OLAP (Online Analytical Processing) adalah pendekatan untuk analisis cepat informasi multidimensi yang memungkinkan pengambilan keputusan melalui rekap data dari sistem data warehouse. Konsep ini melibatkan penggunaan kubus multidimensional yang terdiri dari ukuran dan dimensi serta memungkinkan operasi seperti slicing, dicing, roll-up, dan drill-down pada data. OLAP memberikan hasil kueri dalam format matriks atau pivot yang memfasilitasi analisis data yang lebih mendalam.

1. OnLine Analytical Processing (OLAP)

2. KONSEP DASAR OLAP
 Konsep OLAP pertama diusulkan oleh E.F Codd
 Sebuah pendekatan secara cepat menyediakan
jawaban-jawaban terhadap queri analitik yang
multidimensi.
 OLAP menggunakan representasi array
multidimensional.
 Konsep OLAP adalah analisis cepat dari Informasi
Multidimensi yang dapat di-sharing.

3. KONSEP DASAR OLAP
 Keluaran dari queri OLAP ditampilkan secara khusus
dalam format matrik atau pivot yang membentuk
baris (ukuran) dan kolom (nilai dari matrik).
 Modifikasi dari OnLine transaction processing
(OLTP).

4. DW VS DBMS
 OLTP (on-line transaction processing)
 Tugas utama dari relasi DBMS tradisional
 Operasi harian: purchasing, inventory, banking,
manufacturing, payroll, registration, accounting, dsb.
 OLAP (on-line analytical processing)
 Tugas utama dari sistem data warehouse
 Analisa data dan pengambilan keputusan

5. DESAIN KONSEP OLAP
 Sistem OLAP merupakan konsep dari sebuah kubus
OLAP (disebut juga sebagai kubus multidimesi atau
hiperkubus) yang terdiri dari numeric fact yang
disebut ukuran dan dikategorikan sebagai dimensi.
 Kubus metadata secara khusus terbuat dari sebuah
skema bintang atau skema kristal salju.

6. KUBUS DATA
 Contoh sederhana untuk menjadikan kubus yang
berisi penyimpanan sales sebagai ukuran dan
tanggal/jam sebagai sebuah dimensi.

7. MEMBUAT ARRAY MULTIDIMENSI
 Pertama, identifikasi atribut-atribut mana yang
merupakan atribut dimensi, dan abtribut mana yang
merupakan atribut target/tujuan yang nilainya
muncul sebagai entri dari array multidimensi.
 Kedua, cari nilai dari setiap entri dalam array
multidimensi dengan menjumlahkan nilai-nilai (dari
atribut tujuan) atau dengan menghitung seluruh objek
yang memiliki nilai atribut yang berkorespondensi
dengan entri tersebut

8. CONTOH
 Setangkai Bunga Iris
 Atribut: panjang mahkota, lebar mahkota dan spesies.
 Nilai: lebar mahkota dengan panjang dengan kategori:
low, medium and high. Spesies: Setosa, Versicolour,
Virginica.

9. Tabel
Panjang Lebar Spesies Jumlah
Low Low Setosa 46
Low Medium Setosa 2
Medium Low Setosa 2
Medium Medium Versicolour 43
Medium Medium Versicolour 3
Medium High Vigjnica 3
High Medium Versicolour 2
High Medium Vigjnica 3
High High Versicolour 2
High High Vigjnica 44

10.  Setiap tuple unik dari
lebar mahkota, panjang
mahkota dan tipe
spesies menunjukkan
satu elemen dari array
 Semua tuple yang tidak
dispesifikasikan adalah
nol

11. Irisan Array Multidimensi
a. Spesies Setosa b. Spesies Versicolour
c. Spesies Virginica

12. OPERASI OLAP
 Slicing
seleksi sekumpulan sel dari seluruh array
multidimensi dengan menetapkan nilai spesifik untuk
satu atau lebih dimensi
 Dicing
melibatkan proses seleksi dari subset sel dengan
menetapkan interval nilai atribut.

13. OPERASI OLAP
 Roll–up
pengumpulkan data penjualan dari seluruh tanggal
(harian) dalam satu bulan
 Drill-down
membagi total data penjualan bulanan ke dalam total
penjualan harian.