410 likes | 678 Views
Dimensional Modeling. Achmad Yasid. Review. Review. Review. Review. Pengantar Pemodelan Data. Mengapa Pemodelan Data itu penting ? … Tujuan Meyakinkan semua objek data yang diperlukan oleh database telah terpenuhi . Tabel Relational.
E N D
Dimensional Modeling AchmadYasid
PengantarPemodelan Data MengapaPemodelan Data itupenting ? … • Tujuan Meyakinkansemuaobjek data yang diperlukanoleh database telahterpenuhi.
Tabel Relational • TabelRelasional dibangunolehbarisdankolom • Terdapatduasudutpandang , yaitu : • Barissebagaisumbu x dankolomsebagisumbu y Tapisebenarnyatabelrelasionaltersebuthanyamempunyaisatudimensi Lihatpada slide berikutini
Karakteristik : • setiap record ataubarismerepresentasikan data mahasiswa yang berbeda-beda. • Satubarisdenganbarislainnyadiidentifikasikandengansebuah key yaituprimary key. • Sedangkanbagiankolomseperti, nama, alamat, teleponmenyimpanfakta yang samaatausejenis, dimanasetiapfaktatersebutmerujukpadaprimary keyyaitu NRP. • Hal inilah yang menunjukkanbahwatabelrelasionalhanyamempunyaisatudimensi.
Data Multidimensi • Data multidimensiadalah “ketikakitadapatmelihatsebuah data dariberbagaisudutpandangataudimensi” • Sebagaicontoh, penjualanbukudapatdilihatdarisegilokasiBuku, waktu, lokasipenjualan / tokodansebagainya. • Jikadigambarkan , makaakanterdapattigakoordinatyaitusumbu x mewakilibuku, sumbu y mewakilidimensiwaktudansumbu z untukdimensilokasi. • Hal inilah yang menjadiperbedaanmendasarantaratabelrelasionaldan data multidimensi.
Chardonney Zinfandel Newbury Ridgewood Cube Representation Merlot Cabernet-S. Shiraz Products Francis Region May Nov Mar Feb Jun Aug Apr Dec Sep Okt Jan Jul Month
Pemodelan data Multidimensi What is Dimensional Modeling ? ….. • Menggunakanduakonsepyaitutabelfakta (fact table) dantabeldimensi (dimensional table) • Berbedadengankonsepnormalisasi (3rd normal form)
Pengantar TabelFakta? … dan TabelDimensi ? … TabelFakta berisi measurement atau metric dariprosesbisnisdan foreign key daritabeldimensi
Pengantar • Measurement ? Misal : Jikaandamempunyaibisnispenjualansepeda motor maka measurement daribisnisandaadalah “jumlahpenjualan motor” atau “rata-rata penjualansepeda motor merk x” Contoh lain JikaProsesbisnisandapruduksikertasmakameasurementnyaadalah” rata-rata produksikertaspadasuatumesin” atau“produksikertassetiapbulan”
TabelDimensi berisitektualatributdari measurement yang disimpanpadatabelfakta. • Tabeldimensimerupakanhierarki, kategoridan logic yang dapatdigunakanuntukmenganalisa measurement darisudutpandangtertentu.
From Requirement (analisakebutuhan) to Data Design (design data)
Sebagaicontoh Automaker Sales, terdapattigatipe entity, yaitu : • Measurement atau metric • Business dimension • Atributuntukmasing-masing business dimension Measurement Automaker Sales
Menaruhsemuanyabersama-sama. Itumenunjukkanbagaimanaberbagai dimension tables dibentukdari information package diagram
E-R Modeling Vs Dimensional Modeling Kita telah familiar dengan data modelinguntukoperasionalatau OLTP sistem. E-R modelinguntukmembuat data model sistem. Untuk Dimensional Model sesuaidigunakanuntukmodeling data warehouse.
Karakteristik Star Schema • Karakteristikdari model iniadalah : • Pusatdari star disebut fact table • Fact table mempunyaisebuahnilai aggregate dari data-data yang berasaldaritabeldimensi • Setiaptabeldimensiberelasilangsungdengan fact table • Tabeldimensibeisikan data tentanginformasiatauwaktu • Relasiantara fact table dengandimensi-dimensinyaadalah 1 – N (one to many) • Primary key padatabeldimensiakanmenjadi key pada fact table ataudapatdiakatakanbahwa fact table memilikikombinasi key daritabeldimensitersebut
Keuntungan & Kerugian Star Keuntungan : • Sebih simple • Mudahdipahami. • Hasildariprosesqueryjugarelatiflebihcepat. Kerugian : • borosdalam space.
Snowflake Schema • Model snowflake merupakanperluasandari star dimanaiajugamempunyaisatuataulebihdimensi. Hanyasajapada snowflake, tabel yang berelasipada fact table hanyatabeldimensiutama, sedangkantabel yang lain dihubungkanpadatabeldimensiutama. • Model snowflake inihampirsamasepertitekniknormalisasi
Keuntungan & Kerugian Snowflake Keuntunganmenggunakan model Snowflake • Pemakain space yang lebihsedikit • Update danmaintenance yang lebihmudah Kerugianmenggunakan model iniyaitu : • Model lebihkomplekdanrumit • Prosesquerylebihlambat • Performance yang kurangbagus
Fact Constellation Schema • Berbagitabeldimensi • Dapatdilihatsebagaikumpulanbeberapa star schema • Untuk Enterprise-wide • Dikenaljugadenganistilah galaxy schema
Quiz • JelaskankonsepdariPemodelan star, snowflake danconstelllation Schema. Berikancontohnya. Untuktugasinformastion package diagram dikumpulkanhariini. paling lambatjan 24.00 Email ke aspireyazz@gmail.com