Online Analytical Processing (OLAP)
Online
Analytical
Processing
(OLAP)
1. Pengertian OLAP
OLAP (online analytical
processing) adalah metode pendekatan yang
digunakan untuk mendapatkan suatu hasil dari suatu permintaan proses analisis
yang bersifat dimensional secara cepat.
OLAP merupakan t erminologi yang
menerangkant eknologi yang menggunakan view multidimensi pengelompokkan data
untuk menyediakan akses cepat terhadap informasi strategis untuk keperluan
analisa lebih lanjut(Codd et al.,1995).
Olap sendiri bersifat Sintesa dinamis, analisis,
dan konsolidasi dari data multidimensi dengan volume yang besar.
2. Kungulan OLAP
Keuntungan O LAP
1. Meningkatkan
p roduktifitas pema-kai a khir bisnis, pengembang IT, dan keseluruhan organisasi. Pengawasan yang
lebih dan akses tepat waktu t erhadap informasi strategis dapat membuat
pengambilan k epu-tusan l ebih efektif.
2. Mengurangi
“backlog” pengembangan aplikasi bagi staf IT dengan membuatpemakaiakhirdapat
merubah schema dan membangun model sendiri.
3. Penyimpanan
pengawasan organisasi melalui integritas data koorporasi s ebagaiaplikasi
OLAP tergantung padadata warehouse dan
sistem OLTP untukmemper-baharui sumber tingkatan data mereka.
4. Mengurangi
aktifitas query dan lalulintas jaringan padasistem OLTP atau padadata warehouse
5. Meningkatkan
hasildan keuntung-an secara potensiald engan meng-izinkan o rganisasiuntuk
merespon permintaanpasar lebih cepat
3. Jenis-jenis OLAP
o
Roll up
Yaitu dengan melakukan agregasi pada level yang berbeda dari hirarki
dimensi.
o
Drill
down
Suatu bentuk yang merupakan kebalikan dari konsolidasi, yang memungkinkan
data yang ringkas dijabarkan menjadi data yang lebih detail
o
Slicing
and dicing (atau dikenal dengan istilah pivoting)
Menjabarkan pada kemampuan untuk melihat data dari berbagai sudut pandang
Pemahaman tentang Multidimensi
Suatu sistem yang menghasilkan konseptual dari data secara multidimensional, yang meliputi dukungan penuh untuk hierarki dan multiple hierarki yang merupakan cara logic untuk menganalisis bisnis dan organisasi.
Tabel fakta dan dimensi tabel
a. Fact table
Beberapa tabel fakta yang dihubungkan dengan tabel-tabel dimensi yang sama dan dipandang sebagai kumpulan dari star schema di dalam tabel fakta mempunyai dua tipe kolom, yaitu kolom yang menyimpan nilai-nilai numeric atau yang biasa disebut dengan measure dan kolom yang menyimpan foreign key yang mengacu ke tabel lainnya(tabel dimensi yang berisi fakta numeric.
Tabel yang umumnya mengandung sesuatu yang dapat diukur (measure), seperti harga, jumlah barang, dan sebagainya. Fact table juga merupakan kumpulan foreign key dari primary key yang terdapat pada masing-masing dimension table. Fact table juga mengandung data yang historis.
b. Dimensi table adalah tabel yang berelasi dengan fact tabel
Tabel yang berisi data detail yang menjelaskan foreign key yang terdapat pada fact table. Atribut-atribut yang terdapat pada dimension table dibuat secara berjenjang (hirarki) untuk memudahkan proses query.
Star Schema dan Snowflake Schema?
Star schema akan menggambarkan fact table, yaitu tabel yang merepresentasikan measure, sebagai “pusat data”. Tabel ini nantinya akan terkoneksi dengan tabel-tabel yang mendeskripsikan dimensi untuk measure tersebut (dimension table). Sebagai contoh, star schema untuk data warehouse penjualan adalah:
Suatu sistem yang menghasilkan konseptual dari data secara multidimensional, yang meliputi dukungan penuh untuk hierarki dan multiple hierarki yang merupakan cara logic untuk menganalisis bisnis dan organisasi.
Tabel fakta dan dimensi tabel
a. Fact table
Beberapa tabel fakta yang dihubungkan dengan tabel-tabel dimensi yang sama dan dipandang sebagai kumpulan dari star schema di dalam tabel fakta mempunyai dua tipe kolom, yaitu kolom yang menyimpan nilai-nilai numeric atau yang biasa disebut dengan measure dan kolom yang menyimpan foreign key yang mengacu ke tabel lainnya(tabel dimensi yang berisi fakta numeric.
Tabel yang umumnya mengandung sesuatu yang dapat diukur (measure), seperti harga, jumlah barang, dan sebagainya. Fact table juga merupakan kumpulan foreign key dari primary key yang terdapat pada masing-masing dimension table. Fact table juga mengandung data yang historis.
b. Dimensi table adalah tabel yang berelasi dengan fact tabel
Tabel yang berisi data detail yang menjelaskan foreign key yang terdapat pada fact table. Atribut-atribut yang terdapat pada dimension table dibuat secara berjenjang (hirarki) untuk memudahkan proses query.
Star Schema dan Snowflake Schema?
Star schema akan menggambarkan fact table, yaitu tabel yang merepresentasikan measure, sebagai “pusat data”. Tabel ini nantinya akan terkoneksi dengan tabel-tabel yang mendeskripsikan dimensi untuk measure tersebut (dimension table). Sebagai contoh, star schema untuk data warehouse penjualan adalah:
Snowflake Schema
Snowflake schema merupakan perbaikan dari star schema, sehingga cara penggambarannya pun mirip. Bedanya, satu atau beberapa hirarki yang ada pada dimension table dinormalisasi (dekomposisi) menjadi beberapa tabel yang lebih kecil. Sebagai contoh terdapat pada gambar di bawah ini.
Star Schema
Star Schema adalah sebuah tabel fakta di tengah-tengah dihubungkan dengan sekumpulan tabel-tabel dimensi.
Snowflake Schema digunakan apabila dalam database terdapat kategori dan dimensi dalam jumlah yang besar.
Menciptakan tabel-tabel atribut dalam tabel dimension.
0 komentar:
Post a Comment