![Page 1: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/1.jpg)
Arsitektur Data WarehouseMinggu 4
![Page 2: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/2.jpg)
PengantarMengapa Pemodelan Data itu penting ? …
• Tujuan Meyakinkan semua objek datayang diperlukan oleh database telahterpenuhi.
Mengapa Pemodelan Data itu penting ? …
• Tujuan Meyakinkan semua objek datayang diperlukan oleh database telahterpenuhi.
![Page 3: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/3.jpg)
Tabel Relational• Tabel Relasional dibangun oleh baris dan kolom• Terdapat dua sudut pandang , yaitu :
– Baris sebagai sumbu x dan kolom sebagi sumbu y
Tapi sebenarnya tabel relasional tersebut hanya mempunyaisatu dimensi
Lihat pada slide berikut ini
• Tabel Relasional dibangun oleh baris dan kolom• Terdapat dua sudut pandang , yaitu :
– Baris sebagai sumbu x dan kolom sebagi sumbu y
Tapi sebenarnya tabel relasional tersebut hanya mempunyaisatu dimensi
Lihat pada slide berikut ini
![Page 4: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/4.jpg)
• Karakteristik :• setiap record atau baris merepresentasikan data buku
yang berbeda-beda.• Satu baris dengan baris lainnya diidentifikasikan dengan
sebuah key yaitu primary key.• Sedangkan bagian kolom seperti, judul, jenis buku,
pengarang menyimpan fakta yang sama atau sejenis,dimana setiap fakta tersebut merujuk pada primary keyyaitu Kode Buku.
• Hal inilah yang menunjukkan bahwa tabel relasionalhanya mempunyai satu dimensi.
• Karakteristik :• setiap record atau baris merepresentasikan data buku
yang berbeda-beda.• Satu baris dengan baris lainnya diidentifikasikan dengan
sebuah key yaitu primary key.• Sedangkan bagian kolom seperti, judul, jenis buku,
pengarang menyimpan fakta yang sama atau sejenis,dimana setiap fakta tersebut merujuk pada primary keyyaitu Kode Buku.
• Hal inilah yang menunjukkan bahwa tabel relasionalhanya mempunyai satu dimensi.
![Page 5: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/5.jpg)
Data Multidimensi• Data multidimensi adalah “ketika kita dapat melihat
sebuah data dari berbagai sudut pandang atau dimensi”• Sebagai contoh, penjualan buku dapat dilihat dari segi
Buku, waktu, lokasi penjualan / toko dan sebagainya.• Jika digambarkan , maka akan terdapat tiga koordinat
yaitu sumbu x mewakili buku, sumbu y mewakili dimensiwaktu dan sumbu z untuk dimensi lokasi.
• Hal inilah yang menjadi perbedaan mendasar antaratabel relasional dan data multidimensi.
• Data multidimensi adalah “ketika kita dapat melihatsebuah data dari berbagai sudut pandang atau dimensi”
• Sebagai contoh, penjualan buku dapat dilihat dari segiBuku, waktu, lokasi penjualan / toko dan sebagainya.
• Jika digambarkan , maka akan terdapat tiga koordinatyaitu sumbu x mewakili buku, sumbu y mewakili dimensiwaktu dan sumbu z untuk dimensi lokasi.
• Hal inilah yang menjadi perbedaan mendasar antaratabel relasional dan data multidimensi.
![Page 6: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/6.jpg)
Spreadsheet
WaktuPenj
![Page 7: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/7.jpg)
Pemodelan data MultidimensiWhat is Dimensional Modeling ? …..• Menggunakan dua konsep yaitu tabel fakta
(fact table) dan tabel dimensi (dimensionaltable)
• Berbeda dengan konsep normalisasi (3rd
normal form)
What is Dimensional Modeling ? …..• Menggunakan dua konsep yaitu tabel fakta
(fact table) dan tabel dimensi (dimensionaltable)
• Berbeda dengan konsep normalisasi (3rd
normal form)
![Page 8: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/8.jpg)
Pengantar
Tabel Fakta? … danTabel Dimensi ? …
• Tabel Fakta berisi measurement ataumetric dari proses bisnis dan foreign key daritabel dimensi. Tabel fakta merupakan tabelutama dari cube. Karakteristik dari tabelfakta :– kumpulan key dimensi dari tabel– ada measure(yang ingin diukur)– data akan selalu berubah
Tabel Fakta? … danTabel Dimensi ? …
• Tabel Fakta berisi measurement ataumetric dari proses bisnis dan foreign key daritabel dimensi. Tabel fakta merupakan tabelutama dari cube. Karakteristik dari tabelfakta :– kumpulan key dimensi dari tabel– ada measure(yang ingin diukur)– data akan selalu berubah
![Page 9: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/9.jpg)
Pengantar• Measurement ?Misal :Jika anda mempunyai bisnis penjualan sepeda motor maka
measurement dari bisnis anda adalah “jumlahpenjualan motor” atau “rata-rata penjualan sepedamotor merk x”
Contoh lainJika Proses bisnis anda pruduksi kertas maka
measurementnya adalah ” rata-rata produksi kertaspada suatu mesin” atau “produksi kertas setiapbulan”
• Measurement ?Misal :Jika anda mempunyai bisnis penjualan sepeda motor maka
measurement dari bisnis anda adalah “jumlahpenjualan motor” atau “rata-rata penjualan sepedamotor merk x”
Contoh lainJika Proses bisnis anda pruduksi kertas maka
measurementnya adalah ” rata-rata produksi kertaspada suatu mesin” atau “produksi kertas setiapbulan”
![Page 10: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/10.jpg)
• Tabel Dimensi berisi atribut darimeasurement yang disimpan pada tabelfakta.
• Tabel dimensi merupakan hierarki, kategoridan logic yang dapat digunakan untukmenganalisa measurement dari sudutpandang tertentu.
• Tabel dimensi bersifat statis(tidak berubah)
• Tabel Dimensi berisi atribut darimeasurement yang disimpan pada tabelfakta.
• Tabel dimensi merupakan hierarki, kategoridan logic yang dapat digunakan untukmenganalisa measurement dari sudutpandang tertentu.
• Tabel dimensi bersifat statis(tidak berubah)
![Page 11: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/11.jpg)
From Requirement (analisakebutuhan) to Data Design(design data)
From Requirement (analisakebutuhan) to Data Design(design data)
![Page 12: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/12.jpg)
![Page 13: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/13.jpg)
![Page 14: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/14.jpg)
Contoh Information Package Diagram
![Page 15: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/15.jpg)
![Page 16: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/16.jpg)
Sebagai contoh Automaker Sales, terdapat tiga tipe entity,yaitu :
1. Measurement atau metric2. Business dimension3. Atribut untuk masing-masing business dimension
MeasurementAutomaker Sales
Sebagai contoh Automaker Sales, terdapat tiga tipe entity,yaitu :
1. Measurement atau metric2. Business dimension3. Atribut untuk masing-masing business dimension
MeasurementAutomaker Sales
![Page 17: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/17.jpg)
![Page 18: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/18.jpg)
![Page 19: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/19.jpg)
![Page 20: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/20.jpg)
![Page 21: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/21.jpg)
Contoh : Automaker Sales
![Page 22: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/22.jpg)
Dimensi Produk
![Page 23: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/23.jpg)
Menaruh semuanya bersama-sama. Itu menunjukkanbagaimana berbagai dimension tables dibentuk dariinformation package diagram
![Page 24: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/24.jpg)
E-R Modeling Vs Dimensional Modeling
Kita telah familiar dengan data modeling untuk operasional atau OLTPsistem. E-R modeling untuk membuat data model sistem.
Untuk Dimensional Model sesuai digunakan untuk modeling datawarehouse.
![Page 25: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/25.jpg)
Definisi Arsitektur
Sekumpulan aturan-aturan atau strukturyang menyediakan kerangka kerja untukdisain keseluruhan sistem atau produk.
![Page 26: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/26.jpg)
Tiga Komponen Utama Arsitektur DW
• Populasi WarehouseDownloading vs Volume Data
• Administrasi WarehousePerawatan Metadata
• Mesin Pendukung KeputusanQuery dan Pelaporan
• Populasi WarehouseDownloading vs Volume Data
• Administrasi WarehousePerawatan Metadata
• Mesin Pendukung KeputusanQuery dan Pelaporan
![Page 27: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/27.jpg)
Hal yang perlu diperhatikan dalam ArsitekturDW
• Cost Effective• Adaptable• Easily Implemented
• Cost Effective• Adaptable• Easily Implemented
![Page 28: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/28.jpg)
Hal yang perlu dipertimbangkan dalammemilih Media & Metode Penyimpanan
• Data load times• Synchronization• Recovery• Summarization levels• Method of data security implementation• Data distribution• Data access and query speed• Ease of maintenance
• Data load times• Synchronization• Recovery• Summarization levels• Method of data security implementation• Data distribution• Data access and query speed• Ease of maintenance
![Page 29: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/29.jpg)
Akses Informasi• Komponen kunci teknik
– Memberikan akses pada orang yang tepatuntuk informasi yang tepat pada waktu yangtepat.
– Memudahkan pengambilan informasi secaracepat dan mudah.
• Komponen kunci teknik– Memberikan akses pada orang yang tepat
untuk informasi yang tepat pada waktu yangtepat.
– Memudahkan pengambilan informasi secaracepat dan mudah.
![Page 30: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/30.jpg)
Tujuan Utama Arsitektur DW• Mendefinisikan suatu struktur yang
membantu customer membuat implementasidata warehouse yang efektif, yaituimplementasi yang memberikan kemudahanakses data pada pengguna dan aplikasi.
• Arsitektur mengidentifikasi danmendefinisikan komponen-komponen, antarmuka, dan protokol-protokol.
• Mendefinisikan suatu struktur yangmembantu customer membuat implementasidata warehouse yang efektif, yaituimplementasi yang memberikan kemudahanakses data pada pengguna dan aplikasi.
• Arsitektur mengidentifikasi danmendefinisikan komponen-komponen, antarmuka, dan protokol-protokol.
![Page 31: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/31.jpg)
Masalah Akses Data/Informasi
• Data yang banyak dan tersebar• Kebutuhan sistem analisis yang cepat dan
mudah dalam mengakses data• Mempertahankan investasi organisasi
terhadap sistem informasi yang telah ada.
• Data yang banyak dan tersebar• Kebutuhan sistem analisis yang cepat dan
mudah dalam mengakses data• Mempertahankan investasi organisasi
terhadap sistem informasi yang telah ada.
![Page 32: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/32.jpg)
Permasalahan Customer yangdiselesaikan dengan Arsitektur DW
• No single view of data• Different user tools• Lack of consistency• Lack of useful historical capability• Conflict between application type• Problems in administering data• Proliferation of complex extract application
• No single view of data• Different user tools• Lack of consistency• Lack of useful historical capability• Conflict between application type• Problems in administering data• Proliferation of complex extract application
![Page 33: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/33.jpg)
Konfigurasi Data
• Single copy configuration• Reconciled data configuration• Derived data configuration• Hybrid data configuration
• Single copy configuration• Reconciled data configuration• Derived data configuration• Hybrid data configuration
![Page 34: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/34.jpg)
Komponen-komponen Kunci ArsitekturalDW
• Model data yang mendefinisikan isi warehouse• Disain database warehouse, apakah hirarsikal,
relasional, atau multidimensional.• Utilitas untuk data scrubbing, copy management,
data transport, data replication, cross platformcommunication
• Optimasi warehouse server untuk pelaporan danpemrosesan query yang cepat
• DSS untuk pelaporan dan analisis
• Model data yang mendefinisikan isi warehouse• Disain database warehouse, apakah hirarsikal,
relasional, atau multidimensional.• Utilitas untuk data scrubbing, copy management,
data transport, data replication, cross platformcommunication
• Optimasi warehouse server untuk pelaporan danpemrosesan query yang cepat
• DSS untuk pelaporan dan analisis
![Page 35: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/35.jpg)
Bagian dari Model Arsitektural DW
• Operational database/external database layer(Lapisan database Operational)
• Information access layer (Lapisan Akses Informasi)• Data access layer (Lapisan Akses Data)• Data directory (metadata) layer• Process management layer• Application messaging layer• Data warehouse layer• Data staging layer
• Operational database/external database layer(Lapisan database Operational)
• Information access layer (Lapisan Akses Informasi)• Data access layer (Lapisan Akses Data)• Data directory (metadata) layer• Process management layer• Application messaging layer• Data warehouse layer• Data staging layer
![Page 36: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/36.jpg)
Pilihan Pemindahan ke DataWarehousing
• Rehosting mainframe applications• Two tier architecture using mainframe as a
server• Three tier data warehouse architecture• Four tier data warehouse architecture
• Rehosting mainframe applications• Two tier architecture using mainframe as a
server• Three tier data warehouse architecture• Four tier data warehouse architecture
![Page 37: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/37.jpg)
Definisi istilah di pendukung keputusan• Facts
variabel-variabel atau pengukuran yang biasanyadisimpan dalam bentuk numerik yang merupakan fokusdari investigasi pendukung keputusan
• MetricsAnalisis pengukuran yang dikalkulasi dari fakta secaralangsung
• DimensionsPengelompokkan secara logika dari atribut-atribut yangmemiliki relasi kunci terkecil yang sama.
• Factsvariabel-variabel atau pengukuran yang biasanyadisimpan dalam bentuk numerik yang merupakan fokusdari investigasi pendukung keputusan
• MetricsAnalisis pengukuran yang dikalkulasi dari fakta secaralangsung
• DimensionsPengelompokkan secara logika dari atribut-atribut yangmemiliki relasi kunci terkecil yang sama.
![Page 38: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/38.jpg)
Permasalahan Disain Skema
Keseimbangan kebutuhan-kebutuhan yangkonflik dari:– fungsionalitas analisis– kinerja query– kemampuan perawatan database
![Page 39: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/39.jpg)
Dua tipe tabel utama yang ada dalamData Warehouse
• Fact Tables• Dimensions Tables
![Page 40: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/40.jpg)
Conceptual Modeling of Data Warehouses
• Modeling data warehouses: dimensions &measures– Star schema: A fact table in the middle connected
to a set of dimension tables– Snowflake schema: A refinement of star schema
where some dimensional hierarchy is normalizedinto a set of smaller dimension tables, forming ashape similar to snowflake
– Fact constellations: Multiple fact tables sharedimension tables, viewed as a collection of stars,therefore called galaxy schema or factconstellation
• Modeling data warehouses: dimensions &measures– Star schema: A fact table in the middle connected
to a set of dimension tables– Snowflake schema: A refinement of star schema
where some dimensional hierarchy is normalizedinto a set of smaller dimension tables, forming ashape similar to snowflake
– Fact constellations: Multiple fact tables sharedimension tables, viewed as a collection of stars,therefore called galaxy schema or factconstellation
![Page 41: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/41.jpg)
Skema Star
1. Sebuah fact table yang besar dan tersentralisasi.
2. Satu tabel untuk setiap dimensi.
3. Setiap fact points untuk satu tuple dalam setiap dimensinya dan
memiliki atribut tambahan.
4. Mudah dimengerti dan mengurangi jumlah dari “physical joins”.
5. Mudah untuk mendefinisikan hirarkinya.
![Page 42: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/42.jpg)
Skema Star (cont’d)
Time
cust
date, custno, prodno, cityname, ...
fact
prod
City
Time
cust
date, custno, prodno, cityname, ...
fact
prod
City
![Page 43: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/43.jpg)
![Page 44: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/44.jpg)
Skema Star (cont’d)
Time Dimension
Period Key
Year
Quarter
Month
Store Dimension
Store Key
Store Name
City
State
Region
Fact Table
Store Key
Product Key
Period Key
Units
Price
Product Key
Product Desc
Product Dimension
Time Dimension
Period Key
Year
Quarter
Month
Store Dimension
Store Key
Store Name
City
State
Region
Fact Table
Store Key
Product Key
Period Key
Units
Price
Product Key
Product Desc
Product Dimension
![Page 45: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/45.jpg)
Karakteristik Star Schema• Karakteristik dari model ini adalah :• 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 memilikikombinasi key dari tabel dimensi tersebut
• Karakteristik dari model ini adalah :• 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 memilikikombinasi key dari tabel dimensi tersebut
![Page 46: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/46.jpg)
Contoh Lain (Model Star)
![Page 47: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/47.jpg)
Keuntungan :• Lebih simple• Mudah dipahami.• Hasil dari proses query juga relatif lebih
cepat.Kerugian :• boros dalam space.
Keuntungan & Kerugian StarKeuntungan :• Lebih simple• Mudah dipahami.• Hasil dari proses query juga relatif lebih
cepat.Kerugian :• boros dalam space.
![Page 48: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/48.jpg)
Skema Snowflake
1. Merupakan variant dari model skema star.
2. Sebuah fact tables yang besar dan tersentralisasi serta satu atau
lebih tabel untuk setiap dimensi.
3. Tabel dimensi dinormalisasi dengan cara men-split data pada
tabel dimensi ke dalam tabel tambahan.
4. Mudah untuk maintenance dan menghemat storage.
![Page 49: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/49.jpg)
Snowflake Schema• Model snowflake merupakan perluasan dari
star dimana ia juga mempunyai satu ataulebih dimensi. Hanya saja pada snowflake,tabel yang berelasi pada fact table hanyatabel dimensi utama, sedangkan tabel yanglain dihubungkan pada tabel dimensi utama.
• Model snowflake ini hampir sama sepertiteknik normalisasi
• Model snowflake merupakan perluasan daristar dimana ia juga mempunyai satu ataulebih dimensi. Hanya saja pada snowflake,tabel yang berelasi pada fact table hanyatabel dimensi utama, sedangkan tabel yanglain dihubungkan pada tabel dimensi utama.
• Model snowflake ini hampir sama sepertiteknik normalisasi
![Page 50: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/50.jpg)
Keuntungan & Kerugian Snowflake
Keuntungan menggunakan model Snowflake• Pemakain space yang lebih sedikit• Update dan maintenance yang lebih mudahKerugian menggunakan model ini yaitu :• Model lebih komplek dan rumit• Proses query lebih lambat• Performance yang kurang bagus
Keuntungan menggunakan model Snowflake• Pemakain space yang lebih sedikit• Update dan maintenance yang lebih mudahKerugian menggunakan model ini yaitu :• Model lebih komplek dan rumit• Proses query lebih lambat• Performance yang kurang bagus
![Page 51: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/51.jpg)
Skema Snowflake (cont’d)
prod
Time
cust
date, custno, prodno, cityname, ...
fact
Time
cust
city
date, custno, prodno, cityname, ...
fact r
egion
![Page 52: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/52.jpg)
Skema Snowflake (cont’d)
Time Dimension
Period Key
Year
Quarter
Month
Fact Table
Store Key
Product Key
Period Key
Units
Price
Product Key
Product Desc
Product Dimension
Store Dimension
Store Key
Store Name
City Key
City Dimension
City Key
City
State
Region
Time Dimension
Period Key
Year
Quarter
Month
Fact Table
Store Key
Product Key
Period Key
Units
Price
Product Key
Product Desc
Product Dimension
Store Dimension
Store Key
Store Name
City Key
City Dimension
City Key
City
State
Region
![Page 53: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/53.jpg)
Skema Snowflake (cont’d)
![Page 54: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/54.jpg)
Skema Fact Constellation
1. Beberapa fact tables berbagi tabel dimensi.
2. Ditampilkan sebagai koleksi dari kumpulan skema bintang yang
sering disebut sebagai skema galaxy.
3. Dibutuhkan oleh aplikasi yang canggih.
![Page 55: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/55.jpg)
Skema Fact Constellation (cont’d)
Hotels
Travel Agents
Promotion
Room Type
Booking
Checkout
Customer
Hotels
Travel Agents
Promotion
Room Type
Booking
Checkout
Customer
![Page 56: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/56.jpg)
Skema Fact Constellation (cont’d)Sales Fact Table
Store Key
Product Key
Period Key
Units
Price
Product Dimension
Product Key
Product Desc
Shipping Fact Tabl eShipper Key
Store Key
Product Key
Period Key
Units
Sales Fact Table
Store Key
Product Key
Period Key
Units
Price
PriceStore Dimension
Store Key
Store Name
City
State
Region
Shipping Fact Tabl eShipper Key
Store Key
Product Key
Period Key
Units
![Page 57: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/57.jpg)
Data cube• A data cube, such as sales, allows data to be
modeled and viewed in multiple dimensions
• Suppose ALLELETRONICS create a sales datawarehouse with respect to dimensions
– Time
– Item
– Location
• A data cube, such as sales, allows data to bemodeled and viewed in multiple dimensions
• Suppose ALLELETRONICS create a sales datawarehouse with respect to dimensions
– Time
– Item
– Location
![Page 58: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/58.jpg)
Cube
![Page 59: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/59.jpg)
3D Data cube Example
![Page 60: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/60.jpg)
4D Data cube Example
![Page 61: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/61.jpg)
Membuat model untukData Warehouse
![Page 62: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/62.jpg)
PersiapanUntuk membuat data model untuk data
warehouse sebaiknya harus diketahui :• Spesifikasi kebutuhan informasi• Data yang tersedia (sumber data) sudah
harus tersedia
Untuk membuat data model untuk datawarehouse sebaiknya harus diketahui :
• Spesifikasi kebutuhan informasi• Data yang tersedia (sumber data) sudah
harus tersedia
![Page 63: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/63.jpg)
ContohKasus yang ada saat ini hanya untuk
kebutuhan spesifikasi kebutuhan fungsionalsaja, Tetapi nanti kenyataan akan lebihlengkap dan detil .
• Tidak membahas kecepatan respons• Tidak membahas spesifikasi teknis misal
format ,ukuran data , volume dan kualitas
Kasus yang ada saat ini hanya untukkebutuhan spesifikasi kebutuhan fungsionalsaja, Tetapi nanti kenyataan akan lebihlengkap dan detil .
• Tidak membahas kecepatan respons• Tidak membahas spesifikasi teknis misal
format ,ukuran data , volume dan kualitas
![Page 64: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/64.jpg)
Untuk menjawab :• Berapa besar penjualan dan laba per bulan, per produk,
per tipe pelanggan/pembeli (grosir, pabrikan, industrirumah, atau exportir), jenis industri (daripelanggan/pembeli), dan kemana barang pesanan dikirim(propinsi atau nama negara)
• Output tersebut biasa disebut analisa multi-dimensi(multidimensional analysis). Besaran (measure) yangditanyakan (dianalisa) adalah ‘penjualan’ dan ‘laba’.
• Batasan (dimension) dari besaran tersebut adalah bulan(period), produk, tipe pelanggan, jenis industri, dan tujuanpengiriman (location).
Output
Untuk menjawab :• Berapa besar penjualan dan laba per bulan, per produk,
per tipe pelanggan/pembeli (grosir, pabrikan, industrirumah, atau exportir), jenis industri (daripelanggan/pembeli), dan kemana barang pesanan dikirim(propinsi atau nama negara)
• Output tersebut biasa disebut analisa multi-dimensi(multidimensional analysis). Besaran (measure) yangditanyakan (dianalisa) adalah ‘penjualan’ dan ‘laba’.
• Batasan (dimension) dari besaran tersebut adalah bulan(period), produk, tipe pelanggan, jenis industri, dan tujuanpengiriman (location).
![Page 65: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/65.jpg)
Batasan• Output semacam diatas biasa disebut
analisa multi-dimensi (multidimensionalanalysis). Besaran (measure) yangditanyakan (dianalisa) adalah ‘penjualan’dan ‘laba’. Batasan (dimension) dari besarantersebut adalah bulan (period), produk, tipepelanggan, jenis industri, dan tujuanpengiriman (location).
• Output semacam diatas biasa disebutanalisa multi-dimensi (multidimensionalanalysis). Besaran (measure) yangditanyakan (dianalisa) adalah ‘penjualan’dan ‘laba’. Batasan (dimension) dari besarantersebut adalah bulan (period), produk, tipepelanggan, jenis industri, dan tujuanpengiriman (location).
![Page 66: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/66.jpg)
Tabel transaksi
ER Diagram
![Page 67: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/67.jpg)
Solusi Data model
Model yang digunakan adalah STARSCHEMA dengan bentuk :
![Page 68: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/68.jpg)
Data 3 dimension
• 3 dimensi dibuat umum (common dimension), dapat dimanfaatkanuntuk analisa lain (mendatang)1. Waktu - untuk memenuhi spesifikasi “per bulan”, yang akan
dihubungkan dengan data “tanggal pesan”. Table ini akandiisi semua bulan dan sekian tahun (harus diputuskanberapa tahun, karena tabel ini kecil volumenya, misalnyadiisi untuk 50 tahun pada awal implementasi datawarehouse)
2. Jenis industri – untuk memenuhi spesifikasi “jenis industri”,yang akan dihubungkan dengan data “industri pelanggan”;
3. Lokasi – untuk memenuhi spesifikasi “propinsi/negarapemakai”, yang akan dihubungkan dengan bagian data“alamat kirim’, dengan kata lain didalam prosesmemasukkan data dari sumber kedalam warehouse harusmencari dan menentukan propinsi atau negara didalam/daridata alamat kirim.
• 3 dimensi dibuat umum (common dimension), dapat dimanfaatkanuntuk analisa lain (mendatang)1. Waktu - untuk memenuhi spesifikasi “per bulan”, yang akan
dihubungkan dengan data “tanggal pesan”. Table ini akandiisi semua bulan dan sekian tahun (harus diputuskanberapa tahun, karena tabel ini kecil volumenya, misalnyadiisi untuk 50 tahun pada awal implementasi datawarehouse)
2. Jenis industri – untuk memenuhi spesifikasi “jenis industri”,yang akan dihubungkan dengan data “industri pelanggan”;
3. Lokasi – untuk memenuhi spesifikasi “propinsi/negarapemakai”, yang akan dihubungkan dengan bagian data“alamat kirim’, dengan kata lain didalam prosesmemasukkan data dari sumber kedalam warehouse harusmencari dan menentukan propinsi atau negara didalam/daridata alamat kirim.
![Page 69: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/69.jpg)
Output1. Penjualan diakumulasikan per bulan (monthly aggregated),
juga per dimensi yang lain sesuai spesifikasi: produk, tipepelanggan, jenis industry, dan lokasi kirim. Pajak penjualandan Ongkos kirim tidak diperhitungkan.
2. Data hasi perhitungan “laba” ikut disimpan (pre calculated),agar query cepat. Formula yang diberikan oleh user adalah:Laba penjualan = (Harga satuan – (Harga bahan baku +Ongkos produksi)) x Jumlah pesanan
1. Penjualan diakumulasikan per bulan (monthly aggregated),juga per dimensi yang lain sesuai spesifikasi: produk, tipepelanggan, jenis industry, dan lokasi kirim. Pajak penjualandan Ongkos kirim tidak diperhitungkan.
2. Data hasi perhitungan “laba” ikut disimpan (pre calculated),agar query cepat. Formula yang diberikan oleh user adalah:Laba penjualan = (Harga satuan – (Harga bahan baku +Ongkos produksi)) x Jumlah pesanan
![Page 70: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/70.jpg)
ISI Tabel
311 Food Manufacturing312 Beverage and Tobacco Product Manufacturing313 Textile Mills314 Textile Product Mills315 Apparel Manufacturing316 Leather and Allied Product Manufacturing321 Wood Product Manufacturing322 Paper Manufacturing323 Printing and Related Support Activities… …
Manufacturing
311 Food Manufacturing312 Beverage and Tobacco Product Manufacturing313 Textile Mills314 Textile Product Mills315 Apparel Manufacturing316 Leather and Allied Product Manufacturing321 Wood Product Manufacturing322 Paper Manufacturing323 Printing and Related Support Activities… …
![Page 71: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/71.jpg)
ISI Tabel
![Page 72: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/72.jpg)
ISI Table
![Page 73: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/73.jpg)
Table-table data warehouse
Berikut contoh isi tabel-tabel data warehouse dari model diatas. Semua tabeldimensi diisi data pada awal data warehouse di implementasikan (pre-loaded). Sedang untuk tabel fakta (Penjualan) datanya berasal dari sumber.
![Page 74: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/74.jpg)
Table-table data warehouse
![Page 75: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/75.jpg)
Hasil Data ware house
![Page 76: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/76.jpg)
Job Schedulers
RDBMS Utilities
Replication/Distribution ToolsCASE
DB Design
RepositoriesDesign/Transform/Extract/Aggregate/Monitor/Manage Suites / Environments
Database & System Monitors
MOLAP/ROLAP
Data MiningEIS
Data VisualizationMetadata Browsers
Data Warehouse Tools
RDBMS UtilitiesExtract//Transform/Load
•Design•Mapping•Design•Mapping
•Extract•Scrub•Transform
•Extract•Scrub•Transform
•Load•Index•Aggregation
•Load•Index•Aggregation
•Replication•Data Set Distribution•Replication•Data Set Distribution
•Access & Analysis•Resource Scheduling & Distribution•Access & Analysis•Resource Scheduling & Distribution
Meta DataMeta Data
System MonitoringSystem Monitoring
![Page 77: Arsitektur Data Warehouse - Blog Sivitas STIKOM Surabayablog.stikom.edu/rahmawati/files/2012/11/04-DW.pdf · What is Dimensional Modeling ? ….. • Menggunakan dua konsep yaitu](https://reader035.vdocuments.pub/reader035/viewer/2022081722/5a78f6a87f8b9a43758bd969/html5/thumbnails/77.jpg)
Data Warehouse Development MethodologyWAREHOUSE
PL
WAREHOUSE
DE
and
TechnologyKnowledge Team
BusinessKnowledge Team
LANNI
NG
STAGE
EVELOPMENT
STAGE
Knowledge Team
BusinessSponsor