PEMBANDINGAN KINERJA JEDOX PALO VERSI 1. 0c DENGAN VERSI 2

Presentasi berjudul: "PEMBANDINGAN KINERJA JEDOX PALO VERSI 1. 0c DENGAN VERSI 2"— Transcript presentasi:

1 PEMBANDINGAN KINERJA JEDOX PALO VERSI 1. 0c DENGAN VERSI 2
PEMBANDINGAN KINERJA JEDOX PALO VERSI 1.0c DENGAN VERSI 2.0 (STUDI KASUS APLIKASI OLAP PPMB IPB) HOLAN G

2 Latar Belakang Saat ini sudah banyak sekali organisasi yang telah mengadopsi teknologi data warehouse. Berbagai macam aplikasi data warehouse beserta OLAP-nya telah banyak bermunculan dengan menawarkan kelebihan dan kemudahannya. Jedox adalah salah satu vendor dari aplikasi data warehouse beserta OLAP-nya yang cukup populer. Dalam penelitian ini akan dilakukan suatu pembandingan kinerja OLAP PPMB IPB pada Jedox Palo versi 1.0c dengan versi 2.0.

3 Tujuan dan Manfaat Mengetahui seberapa besar perbedaan kinerja antara Jedox PALO versi 1.0c dengan versi 2.0. berdasarkan waktu eksekusi suatu operasi OLAP. Melakukan proses migrasi dari Jedox PALO 1.0c ke Jedox PALO 2.0 untuk aplikasi OLAP PPMB IPB. Hasil dari penelitian ini diharapkan dapat menjadi bahan pertimbangan bagi pihak-pihak yang telah menggunakan Jedox PALO versi 1.0c untuk bermigrasi ke Jedox PALO versi 2.0.

4 Ruang Lingkup PHP versi untuk Jedox PALO versi 1.0c dan PHP versi untuk Jedox PALO versi 2.0 . Operasi OLAP yang dibandingkan hanya tiga, yaitu drill-down, slice, dan dice. Perbandingan kinerja hanya didasarkan pada lama waktu eksekusi dari operasi OLAP.

5 Tinjauan Pustaka Data warehouse : sekumpulan data berorientasi subyek, terintegrasi, time-variant, dan non-volatile yang mendukung manajemen dalam proses pembuatan keputusan (Inmon 2002). Berorientasi subyek  data warehouse diorientasikan pada subyek-subyek utama, seperti pelanggan, supplier, produk, dan penjualan (Han dan Kamber 2006). Terintegrasi  data warehouse dibangun dengan mengintegrasikan berbagai macam sumber data yang berbeda (Han dan Kamber 2006).

6 Tinjauan Pustaka Time variant  setiap data yang ada dalam data warehouse adalah informasi yang memiliki perspektif histori (Han dan Kamber 2006). Nonvolatile  data warehouse selalu terpisah secara fisik dari aplikasi pengolahan data yang ada di dalam lingkungan operasional (Han dan Kamber 2006).

7 Tinjauan Pustaka Model Data Multidimensi : model data yang terdiri dari beberapa dimensi dan fakta (Han dan Kamber 2006). Dimensi : perspektif atau entiti penting yang dimiliki oleh organisasi. Fakta : ukuran-ukuran numerik, merupakan kuantitas yang akan dianalisis hubungan antar dimensinya, berisi nama-nama fakta (ukuran) dan key dari tabel-tabel dimensi yang berelasi dengan tabel fakta.

8 Tinjauan Pustaka Kubus data : disebut juga cuboid, berasal dari banyak dimensi.

9 Tinjauan Pustaka On-Line Analytical Processing (OLAP) : terdiri dari seperangkat aplikasi untuk membantu proses analisis dan perbandingan data dalam basis data (Post 2005). Operasi-operasi OLAP (Han & Kamber 2001): Roll-up Drill-down Slice dan Dice Pivot

10 Tinjauan Pustaka Arsitektur data warehouse : biasanya dibangun dengan menggunakan arsitektur three-tier.

11 Tinjauan Pustaka Jedox Palo : merupakan basis data berbasis sel yang multidimensional, hirarkis, dan berbasis memori. Query dalam Jedox PALO menghasilkan satu nilai sel tunggal, bukan baris data seperti basis data relasional.

12 Metode Penelitian Migrasi
 terdapat perbedaan API (Application Program Interface), perbedaan konfigurasi antara versi 1.0c dengan 2.0. Mekanisme pembandingan  Operasi-operasi yang dibandingkan adalah operasi drill-down, slice, dan dice. Tiap operasi dilakukan pengulangan sebanyak lima kali, kemudian diambil rata-ratanya. Lingkungan Pembandingan  Pembandingan dilakukan dengan menjalankan aplikasi OLAP PPMB IPB dalam komputer virtual.

13 Hasil dan Pembahasan Migrasi
Isi dari array hasil query daftar kubus antara versi 1.0c dengan 2.0 berbeda. protected function normal_cube($arr) { $arr_length=count($arr); $new_cubes=array(); $c=0; for ($a=0; $a<$arr_length ; $a++){ if(substr($arr[$a],0,1)!=='#'){ $new_cubes[$c]=$arr[$a]; $c++; } return $new_cubes;

14 Hasil dan Pembahasan Migrasi (lanjutan)
untuk versi 2.0 konfigurasi dilakukan pada file palo.ini. user login/password untuk API Jedox Palo versi 2.0 default-nya admin/admin. port untuk API Jedox Palo versi 1.0c default-nya 7777

15 Hasil dan Pembahasan Hasil pembandingan operasi drill-down kubus mahasiswa

16 Hasil dan Pembahasan Hasil pembandingan operasi drill-down kubus pelamar

17 Hasil dan Pembahasan Hasil pembandingan operasi slice Kubus Mahasiswa
Kubus Pelamar

18 Hasil dan Pembahasan Hasil pembandingan operasi dice Kubus Mahasiswa
Kubus Pelamar

19 Kesimpulan Migrasi Jedox Palo 1.0c Jedox Palo 2.0 file konfigurasi
auth.xml dan conf.xml palo.ini server port 1234 7777 user name/ password user / pass admin/admin array cubes list Mahasiswa 1 Pelamar #_#_CUBE_ 1 #_GROUP_CUBE_DATA 2 #_Biaya Hidup ... 35 Mahasiswa 36 Pelamar

20 Kesimpulan Operasi drill-down
Semakin banyak filter dimensi yang dikombinasikan dengan operasi drill-down untuk aplikasi OLAP Jedox PALO 1.0c semakin cepat waktu eksekusinya. Untuk kubus mahasiswa dan pelamar perbedaan waktu eksekusi terbesar terjadi pada jumlah filter dimensi 0. Perbedaan waktu terkecil terjadi pada jumlah filter dimensi 5 untuk kubus mahasiswa dan jumlah filter dimensi 3 untuk kubus pelamar.

21 Kesimpulan Dari pembandingan operasi slice, kinerja aplikasi OLAP Jedox PALO 2.0 secara rata-rata jauh mengungguli kinerja versi 1.0c, terutama untuk operasi slice pada kubus pelamar. Perbedaan waktu terbesar yaitu sekitar 70 kali di kubus pelamar. Sama halnya dengan operasi slice, dari hasil pembandingan kinerja untuk operasi dice, Jedox PALO 2.0 lebih unggul dari versi 1.0c. Perbedaan waktu terbesar yaitu sekitar 17 kali di kubus pelamar.

22 Saran Saran untuk penelitian berikutnya adalah dilakukan pembandingan yang meliputi banyaknya jumlah sumber daya yang dibutuhkan pada masing-masing aplikasi dalam melakukan suatu operasi OLAP.

23 Daftar Pustaka Han J, Kamber M Data Mining Concepts & Techniques. Simon Fraser University. USA: Morgan Kaufman. Inmon WH Building the Data warehouse. Ed ke-3. New York, USA: John Wiley & Sons. Post GV Database Management Systems: Designing and Building Business Applications. Ed ke-3. New York, USA: McGraw Hill.