 sebagai contoh. Pada tahap pertama
pengguna menterjemahkan model ER kedalam
modeI bahasa spesifikasi, contoh untuk entiti Student
diperlihatkan seperti berikut ini:
CLASS "STUDENT"
ATTRIBUTE (("Class": Integer))
IDENTIFIER NIL
SUBCLASS ("GRAD_STUDENT")
AGGREGATION NIL
RELATIONSHIP (("Minor" "DEPARTMENT" "NIL" "(1 1)" "(1 n)")
("Major" "DEPARTMENT" "NIL" "(1 1)" "(1 n)")
("Registered" "CURRENT_SECTION" "(("Count":
Integer))" "(1 n)" "(1 m)")
("Transcript" "SECTION" "(("Grade": Float))" "(1 n)"
"(1 m)"))
End-Class
Pada tahap kedua alat itu menghasilkan sebuah daftar
entiti, yang mencatat masing-masing nama entiti dan
sifat-sifatnya, dan menyimpan daftar entiti tersebut
sebagai output sementara dalam bentuk file teks.
Bagian file yang memuat entiti Student diperlihatkan
seperti berikut:
Entity Name: "STUDENT"
Attribute(s):
Class: Integer
Identifier(s): NIL
Subclass(es): (“GRAD_STUDENT”)
Aggregation(s): NIL
Relationship(s):
("Minor" "DEPARTMENT" "NIL" "(1 1)" "(1 n)")
("Major" "DEPARTMENT" "NIL" "(1 1)" "(1 n)")
("Registered" "CURRENT_SECTION" "(("Count":
Integer))" "(1 n)" "(1 m)")
("Transcript" "SECTION" "(("Grade": Float))" "(1 n)" "(1 m)"))

5. Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia
3-4 Mei 2006, Aula Barat & Timur Institut Teknologi Bandung
216
Selanjutnya pada tahap ketiga, alat tersebut
melakukan sederetan langkah pembuatan model
domain masalah awal, dengan mengekspansi model
melalui penurunan lebih banyak fakta dari subclass
dan superclass, membuat entiti baru, mewariskan
sifat-sifat baru, membuat daftar objek, dan
menyimpan deskripsi objek ke dalam file output
sementara.
Pada tahap keempat alat tersebut menghasilkan
sebuah daftar fakta yang memuat kandidat skema
fakta model multidimensi dari masing-masing entiti
dan menyimpannya sebagai output. Akhirnya, pada
tahap terakhir, pengguna dapat meperbaiki skema
fakta yang dihasilkan. Perbaikan ini perlu karena jika
tidak dilakukan, alat itu hanya menghasilkan model
multidimensi berdasarkan pada sifat-sifat entiti yang
tersedia dari model ER yang dijadikan sumber
perancangan. Sebagai contoh, pengguna mungkin
menginginkan skema fakta itu diukur berdasarkan
jumlah mahasiswa sehingga dapat diketahui menurut
jenis kelamin, kota, peovinsi dan negara asal, serta
departemen dan fakultas untuk interval waktu
bulanan, semester dan tahunan. Model multidimensi
untuk skema fakta Student sebelum dan sesudah
perbaikan diperlihatkan dalam Gambar 4.
GAMBAR 4. SKEMA FAKTA SEBELUM DAN SESUDAH
PERBAIKAN
Untuk memperoleh model multidimensi yang
diinginkan, pengguna melakukan perbaikan berikut,
yaitu mengubah pengukuran dengan memodifikasi
Class menjadi Number_Of_Student. Memperbaiki
dimensi temporal dengan memodifikasi Bdate
menjadi Month Semester Year, mengubah hirarki
dimensi dengan cara membuang Name, dan Ssn,
mengagregasi Address menjadi City, State, dan
Country serta memangkas dan mengagregasi hirarki
dimensi Dname dan ColName.
Untuk menambah visualitas output, model
multidimensi yang dihasilkan ditampilkan dalam
bentuk grafik seperti terlihat pada Gambar 5.
GAMBAR 5. MODEL MULTIDIMENSI STUDENT
6. KESIMPULAN
Dalam makalah ini telah diperlihatkan proses
perancangan data warehouse konseptual secara
otomatis menggunakan satu prototipe knowledge
base tool. Dengan menggunakan alat ini pengguna
dari pihak universitas dapat memulai langkah awal
analisis dan pelaporan mengenai proses belajar
mengajar dan pengelolaan administrasi universitas.
Inisiatif pengembangan data warehouse ini dapat
dilanjutkan dengan melengkapi sistem yang dibangun
ini dengan tahapan-tahapan lanjut perancangan data
warehouse, yakni tahapan perancangan logikal dan
tahapan perancangan fisikal.
7. REFERENSI
[1] C. Sapia, M. Blaschka, G. Höfling, & H. Dinter,
“Extending the E/R model for the multidimensional
paradigm”. In: Kambayashi, Y., Lee, D.K., Lim, E-
.P., Mohania, M.K. & Masunaga, Y. (Eds.). Advances
in Database Technology. Proc. of the 1st Int.
Workshop on Data Warehouse and Data Mining
(DWDM'98), LNCS 1552, pp. 105-116, 1998.

6. Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia
3-4 Mei 2006, Aula Barat & Timur Institut Teknologi Bandung
217
[2] M. Boehnlein, & A. Ulbrich-vom Ende,
“Deriving initial data warehouse structures from the
conceptual data models of the underlying operational
information systems”. Proc. of the ACM 2nd
Int.
Workshop on Data warehousing and OLAP
(DOLAP’99), pp. 15–21, 1999.
[3] L. Bækgaard, “Event-entity-relationship modeling
in data warehouse environments”. Proc. of the ACM
2nd
Int. Workshop on Data warehousing and OLAP
(DOLAP’99), pp. 9 – 14, 1999.
[4] M. Golfarelli, D. Maio, & S. Rizzi, “Conceptual
design of data warehouses from E/R schemes”, Proc.
of 31st Hawaii International Conference on System
Sciences, pp. 334-343, 1998.
[5] L. Cabibbo, & R. Torlone, “A logical approach to
multidimensional databases”. Proc. of 6th Int. Conf.
on Extending Database Technology (EDBT'98), pp.
253-269, 1998.
[6] N. Tryfona, F. Busborg, & J.G.B. Christiansen,
“starER: a conceptual model for data warehouse
design”. Proc. of the ACM 2nd Int. Workshop on
Data Warehousing and OLAP, pp. 3-8, 1999.
[7] B. Hüsemann, J. Lechtenbörger, & G. Vossen,
“Conceptual data warehouse design”, Proc. of the
International Workshop on Design and Management
of Data Warehouse (DMDW ‘2000), pp. 6-1 – 6-11,
2000.
[8] D. Moody, & M.A.R. Kortink, “From enterprise
models to dimensional models: a methodology for
data warehouse and data mart design”. Proc. of Int.
Workshop on Design and Management of Data
Warehouses (DMDW’2000), pp. 5-1 – 5-12, 2000.
[9] C. Phipps, & K.C. Davis, “Automating data
warehouse conceptual schema design and evaluation”.
Proc. of the 4th Int. Workshop on Design and
Management of Data Warehouses 2002
(DMDW'2002), pp. 23-32, 2002.

7. Prosiding Konferensi Nasional Teknologi Informasi & Komunikasi untuk Indonesia
3-4 Mei 2006, Aula Barat & Timur Institut Teknologi Bandung
218
[