Proses integrasi data yang terdiri dari Extract (mengambil data), Transform (membersihkan dan mengubah format), dan Load (memasukkan ke sistem tujuan).

Mengisi Data Warehouse dengan data dari multiple systems. Migrasi data antar sistem. Integrasi data untuk reporting dan analytics. Synchronisasi data antar aplikasi

Apa kesalahpahaman umum tentang ETL?

ETL tidak hanya untuk Data Warehouse - bisa untuk berbagai integrasi data. ETL modern tidak harus batch - bisa near real-time. ELT bukan selalu lebih baik dari ETL - tergantung use case

ETL: Pengertian Extract Transform Load dan Contoh Penerapan

ETL adalah singkatan dari Extract, Transform, Load - sebuah proses untuk memindahkan data dari sumber ke sistem tujuan seperti Data Warehouse.

Tiga Tahap ETL

1. Extract (Ekstraksi)

Mengambil data dari berbagai sumber:

Database (MySQL, PostgreSQL, Oracle)
File (CSV, JSON, XML)
API dan web services
Cloud applications (Salesforce, HubSpot)

2. Transform (Transformasi)

Membersihkan dan mengubah data:

Data cleansing (hapus duplikat, fix format)
Data validation (cek tipe data, constraints)
Aggregation (summarize data)
Joining data dari multiple sources
Business logic application

3. Load (Loading)

Memasukkan data ke sistem tujuan:

Data Warehouse
Data Lake
Data Mart
Reporting database

ETL vs ELT

Aspek	ETL	ELT
Transform	Di staging area	Di target system
Kecepatan	Lebih lambat	Lebih cepat
Cocok untuk	On-premise warehouse	Cloud warehouse
Contoh Tool	Informatica, SSIS	dbt, Snowflake

ETL adalah singkatan dari Extract, Transform, Load - sebuah proses untuk memindahkan data dari sumber ke sistem tujuan seperti Data Warehouse.

Tiga Tahap ETL

1. Extract (Ekstraksi)

Mengambil data dari berbagai sumber:

Database (MySQL, PostgreSQL, Oracle)
File (CSV, JSON, XML)
API dan web services
Cloud applications (Salesforce, HubSpot)

2. Transform (Transformasi)

Membersihkan dan mengubah data:

Data cleansing (hapus duplikat, fix format)
Data validation (cek tipe data, constraints)
Aggregation (summarize data)
Joining data dari multiple sources
Business logic application

3. Load (Loading)

Memasukkan data ke sistem tujuan:

Data Warehouse
Data Lake
Data Mart
Reporting database

ETL vs ELT

Aspek	ETL	ELT
Transform	Di staging area	Di target system
Kecepatan	Lebih lambat	Lebih cepat
Cocok untuk	On-premise warehouse	Cloud warehouse
Contoh Tool	Informatica, SSIS	dbt, Snowflake

ETL

Tiga Tahap ETL

1. Extract (Ekstraksi)

2. Transform (Transformasi)

3. Load (Loading)

ETL vs ELT

Istilah Terkait

Data Pipeline

ELT

CDC

Fungsi SQL Terkait

ETL

Tiga Tahap ETL

1. Extract (Ekstraksi)

2. Transform (Transformasi)

3. Load (Loading)

ETL vs ELT

Istilah Terkait

Data Pipeline

ELT

CDC

Fungsi SQL Terkait