Rabu, 21 Juni 2023

Data Multi Dimensi

Data Multi Dimensi pada
 Data Warehouse


Nama : Cindy Amallia Juliani

Npm  : 21120009

Kelas : SI-M2101

Dosen            : Dito Putro Utomo, M.Kom

Mata Kuliah : Data Warehouse

Universitas   : Budi Darma

Jurusan         : Sistem Informasi (SI-M2101)



   Data multi dimensi adalah data yang tidak terfokus pada satu titik saja untuk menghasilkan informasi tetapi bisa menjadi titik lain dengan menambahkan titik lainnya. Data multi dimensi ini digubakan pada data warehouse, karena itu yang membuat datawarehouse berbeda dengan database biasa. 

       Data-data yang ada pada data warehouse selain bertujuan untuk historis juga bertujuan untuk menganalisa yang dilihat dari dimensi yang berbeda. Materi tentang data multi dimensi akan membahas tentang definisi, data mart, OLTP dan OLAP, Model pengembangan data warehouse, dan contoh dari data dimensi.

1. Definisi Data Mart

   Data mart merupakan subset dari data resource, biasanya berorientasi untuk suatu tujuan yang spesifik atau subjek data yang didistribusikan untuk mendukung kebutuhan bisnis.

2. Definisi OLTP (Online Transaction Processing)


Online Transaction Processing atau sering dikenal dengan OLTP adalah sistem yang berorientasi proses yang memproses transaksi secara langsung melalui komputer yang terhubung dalam jaringan.
Misalnya biasa digunakan pada sebuah supermarket, kasir menggunakan mesin dalam proses transaksinya.
OLTP mempunyai karakteristik beberapa user dapat creating, updating, retrieving untuk setiap record data, OLTP sangat optimal untuk updating data.

3. Definisi OLAP (Online Analytical Processing)


Online Analytical Processing, atau disingkat OLAP adalah metode pendekatan untuk menyajikan jawaban dari permintaan proses analisis yang bersifat dimensional secara cepat, yaitu desain dari aplikasi dan teknologi yang dapat mengoleksi, menyimpan, memanipulasi suatu data multidimensi untuk tujuan analis. 

Aplikasi khusus dari OLAP adalah pelaporan bisnis untuk penjualan, pemasaran, manajemen pelaporan, manajemen proses bisnis (MPB), penganggaran dan peramalan, laporan keuangan dan bidang-bidang yang serupa. 

4. Model Pengembangan Data Warehouse

    Model pengembangan datawarehouse dibagi menjadi dua macam yaitu yang memiliki user feedback dan yang tidak memiliki user feedback. Macam yang tidak memiliki user feedback dibagi menjadi 3 macam yaitu sebagai berikut.

    a.  Top Down Tanpa User Feedback

            


Pada model Top Down Tanpa User Feedback, dengan tanpa adanya user feedback maka aliran datanya sangat sederhana, yaitu berawal dari sumber-sumber data (data sources) kemudian diteruskan ke data warehouse, lalu diteruskan (dipecah) ke dalam beberapa buah data mart.

    b. Bottom Up tanpa User Feedback


Model Bottom Up tanpa User Feedback ini merupakan kebalikan dari model Top Down tanpa User Feedback dimana berbeda dari Top Down yang memulai pengembangan dari atas, model ini memulai pengembangannya dari bawah dimana Data Mart dibentuk dari data-data yang berasal dari berbagai sumber data.

    c. Parallel tanpa User Feedback


Model Parallel tanpa User Feedback merupakan modifikasi dari model Top Down, namun Data Mart tidak sepenuhnya bergantung kepada Data Warehouse (dalam hal sumber data yang diperoleh). Mekanisme kerja dimulai dengan dibangunnya Data Warehouse dari berbagai sumber data.

    Model pengembangan yang memiliki feedback juga dibagi menjadi 3 macam yaitu sebagai berikut.

    a. Top Down User Feedback


Model pengembangan ini sumber data membentuk data warehouse yang menjadi pusat gudang data-data dari berbagai sumber data tersebut yang memiliki proses integrasi untuk memudahkan data-data menjadi satu dalam gudang data. Dari data warehouse terbentuk sejumlah data mart sesuai kebutuhan pengguna, lalu pada data mart menjadi tolak ukur dalam pengembangan baik dalam data mart maupun data warehouse.

    b.  Bottom Down User Feedback


Model pengembangan ini terlebih dahulu 2 data mart atau lebih menggunakan data-data dari berbagai sumber data yang menggunakan ETT untuk membantu pengumpulan data, ekstraksi data, transformasi ke format data yang telah disepakati bersama didalam data mart.

    c. Pararel User Feedback


Model pengembangan ini yang berawal dari penentuan aturan untuk model data dari data warehouse ke data mart yang terbentuk. Data dari sumber data menuju ke data mart saja yang melalui proses ETT sedangakan data daalam data warehouse menuju data model untuk memberikan kesamaan format dan tidak terjadi ETT pada data warehouse.

5. Contoh Dari Data Dimensi

Contoh dari data multi dimensi seperti data mahasiswa yang dilihat dari 3 dimensi sudut pandang yaitu kelulusan, sidang, dan wisuda. Contoh kedua data rumah sakit dimana data rumah sakit ada dalam berbagai dimensi yaitu dimensi pasien, dimensi perawat, dimensi daftar obat , dan dimensi kelas inap pasien.



Sekian Penjelasan Materi di Blog Saya Kali Ini.....
Semoga Bermanfaat :)💗








Tidak ada komentar:

Posting Komentar