1 / 11

Data Warehouse dan Decision Support

Data Warehouse dan Decision Support. Eko Prasetyo Teknik Informatika Universitas Bhayangkara Surabaya 2012. Sistem Manajemen Basis Data. Data Warehouse. Data Warehouse adalah suatu database penunjang keputusan yang dikelola secara terpisah dari database operasional perusahaan .

kathie
Télécharger la présentation

Data Warehouse dan Decision Support

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

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 …

More Related