Data Warehouse

Nama                                       : I Made Gede Sunia Pradnyantara

Nim                                         : 1705552007

Jurusan/Fakultas/Universitas  : Teknologi Informasi/ Teknik/ Universitas Udayana

Mata Kuliah                            : Data Warehouse

Dosen                                      : I Putu Agus Eka Pratama, S.T., M.T.

Data Multi Dimensi

Terdapat perbedaan diantara data yang tersimpan pada database biasa dengan data yang tersimpan pada data warehouse itu karena data-data pada data warehouse bertujuan untuk historis, analisa, lalu untuk solusinya dengan cara melihat data dari dimensi yang berbeda-beda.

1. Data Mart

Data Mart merupakan sub bagian dari Data Warehouse keseluruhan sebagai sebuah struktur data, yang di dalamnya memuat data, guna memudahkan pengguna akhir di dalam mengakses data dari Data Warehouse sesuai kebutuhan ataupun untuk analisa data. Sehingga apabila Data Warehouse memuat semua data sesuai kebutuhan dari keseluruhan organisasi bersangkutan, maka Data Mart hanya spesifik memuat data sesuai kebutuhan per-unit atau departemen saja.

2. Model Pengembangan Data Warehouse

• Top Down Tanpa User FeedBack

Pada pemodelan jenis ini, karena tidak melibatkan User Feedback, maka aliran data sangat sederhana berawal dari sumber – sumber data (Data Sources) diteruskan ke Data Warehouse lalu dipecah ke dalam beberapa buah Data Mart.Model ini fokus kepada kemampuan untuk dapat menjadikan pengguna memperoleh data sesuai kebutuhan melalui Data Mart (yang dialirkan dari Data Warehouse), tanpa melakukan pengubahan apapun pada Data Warehouse itu sendiri.

• Bottom Up Tanpa User Feedback

Model ini kebalikan dari Top Down di atas. Sesuai dengan namanya, pengembangan dimulai dari bawah, di mana dua buah Data Mart atau lebih dibentuk dari data – data yang berasal dari berbagai sumber data (Data Sources).

• Paralel Tanpa User Feedback

Modifikasi dari model Top Down, namun Data Mart tidak sepenuhnya bergantung kepada Data Warehouse (dalam hal sumber data yang diperoleh).

• Top Down Beserta User Feedback

Sejumlah data dari berbagi sumber data membentuk Data Warehouse  menjadi pusat dari penggudangan data – data yang berasal dari berbagai sumber data tersebut. Terjadi proses integrasi di level data memudahkan data – data disatukan ke dalam sebuah gudang data ini. Dari Data Warehouse, dibentuk sejumlah Data Mart sesuai dengan kebutuhan pengguna.

• Bottom Up Beserta User Feedback

Dibentuk terlebih dahulu 2 Data Mart atau lebih, menggunakan data - data dari berbagai sumber data digunakan ETT (Extraction, Transformation, Transportation) untuk membantu pengumpulan data, ekstraksi data, transformasi ke format data yang disepakati bersama di dalam Data Mart, serta integrasi di level data itu sendiri.Lalu dibentuk Data Warehouse dari Data Mart yang terbentuk  kembali menggunakan ETT untuk mengintegrasikan data – data dari berbagai Data Mart tersebut ke dalam kesatuan Data Warehouse.

• Paralel Beserta User Feedback

Data dari sumber data yang menuju ke Data Mart saja yang akan melalui proses ETT (Extraction, Transformation,Transportation). Data yang menuju ke Data Warehouse, terlebih dahulu menuju ke Data Model dari Data Warehouse, untuk menyeragaman format. Pada Data Warehouse tidak terjadi ETT, sebab Data Warehouse menjadi pusat untuk model data enterprise, yang menjadi acuan bagi Data Mart lainnya. Data Warehouse mengagregasikan data, memuat fungsi koordinasi dan integratif untuk pengembangan ke depannya, termasuk juga manajemen data dan informasi kepada pengguna.

3. Dimensi-dimensi pada data multi dimensi beserta contoh

Data multi dimensi (Multi Dimensional Data atau MDD) model data fisik (Physical data Model) yang strukturnya dapat dilihat dari berbagai sudut pandang (dimensi), dengan tiga buah bagian (Record atau baris, Field atau kolom, dan layer), dengan objek – objek data multi dimensi di dalamnya, yang atributnya dibedakan menjadi atribut dimensi dan atribut pengukuran. Data multi dimensi, jika direpresentasikan ke dalam bentuk koordinat, maka dapat ditunjukkan ke dalam tiga buah sumbu : X, Y, dan Z. 

Contoh dimensi-dimensi pada multi dimensi;

4. OLTP (On Line Transactional Data) dan OLAP(On Line Analytical Data)

OLTP tidak ada data historis, data – data transaksional, hanya untuk kebutuhan data dan informasi semata  data hanya dilihat terstruktur dalam 2 dimensi (baris, kolom). OLAP berasal dari data – data transaksi (OLTP) dengan mengutamakan historis data maka data perlu dilihat dari 3 atau lebih dimensi, untuk kemudahan analisa data. Slicing data atau pemotongan data berlapis – lapis, diasumsikan untuk mengambil data yang relevan untuk kebutuhan analisa.

Daftar Pustaka

I Putu Agus Eka Pratama. Handbook Data Warehouse. Penerbit Informatika. Bandung. 2017