Data Warehouse

TID030304
I Putu Agus Eka Pratama
Program Studi S1 Teknologi Informasi, Fakultas Teknik,
Universitas Udayana

Pertemuan 3
 Data Multi Dimensi
.Terdapat perbedaan mendasar antara data yang
tersimpan pada database biasa dengan data yang
tersimpan pada Data Warehouse → hal ini disebabkan
karena data – data pada Data Warehouse selain bertujuan
untuk historis, juga untuk analisa → solusinya : data
dilihat dari dimensi yang berbeda – beda.

.Apa yang akan kita bahas diApertemuan ini?

1.Memahami kembali Data Mart, peran, dan manfaatnya
2.Model pengembangan Data Warehouse (ada 6) :
a.Top Down tanpa User Fedback
b.Bottom Up tanpa User Feedback
c.Parallel tanpa User Feedback
d.Top Down beserta User Feedback
e.Bottom Up beserta User Feedback
f.Parallel Beserta User Feedback
3.Dimensi – dimensi pada data multi dimensi, OLAP, OLTP,
+ contoh data multi dimensi
 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.

.Data Mart merupakan unit (bagian) dari Data Warehouse

secara keseluruhan yang berada pada layer akses (Access
Layer) berorientasikan kepada A spesifik proses bisnis dan
kebutuhan dari unit organisasi tempat di mana Data Warehouse
tersebut diimplementasikan.

.Apabila dianalogikan sebagai sebuah himpunan, maka Data

Mart adalah himpunan bagian dari sebuah himpunan semesta
bernama Data Warehouse.

.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.
Data Mart
 Model Pengembangan DW : 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 → diteruskan (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.

.Penambahan data pada Data Mart, hanya dapat dilakukan

melalui Data Warehouse, dengan mengikuti aliran
Extraction, Transformation, Transportation (ETT).
Model Pengembangan DW : Top
Down Tanpa User Feedback
 Model Pengembangan DW :
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).

.Tahap 1 : ETT (Extraction, Transformation,

Transportation) padai sumber – sumber data ke masing –
masing Data Mart. Setiap Data Mart mengintegrasikan
data – data dari berbagai sumber tersebut.

Tahap 2 : data dialirkan dari masing – masing Data Mart ke

Data Warehouse, dengan kembali menggunakan proses
ETT (Extraction, Transformation, Transportation) → data
dari setiap Data Mart kembali diintegrasikan di dalam
Data Warehouse → dilakukan juga penghilangan
Redudancy pada data – data dari sejumlah Data Mart
tersebut.
 Model Pengembangan DW :
Bottom Up Tanpa User Feedback
 Model Pengembangan DW :
Paralel Tanpa User Feedback

.Modifikasi dari model Top Down, namun Data Mart tidak

sepenuhnya bergantung kepada Data Warehouse (dalam hal
sumber data yang diperoleh).

.Langkah 1 : bangun Data Warehouse dari berbagai sumber

data → Di dalam Data Warehouse terdapat Data Model yang
menjadi acuan bagi model data untuk Data Mart – Data Mart
yang dibentuk kemudian → Data Model ikut mempengaruhi
Data Mart.

.Langkah 2 : Data Mart yang terbentuk, ikut berperan di

dalam membangun Data Warehouse melalui integrasi di level
data.
 Model Pengembangan DW :
Paralel Tanpa User Feedback
 Model Pengembangan DW : Top
Down Beserta User Feedback
.Sejumlah data dari berbagi sumber data membentuk Data
Warehouse → 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.
.User Feedback pada Data Mart, menjadi tolok ukur di dalam
pengembangan berkelanjutan pada Data Mart dan Data
Warehouse itu sendiri.
.User Feedback mempengaruhi Data Mart dan secara
otomatis akan mempengaruhi Data Warehouse itu sendiri.
.Terdapat aliran bolak – balik dari User Feedback (pengguna)
ke Data Mart dan dari Data Mart ke Data Warehouse.
Model Pengembangan DW : Top
Down Beserta User Feedback
 Model Pengembangan DW : 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.

.User Feedback diarahkan melalui tatap muka Data

Warehouse, yang berefek terhadap Data Mart – Data Mart
yang membentuk Data Warehouse.
Model Pengembangan DW : Bottom
Up Beserta User Feedback
 Model Pengembangan DW : Paralel
Beserta User Feedback
.Langkah awal : penentuan aturan untuk model data dari
Data Warehouse ke Data Mart yang terbentuk → Data dari
berbagai sumber data masuk ke Data Mart dan ke Data
Warehouse.
.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.
.User Feedback dialirkan melalui tatap muka ke Data Mart.
Model Pengembangan DW : Paralel
Beserta User Feedback
 Data Relasional vd Data Multi
Dimensi
.Data Relasional atau Relational Data Modelling (RDM)
dipandang sebagai bentuk hubungan antar data (melalui
tabel) yang berelasi dalam struktur hirarkis dan berada pada
2 dimensi (baris dan kolom).

.Ada 3 relasi yang dikenal :

1.One to one
2.One to many
3.Many to many

.Dalam pengembangan perangkat lunak, untuk database,

digunakan desain pengembangan berupa Entity Relationship
Management (ERD).

.Sudah dipastikan akan merupakan data transaksional,

manipulasi data, tanpa menyimpan data historis (2 dimensi).
Contoh One to Many
 Data Multi Dimensi

.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.

.Jika dianalogikan dengan gambar bangun, maka data multi

dimensi dapat diibaratkan sebagai bangun ruang yang
memiliki 3 dimensi (panjang, lebar, tinggi).
 Data Multi Dimensi : Contoh

.Misalkan saja dimensi yang digunakan untuk melihat data

mahasiswa adalah dimensi kelulusan, dimensi sidang TA, dan
dimensi wisuda.

.Masing – masing dari dimensi tersebut, akan membentuk

Tabel Kelulusan, Tabel Sidang_TA, dan Tabel Wisuda, dengan
perincian sebagai berikut :
1. Tabel Kelulusan, Field : ID_Kelulusan (Primary Key), NIM,
Nama, Angkatan, IPK.
2. Tabel Sidang_TA, Field : ID_Sidang, NIM, Nama, Judul,
Pembimbing, Penguji, Kelulusan, Nilai.
3. Tabel Wisuda, Field : ID_Wisuda, NIM, Nama, Periode
Wisuda.

.Ketiga buah dimensi di atas, dapat digunakan untuk melihat

data mahasiswa pada Tabel Mahasiswa.
Data Multi Dimensi : X Y Z
Data Multi Dimensi : 3 Tabel
Contoh Lain Lagi? Penerbangan
Data Multi Dimensi : Cube
 Data Multi Dimensi : OLTP, OLAP

.Data multi dimensi tidak dapat lepas dari kebutuhan untuk

mempermudah analisa data.

.OLTP → On Line Transactional Data → tidak ada data historis,

data – data transaksional, hanya untuk kebutuhan data dan
informasi semata → data hanya dilihat terstruktur dalam 2
dimensi (baris, kolom).

.OLAP → On Line Analytical Data → 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.
 Tugas Pertemuan 3
.Rangkum dengan pemahaman anda mengenai materi
pertemuan ini
.Post di blog/web pribadi, sertakan nama mata kuliah
+ nama dosen + jurusan/fakultas/universitas di awal
artikel anda
.Sertakan referensi/daftar pustaka (jika anda
mengambil dari slide ini, maka sitasi merujuk dari
buku saya yaitu → I Putu Agus Eka Pratama.
Handbook Data Warehouse. Penerbit Informatika.
Bandung. 2017)
. email eka.pratama@unud.ac.id dengan subject :
tgs3_dw_nim
.Hanya tugas artikel yang sesuai syarat di atas dan
sesuai dengan topik yang akan dinilai.
.Maksimal pengumpulan 1 minggu (atau 1 jam
sebelum perkuliahan selanjutnya).
 Ingin A Tanpa UTS, UAS, Tugas?
Publikasilah

.Buat paper, submit ke jurnal milik kampus2 swasta di

Bali/luar Bali.
.Dosen (penulis1/pembimbing), anda (penulis2),
dengan format/template sesuai jurnal masing –
masing.
.Topik : Urnalty
1.Perkembangan terkini Data Warehouse
2.Keamanan data pada Data Warehouse
3.Penerapan/praktikal Data Warehouse menggunakan
Linux dan FOSS/open source software
4. dll? Silahkan pikirkan :)

Catatan : diskusi ttg paper bisa saat kuliah/di luar

kuliah, jangan plagiat !!!
 Referensi
Silahkan cari di internet/beli di toko buku/perpustakaan :

A.Buku
1.Paulraj Ponniah. Data Warehousing Fundamentals A
Comprehensive Guide for IT Professionals. John Wiley &
Sons Inc. 2007.
2.Ralph Kimball, Joe Caserta. The Datawarehouse ETL
Toolkit. Wiley Publishing, Inc. 2007.
3.William H. Inmon. Building The Datawarehouse. Wiley
Publishing, Inc. 2007.
4.I Putu Agus Eka Pratama. Handbook Data Warehouse.
Informatika. Bandung. 2017.

B.Paper
Kata kunci :
Data warehouse pdf
Data warehouse issues pdf
dll
Diskusi + Tanya Jawab
Slideshare :
https://www.slideshare.net/PutuShinoda

Researchgate :
https://www.researchgate.net/profile/I_Putu_Agus_E
ka_Pratama

Google Scholar :
http://scholar.google.co.id/citations?user=KZno-G8A
AAAJ&hl=id