Dika Anjar Pratiwi Ken Mentari Tilammura Agung Wibowo.

Slides:



Advertisements
Presentasi serupa
Data Warehousing :: Overview
Advertisements

Data Warehousing :: DWH Design
Desain Fisik Database Oleh : ARI YAZID M. ( )
Model Kubus Data Melihat data sebagai kubus.
BASIS DATA RELATIONAL.
5.
OLAP - PERTEMUAN 8 – OLAP.
Database dan Managemen Informasi
Perancangan Basis Data secara Logika
GALIH WASIS WICAKSONO TEKNIK INFORMATIKA UMM
Data Warehouse dan Decision Support
OLAP dalam Data Warehouse
Data Mart dan Metadata Data Warehouse
Pengenalan Data Warehouse
Pengenalan Datawarehouse
Desain Data Warehouse (Dimensional Modelling)
Dimensional Modeling Achmad Yasid.
Dimensional Modeling Achmad Yasid.
PEMODELAN DATA.
Data Mart dan Metadata Data Warehouse
Sumber Data untuk DW Data operasional dalam organisasi, misalnya basis data pelanggan dan produk, dan Sumber eksternal yang diperoleh misalnya melalui.
Dimensional Modeling (Advance)
Pengenalan Datawarehouse
Perancangan Data Warehouse
Pertemuan 4 – Sistem Basis Data.  Pada model relasional, basis data akan “disebar” atau dipilah-pilah ke dalam berbagai tabel dua dimensi. Setiap tabel.
Konsep dan Teknik Data Mining
Pertemuan VI Desain Data Warehouse (Dimensional Modelling)
Desain Data Warehouse (Dimensional Modelling)
Information System in Action
Informasi Dalam Praktik
Presented by HANIM M.A. DATA WAREHOUSE (2nd) Presented by HANIM M.A.
MANAJEMEN INFORMASI: PERANCANGAN DATABASE
Pemodelan Data Dimensional dengan OLAP
Desain Database Dengan Model Entity Relationship (ER)
Model Data Relasional.
Datamart dan Datawarehouse
Pengantar Basis Data Lanjut
PDM.
PERANCANGAN BASIS DATA
Model Kubus Data Melihat data sebagai kubus.
File Manajemen Sistem
DATA MART Pertemuan ke-3.
Loading.
Proses ETL (Extract-Transform-Load)
Charitas Fibriani, S.Kom, M.Eng
ARSITEKTUR DATA WAREHOUSE
KARAKTERISTIK DW Pertemuan ke-2.
Perancangan Data Warehouse
Prinsip Data Warehouse
Presented by HANIM M.A. DATA WAREHOUSE (2nd) Presented by HANIM M.A.
Perancangan Penyimpanan Data
UPAYA PEMECAHAN MASALAH DALAM MEMBANGUN GUDANG DATA (DATA WAREHOUSE)
Perancangan Fisik Basis Data
Perancangan Data Logis dan Fisik
METODE PENGEMBANGAN DATAWAREHOUSE
Business Intelligent Ramos Somya, S.Kom., M.Cs.
Metodologi dan Pengembangan Data Warehouse
Analisis Multidimensional
Oleh : Rahmat Robi Waliyansyah, M.Kom.
PRODI MIK | FAKULTAS ILMU-ILMU KESEHATAN
Datawarehouse Planning
Business Intelligence Ramos Somya, S.Kom., M.Cs.
DATA WAREHOUSE AND OLAP TECHNOLOGI FOR DATA MINING
DATABASES AND DATA WAREHOUSES
Introduction to Data Warehouse By: Marcello Singadji
Business Intelligent Ramos Somya, S.Kom., M.Cs.
OLTP & ETL Data integration.
Model Data Relasional.
LOGICAL DESIGN DW Referensi:
LOGICAL DESIGN DW Referensi:
Transcript presentasi:

Dika Anjar Pratiwi Ken Mentari Tilammura Agung Wibowo

 Pendekatan pada perancangan database yang dapat memberikan database yang mudah dimengerti dan mudah dinavigasikan  Dirancang untuk memfasilitasi analisis  Teknik untuk mendesain dimensi proses bisnis yang mana setiap dimensi terdiri dari struktur data yang spesifik  Setiap poin pada proses bisnis mempunyai satu set atribut yang terasosiasikan. Setiap atribut yang terkait dengan setiap proses bisnis merepresentasikan sebuah dimensi

 Star schema merupakan skema data warehouse yang paling sederhana  Disebut dengan star schema karena diagram menyerupai bintang, dengan titik pancar di pusat

 Fact Table : Sebagai pusat pancaran pada star schema Berisi tentang indikator pokok proses bisnis yang telah dianalisis Memiliki kombinasi key dari dimension tables  Dimension Table : Berisi informasi tentang entri untuk atribut tertentu di dalam fact table Setiap dimensi merepresentasikan suatu dimensi (contoh : ukuran, waktu, produk, lokasi, dll)

 Simple Structure : sehingga memudahkan dalam memahami struktur  Great Query Effective Join : setiap dimension table join dengan fact table menggunakan primary key dan foreign key, tetapi dimension table tidak join satu sama lain  Relatively long time of loading data into dimension tables : denormalisasi, redundansi data menyebabkan ukuran table yang besar  The most commonly used in the data warehouse implementations : didukung penuh oleh sejumlah peralatan bisnis

 Ketika akan melakukan pemodelan data warehouse dan OLAP yang dibangun berdasarkan multidimensional data  Digunakan untuk memudahkan akses berkecepatan tinggi terhadap data yang besar  Digunakan baik untuk data mart yang sederhana maupun data warehouse yang sangat besar

KELEBIHANKEKURANGAN  Skema Data Warehousing yang paling sederhana sehingga mudah dimengerti  Jumlah join yang sedikit sehingga dapat mudah menelusuri tabel  Cocok untuk query processing  Highly denormalized  Data redundan di dimensional tabel  Membutuhkan space yang besar