DATA WAREHOUSE

Data Modelling

By : Rima Rizqi Wijayanti, S.ST,MMSI

 DW-based Decision Support System

Tujuan: untuk mendapatkan keputusan yang lebih

tepat secara lebih cepat.
Prinsip: data sebagai representasi lingkungan:
situasi konsumen, pasar & persaingan, kemampuan
perusahaan sendiri.
• Dibangun diatas data warehouse
• Gabungan dari pelaporan (reporting), analisa
pemodelan dan eksplorasi data (query).
 OnLine
OnLine Analysis
Analysis Processing
Processing (OLAP)
(OLAP)

Merepresentasikan data dengan kubus multidimensional:

lebih mudah dibaca

Aspek: ukuran (metric) dan dimensi (dimension)

• Ukuran: besaran data
• Dimensi: konteks data (parameter bisnis)

• Contoh: melihat penjualan (ukuran) menurut wilayah, waktu,

dan produk (dimensi-dimensi)

Ukuran disimpan dalam tabel fakta (fact table), dimensi

dalam tabel dimensi (dimension table).
 Multidimensional
Multidimensional Representation
Representation

Penjualan

tu
ak
W W Produk
i
Finance DB l
Account DB
a
y
a
h

Product DB Ad Hoc
Data Cube Representation
 Dimensional
Dimensional Data
Data Model
Model
“Penjualan per jenis produk dalam 6 bulan terakhir”
“Penjualan per dealer antara tahun 1990 dan 1995”

Kolom-kolom kunci dari tabel fakta Ukuran numerik

Info Agen juga kunci dari tabel-tabel dimensi dari tabel fakta

Kode Produk Kode Waktu Kode Agen Penjualan Jumlah

Info Produk ... ... ... ... ...

Tabel-tabel Tabel fakta

Info Waktu
dimensi
 Dimensions
Dimensions
Dimensi dapat memiliki atribut
• Misal, dimensi dealer memiliki atribut alamat, nama
manajer, dsb
• Misal, dimensi produk memiliki harga, merk, warna.
Dimensi umumnya memiliki hirarki
• Misal, dimensi waktu: hari  bulan  kuartal
• Misal, dimensi produk: produk  jenis produk 
merk
Skala dimensi tergantung dari kerincian
(granularity) dari tabel fakta.
 Dimension
Dimension Hierarchy
Hierarchy

Dimensi Dealer Dimensi Produk

Total Total

Wilayah Pabrik

Distrik Merk

Agen Produk
 3-D
3-D Data
Data Cubes
Cubes

Kubus 3-dimensi:
Tabel fakta:
sale prod-Id store-Id tgl jumlah
p1 s1 1 12
p2 s1 1 11 s1 s2 s3
p1 s3 1 50
tgl 2
p1 44 4
p2 s2 1 8 p2 s1 s2 s3
p1 s1 2 44 tgl 1 p1 12 50
p1 s2 2 4
p2 11 8
 Operations
Operations on
on Dimensional
Dimensional Models
Models

Operasi analisa
• Slice & dice
• Role up & drill down Produk
850 323 714

• Pivot i Rabu
ar Selasa
H
Senin 001

002 Pelanggan

Penjualan $
003
 Slice,
Slice, Dice
Dice && Pivot
Pivot

Slicing & Dicing

• Mengambil potongan kubus berdasarkan nilai tertentu
pada satu atau beberapa dimensinya

Pivoting
• Menampilkan nilai-nilai ukuran dalam tata letak tabel
yang berbeda
• Menggabungkan dua atau lebih dimensi kedalam
hierarki sub-dimensi dalam tampilan tabel
 Slicing
Slicing

tgl 2 s1 s2 s3
p1 44 4
p2 s1 s2 s3
tgl 1 p1 12 50
p2 11 8

WAKTU = tanggal 1

s1 s2 s3
p1 12 50
p2 11 8
 Penjualan
(juta $)
Slice
Slice Produk Waktu
Tgl-1 Tgl-2
&& Toko t1 Electronics $5.2
Toys $1.9
Pivot
Pivot Clothing $2.3
Cosmetics $1.1
Toko t2 Electronics $8.9
Toys $0.75
Clothing $4.6
Cosmetics $1.5
Penjualan
(juta $)
Produk Tgl-1
Toko t1 Toko t2
Toko t1 Electronics $5.2 $8.9
Toys $1.9 $0.75
Clothing $2.3 $4.6
Cosmetics $1.1 $1.5
Toko t2 Electronics
Toys
Clothing
 Roll-up
Roll-up && Drill-down
Drill-down

Roll-up
• Generalisasi satu atau beberapa dimensi dengan
merangkum nilai-nilai ukurannya
• Generalisasi: naik ke tingkat atasnya dalam hirarki
dimensi
Drill-down
• Memilih dan menampilkan data rincian dalam satu
atau beberapa dimensi
• Kebalikan dari operasi roll-up
 Roll-up
Roll-up vs
vs Drill-down
Drill-down

Contoh: penghitungan total

s1 s2 s3
tgl 2 ...
p1 44 4
p2 s1 s2 s3
tgl 1
p1 12 50
p2 11 8

s1 s2 s3
sum 67 12 50
s1 s2 s3
p1 56 4 50
p2 11 8
129
sum
rollup p1 110
p2 19
drill-down
 Hierarchy-based
Hierarchy-based Aggregation
Aggregation

s1 s2 s3
tgl 2
p1 44 4 toko
p2 s1 s2 s3
tgl 1
p1 12 50
p2 11 8 wilayah

negara

wil A wil B
p1 56 54
p2 11 8
(toko s1 di wilayah A;
toko s2, s3 di wilayah B)
 Cubes
Cubes with
with Aggregate
Aggregate Data
Data

Data agregat disimpan (dihitung dan ditam-bahkan)

dalam tabel fakta, untuk mening-katkan kinerja
query.

* s1 s2 s3 *
p1 56 4 50 110
p2 11 8 19
*
s1 67
s2 12
s3 *50 129
tgl 2
p1 44 4 48
p2
tgl 1 s1 s2 s3 *
p1
*
12
44 4
50 62
48 penjualan(*,p2,*)
p2 11 8 19
* 23 8 50 81
 Other
Other Operations
Operations

Operasi kalkulasi:
Ranking
• Misal: top 20% produk dengan penjualan tertinggi.
Fungsi waktu
• Penghitungan rata-rata per hari.
 OLAP
OLAPApplication
Application Architecture
Architecture
Arsitektur 3-lapis (3-tier)

RDBMS Server MDBMS Server Client

(OLAP Server)
Multi-
dimensional
SQL-Read access
Multidimensional
Multi- Viewer
dimensional
data
Tier 3
SQL-Reach
Through
Tier 1 Tier 2 Report
Viewer
SQL-Read
 Next
Next Session…..
Session…..

OLAP Technology:
ROLAP
MOLAP
HOLAP

Bagaimana memilih?