Nama : Ferradinnie Dwi Hapsari NIM : 09131303013

OLAP (Online Analytical Processing) OLAP (OnLine Analytical Processing) adalah jenis perangkat lunak yang digunakan untuk melakukan permintaan terhadap data dalam bentuk yang kompleks dan bersifat sementara serta sewaktu-waktu. OLAP memanipulasi dan menganalisis data bervolume besar dari berbagai perspektif (multidimensi). Oleh karena itu OLAP seringkali disebut analisis data multidimensi. Untuk membangun suatu gudang data (data warehouse), pilihan yang tepat untuk pengaturan konfigurasi parameter dalam DBMS-nya adalah OLAP (Online Analytical Processing). OLAP bekerja dengan data dalam bentuk multidimensi. Yang umum, bentuk tiga dimensi diwujudkan ke dalam bentuk kubus data. Sistem OLAP pada masa awal menggunakan larik multidimensi di dalam memori untuk menyimpan data kubus. Sistem seperti ini disebut MOLAP (Multidimensional OLAP). Pada perkembangan selanjutnya, data disimpan dalam bentuk basis data relasional. Sistem OLAP seperti ini dikenal dengan sebutan ROLAP (Relational OLAP), selain MOLAP dan ROLAP, terdapat pula sistem yang dinamakan 1iybrid OLAP (HOLAP), yaitu sistem OLAP yang menyimpan beberapa ringkasan dalam memori dan menyimpan basis data dan ringkasanringkasan yang lain dalam basis data relasional. Penggunaan Column-Oriented lebih cocok digunakan pada DBMS khususnya pada data warehouse karena karakteristik DBMS dengan column-oriented lebih pas diterapkan dibandingkan dengan DBMS populer yang masih menganut row-oriented. Karena sistem column-oriented lebih sesuai dengan struktur basis data star schema dalam data warehouse. Transaksi dalam data warehouse lebih banyak berupa transaksi baca dan sangat sedikit transaksi tulis. Umumnya basis data OLAP berupa hasil statistik data. Tidak semua DBMS menggunakan mekanisme penyimpanan secara column based. Pada Oracle, DB2 dan beberapa DBMS umum lainnya menggunakan metode row based karena lebih difungsikan pada server

basis data untuk layanan transaksi data (OLTP). Sumber dari wikipedia, DBMS yang memiliki ciri column-oriented dan open source antara lain : # Infobright # LucidDB # MonetDB Dimana untuk melayani aplikasi klien dipilih DBMS dengan konfigurasi OLTP semisal Oracle atau DB2 sedangkan untuk data warehouse maupun business intelligence dapat menggunakan DBMS yang mendukung OLAP secara teknologi, semisal LucidDB atau MonetDB.

LucidDB adalah open source pertama dan hanya RDBMS tujuan-dibangun sepenuhnya untuk data warehousing dan business intelligence. Hal ini didasarkan pada pilar arsitektur seperti kolom, pengindeksan bitmap, agregasi, dan halaman-tingkat multiversioning. Setiap komponen LucidDB dirancang dengan persyaratan fleksibel integrasi, kinerja tinggi data dan pemrosesan query canggih dalam pikiran. Daripada menggunakan hardware pada masalah data warehousing dengan mengandalkan cluster mahal atau peralatan khusus, skalabilitas yang ditawarkan oleh arsitektur yang unik LucidDB memungkinkan Anda untuk mencapai performa yang luar biasa hanya menggunakan Linux atau server Windows. Selain menjaga biaya turun, ini juga meminimalkan pemeliharaan dan kerepotan administrasi.

MonetDB merupakan open source kolom-berorientasi sistem manajemen database yang dikembangkan di Wiskunde Centrum & Informatica (CWI) di Belanda. Hal ini dirancang untuk memberikan kinerja tinggi pada permintaan kompleks terhadap database besar, misalnya menggabungkan tabel dengan ratusan kolom dan multi-juta baris. MonetDB telah berhasil diterapkan dalam performa tinggi aplikasi untuk data mining, OLAP, GIS, XML Query, teks dan pengambilan multimedia.

Tujuan OLAP adalah menggunakan informasi dalam sebuah basis data (data warehouse) untuk memandu keputusan-keputusan yang strategic. Beberapa contoh permintaan yang ditangani oleh OLAP:

 Berapa jumlah penjualan dalam kuartal pertama? Berapa jumlah penjualan per kuartal untuk masing-masing kota? Tampilkan 5 produk dengan total penjualan tertinggi pada kuartal pertama. Kadangkala permintaan yang ditangani OLAP bisa diselesaikan dengan pernyataan SQL sederhana, tetapi dalam banyak kasus tidak dapat diekspresikan dengan SQL. OLAP dapat digunakan untuk melakukan konsolidasi, drill-down, dan slicing and dicing. Di bawah ini adalah kegunaan dari konsolidasi, drill-down, dan slicing and dicing yaitu:

Konsolidasi

Melibatkan pengelompokan data. Sebagai contoh kantor-kantor cabang dapat dikelompokkan menurut kota atau bahkan propinsi. Transaksi penjualan dapat ditinjau menurut tahun, triwulan, bulan, dan sebagainya. Kadangkala istilah rollup digunakan untuk menyatakan konsolidasi.

Drill-down

Drill-down adalah suatu bentuk yang merupakan kebalikan dari konsolidasi, yang memungkinkan data yang ringkas dijabarkan menjadi data yang lebih detail. Sebagai contoh,

Slicing and dicing (atau dikenal dengan istilah pivoting)

Slicing and dicing adalah menerangkan kemampuan untuk melihat data darisudut pandang yang berbeda-beda.

Adapun karakterisik aplikasi-aplikasi OLAP: 1. permintaan data sangat kompleks, 2. jarang ada pemutakhiran, dan 3. transaksi mengakses banyak bagian dalam basis data. Contoh perangkat lunak OLAP:

Express Server (Oracle) PowerPlay (Cognos Software) Metacube (Informix/Stanford Technology Group) HighGate Project (Sybase)

Penyajian Data Multidimensi Server basis data OLAP Menggunakan struktur multidimensi untuk menyimpan data dan hubungan antar data. Struktur multidimensi data dapat digambarkan seperti kubus data, dan kubus didalam kubus data. Setiap sisi kubus adalah sebuah dimensi. Data multidimensi adalah data yang dapat dimodelkan sebagai atribut dimensi dan atribut ukuran Contoh atribut dimensi adalah nama barang dan warna barang, contoh atribut ukuran adalah jumlah barang Penerapan SQL pada OLAP

Contoh penggunaan fungsi CUME (menghitung total kumulatif nilai kolom) : Tampilkan penjualan triwulan untuk kantor cabang B003, dalam bentuk year-to-date Asumsi: terdapat tabel BranchQuarter Sales dengan 3 atribut : branchNo, quarter, quarterlySales, yang menggambarkan semua penjualan properti untuk triwulan tsb SELECT quarter, quarterlySales, CUME(quarterlySales) AS Year-to-Date FROM BranchQuarterSales WHERE branchNo= B003

Sumber : http://nanang.lecture.ub.ac.id/2010/04/01/column-oriented-dbms-untuk-data-warehouse/ http://luciddb.sourceforge.net/ http://en.wikipedia.org/wiki/MonetDB http://www.google.co.id/url?sa=t&rct=j&q=sql%20mendukung%20dbms %20olap&source=web&cd=4&cad=rja&ved=0CDQQFjAD&url=http%3A%2F %2Fndaru10.files.wordpress.com%2F2007%2F11%2Fbasis_data_2_bag2_dw.ppt&ei=DN1yUIPmPIiHrAftnIHIBA&usg=AFQjCNG4IMmU5DoGYstsHh5e1FsBc55YQ