Penambahan Operasi OLAP dan Fungsi Agregat pada Temporal Data Warehouse Tanaman Pangan Kabupaten Karo Oleh : Karina Gusriani – G64052349 Pembimbing : Ibu.

Presentasi berjudul: "Penambahan Operasi OLAP dan Fungsi Agregat pada Temporal Data Warehouse Tanaman Pangan Kabupaten Karo Oleh : Karina Gusriani – G64052349 Pembimbing : Ibu."— Transcript presentasi:

1 Penambahan Operasi OLAP dan Fungsi Agregat pada Temporal Data Warehouse Tanaman Pangan Kabupaten Karo Oleh : Karina Gusriani – G Pembimbing : Ibu Annisa S.Kom., M.Kom

2 outline Pendahuluan Tinjauan Pustaka Metode Penelitian
Hasil dan Pembahasan Kesimpulan dan Saran Daftar Pustaka

3 pendahuluan Latar belakang
Model Temporal Data Warehouse yang diteliti oleh Eder (2001) Kekurangan operasi OLAP pada temporal data warehouse yang dibuat oleh Malau (2009)

4 Tujuan Merancang dan membangun suatu model temporal data warehouse yang memiliki fitur operasi dasar OLAP dan fungsi agregat.

5 Ruang Lingkup Difokuskan pada operasi dasar olap yaitu slicing, dicing, roll up, drill down, serta fungsi agregat min, max , dan average.

6 Temporal data warehouse
Pendekatan dengan aspek temporal pada data warehouse, sehingga mampu untuk menangani operasi-operasi selain operasi dasar (INSERT, UPDATE, DELETE), yaitu operasi kompleks seperti SPLIT dan MERGE (Eder et al, 2001)

7 Versi Struktur Versi struktur merepresentasikan sudut pandang pada temporal data warehouse yang menangani struktur yang valid untuk interval waktu [Ts,Te].

8 Transformation Function
Transformation function dalam temporal data warehouse dinamakan dengan MapF (Mapping Function). Berguna untuk memetakan data yang berasal dari versi struktur yang berbeda.

9 Operasi Olap Slicing dan dicing (Han 2006)
Operasi slicing merupakan proses menampilkan data dengan memilih satu dimensi dari suatu kubus data. Operasi dicing merupakan proses menampilkan data dengan memilih dua atau lebih dimensi dari suatu kubus data.

10 Operasi olap Roll up dan Drill down
Agregasi data yang dapat menampilkan data yang lebih detail (drill down) dan menyatukan data ke dalam hirarki yang lebih tinggi (roll up).

11 Model data multidimensi
Data dimensi Data dimensi adalah entitas yang ingin disimpan oleh perusahaan. Data dimensi akan berubah jika analisis kebutuhan pengguna berubah. Data dimensi mendefinisikan label yang membentuk isi laporan

12 Model data multidimensi
Data Fakta Data fakta adalah data utama dari data multidimensi yang merupakan kuantitas yang ingin diketahui dengan menganalisis hubungan antar dimensi. Data fakta diekstrak dari berbagai sumber. Data fakta cenderung stabil dan tidak berubah seiring waktu.

13 Metode Penelitian Studi Pustaka Pemuatan Data Analisis Data
Versi struktur dan fungsi transformasi Pemuatan Data Analisis Data Implementasi fungsi agregasi Implementasi operasi OLAP tidak Berhasil? ya Temporal Data Warehouse

14 Processor Intel Core 2 Duo 1.83 GHz RAM 2GB DDR2 HDD 160 GB
Lingkup pengembangan Perangkat keras : Processor Intel Core 2 Duo 1.83 GHz RAM 2GB DDR2 HDD 160 GB Keyboard dan mouse Monitor LCD 14’ dengan resolusi 1280 x 800 Perangkat lunak : Sistem operasi Windows 7 RC 1 Microsoft Office 2007 SP 1 Palo add-in Win32 3.0

15 Analisis Data Data yang digunakan pada penelitian ini adalah data tanaman pangan pada tahun sampai tahun 2007 untuk 13 kecamatan yang ada di Kab. Karo. Atribut target yang dianalisis adalah produksi, luas tanam, dan luas panen.

16 Skema bintang Dari informasi tersebut, terbentuk suatu skema bintang untuk temporal data warehouse

17 Pendefinisian versi struktur
Terjadi split dan merge pada data dimensi

18 Pendefinisian versi struktur
3 versi struktur yang terbentuk Versi Struktur 1 >> tahun 2003 Versi struktur 2 >> tahun Versi Struktur 3 >> tahun

19 diimplementasikan dengan membuat 3 cube untuk representasi 3 versi struktur dan 1 cube query
StructureVersion1 StructureVersion2 StructureVersion3 Cube Query

20 Implementasi Cube StructureVersion1 Dimensi waktu : tahun (2003)
Dimensi lokasi : kecamatan Dimensi komoditas : tanaman pangan (padi dan jagung) Measure : Luas tanam, luas panen, produksi

21 Implementasi (cont..) Cube StructureVersion2
Dimensi waktu : tahun (2004 dan 2005) Dimensi lokasi : kecamatan Dimensi komoditas : tanaman pangan (padi gogo, padi sawah, jagung komposit, jagung hybrida). Measure : luas tanam, luas panen, produksi.

22 Implementasi (cont..) Cube StructureVersion3
Dimensi waktu : tahun (2006 dan 2007) Dimensi lokasi : kecamatan Dimensi komoditas : tanaman pangan (padi dan jagung) Measure : luas tanam, luas panen, produksi.

23 Implementasi (cont..) Cube Query
1. Dimensi waktu : tahun ( ). Konsep hirarki yang ada pada dimensi waktu adalah : , , , , , , , , , 2. Dimensi lokasi: kecamatan di Kab. Karo. Konsep hirarki : All << Kecamatan

24 Implementasi (cont..) Dimensi komoditas : tanaman pangan (padi dan jagung). Konsep hirarki pada dimensi komoditas : All << tanaman pangan. Measure : luas tanam, luas panen, produksi, rata-rata luas tanam, rata-rata luas panen, rata-rata produksi, minimum dan maksimum untuk jumlah produksi.

25 Operasi OLAP Konsep hirarki Upper level dan lower level
Memetakan lower level untuk mendefinisikan upper level

26 Contoh query Contoh query yang telah diuji : ‘ total produksi padi pada tahun 2003 hingga 2007 untuk semua kecamatan’

27 Contoh query slicing

28 Contoh query dicing

29 Fungsi Agregat Min, Max, Average
Query : “ rata-rata, nilai minimum, dan nilai maksimum produksi dari komoditas jagung di kecamatan Barusjahe pada jangka waktu 2003 hingga 2005”

30 Hasil Query

31 Kesimpulan Operasi OLAP (slicing, dicing, drill down, roll up) telah berhasil diterapkan dalam temporal data warehouse pada Palo. Fungsi agregat dapat diterapkan dalam temporal data warehouse yang diimplementasikan pada tools Palo.

32 saran Dibutuhkan penyimpanan kubus data yang lebih baik. karena semakin banyak terjadi perubahan pada suatu interval waktu, maka akan semakin banyak pula kubus data yang dihasilkan. Pembuatan modul input dan modul update untuk penelitian selanjutnya diharapkan dapat mempermudah pengguna untuk menambahkan kubus data.

33 Terima Kasih