Ulasan Materi Data Multi Dimensi

Nama                                      : Putu Ayu Citra Pratiwi

Nim                                        : 1705552051

Jurusan/Fakultas/Universitas : Teknologi Informasi/Teknik/Universitas Udayana

Mata Kuliah                           : Data Warehouse

Dosen                                     : I Putu Agus Eka Pratama, ST.,MT

DATA MULTI DIMENSI

Data multi dimensi adalah model data 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 Mart

Data mart merupakan sub-bagian dari data warehouse yang memuat data, guna memudahkan pengguna akhir dalam mengakses data dari data warehouse sesuai kebutuhan ataupun analisa data. Data mart berfokus pada departemen/organisasi tertentu, berorientasi kepada spesifik proses bisnis dan kebutuhan dari organisasi tempat di mana data warehouse tersebut diimplementasikan.

Model Pengembangan Data Warehouse

Terdapat 6 model yang digunakan untuk melakukan pengembagan data warehouse yang akan dijelaskan sebagai berikut.

1.               Top-Down Tanpa User Feedback

Model top-down adalah model yang aliran datanya dimulai dari sumber data menuju ke tingatan tertinggi, yaitu data warehouse, kemudian data disebarkan ke data mart. Model ini berfokus pada kemampuan pengguna untuk memperoleh data sesuai kebutuhan melalui data mart tanpa melakukan perubahan apapun pada data warehouse itu sendiri.

2.               Bottom-Up Tanpa User Feedback

Model pengembangan ini merupakan kebalikan dari model pengembangan top-down. Pada model pengembangan bottom-up, pengembagan dimulai dari bawah, yaitu dari sumber data membentuk data mart. Pada model ini, tahapan yang terjadi dapat dibagi menjadi 2 yaitu sebagai berikut.

Tahap 1:  Integrasi Data dari Sumber Data ke Data Mart (Tahap pertama terjadi proses ETT dari sumber data ke masing-masing data mart. Data dari sumber data tersebut selanjutnya akan dialirkan ke data mart).

Tahap 2: Integrasi Data dari Data Mart ke Data Warehouse (Data dari data mart selanjutnya diintegrasikan ke data warehouse menggunakan metode ETT. Pada tahap ini juga dilakukan penghilangan redudancy pada data dari data mart).

3.               Paralel Tanpa User Feedback

Model pengembangan paralel merupakan modifikasi dari model pengembangan top down. Pada model ini, sumber data pada data mart tidak selamanya bergantung pada data warehouse, tetapi dalam data warehouse terdapat suatu data model yang menjadi acuan sumber data untuk data mart. Data model ini ikut mempengaruhi data mart. Data mart yang telah terbentuk tetap berperan dalam membangun data warehouse melalui integrasi pada level data.

Sumber : Materi Pertemuan Ketiga tentang Data Multi Dimensi oleh Dosen : I Putu Agus Eka Pratama, ST., MT.

4.               Top Down beserta User Feedback

Model pengembangan top-down beserta user feedback adalah model pengembangan yang memperoleh data dari sumber data dan membentuk data warehouse. Data warehouse yang terbentuk kemudian menjadi pusat data yang selanjutnya dari data tersebut dibentuk data mart sesuai dengan kebutuhan pengguna.

Sumber : Materi Pertemuan Ketiga tentang Data Multi Dimensi oleh Dosen : I Putu Agus Eka Pratama, ST., MT.

5.               Bottom Up beserta User Feedback

Pada model pengembangan bottom-up beserta user feedback adalah model pengembangan data warehouse yang diawali dengan membentuk data mart terlebih dahulu dari sumber data menggunakan metode ETT. Selanjutnya dari data mart tersebut dibentuk data warehouse dengan menggunakan metode ETT.

Hal yang membedakan model pengembangan ini dengan model pengembangan bottom-up tanpa user feedback adalah pada model ini terdapat feedback yang diberikan oleh user. Feedback yang diberikan akan meyebabkan perubahan pada data mart. Perbedaan lainnya adalah adanya alira bolak balik dari data mart ke data warehouse, dan sebaliknya.

Sumber : Materi Pertemuan Ketiga tentang Data Multi Dimensi oleh Dosen : I Putu Agus Eka Pratama, ST., MT.

6.               Paralel Beserta User Feedback

Pada model ini diawali dengan penentuan aturan untuk model data dari data warehouse ke data mart yang terbentuk. Setelah penentuan model, selanjutnya data dari sumber data masuk ke data mart dan data warehouse. Data dari sumber data menuju data mart akan melalui proses ETT, sedangkan data yang menuju ke data warehouse akan dilakukan pengolahan untuk penyeragaman format dan menghilangkan redudansi.

Sumber : Materi Pertemuan Ketiga tentang Data Multi Dimensi oleh Dosen : I Putu Agus Eka Pratama, ST., MT.

Apabila direpresentasikan, data multi dimensi dapat digambarkan dalam bentuk kordinat dengan merujuk pada tiga buah koordinat: X, Y, Z. Data multi dimensi apabila dianalogikan dengan gambar bangun ruang dengan jumlah dimensi 3 dimensi (panjang, lebar, dan tinggi).  Sebagai contoh dimensi yang digunakan untuk melihat data mahasiswa adalah dimensi kelulusan, dimensi sidang TA, dan dimensi wisuda. Berikut merupakan rinciannya.

1. Tabel kelulusan dengan kolom id_kelulusan (primary key), NIM, nama, angkatan, IPK 

      2.Tabel sidang_TA dengan kolom id_sidang (primary key), NIM, nama, judul, pembimbing, penguji, kelulusan, nilai.

3    3. Tabel wisuda dengan kolom id_wisuda, nim, nama, periode.

Ketiga dimensi di atas dapat digunakan untuk melihat data mahasiswa pada tabel mahasiswa. 

Sumber : Materi Pertemuan Ketiga tentang Data Multi Dimensi oleh Dosen : I Putu Agus Eka Pratama, ST., MT.

Sumber : Materi Pertemuan Ketiga tentang Data Multi Dimensi oleh Dosen : I Putu Agus Eka Pratama, ST., MT.

Sumber : Materi Pertemuan Ketiga tentang Data Multi Dimensi oleh Dosen : I Putu Agus Eka Pratama, ST., MT.

Berdasarkan dimensinya, data dapat dibedakan menjadi OLTP dan OLAP.
1. OLTP 
OLTP atau On Line Transactional Processing adalah pedekatan yang hanya menangani data transaksional sehingga tidak terdapat data historis. Karena hanya menangani data transaksional, maka data OLTP hanya dapat memberikan informasi tertentu. Data pada OLTP terstruktur dalam 2 dimensi.

2. OLAP 
OLAP atau On Line Analytical Processing adalah pendekatan analisis data dalam jumlah besar secara real time. OLAP menggunakan teknik analisis multi dimensi.