Data Multi Dimensi: • Pengertian Data Multidimensi • Fitur Multidimensi Cube • Online Analitycal Processing (OLAP) • Karakteristik OLAP • Pemodelan Data Multidimensi

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

6. Data Multidimensi...

7. Data Multidimensi...

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

15. 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

18. 2. Snowflakes Schema...

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