Penggunaan SQL Server dalam Pengolahan Data Warehouse yang Praktis dan Berkelanjutan

Arif Kuntadi, Yudi Feriandi
{"title":"Penggunaan SQL Server dalam Pengolahan Data Warehouse yang Praktis dan Berkelanjutan","authors":"Arif Kuntadi, Yudi Feriandi","doi":"10.33364/algoritma/v.20-2.1522","DOIUrl":null,"url":null,"abstract":"Untuk menampung data yang besar dibutuhkan data Warehouse yang terstruktur agar menghasilkan informasi yang lebih akurat dan menunjang pengambilan keputusan bagi pemangku kepentingan organisasi. Untuk membangun data Warehouse dapat digunakan piranti lunak seperti Microsoft SQL server yang memiliki keunggulan pada aspek data security, skalabilitas, kemampuan kolaboratif, serta extendability. Data serial kependudukan, tenaga kesehatan, ekonomi serta berbagai data primer maupun sekunder yang bersifat kontinyu dapat di unggah kedalam SQL Server sehingga dapat tersimpan secara terstruktur dan periodik. Data yang tersimpan kedalam basis data diolah dengan algoritma data mining tertentu untuk menghasilkan informasi, pengetahuan, dan wisdom. Pendekatan data Warehouse dan data mining ini dapat diterapkan pada berbagai sektor misalnya kesehatan. Penelitian ini bertujuan menerapkan pendekatan data Warehouse dan data mining pada analisis rasio kebutuhan tenaga kesehatan di Propinsi Jawa Barat Indonesia menggunakan algoritma single moving average dan pengklasifikasian semi-automatic menggunakan statistik empirik pada SQL Server dan SQL Server Agent serta visualisasi menggunakan Microsoft Power BI. Klasifikasi berdasarkan analisis forecasting data jumlah penduduk dan penentuan rasio gap tenaga kesehatan berhasil ditemukan polanya melalui data mining pada SQL Server secara efisien serta dengan mudah divisualisasikan menggunakan Power BI. Dengan demikian SQL server dapat menjadi salah satu tools praktis terpilih untuk implementasi data mining berkelanjutan.","PeriodicalId":371939,"journal":{"name":"Jurnal Algoritma","volume":"27 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-11-09","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Algoritma","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.33364/algoritma/v.20-2.1522","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Untuk menampung data yang besar dibutuhkan data Warehouse yang terstruktur agar menghasilkan informasi yang lebih akurat dan menunjang pengambilan keputusan bagi pemangku kepentingan organisasi. Untuk membangun data Warehouse dapat digunakan piranti lunak seperti Microsoft SQL server yang memiliki keunggulan pada aspek data security, skalabilitas, kemampuan kolaboratif, serta extendability. Data serial kependudukan, tenaga kesehatan, ekonomi serta berbagai data primer maupun sekunder yang bersifat kontinyu dapat di unggah kedalam SQL Server sehingga dapat tersimpan secara terstruktur dan periodik. Data yang tersimpan kedalam basis data diolah dengan algoritma data mining tertentu untuk menghasilkan informasi, pengetahuan, dan wisdom. Pendekatan data Warehouse dan data mining ini dapat diterapkan pada berbagai sektor misalnya kesehatan. Penelitian ini bertujuan menerapkan pendekatan data Warehouse dan data mining pada analisis rasio kebutuhan tenaga kesehatan di Propinsi Jawa Barat Indonesia menggunakan algoritma single moving average dan pengklasifikasian semi-automatic menggunakan statistik empirik pada SQL Server dan SQL Server Agent serta visualisasi menggunakan Microsoft Power BI. Klasifikasi berdasarkan analisis forecasting data jumlah penduduk dan penentuan rasio gap tenaga kesehatan berhasil ditemukan polanya melalui data mining pada SQL Server secara efisien serta dengan mudah divisualisasikan menggunakan Power BI. Dengan demikian SQL server dapat menjadi salah satu tools praktis terpilih untuk implementasi data mining berkelanjutan.
在实用和可持续的数据仓库处理中使用 SQL Server
为了容纳大量数据,需要一个结构化的数据仓库来生成更准确的信息,并为组织利益相关者的决策提供支持。要建立数据仓库,可以使用微软 SQL 服务器等软件,这些软件在数据安全、可扩展性、协作能力和可扩展性方面具有优势。有关人口、卫生工作者、经济以及各种主要和次要数据的连续数据可以上传到 SQL 服务器中,以便以结构化和定期的方式进行存储。数据库中存储的数据通过一定的数据挖掘算法进行处理,从而产生信息、知识和智慧。这种数据仓库和数据挖掘方法可应用于卫生等各个领域。本研究旨在将数据仓库和数据挖掘方法应用于印尼西爪哇省卫生工作者需求比例的分析,采用单一移动平均算法,并使用 SQL Server 和 SQL Server Agent 上的经验统计数据进行半自动分类,以及使用 Microsoft Power BI 进行可视化。基于人口数据预测分析的分类和卫生工作者缺口比例的确定,成功地通过 SQL Server 上的数据挖掘找到了规律,并利用 Power BI 轻松地实现了可视化。因此,SQL 服务器可以作为可持续数据挖掘实施的实用工具之一。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信