Data Multi Dimensi dan Model Pengembangan Data Warehouse

Nama             : Ni Putu Reza Faby Yolanda
NIM                : 1905551025
Matkul           : Data Warehouse
Dosen            : I Putu Agus Eka Pratama,ST.MT
Jurusan          : Teknologi Informasi
Fakultas         : Teknik
Universitas    : Universitas Udayana

Data Multi Dimensi

Data multi dimensi adalah data yang tidak terfokus pada satu titik saja untuk menghasilkan informasi tetapi bisa menjadi titik lain dengan menambahkan titik lainnya. Data multi dimensi ini digunakan pada data warehouse, karena itu yang membuat data warehouse berbeda dengan database biasa. Perbedaan mendasar antara data yang tersimpan pada database biasanya dengan data yang tersimpan pada data Warehouse yakni data-data pasda data warehouse selain bertujuan historis juga digunakan untuk analisa dengan dilihat dari dimensi yang berbeda-beda.

Data Mart merupakan sub bagian dari data warehouse keseluruhan sebagai sebuah struktur data, yang di dalamnya memuat data guna memudahkan pengguna akhir di dalam mengakses data dari data warehouse sesuai kebutuhan ataupun untuk analisa data.

Model Pengembangan Data Warehouse

Terdapat 6 model pengembangan data warehouse. Berikut ini penjelasannya

1.    Top Down Tanpa User Feedback

Model top down tanpa user feedback merupakan model tanpa adanya feedback dari pengguna oleh karena itu aliran datanya sangat sederhana. Berawal dari sumber-sumber data akan diteruskan ke data warehouse lalu dipecah ke dalam beberapa buah data mart.

Model ini terfokus kepada kemampuan untuk dapat menjadikan pengguna memperoleh data sesuai kebutuhan melalui data mart tanpa melakukan pengubahan pada data warehouse itu sendiri. Dimana penambahan data pada data mart hanya dapat dilakukan dengan melalui data warehouse dengan mengikuti aliran ETT (Extraction, Transformation, Transportation).

2.    Bottom Up Tanpa User Feedback

Pengembangan ini dimulai dari bawah yakni dari dua buah data mart atau lebih deibentuk dari data-data yang berasal dari berbagai sumber data (data source). Tahap pertama dilakukan proses ETT pada sumber-sumber data ke masing-masing data mart. Setiap data mart mengintegrasikan data-data dari berbagai sumber tersebut. Tahap kedua, data dialirkan dari masing-masing data mart ke data warehouse dengan menggunakan proses ETT delakukan juga penghilangan redudancy pada data-data dari sejumlah data mart tersebut.

3.    Pararel Tanpa User Feedback

Model pararel tanpa user feedback merupakan modifikasi dari model top down, namun data mart tidak sepenuhnya bergantung kepada data warehouse (dalam sumber data yang diperoleh). Berikut ilustrasi cara kerha model ini.

Model Pengembangan Pararel Tanpa User Feedback

Pertama membangun data warehouse dari berbagai sumber data. Dalam data warehouse terdapat data model yang menjadi acuan bagi model data untuk data mart-data mart yang dibentuk kemudian data model ikut mempengaruhi data mart. Kedua, data mart yang telah dibentuk ikut berperan di dalm mebangun data warehouse melalui integrasi di level data.

4.    Top Down Beserta User Feedback

 Model Pengembangan Top Down Beserta User Feedback

Pada model ini sejumlah data dari berbagai sumber data membentuk data warehouse dimana data warehouse menjadi pusat penggudangan data-data tersebut. Terjadi juga proses integrasi di level data dengan tujuan memudahkan data-data disatukan ke dalam sebuah gudang data tadi, dari data warehouse dibentuk sejumlah data mart sesuai dengan keperluan pengguna. User feedback menjadi tolak ukur dari pengembangan model data warehouse, dimana akan mempengaruhi data mart dan secara otomatis juga mempengaruhi data warehouse itu sendiri, terdapat juga aliran bolak-balik dari user feedback ke data warehouse dan sebaliknya.

5.     Bottom Down User Feedback

Model Pengembangan Bottom Down Beserta User Feedback

Model pengembangan ini terlebih dahulu 2 data mart atau lebih menggunakan data-data dari berbagai sumber data yang menggunakan ETT untuk membantu pengumpulan data, ekstraksi data, transformasi ke format data yang telah disepakati bersama didalam data mart. Terbentuklah data warehouse dari data mart dan menggunakan ETT untuk mengintegrasikan data-data dari berbagai data mart tersebut kedalam satu data warehouse.

6.     Pararel User Feedback

Model Pengembangan Pararel User Feedback

Model pengembangan ini yang berawal dari penentuan aturan untuk model data dari datawwarehouse ke data mart yang terbentuk. Data dari sumber data menuju ke data mart saja yang melalui proses ETT sedangakan data dalam data warehouse menuju data model untuk memberikan kesamaan format dan tidak terjadi ETT pada data warehouse.

Data Relasional vs Data Multi Dimensi

Data relasional atau RDM (Relational Data Modelling dipandang sebagai bentuk hubungan antar data yang berelasi dalam struktur hirarkis dan berada pada 2 dimensi. Ada 3 jenis relasi yakni one to one, one to many, dan many to many. Data relasional hanya merupakan data transaksional tanpa menyimpan data historis.

Data multi dimensi merupakan model data fisik yang strukturnya dapat dilihat dari berbagai sudut pandang (dimensi) dengan tiga buah lapisan yalni baris, kolom dan layer dengan objek-objek milti dimensi di dalamnya yang memiliki atribut dimensi dan atribut pengukuran. Jika direpresentasikan ke dalam koordinat maka data multi dimensi memiliki tiga buah sumbu yakni X, Y dan Z.

Contoh dari data multi dimensi seperti data mahasiswa yang dilihat dari 3 dimensi sudut pandang yaitu kelulusan, sidang_TA, dan wisuda. 

Contoh Data Multi Dimensi Mahasiswa

Contoh kedua data penerbangan dimana data dalam penerbangan ada dalam berbagai dimensi yaitu dimensi penerbangan, dimensi penumpang, dimensi harga, dimensi kelas penerbangan, dimensi waktu penerbangan.

OLTP (On Line Transactional Data) tidak memiliki data historis, data-data transaksional hanya untuk kebutuhan data dan informasi semata dimana data hanya dilihat terstruktur dalam 2 dimensi (baris dan kolom).

OLAP (On Line Analytical Data) berasal dari data-data transaksi (OLTP) dengan mengutamakan historis data, maka data perlu dilihat dari 3 atau lebih dimensi untuk memudahkan analisa data.

Referensi : I Putu Agus Pratama. Handbook Data Warehouse. Penerbit Infomatika. Bandung. 2007