Data Multi Dimensi
Nama : Ni Putu Nirmala Dewi Widhiasih
NIM : 1705552057
Matkul : Data Warehouse
Dosen : I Putu Agus Eka Pratama, ST,. MT.
Prodi : Teknologi Informasi
Fakultas : Teknik Universitas Udayana
NIM : 1705552057
Matkul : Data Warehouse
Dosen : I Putu Agus Eka Pratama, ST,. MT.
Prodi : Teknologi Informasi
Fakultas : Teknik Universitas Udayana
Sebelum Mengenal Data Multi Dimensi mari memahami kembali apa itu Data Mart
Data Mart merupakan sub bagian dari Data Warehouse keseluruhan sebagai struktur data yang berfungsi memudahkan pengguna mengakses data sesuai kebutuhan maupun untuk analisa data.
Terdapat 6 model pengembangan Data Warehouse yaitu :
1. Top Down Tanpa User Feedback
Sumber - sumber data (Data Source) diteruskan ke Data Warehouse yang kemudian dipecah dan masuk ke dalam beberapa buah Data Mart. Tujuan top down tanpa user feedback agar pengguna dapat memperoleh data sesuai kebutuhan melalui Data Mart tanpa melakukan pengubahan apapun Data Warehouse.
2. Bottom Up Tanpa User Feedback
Dua buah data mart atau lebih dibentuk dari data - data yang berasal dari berbagai sumber (Data Sources). Tahap 1 : ETT (Extraction, Transformation, Transportation) pada sumber - sumber data ke masing - masing Data Mart. Tahap 2 : data dialirkan dari masing - masing Data Mart ke Data Warehouse dengan menggunakan kembali proses ETT yaitu data dari setiap Data Mart kembali diintegrasikan di dalam Data Warehouse, dilakukan juga penghilangan Redudancy pada data - data dari sejumlah Data Mart tersebut.
Dua buah data mart atau lebih dibentuk dari data - data yang berasal dari berbagai sumber (Data Sources). Tahap 1 : ETT (Extraction, Transformation, Transportation) pada sumber - sumber data ke masing - masing Data Mart. Tahap 2 : data dialirkan dari masing - masing Data Mart ke Data Warehouse dengan menggunakan kembali proses ETT yaitu data dari setiap Data Mart kembali diintegrasikan di dalam Data Warehouse, dilakukan juga penghilangan Redudancy pada data - data dari sejumlah Data Mart tersebut.
3. Paralel Tanpa User Feedback
Tahap 1 : membangun Data Warehouse dari berbagai sumber data yang dimana di dalam DataWarehouse terdapat data model yang menjadi acuan bagi model data untuk Data Mart yang dimana dapat mempengaruhi Data Mart tersebut. Tahap 2 : Data Mart yang terbentuk ikut berperan di dalam membangun Data Warehouse melalui integrasi di level data.
4. Top Down Beserta User Feedback
Terjadi proses integrasi di level data yang memudahkan data - data disatukan ke dalam sebuah Data Warehouse yang kemudian dibentuk sejumlah Data Mart sesuai kebutuhan pengguna. User feedback pada Data Mart menjadi tolak ukur di dalam pengembangan berkelanjutan pada Data Mart dan Data Warehouse itu sendiri.
5. Buttom Up Beserta User Feedback
Dibentuk dua Data Mart atau lebih dari berbagai sumber data menggunakan ETT untuk membantu pengumpulan data, ekstraksi data, transformasi ke format data yang disepakati bersama di dalam Data Mart serta integrasi di level data lalu dibentuk Data Warehouse dari Data Mart yang terbentuk dengan kembali menggunakan ETT untuk mengintegrasikan data - data dari berbagai Data Mart di dalam kesatuan Data Warehouse. User feedback diarahkan melalui tatap muka Data Warehouse yang berefek terhadap Data Mart yang membentuk Data Warehouse.
6. Paralel Beserta User Feedback
Data dari sumber data yang menuju ke Data Mart saja yang akan melalui proses ETT. Data yang menuju ke Data Warehouse lebih dulu menuju ke data model dari data warehouse untuk menyeragamkan format. Data Warehouse menjadi pusat untuk model data enterprise yang menjadi acuan bagi Data Mart lainnya. User feedback dialirkan melalui tatap muka ke Data Mart.
Data Relasional
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).
Terdapat 3 relasi yaitu :
1. One To One
Contohnya : Satu dosen menjadi ketua program studi namun satu program studi sudah pasti dikepalai satu dosen.
2. One To Many
Contohnya : Satu dosen mengajar banyak mahasiswa namun mahasiswa bisa diajar oleh banyak dosen namun dosen yang berbeda.
3. Many To Many
contohnya : Setiap mahasiswa dapat mempelajari banyak mata kuliah dan satu mata kuliah dapat dipelajari oleh banyak mahasiswa.
Dalam pengembangan perangkat lunak untuk database digunakan desain pengembangan berupa Entity Relationship Management (ERD).
DATA MULTI DIMENSI
Data multi dimensi (Multi dimensional Data atau MDD) merupakan 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. Jika dianalogikan dengan gambar bangun, maka data multi dimensi dapat diibaratkan sebagai bangun ruang yang memiliki 3 dimensi (panjang, lebar, tinggi).
Contohnya :
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 dengan Field : ID_Kelulusan (Primary Key), NIM, Nama, Angkatan, IPK.
2. Tabel sidang TA dengan Field : ID_Sidang, NIM, Nama, Judul, Pembimbing, Penguji, Kelulusan, Nilai.
3. Tabel Wisuda dengan 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
Data Multi Dimensi : Cube
Data Multi Dimensi OLTP dan OLAP
OLTP (On Line Transactional Data) merupakan data - data transaksional yang hanya untuk kebutuhan data dan informasi atau data hanya dapat dilihat terstruktur dalam 2 dimensi (baris, kolom)
OLAP (On Line Analytical Data yaitu berasal dari data - data transaksi (OLTP) dengan mengutamakan historis data, maka dari itu data perlu dilihat dari 3 atau lebih dimensi dalam memudahkan analisa data.
Tahap 1 : membangun Data Warehouse dari berbagai sumber data yang dimana di dalam DataWarehouse terdapat data model yang menjadi acuan bagi model data untuk Data Mart yang dimana dapat mempengaruhi Data Mart tersebut. Tahap 2 : Data Mart yang terbentuk ikut berperan di dalam membangun Data Warehouse melalui integrasi di level data.
4. Top Down Beserta User Feedback
Terjadi proses integrasi di level data yang memudahkan data - data disatukan ke dalam sebuah Data Warehouse yang kemudian dibentuk sejumlah Data Mart sesuai kebutuhan pengguna. User feedback pada Data Mart menjadi tolak ukur di dalam pengembangan berkelanjutan pada Data Mart dan Data Warehouse itu sendiri.
5. Buttom Up Beserta User Feedback
Dibentuk dua Data Mart atau lebih dari berbagai sumber data menggunakan ETT untuk membantu pengumpulan data, ekstraksi data, transformasi ke format data yang disepakati bersama di dalam Data Mart serta integrasi di level data lalu dibentuk Data Warehouse dari Data Mart yang terbentuk dengan kembali menggunakan ETT untuk mengintegrasikan data - data dari berbagai Data Mart di dalam kesatuan Data Warehouse. User feedback diarahkan melalui tatap muka Data Warehouse yang berefek terhadap Data Mart yang membentuk Data Warehouse.
6. Paralel Beserta User Feedback
Data dari sumber data yang menuju ke Data Mart saja yang akan melalui proses ETT. Data yang menuju ke Data Warehouse lebih dulu menuju ke data model dari data warehouse untuk menyeragamkan format. Data Warehouse menjadi pusat untuk model data enterprise yang menjadi acuan bagi Data Mart lainnya. User feedback dialirkan melalui tatap muka ke Data Mart.
Data Relasional
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).
Terdapat 3 relasi yaitu :
1. One To One
Contohnya : Satu dosen menjadi ketua program studi namun satu program studi sudah pasti dikepalai satu dosen.
2. One To Many
Contohnya : Satu dosen mengajar banyak mahasiswa namun mahasiswa bisa diajar oleh banyak dosen namun dosen yang berbeda.
3. Many To Many
contohnya : Setiap mahasiswa dapat mempelajari banyak mata kuliah dan satu mata kuliah dapat dipelajari oleh banyak mahasiswa.
Dalam pengembangan perangkat lunak untuk database digunakan desain pengembangan berupa Entity Relationship Management (ERD).
DATA MULTI DIMENSI
Data multi dimensi (Multi dimensional Data atau MDD) merupakan 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. Jika dianalogikan dengan gambar bangun, maka data multi dimensi dapat diibaratkan sebagai bangun ruang yang memiliki 3 dimensi (panjang, lebar, tinggi).
Contohnya :
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 dengan Field : ID_Kelulusan (Primary Key), NIM, Nama, Angkatan, IPK.
2. Tabel sidang TA dengan Field : ID_Sidang, NIM, Nama, Judul, Pembimbing, Penguji, Kelulusan, Nilai.
3. Tabel Wisuda dengan 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
Data Multi Dimensi : Penerbangan
Data Multi Dimensi : Cube
Data Multi Dimensi OLTP dan OLAP
OLTP (On Line Transactional Data) merupakan data - data transaksional yang hanya untuk kebutuhan data dan informasi atau data hanya dapat dilihat terstruktur dalam 2 dimensi (baris, kolom)
OLAP (On Line Analytical Data yaitu berasal dari data - data transaksi (OLTP) dengan mengutamakan historis data, maka dari itu data perlu dilihat dari 3 atau lebih dimensi dalam memudahkan analisa data.
DAFTAR PUSTAKA
I Putu Agus Eka Pratama. Handbook Data Warehouse. Informatika. Bandung. 2017.
Comments
Post a Comment