Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
 HENI PRASTIWI (105623010) RIANA SUPRAPTO (105623068) NETY HERAWATI (105623084) ISSA OKTAVIANI (105623276) INDRI SETY...
 Data warehouse memberikan storage, fungsionalitas yanglebih dan lebih responsif terhadap query dibandingkankemampuan dat...
 Subject-oriented, integrated, nonvolatile, time-variant collection of data in support ofmanagement’s decisions (Inmon, 1...
 Tidak seperti database transaksional, DW biasanyamendukung analisa tren dan time-series, di manakeduanya membutuhkan dat...
 Konsep multidimensi Deminsi generic Tingkat agregasi dandimensi tak terbatas Operasi lintas dimensi takterbatas Pena...
 Data warehouse ada untuk memfasilitasi queri ad hoc yang terjadi seringdan kompleks. Untuk itu, data warehouse harus men...
 Contoh dimensi dalam DW adalah periode fiskal, produk dan regionperusahaan Spreadsheet standar biasanya matrix 2 dimens...
 Mengubah dari satu (orientasi) hirarki dimensi kehirarki lain bisa dikerjakan dalam satu kubus datadengan teknik pivotin...
 Model storage multidimensi melibatkan 2 tipe tabel:tabel dimensi dan tabel fakta Tabel dimensi terdiri dari tupel atrib...
 Skema multidimensi yang umum adalah skemabintang dan skema snowflake. Skema bintang terdiri dari sebuah tabel faktadeng...
Skema snowflake merupakan perluasan dari skemabintang, di mana setiap titik dari bintang meledakmenjadi poin lebih.
 Misalnya, DimensiWaktu yang terdiri dari 2hirarki yang berbeda: 1.Tahun → → Bulan Hari 2. Minggu → Day
 Dalam beberapa kasus dapat meningkatkankinerja karena meja kecil yang bergabung, Lebih mudah untuk mempertahankan, Men...
 Meningkatkan jumlah tabel pengguna akhirharus bekerja dengan, Membuat query jauh lebih sulit untukmenciptakan karena le...
▪ Snowflake Schema merupakan varian dari skema bintang dimana table-table dimensi tidak terdapat data yang di denormalisas...
 Keduanya merupakan model-model dimensional,perbedaannya terletak pada implementasi fisikal. Skemasnowflake memberi kemud...
Snow flake presentasi
Snow flake presentasi
Snow flake presentasi
Snow flake presentasi
Upcoming SlideShare
Loading in …5
×

Snow flake presentasi

1,829 views

Published on

Snow flake

Published in: Education
  • Be the first to comment

  • Be the first to like this

Snow flake presentasi

  1. 1.  HENI PRASTIWI (105623010) RIANA SUPRAPTO (105623068) NETY HERAWATI (105623084) ISSA OKTAVIANI (105623276) INDRI SETYOWATI (105623284) CHUSNUL IMAMA (105623288) FAJAR HIDAYAT (105623303) IRWAN () FIKRI ()
  2. 2.  Data warehouse memberikan storage, fungsionalitas yanglebih dan lebih responsif terhadap query dibandingkankemampuan database yang bersifat transaksi Banyak orang hanya butuh data read-access tapi butuhakses yang cepat pada data yang sangat bear dan bisadiunduh ke desktop, seringkali data itu datangnya darilebih dari 1 database. DW, DM dan OLAP menyediakanfungsi ini.
  3. 3.  Subject-oriented, integrated, nonvolatile, time-variant collection of data in support ofmanagement’s decisions (Inmon, 1992) Dibanding database tradisional, DW umumnyaterdiri dari data yang berukuran sangat besar daribanyak sumber dan mungkin terdiri dari databasedari model data yang berbeda dan kadang file darisistem dan platform yang independen
  4. 4.  Tidak seperti database transaksional, DW biasanyamendukung analisa tren dan time-series, di manakeduanya membutuhkan data historik DW itu nonvolatile. Artinya informasi dalam DW jarangdiubah dan bisa dianggap non-real-time DW bisa digambarkan sebagai “kumpulan teknologipendukung keputusan, dimaksudkan untuk memungkinkanpekerja yang berhubungan dengan informasi (eksekutif,manajer dan analis) untuk membuat keputusan lebih baikdan lebih cepat”
  5. 5.  Konsep multidimensi Deminsi generic Tingkat agregasi dandimensi tak terbatas Operasi lintas dimensi takterbatas Penanganan matriksdinamis Arsitektur client-server Dukungan multi-user aksesibilitas Transparansi Manipulasi data yang intuitif Performa reporting yangkonsisten Reporting yang fleksibel
  6. 6.  Data warehouse ada untuk memfasilitasi queri ad hoc yang terjadi seringdan kompleks. Untuk itu, data warehouse harus menyediakan dukunganquery yang lebih efisien Roll-up: data dirangkum dengan generalisasi Dril-down: meningkatkan tingkat detail Pivot: lintas tabulasi (juga disebut rotasi) Potong dan iris: melakukan operasi proyeksi terhadap dimensi Sorting: data diurut berdasarkan nilai ordinal Selection: data tersedia dalam nilai atau range Derived attributes: atribut dihitung oleh operasi dalam nilai yangdisimpan atau turunan
  7. 7.  Contoh dimensi dalam DW adalah periode fiskal, produk dan regionperusahaan Spreadsheet standar biasanya matrix 2 dimensi. Contohnyaspreadsheet sales regional berdimensi produk untuk satu jangkawaktu tertentu. Produk ditampilkan per baris dengan pendapatansales untuk masing-masing region ditampilkan per kolom. Menambah dimensi waktu seperti kuartal fiskal perusahaanmenjadikannya matrix 3 dimensi yang ditampilkan sebagai kubusdata Menambah dimensi tambahan, bisa menghasilkan hypercube, tapisulit untuk divisualisasikan
  8. 8.  Mengubah dari satu (orientasi) hirarki dimensi kehirarki lain bisa dikerjakan dalam satu kubus datadengan teknik pivoting (juga disebut rotasi) Model multidimensi memiliki view hirarki yangdikenal dengan roll-up display dan drill-down. Roll-up display memindahkan ke atas secara hirarki,mengelompokkan ke unit yang lebih besar Drill-down display lebih mendetailkan
  9. 9.  Model storage multidimensi melibatkan 2 tipe tabel:tabel dimensi dan tabel fakta Tabel dimensi terdiri dari tupel atribut tuples daridiemsni Tabel fakta bisa digambarkan memiliki banyaktupel. Satu tupel untuk satu fakta yang tercatat.Fakta ini berisikan data dan dimensimengidentifikasikan masing-masing tupel dalamdata tersebut
  10. 10.  Skema multidimensi yang umum adalah skemabintang dan skema snowflake. Skema bintang terdiri dari sebuah tabel faktadengan satu tabel untuk masing-masing dimensi Skema snowflake adalah variasi skema bintang dimana di dalamnya tabel dimensi dari skemabintang diorganisir menjadi hirarki dengannormalisasi.
  11. 11. Skema snowflake merupakan perluasan dari skemabintang, di mana setiap titik dari bintang meledakmenjadi poin lebih.
  12. 12.  Misalnya, DimensiWaktu yang terdiri dari 2hirarki yang berbeda: 1.Tahun → → Bulan Hari 2. Minggu → Day
  13. 13.  Dalam beberapa kasus dapat meningkatkankinerja karena meja kecil yang bergabung, Lebih mudah untuk mempertahankan, Meningkatkan fleksibilitas.
  14. 14.  Meningkatkan jumlah tabel pengguna akhirharus bekerja dengan, Membuat query jauh lebih sulit untukmenciptakan karena lebih tabel perludigabung.
  15. 15. ▪ Snowflake Schema merupakan varian dari skema bintang dimana table-table dimensi tidak terdapat data yang di denormalisasi.▪ Snowflake Schema memberi kemudahan pada perawatan dimensi,dikarenakan strukturnya yang lebih normalisasi.▪ Snowflake schema adalah model data dimensional yang memilikisebuah tabel fakta sebagai pusatnya, dikelilingi tabel-tabel dimensiyang ternormalisasi. Snowflake schema adalah sebuah variasi dari starschema dimana tabel dimensinya boleh memiliki dimensi.▪ Penggunaan tabel dimensi pada snowflake schema sangatlah mendasar,sedangkan pada star schema tidak. Snowflake schema dibuatberdasarkan OLTP sehingga semua data akan termuat detail dalamsetiap tabel fakta dan tabel dimensi.
  16. 16.  Keduanya merupakan model-model dimensional,perbedaannya terletak pada implementasi fisikal. Skemasnowflake memberi kemudahan pada perawatan dimensi,dikarenakan strukturnya yang lebih normalisasi. Skema bintang lebih efisien serta sederhana dalammembuat query dan mudah diakses secara langsung olehpengguna. Jika data yang digunakan kompleks sebaiknyamenggunakan snowflake schema, namun jika data yangdigunakan sederhana lebih baik kita menggunakan starschema.

×