PERTEMUAN 5

Syaiful Fajri - 20200803108

SISTEM PENDUKUNG KEPUTUSAN
1. Sebutkan tentang perbedaan OLAP dan OLTP pada pengguna , Data dan Desain
Database !
Jawab :
OLTP
OLTP adalah sistem Pemrosesan Transaksi Online. Fokus utama dari sistem OLTP
adalah untuk merekam Update, Penyisipan dan Penghapusan saat transaksi.
Kueri OLTP lebih sederhana dan pendek sehingga membutuhkan lebih sedikit waktu
dalam pemrosesan, dan juga membutuhkan lebih sedikit ruang. Basis data OLTP sering
diperbarui. Mungkin saja transaksi di OLTP gagal di tengah, yang dapat mempengaruhi
integritas data.Jadi, ia harus menjaga integritas data secara khusus. Database OLTP
memiliki tabel yang dinormalisasi (3NF).
Contoh terbaik untuk sistem OLTP adalah ATM, di mana menggunakan transaksi
pendek kami mengubah status akun kami. Sistem OLTP menjadi sumber data untuk
OLAP.

OLAP
OLAP adalah sistem Pemrosesan Analitik Online. Database OLAP menyimpan data
historis yang telah diinput oleh OLTP. Hal ini memungkinkan pengguna untuk melihat
ringkasan yang berbeda dari data multi-dimensi. Menggunakan OLAP, Anda dapat
mengekstrak informasi dari database besar dan menganalisisnya untuk pengambilan
keputusan.
OLAP juga memungkinkan pengguna untuk mengeksekusi kueri kompleks untuk
mengekstrak data multidimensi. Di OLTP bahkan jika transaksi gagal di tengah, itu
tidak akan merusak integritas data karena pengguna menggunakan sistem OLAP untuk
mengambil data dari database besar untuk dianalisis. Cukup pengguna dapat
menjalankan kueri lagi dan mengekstrak data untuk analisis.
Transaksi di OLAP panjang dan karenanya membutuhkan lebih banyak waktu untuk
diproses dan membutuhkan ruang yang besar. Transaksi di OLAP lebih jarang
dibandingkan dengan OLTP. Bahkan tabel dalam database OLAP mungkin tidak
dinormalisasi. Contoh untuk OLAP adalah untuk melihat laporan keuangan, atau
penganggaran, manajemen pemasaran, laporan penjualan, dll.
 Perbedaan OLTP dan OLAP
1) Yang membedakan OLTP dan OLAP adalah OLTP merupakan sistem transaksi
online sedangkan OLAP adalah sistem pengambilan dan analisis data online.
2) Data transaksi online menjadi sumber data OLTP. Namun, database OLTP yang
berbeda menjadi sumber data untuk OLAP.
3) Operasi utama OLTP adalah menyisipkan, memperbarui, dan menghapus
sedangkan, operasi utama OLAP adalah mengekstrak data multidimensi untuk
analisis.
4) OLTP memiliki transaksi yang pendek tetapi sering sedangkan, OLAP memiliki
transaksi yang panjang dan lebih jarang.
5) Waktu pemrosesan untuk transaksi OLAP lebih banyak dibandingkan dengan
OLTP.
6) Kueri OLAP lebih kompleks sehubungan dengan OLTP.
7) Tabel di database OLTP harus dinormalisasi (3NF) sedangkan tabel di database
OLAP mungkin tidak dinormalisasi.
8) Karena OLTP sering melakukan transaksi dalam basis data, jika ada transaksi
yang gagal di tengah, itu dapat merusak integritas data dan karenanya harus
menjaga integritas data. Sementara di OLAP transaksi lebih jarang, tidak terlalu
mengganggu integritas data.

2. Data Warehouse memerlukan Metadata Repository , Jelaskan tentang Metadata

Repository tersebut !
Jawab :
Metadata dibuat untuk mendapatkan nama-nama data dan definisi-definisi dari
warehouse tertentu. Metadata tambahan dibuat dan ditangkap untuk membuat
'timestamping' dari data yang diekstrak, sumber data yang diekstrak, dan field-field
yang kosong yang ditambahkan melalui proses 'data cleaning' dan integrasi.
Repositori metadata seharusnya berisi hal-hal berikut :
Metadata memainkan peran yang sangat berbeda dibanding dengan data lainnya
dari suatu data warehouse dan sangat penting karena berbagai alasan. Contohnya,
metadata digunakan sebagai direktori untuk membantu si analis sistem pendukung
keputusan untuk menempatkan konten data warehouse, dan sebagai pedoman untuk
mapping data ketika data ditransformasikan dari lingkungan operasional ke lingkungan
data warehouse. Metadata juga bertindak sebagai pedoman ke algoritma-algoritma
 yang digunakan untuk summarisasi antara data detil saat ini dan data yang agak ter-
summarisasi, dan antara data yang setengah ter-summarisasi dan daya yang sangat ter-
summarisasi. Metadata seharusnya disimpan dan di-manage secara persisten.

3. Jelaskan seperti apa konsep pemodelan dari Data Warehouse tersebut !

Jawab :
Data warehouse dan OLAP dibangun berdasarkan multidimensional data
model. Pada model ini diperlukan tabel fakta dan tabel dimensi. Tabel fakta berisi fakta
numerik yang memiliki ciri-ciri : panjang, kurus, dan besar, serta sering berubah dan
berguna untuk mengukur (measure). Sedangkan tabel dimensi berisi kolom yang
bersifat desktiptif, kecil, pendek, dan lebar yang berguna untuk filtering (menyaring)
dan didasarkan pada atribut dimensi.
Pemodelan data warehouse dapat dilakukan dengan teknik, yaitu
pemodelan Entity Relationship, pemodelan dimensional, dan pemodelan data vault.
Pemodelan dengan Entity Relationship hanya dapat digunakan untuk menggambarkan
hubungan antar data.
Pemodelan dimensional merupakan teknik pemodelan data warehouse yang
sering digunakan karena tabel dan relasi dapat mengoptimalkan performansi dalam
pengambilan keputusan dalam database relasional. Ada beberapa model skema
dimensional, antara lain star schema dan snowflake schema.

Pemodelan data vault merupakan pemodelan yang cocok untuk pemodelan enterprise
data warehouse karena data vaultbersifat historical.
1) Star Schema
Paradigma pemodelan yang paling umum adalah star schema, yang terdiri dari tabel
pusat yang besar (fact table) yang berisi bagian terpenting dari data, dan
sekumpulan tabel pembantu (dimension table) yang mana satu untuk setiap
dimensi. Grafik dari star schema menyerupai bintang besar. Tabel dimensi
ditampilkan dalam pola lingkaran sekitar pusat fact table.
2) Snowflake Schema
Snowflake schema merupakan pengembangan dari star schema dengan tambahan
beberapa tabel dimensi yang tidak berhubungan secara langsung dengan tabel fakta.
Tabel dimensi tersebut berhubungan dengan tabel dimensi yang lain. Perbedaan
lainnya terletak pada normalisasi data dan jumlah tabel. Pada snowflake
 schema tabel dimensi dinormalisasi secara sebagian atau keseluruhan untuk
mengurangi nilai duplikat pada tabel.
3) Fact constellations
Pada skema ini terdapat beberapa tabel fakta yang menggunakan satu atau beberapa
tabel dimensi secara bersama-sama sehingga jika digambarkan akan terlihat seperti
sekumpulan bintang. Skema ini juga dikenal dengan galaxy schema.
4) Data Vault Modeling
Data vault modeling adalah pemodelan yang menjelaskan keseluruhan data secara
rinci dan menyimpan sejarah perubahan data melalui sekumpulan tabel normal
dengan hubungan yang unik yang mendukung satu atau lebih fungsi area bisnis. Ini
adalah pendekatan yang meliputi bentuk normal 3 (3NF) dan star schema.
Desainnya fleksibel, konsisten dan mudah beradaptasi dengan kebutuhan
perusahaan. Data vault adalah model data yang cocok khususnya untuk memenuhi
kebutuhan data warehouse perusahaan saat ini.

Terima Kasih.