Skema Star (Dalam RDBMS)

Slides:



Advertisements
Presentasi serupa
Aljabar Relasional Materi pertemuan.
Advertisements

Model Kubus Data Melihat data sebagai kubus.
SISTEM BUKU BESAR DAN PELAPORAN
OLAP - PERTEMUAN 8 – OLAP.
Pertemuan #2 OLAP.
 MENGOLAH INFORMASI, KEMUDIAN MENYAJIKAN INFORMASI TERSEBUT SESUAI DENGAN KEBUTUHAN KERTAS REKAYASA KUBUS PEREKAYASAAN SISTEM INFORMASI HARUS DILENGKAPI.
Dimensional Design II Inventory.
Data Warehouse dan Decision Support
Dimentional Design Retail Store.
PERTEMUAN VIII STRUKTUR LANJUT JURUSAN TELEKOMUNIKASI POLITEKNIK ELEKTRONIKA NEGERI SURABAYA Oleh : Muh. Zen S. Hadi, ST.
Aljabar Relasional Materi pertemuan.
DATABASE & TABLE By : d e w i.
Putu Prayogi Widyatama
Pengenalan Data Warehouse
Desain Data Warehouse (Dimensional Modelling)
MINGGU Ke Tigabelas Pemrograman Visual
Dimensional Modeling Achmad Yasid.
Dimensional Modeling Achmad Yasid.
Data Warehousing Sistem Basis Data Lanjut Prepared by: MT. Wilson
Sesi 8 Persediaan I.
Aljabar Relasional Materi pertemuan 21.
Sumber Data untuk DW Data operasional dalam organisasi, misalnya basis data pelanggan dan produk, dan Sumber eksternal yang diperoleh misalnya melalui.
Data Warehouse, Data Mart, OLTP & OLAP
SISTEM INFORMASI Pertemuan 5.
Dimensional Modeling (Advance)
ARRAY (LARIK) DAN RECORD
SQL (Structured Query Language) Materi Pertemuan
P E R T E M U A N 12 SISTEM BASIS DATA.
Microsoft Office Access 2010
Deploy pada Visual Studio dan SQL Server. Proyek-proyek SQL server yang dibuat dengan memakai Visual Studio secara default hanya akan menghasilkan intermediate.
Pertemuan VII Perancangan Datawarehouse. Perancangan Datawarehouse dengan Microsoft SQL Server.
Perancangan Data Warehouse
Penjelasan Umum Ms. Access
Konsep dan Teknik Data Mining
Pertemuan VI Desain Data Warehouse (Dimensional Modelling)
Desain Data Warehouse (Dimensional Modelling)
Surrogate Key & Slowly Changing Dimensions. SURROGATE KEY.
Pertemuan VIII Dimensional Modelling. Relational Database Model FMMFFMMF Anderson Green Lee Ramos Attribute 1 Name Attribute 2 Age Attribute.
DATA WAREHOUSE (2nd) Presented by HANIM M.A – M. IRWAN AFANDI.
Presented by HANIM M.A. DATA WAREHOUSE (2nd) Presented by HANIM M.A.
Pemodelan Data Dimensional dengan OLAP
MICROSOFT OFFICE EXCEL
Gananda Hayardisi G Komisi Pembimbing Imas S. Sitanggang, S.Si, M.Kom.
PEMBANDINGAN KINERJA JEDOX PALO VERSI 1. 0c DENGAN VERSI 2
KECERDASAN BISNIS Data Warehouse, Data Mart, OLAP, dan Data Mining
Penambahan Operasi OLAP dan Fungsi Agregat pada Temporal Data Warehouse Tanaman Pangan Kabupaten Karo Oleh : Karina Gusriani – G Pembimbing : Ibu.
MICROSOFT OFFICE EXCEL
Model Kubus Data Melihat data sebagai kubus.
Data Warehouse, Data Mart, OLAP, dan Data Mining
Array.
Operasi-Operasi pada Data Warehouse
MICROSOFT OFFICE EXCEL
KECERDASAN BISNIS (Data Warehouse, Data Mart, OLAP, dan Data Mining)
Operator Summary Slice Dice Drill-down Roll-up Pivot
Sesi 8 Persediaan I.
Array.
Presented by HANIM M.A. DATA WAREHOUSE (2nd) Presented by HANIM M.A.
OLAP by Example.
Analisis Multidimensional
Oleh : Rahmat Robi Waliyansyah, M.Kom.
PRODI MIK | FAKULTAS ILMU-ILMU KESEHATAN
Perintah Pendek.
PIVOT TABEL.
DATA WAREHOUSE AND OLAP TECHNOLOGI FOR DATA MINING
Yaghi Amanda Permana G Pembimbing : Hari Agung Adrianto, S.Kom, M.Si
Operasi-Operasi pada Data Warehouse Business Intelligent Ramos Somya, S.Kom., M.Cs.
disusun oleh: Abdul Munif, S.Kom., M.Sc.
Konsep Aplikasi Data Mining
Konsep Aplikasi Data Mining
SISTEM INFORMASI AKUNTANSI
Transcript presentasi:

Skema Star (Dalam RDBMS) Ukuran

Contoh Skema Star Ukuran

Skema Star Dengan Data Sampel

Skema Star Dengan Data Sampel Fakta product nomor 110 selama periode 002: 30 unit terjual di toko S1. Total penjualan dalam dollar 1500, dan total cost dalam dollar 1200 40 unit terjual di toko S3. Total penjualan dalam dollar 2000, dan total cost dalam dollar 1200 Ukuran tabel fakta: Misal jumlah total toko 1000, jumlah total product 10000, jumlah total periode 24 (data berharga 2 tahun) Misal rata-rata 50% (atau 5000) record penjualan selama suatu bulan tertentu.

Skema Star Dengan Data Sampel Ukuran tabel fakta: Taksiran jumlah baris dalam tabel fakta dihitung sebagai berikut: total baris= 1000 toko x 5000 produk aktif x 24 bulan = 120,000,000 baris Tebal fakta memiliki 6 field, dimana rata-rata field panjangnya 4 byte. Total size=120,000,000 baris x 6 field x 4 byte/field = 2,880,000,000 bytes

Representasi Data Multi-dimensional Contoh query two-dimensi Tampilkan total revenue property sales di tiap kota di tiap kuartal pada tahun 2004?’

Representasi Data Multi-dimensi Contoh query tiga-dimensi Tampilkan total revenue property sales untuk tiap tipe property di tiap kota di tiap kuartal pada tahun 2004?’

Tabel Cross-Tab Tabel cross-tab adalah tabel dimana nilai untuk satu atribut dimensi membentuk header baris, nilai untuk atribut dimensi yang lain membentuk header kolom Atribut Dimensi yang lain dibentuk menjadi bagian atas header baris. Nilai di tiap cell adalah nilai atribut dimensi yang menyatakan cell tersebut

Contoh Cross Tabulation sales antara item-name dan color

Representasi Crosstabs dalam bentuk Relasional

Kubus Tiga Dimensi Kubus merupakan bentuk generalisasi multidimensi crosstabs

Data Multidimensi Volume Sales sebagai suatu fungsi dari product, month, dan region Dimensi: Product, Location, Time Path intisari hierarkikal Region Industry Region Year Category Country Quarter Product City Month Week Office Day Product Month

Contoh Kubus Data Volume Sales sebagai suatu fungsi time, city, dan product NY LA SF Juice Cola Milk Cream 10 47 30 12 3/1 3/2 3/3 3/4 Date

Contoh Kubus Data Date Product Country Semua, Semua, Semua Total penjualan TV Setahun di U.S.A. Date 1Qtr 2Qtr 3Qtr 4Qtr sum TV Product PC U.S.A VCR sum Canada Country Mexico sum Semua, Semua, Semua

Contoh Kubus Data

Contoh Kubus Data

Contoh Kubus Data

Contoh Kubus Data

Kubus Melihat data sebagai kubus

Browsing Suatu Kubus Data

Operasi Kubus Data OLAP Roll up (drill-up): merujuk ke peningkatan hierarki atau pengurangan dimensi (diberikan total sales by “city”, di roll-up untuk mendapatkan total sales by “state”) Drill down (roll down, kebalikan roll-up): merujuk ke penurunan hierarki atau penambahan dimensi (diberikan total sales by “state”, di roll-down untuk mendapatkan total sales by “city”) Slice: merujuk ke pemilihan dimensi yang digunakan untuk melihat kubus (“customer” by “product” by “date”)

Operasi Kubus Data OLAP Dice: merujuk ke pemilihan posisi sesungguhnya sepanjang dimensi (bagian dari kubus slice dimana product = “Mr. Snowman”) Pivot (rotasi): reorientasi kubus, visualisasi, 3D ke sebarisan bidang 2D

Slicing a Data Cube

Drill Down Summary report Dari data summary, users bisa mendapatkan detail dari cell tertentu Drill-down with color added 16-Jan-19 rev.

Operasi Kubus Data OLAP

Operasi Kubus Data OLAP