Pertemuan 3 Data Multi Dimensi
- 1. DATA MULTI DIMENSI Pertemuan 3 Dosen :Endang Retnoningsih, M.Kom www.endangretno.com
- 2. Percayalah pada Hal-hal Kecil, karena pada hal-hal Kecil itulah Kekuatan Anda Terletak
- 3. Datawarehouse Vs Datamart DATAWAREHOUSE DATAMART Perusahaan, melingkupi semua proses Gaabungan datamart Data didapat dari proses stagging Merepresantikan data dari perusahaan atau organisasi Departemen Satu bisnis proses Star-join (fakta dan dimensi) Teknologi optimal untuk pengaksesan dan analisis data
- 4. Datawarehouse = gabungan dari beberapa datamart yang levelnya berada pada perusahaan atau organisasi. Datamart = bagian dari datawarehouse yang berada level departemen pada perusahaan atau organisasi tersebut. Data mart menangani sebuah business proses, misalkan penjualan. Datawarehouse Vs Datamart...
- 5. Data Multidimensi Data yang dapat dilihat dari berbagai sudut pandang atau dimensi. Contoh multidimensi Data o Spreadsheet o Cube
- 8. Spreadsheet
- 9. Cube
- 10. 1. Rotation/Pivoting. Memutar sumbu pada cube untuk memperoleh data yang diinginkan. 2. Slicing. Pemotongan data berdasarkan kategori tertentu. 3. Dicing. Penyaringan subset data dari proses slicing. 4. Drill down. Menampilkan data dalam bentuk lebih detail. 5. Consolidation. Menyatukan data dalam hirarki yang lebih tinggi. Fitur Multidimensi Cube
- 11. OLAP (Online Analitycal Processing) = teknologi yang digunakan untuk memproses data dalam struktur multidimensi sehingga data dapat tersedia untuk memudahkan query dan analisis yang kompleks. OLAP
- 12. 1. Mengijinkan user melihat data dari sudut pandang logical dan multidimensional pada datawarehouse. 2. Memfasilitasi query yang komplek untuk digunakan dalam analisa. 3. Mengijinkan user melakukan Drill down untuk menampilkan data pada level yang lebih detil atau roll up untuk agregasi dari satu dimensi atau beberapa dimensi 4. Menyediakan proses kalkulasi dan perbandingan data 5. Menampilkan hasil dalam bentuk number termasuk dalam tabel dan garfik. Karakteristik OLAP
- 13. 1. Star Schema 2. Snowflakes Schema Pemodelan Data Multidimensi
- 14. Pusat dari star disebut fact table Fact table mempunyai sebuah nilai aggregate dari data- data yang berasal dari tabel dimensi Setiap tabel dimensi berelasi langsung dengan fact table Tabel dimensi beisikan data tentang informasi atau waktu Relasi antara fact table dengan dimensi-dimensinya adalah 1 – N (one to many) Primary key pada tabel dimensi akan menjadi key pada fact table atau dapat diakatakan bahwa fact table memiliki kombinasi key dari tabel dimensi tersebut 1. Star Schema
- 16. KELEBIHAN model star adalah: Lebih simple dan Mudah dipahami. Hasil dari proses query juga relatif lebih cepat. KEKURANGANA model star : Lebih boros dalam space. 1. Star Schema...
- 17. 2. Snowflakes Schema Model snowflake merupakan perluasan dari star yang sama-sama punya satu atau lebih dimensi Pada snowflake, tabel yang berelasi pada tabel yang lain dihubungkan pada tabel dimensi utama Model snowflake ini hampir sama seperti teknik normalisasi
- 19. 2. Snowflakes Schema... KELEBIHAN model Snowflakes adalah: Pemakain space yang lebih sedikit Update dan maintenance yang lebih mudah KEKURANGAN model Snowflakes adalah: Model lebih komplek dan rumit Proses query lebih lambat Performance yang kurang bagus