Data Warehouse dan Decision Support - PowerPoint PPT Presentation

kathie
data warehouse dan decision support n.
Skip this Video
Loading SlideShow in 5 Seconds..
Data Warehouse dan Decision Support PowerPoint Presentation
Download Presentation
Data Warehouse dan Decision Support

play fullscreen
1 / 11
Download Presentation
Data Warehouse dan Decision Support
117 Views
Download Presentation

Data Warehouse dan Decision Support

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. Data Warehouse dan Decision Support Eko Prasetyo TeknikInformatika UniversitasBhayangkara Surabaya 2012 SistemManajemen Basis Data

  2. Data Warehouse • Data Warehouse adalahsuatu database penunjangkeputusan yang dikelolasecaraterpisahdari database operasionalperusahaan. • Penunjangpemrosesaninformasidenganmenyediakansuatu platform yang kokohuntukanalisa data yang mengandunghistoridan yang terkonsolidasi. • Beberapadefinisitentang data warehouse : • “SuatuDWadalahsuatukoleksi data yang bisadigunakanuntukmenunjangpengambilankeputusanmanajemen, yang berorientasisubjek (topik), terpadu, time variant, dantidakmudahberubah” —W. H. Inmon (Bp. Data Warehousing) • “Suatu data warehouse sederhananyaadalahsuatupenyimpanandata tunggal, lengkapdankonsisten, yang diperolehdariberbagaisumberdandibuattersediabagi end user dalamsuatucara yang bisamerekapahamidanbisamerekagunakandalamsuatukonteksbisnis.” - - Barry Devlin, IBM Consultant.

  3. Dari Data Warehouse ke Decision Support • Pembuatankeputusanorganisasimemerlukan view menyeluruhpadasegalaaspekperusahaan, sehinggaorganisasimembuat data warehouse gabungan yang berisi data yang berasaldariberbagaisumber. • DBMS jugadidesainuntukmendukungquery OLAPsecaraefisiendandioptimalisasiuntukmendukungaplikasi decision support.

  4. Model Data Multidimensi • Model data multidimensional dirancanguntukmemfasilitasianalisisdanbukantransaksi. • Model iniumumdigunakandalam data warehouse. • Memilikikonsepintuitifdaribanyakdimensiatauperspektifpengukuranbisnisataufakta-fakta. • Contohnya : untukmelihatpenjualandariperspektif customer, product dan time. • Model data multi dimensiadalahhimpunanpengukurannumerikyang tergantungpadahimpunandimensi • MisalnyauntukmengetahuiPenjualan/Sales, dimensinyaadalahProduk (pid), Lokasi (locid), danWaktu (timeid). • Data multi dimensidapatdisimpansecarafisikdalamsebuah array yang disebutsistemMOLAP,sistemROLAP. • Relasiutama yang berhubungandengandimensi yang diukurdinamakantabelfakta (fact table). • Tiapdimensidapatdiberitambahanatributdanberasosiasidengansuatutabeldimensi (dimension table). • Tabelfaktamempunyaiukuranyang lebihbesardibandingkandengantabeldimensi.

  5. Model Data Multidimensi

  6. Online Analytical Processing (OLAP) • Query OLAPdipengaruhiolehduahal, yaitu : SQL dan spreadsheet. • Operasi yang umumadalahmelakukanagregasipadasatuataulebihdimensi. • Misalnya, cari total penjualan (sales), cari total penjualantiappropinsi, cari5 ranking produkteratasberdasarkan total penjualan. • Jenis-jenisquery OLAPadalah: • 1. Roll up • Yaitudenganmelakukanagregasipada level yang berbedadarihirarkidimensi. • Misalnyauntuksetiapkotadiberikan total penjualan, makauntuk total penjualantiappropinsibisadidapatkandenganmenambahkan total penjualanpadasemuakotadalamsatupropinsi.

  7. Online Analytical Processing (OLAP) • Jenis-jenis query OLAPadalah: • 2. Drill down • Kebalikandari roll up. • Misalnyauntuksetiappropinsidapatdiberikantotal penjualan, maka total penjualantiapkotadapatdi-drill down. • 3. Pivoting • Yaitumelakukanagregasipadadimensiterpilih. Cross-tabulation tersebutmerupakankumpulandari query SQL berikut : SELECT SUM (S.Sales) FROM Sales S, Times T WHERE S.timeid = T.timeid GROUP BY T.year dan SELECT SUM (S.Sales) FROM Sales S, Location L WHERE S.timeid = L.timeid GROUP BY L.state Sehinggamenjadi query barusebagaiberikut : SELECT SUM (S.Sales) FROM Sales S, Times T, Location L WHERE S.timeid = T.timeid AND S.timeid = L.timeid GROUP BY T.year, L.state

  8. Arsitektur Data Warehouse • Suatu data warehouse didasarkankepadasuatumodel data multidimensiyang melihatdata dalambentuksuatukubus data. • Suatukubus data sepertiSales memungkinkandata untukdimodelkandandilihatdaribanyakdimensi • Dimensitabel, seperti item (item_name, brand, type), atautime(day, week, month, quarter, year) • Tabelfaktamemuatukuran (sepertidollars_sold) dankunciuntuksetiapdimensitabelterkait

  9. Arsitektur Data Warehouse

  10. Implementasi Data Warehouse • Data Warehouse diorganisasikanberdasarkankegunaandisekitarsubjekbukanaplikasi • Misal: customer, product, sales. • Perhatiandipusatkanpadapemodelandananalisadatauntukpembuatkeputusan • Bukanuntukoperasiharianataupemrosesantransaksi. • Data Warehouse dibangundenganmemadukanbanyaksumber datayang heterogen • Misal: Database relasional, flat file, catatantransaksi on-line. • Teknikpembersihandanintegrasi data jugaditerapkandalamdatawarehouse. • Dikarenakan data berasaldarisumber yang berbeda-beda, makaharusdapatdijaminkonsistensipenamaan, penyandianstruktur, ukuranatribut, dsb., dariantarasumber-sumberdata yang berbeda, misal, tarif hotel: matauang, pajak, breakfast covered,dsb. • Ketikadata dipindahkanke warehouse, data tersebuttelahterkonversi

  11. Any Question ? To Be Continued …