Data Warehouse

SNOWFLAKE
SCHEMA
Free Powerpoint Templates

Page 1

Kelompok 2

HENI PRASTIWI (105623010)

RIANA SUPRAPTO (105623068)
NETY HERAWATI (105623084)
ISSA OKTAVIANI(105623276)
INDRI SETYOWATI (105623284)
CHUSNUL IMAMA (105623288)
FAJAR HIDAYAT (105623303)
IRWAN()
FIKRI ()
Free Powerpoint Templates

Page 2

Pendahuluan
Data
warehouse
memberikan
storage,
fungsionalitas yang lebih dan lebih responsif
terhadap query dibandingkan kemampuan
database yang bersifat transaksi
Banyak orang hanya butuh data read-access
tapi butuh akses yang cepat pada data yang
sangat bear dan bisa diunduh ke desktop,
seringkali data itu datangnya dari lebih dari 1
database. DW, DM dan OLAP menyediakan
fungsi ini.
Free Powerpoint Templates

Page 3

Konsep Data Warehouse

Subject-oriented, integrated, nonvolatile, timevariant collection of data in support of
managements decisions (Inmon, 1992)
Dibanding database tradisional, DW umumnya
terdiri dari data yang berukuran sangat besar dari
banyak sumber dan mungkin terdiri dari database
dari model data yang berbeda dan kadang file dari
sistem dan platform yang independen
Free Powerpoint Templates

Page 4

Konsep Data Warehouse (2)

Tidak seperti database transaksional, DW biasanya
mendukung analisa tren dan time-series, di mana keduanya
membutuhkan data historik
DW itu nonvolatile. Artinya informasi dalam DW jarang
diubah dan bisa dianggap non-real-time
DW bisa digambarkan sebagai kumpulan teknologi
pendukung keputusan, dimaksudkan untuk memungkinkan
pekerja yang berhubungan dengan informasi (eksekutif,
manajer dan analis) untuk membuat keputusan lebih baik
dan lebih cepat
Free Powerpoint Templates

Page 5

Ciri-ciri Data Warehouse

Konsep multidimensi
Deminsi generic
Tingkat agregasi dan dimensi tak terbatas
Operasi lintas dimensi tak terbatas
Penanganan matriks dinamis
Arsitektur client-server
Dukungan multi-user
aksesibilitas
Transparansi
Manipulasi data yang intuitif
Performa reporting yang konsisten
Reporting yang fleksibel

Free Powerpoint Templates

Page 6

Fungsi Umum Data Warehouse

Data warehouse ada untuk memfasilitasi queri ad hoc yang terjadi sering dan
kompleks. Untuk itu, data warehouse harus menyediakan dukungan query yang
lebih efisien
Roll-up: data dirangkum dengan generalisasi
Dril-down: meningkatkan tingkat detail
Pivot: lintas tabulasi (juga disebut rotasi)
Potong dan iris: melakukan operasi proyeksi terhadap dimensi
Sorting: data diurut berdasarkan nilai ordinal
Selection: data tersedia dalam nilai atau range
Derived attributes: atribut dihitung oleh operasi dalam nilai yang disimpan atau
turunan

Free Powerpoint Templates

Page 7

Model Data untuk

Data Warehouse
Contoh dimensi dalam DW adalah periode fiskal, produk dan
region perusahaan
Spreadsheet standar biasanya matrix 2 dimensi. Contohnya
spreadsheet sales regional berdimensi produk untuk satu
jangka waktu tertentu. Produk ditampilkan per baris dengan
pendapatan sales untuk masing-masing region ditampilkan
per kolom.
Menambah dimensi waktu seperti kuartal fiskal perusahaan
menjadikannya matrix 3 dimensi yang ditampilkan sebagai
kubus data
Menambah
dimensi
tambahan,
bisa
hypercube, tapi sulit untuk divisualisasikan
Free Powerpoint Templates

menghasilkan

Page 8

Model Data untuk

Data Warehouse (2)
Mengubah dari satu (orientasi) hirarki dimensi
ke hirarki lain bisa dikerjakan dalam satu kubus
data dengan teknik pivoting (juga disebut
rotasi)
Model multidimensi memiliki view hirarki yang
dikenal dengan roll-up display dan drill-down.
Roll-up display memindahkan ke atas secara
hirarki, mengelompokkan ke unit yang lebih
besar
Free Powerpoint Templates

Page 9

Model Data untuk

Data Warehouse (3)
Model storage multidimensi melibatkan 2 tipe tabel:
tabel dimensi dan tabel fakta
Tabel dimensi terdiri dari tupel atribut tuples dari
diemsni
Tabel fakta bisa digambarkan memiliki banyak
tupel. Satu tupel untuk satu fakta yang tercatat.
Fakta ini berisikan data dan dimensi
mengidentifikasikan masing-masing tupel dalam
data tersebut
Free Powerpoint Templates

Page 10

Model Data untuk

Data Warehouse (4)
Skema multidimensi yang umum adalah skema
bintang dan skema snowflake.
Skema bintang terdiri dari sebuah tabel fakta
dengan satu tabel untuk masing-masing dimensi
Skema snowflake adalah variasi skema bintang di
mana di dalamnya tabel dimensi dari skema bintang
diorganisir menjadi hirarki dengan normalisasi.
Free Powerpoint Templates

Page 11

SNOW FLAKE SCHEMA

?
Free Powerpoint Templates

Page 12

Adalah
Skema snowflake merupakan perluasan dari skema
bintang, di mana setiap titik dari bintang meledak
menjadi poin lebih.

Free Powerpoint Templates

Page 13

Free Powerpoint Templates

Page 14

Example
Misalnya, Dimensi Waktu yang terdiri dari
2 hirarki yang berbeda:
1. Tahun Bulan Hari
2. Minggu Day

Free Powerpoint Templates

Page 15

Keuntungan dari Menggunakan Skema

Snowflake
Dalam beberapa kasus dapat
meningkatkan kinerja karena meja kecil
yang bergabung,
Lebih mudah untuk mempertahankan,
Meningkatkan fleksibilitas.
Free Powerpoint Templates

Page 16

Kekurangan Menggunakan Skema

Snowflake
Meningkatkan jumlah tabel
akhir harus bekerja dengan,

pengguna

Membuat query jauh lebih sulit untuk

menciptakan karena lebih tabel perlu
digabung.

Free Powerpoint Templates

Page 17

Kesimpulan

Snowflake Schema merupakan varian dari skema bintang dimana

table-table dimensi tidak terdapat data yang di denormalisasi.
Snowflake Schema memberi kemudahan pada perawatan
dimensi, dikarenakan strukturnya yang lebih normalisasi.
Snowflake schema adalah model data dimensional yang memiliki
sebuah tabel fakta sebagai pusatnya, dikelilingi tabel-tabel
dimensi yang ternormalisasi. Snowflake schema adalah sebuah
variasi dari star schema dimana tabel dimensinya boleh memiliki
dimensi.
Penggunaan tabel dimensi pada snowflake schema sangatlah
mendasar, sedangkan pada star schema tidak. Snowflake
schema dibuat berdasarkan OLTP sehingga semua data akan
termuat detail dalam setiap tabel fakta dan tabel dimensi.
Free Powerpoint Templates

Page 18

Saran
Keduanya merupakan model-model dimensional,
perbedaannya terletak pada implementasi fisikal.
Skema snowflake memberi kemudahan pada
perawatan dimensi, dikarenakan strukturnya yang
lebih normalisasi.
Skema bintang lebih efisien serta sederhana dalam
membuat query dan mudah diakses secara langsung
oleh pengguna.
Jika data yang digunakan kompleks sebaiknya
menggunakan snowflake schema, namun jika data
yang digunakan sederhana lebih baik kita
menggunakan star schema.
Free Powerpoint Templates

Page 19

Free Powerpoint Templates

Page 20