LOADING DAN CONTOH DARI LOADING DALAM DATA WAREHOUSE

Tugas Data warehouse

Nama : Rama Suherman

Npm : 19312152

Dosen pengampu : Setiawansyah, M.Kom

LOADING

Fase load merupakan tahapan yang berfungsi untuk memasukkan data ke dalam target akhir, yaitu ke dalam suatu data warehouse. Waktu dan jangkauan untuk mengganti atau menambah data tergantung pada perancangan data warehouse pada waktu menganalisa keperluan informasi. Fase load berinteraksi dengan suatu database, constraint didefinisikan dalam skema database sebagai suatu trigger yang diaktifkan pada waktu melakukan load data 

(contohnya : uniqueness,referential, integrity, mandatory fields)

yang juga berkontribusi untuk keseluruhan tampilan dan kualitas data dari proses ETL.

TRANSFORMATION DAN CONTOH DARI TRANSFORMATION DALAM DATA WAREHOUSE

Tugas Data warehouse

Nama : Rama Suherman

Npm : 19312152

Dosen pengampu : Setiawansyah, M.Kom

Transformation adalah proses dimana data mentah (raw data) hasil ekstrasi disaring dan diubah sesuai dengan kaidah bisnis yang berlaku. Transformasi merupakan proses mengubah data dari format operasional menjadi format data warehouse.

Contohnya seperti Agregasi, Konversi Format dan Fungsi Aritmatik

Terdapat 2 cara transformasi

* Fungsi level record, fungsi ini beroperasi pada sekumpulan record seperti file dan tabel melalui perintah selection, joinning, normalization dan aggreration

* Fungsi field level, yaitu mengubah data format dari suatu sumber record dalam format yang berbeda dalam record tujuan. Fungsi ini mempunyai dua tipe yaitu: Single Field dan Multi Field

Tahapan transformasi menggunakan serangkaian aturan atau fungsi untuk mengekstrak data dari sumber dan selanjutnya akan dimasukkan ke data warehouse. Berikut adalah hal-hal yang dapat dilakukan dalam tahapan transformasi:

• Hanya memilih kolom tertentu saja untuk dimasukkan ke dalam data warehouse.
• Menterjemahkan nilai-nilai yang berupa kode.
• Mengkodekan nilai-nilai ke dalam bentuk bebas (Contohnya memetakan “Pria” dengan “P” dan “Wanita” ke dalam “W”).
• Melakukan perhitungan nilai-nilai baru (Contohnya nilai = qty * harga_satuan).
• Menggabungkan data secara bersama-sama dari berbagai sumber.
• Membuat ringkasan dari sekumpulan baris data.
• Men-generate nilai surrogate key.
• Transposing atau pivoting (Mengubah sekumpulan kolom menjadi sekumpulan baris atau sebaliknya).
• Memisahkan sebuah kolom menjadi berbagai kolom.
• Menggunakan berbagai bentuk validasi data baik yang sederhana maupun kompleks.

EXTRACTION DAN CONTOH DARI EXTRACTION DALAM DATA WAREHOUSE

Tugas Data warehouse

Nama : Rama Suherman

Npm : 19312152

Dosen pengampu : Setiawansyah, M.Kom

Extraction
Merupakan proses pengambilan data dari berbagai sumber yang digunakan untuk mengisi data warehouse. Tidak semua yang ada di data operasional dimasukkan, tetapi hanya untuk data yang dibutuhkan saja. Dalam tahap ini juga dilakukan proses pembersihan (cleansing) data sebelum ditransformasi

Dalam memproses data, setiap professional pasti pernah melakukan ekstraksi data dan konversi seperti yang dilakukan pada sistem basis data. Ketika kita mengkoneksikan sistem database dengan sistem operasional peranti lunak. Dua factor penting yang membedakan ekstraksi data dalam sistem operasi dengan ekstraksi data dalam data warehouse, dalam data warehouse data yang diekstraksi dapat dilakukan perbagian, sedangkan dalam sistem operasi data dikonversi dan diekstrak dalam sekali waktu. 

Contohnya seperti Trigger, Timestamp dan File Compare

Contoh Timestamp  : select * from orders where trunc(CAST(order_date AS date),'dd') = TO_DATE(SYSDATE,'dd,mm,yyyy');

    Terdapat beberapa fungsi ekstraksi data, yaitu :
- Ekstarsi data secara otomatos dari aplikasi sumber
- penyaringan atau seleksi data hasil ekstraksi
- Pengiriman data dari berbagai platform aplikasi ke sumber data
- Perubahan format layout data dari format aslinya
- Penyimpanan dalam file sementara untuk penggabungan dengan hasil ekstrasi dari sumber lain

Desain Data Warehouse Menggunakan Star Schema, Snowflake Schema, dan Fact Constellation Schema

 Tugas Data warehouse

Nama : Rama Suherman

Npm : 19312152

Dosen pengampu : Setiawansyah, M.Kom

Star Schema

Snowflake Schema

Fact Constellation Schema

Fact Constellation

Tugas Data warehouse

Nama : Rama Suherman

Npm : 19312152

Dosen pengampu : Setiawansyah, M.Kom

Pada skema ini terdapat beberapa tabel fakta yang menggunakan satu atau  beberapa tabel dimensi secara bersama-sama sehingga jika digambarkan akan terlihat seperti sekumpulan bintang. Skema ini juga dikenal dengan galaxy  schema.

 

 

 

Contoh kasus pembuatan Skema Fact Constellation

Dari snowflake schema di atas, maka bias dibuat fact constellation schema pada gambar dibawah ini

 

Snowflake Schema?

  Tugas Data warehouse

Nama : Rama Suherman

Npm : 19312152

Dosen pengampu : Setiawansyah, M.Kom

Apa Itu Snowflake Schema?

Snowflake schema adalah database multidimensional dalam data warehouse.

Database berupa skema ini memiliki beberapa tabel di dalamnya yang menyerupai bentuk snowflake atau kepingan salju.

Oleh karena itu, namanya disebut sebagai snowflake schema atau skema kepingan salju.

Skema ini tersusun dari fact table atau tabel fakta yang berada di tengah.

Tabel ini terhubung dengan berbagai dimensi yang juga dikelompokkan dalam tabel.

Tabel ini disebut dengan dimensional tables atau tabel dimensional.

Informasi atau data dalam tabel-tabel ini kemudian dinormalisasi untuk mengurangi redundancy atau pengulangan data yang ada.

Skema jenis ini merupakan yang sangat cocok untuk mengolah data dengan hubungan serta tabel yang rumit, tidak seperti star schema.

Namun, menurut Educba, struktur atau arsitektur dari skema ini tidak jauh berbeda dengan star schema.

Hanya saja, ia mampu menawarkan solusi untuk permasalahan-permasalahan yang ada pada star schema akibat data yang belum dinormalisasi.

Berikut merupakan contoh struktur skemanya.

Kelebihan Snowflake Schema

1. Cocok ke lebih banyak tool

Snowflake schema bisa digunakan dengan lebih banyak OLAP database modeling tools.

OLAP database modeling tools adalah tool yang digunakan untuk analisis data dan modeling.

Tool ini pada dasarnya dibuat dan didesain untuk memproses skema data tipe snowflake.

2. Hemat storage

Karena ada proses snowflaking yaitu normalisasi data, pengulangan data yang sama bisa dikurangi.

Dengan begitu, besar data yang harus disimpan juga semakin kecil.

Kekurangan Snowflake Schema

Meskipun memiliki banyak keuntungan, skema yang menyerupai kepingan salju ini juga memiliki kekurangan, seperti:

1. Skema data kompleks

Skema database yang satu ini memiliki kemungkinan menciptakan banyak level kompleksitas saat proses normalisasi atribut dari star schema.

Memang, ini akan berujung pada penyimpanan data yang lebih efektif.

Namun, performanya bisa menurun akibat join query yang rumit.

Akan tetapi, dengan berkembangnya teknologi, snowflake schema menjadi semakin cepat beberapa tahun belakangan ini.

Oleh karena itu, skema ini semakin banyak digunakan dari waktu ke waktu.

2. Proses lebih lambat

Skema ini lebih lambat dalam memproses cube data akibat join query yang kompleks.

Dibanding star schema, kecepatannya masih kalah.

3. Integritas data

Skema jenis ini memiliki integritas data yang lebih rendah.

Snowflake schema pada dasarnya menawarkan pengambilan data yang lebih efektif dengan risiko minim setelah update dan memasukkan data baru.

Akan tetapi, tidak ada jaminan integritas data seperti struktur database tradisional yang highly–normalized.

Untuk meminimalkan risiko ini, penting untuk selalu mengecek kualitas informasi atau data setelah di-load. 

Star Schema?

 Tugas Data warehouse

Nama : Rama Suherman

Npm : 19312152

Dosen pengampu : Setiawansyah, M.Kom

Apa Itu Star Schema?

Star schema adalah salah satu tipe skema yang dibuat untuk memodelkan sebuah sistem data warehouse.

Skema jenis ini dianggap sebagai skema data warehouse yang paling sederhana yang mudah dibuat dan dimengerti.

Nama skema ini datang dari susunan tabelnya yang membentuk bintang seperti contoh di bawah ini. 

© Guru99.com

Dalam skema ini, ada fact table di tengah dan di sekelilingnya terdapat dimension table.

Pasalnya, menurut microsoft, modelers atau para pemodel yang menggunakan skema tipe ini untuk data warehouse harus mengklasifikasi tabelnya hanya ke dalam dua jenis ini, yaitu dimension dan fact.

Komponen Struktur Star Schema

1. Fact table

Fact table atau tabel fakta berisi metrik proses sebuah bisnis.

Data yang dimuat dalam tabel ini harus bersifat numerik (dalam bentuk angka) dan bisa ditambah.

Apa pun data yang kamu miliki, pastikan bahwa data tersebut adalah kuantitatif. Misalnya, jumlah sesuatu.

Selain itu, wajib diperhatikan juga bahwa tabel fakta harus memuat hal-hal utama yang terkait dengan tabel-tabel di sekitarnya, yaitu tabel dimensi.

Seperti contoh yang sebelumnya diperlihatkan, hanya boleh ada satu tabel fakta dalam sebuah star schema. 

Tabel ini umumnya memiliki jumlah baris yang tidak banyak.

Sementara, tabel dimensi bisa memuat jauh lebih banyak jumlah baris dan bisa terus ditambahkan dari waktu ke waktu.

2. Dimension table

Dimensions table atau tabel dimensi memuat informasi mengenai kapan, di mana, apa, dan lain-lain.

Berbeda dengan tabel fakta, tabel dimensi berisi informasi yang bersifat kualitatif.

Dalam sebuah star schema, bisa ada beberapa tabel dimensi sekaligus yang mengelilingi tabel fakta.

Namun, harus dipastikan bahwa semua informasinya terkait dengan apa yang dicantumkan dalam tabel fakta.

1. Query lebih sederhana

Menurut Global Knowledge Management Center (GKMC) dari David Eccles School of Business University of Utah, star schema adalah model yang memiliki jumlah tabel sedikit serta join path yang jelas.

Oleh karena itu, query bisa dijalankan lebih cepat dibanding sistem online analytical processing (OLTP).

Untuk query kecil, proses bisa dijalankan secara instan.

Sementara, query besar yang membutuhkan pengolahan beberapa tabel hanya membutuhkan beberapa detik atau menit.

2. Waktu loading

Karena memiliki struktur yang sederhana, salah satu keutamaan star schema merupakan kecepatan load-nya.

Meskipun satu skema memuat data yang banyak, kamu bisa memangkas waktu banyak dibanding menggunakan database lainnya.

3. Referential integrity

Skema ini memiliki referential integrity yaitu keakuratan dan konsistensi data yang baik ketika di-load.

4. Mudah dimengerti

Navigasi dan pemahaman menggunakan star schema tidaklah sulit dan lebih mudah dibanding yang lainnya. Oleh karena itu, skema ini sering digunakan.

TAHAP 5 SAMPAI 9 DALAM NINE STEP METHODOLOGY

TAHAP 5 SAMPAI 9 DALAM NINE STEP METHODOLOGY

DISUSUN OLEH :

RAMA SUHERMAN- 19312152

PROGRAM STUDI S1 INFORMATIKA

UNIVERSITAS TEKNOKRAT INDONESIA

TAHUN AJARAM 2021/2022

    KATA PENGANTAR

Puji syukur ke hadirat Tuhan Yang Maha Esa. Atas rahmat dan hidayah-Nya, penulis dapat menyelesaikan tugas makalah yang berjudul "TAHAP 5 SAMPAI 9 DALAM NINE STEP METHODOLOGY" dengan tepat waktu.

Makalah disusun untuk memenuhi tugas Mata Pelajaran Sejarah. Selain itu, makalah ini bertujuan menambah wawasan tentang manusia prasejarah bagi para pembaca dan juga bagi penulis.

Penulis mengucapkan terima kasih kepada Bpk. Setiawansyah, M.Kom selaku Dosen MatakuLIAH Data Warehouse. Ucapan terima kasih juga disampaikan kepada semua pihak yang telah membantu diselesaikannya makalah ini.

Penulis menyadari makalah ini masih jauh dari sempurna. Oleh sebab itu, saran dan kritik yang membangun diharapkan demi kesempurnaan makalah ini.

Bandar Lampung, 10 Agustus 2021

Rama Suherman

BAB I
PENDAHULUAN

1.1 Latar Belakang

    Makalah ini saya tujukan khususnya untuk membahas TAHAP 5 SAMPAI 9 DALAM NINE STEP METHODOLOGY,  Pihak eksekutif pada perguruan tinggi membutuhkan informasi yang lengkap dan tersedia setiap saat untuk mendukung pengambilan keputusan. Untuk memperoleh informasi yang lengkap dan tersedia setiap saat dalam pengambilan keputusan strategis, pihak eksekutif dapat menggunakan suatu pengembangan sistem database yang dikenal dengan data warehouse.

1.2.Tujuan Penulisan

1. Menyelesaikan Tugas yang diberikan
2. Sebagai syarat penilaian tugas yang diberikan

1.3.Rumusan Masalah

      Pihak eksekutif pada Sekolah Tinggi Manajemen dan Informatika Komputer saat ini bergantung pada sistem database untuk mengelola data dan informasi mereka, namun hanya dengan mengandalkan sistem database mereka seringkali kesulitan dalam pengambilan keputusan dalam menjalankan manajemen pendidikan. Dengan menggunakan sistem database, aktivitas penyusunan laporan akan mengganggu kegiatan operasional pada STMIK karena tidak adanya pemisahan database, selain itu sistem database yang saat ini digunakan pada STMIK tidak dapat menghasilkan laporan dalam bentuk multi-dimensional

BAB 2   
PEMBAHASAN

5. Storing Pree Calculation In The Fact Table

    Hal ini akan terjadi jika tabel fakta kehilangan statement sesuai dengan fakta yang dibutuhkan

6. Rounding Out The Dimension Tables

    Tahap ini untuk menambahkan selengkap-lengkapnya pada tabel dimensi dan harus bersifat intuitif dan mudah dipahami oleh pengguna. Tahap ini agar pengguna dipermudah dalam penganalisaan nantinya

7. Choosing The Duration of Database

    Tahapan ini berkaitan dengan penyimpanan data warehouse, katakan saja data yang kita kehendaki untuk di analisa memiliki durasi 5 (lima) tahun yang lalu

8. Tracking Slowly Changing Dimension

    Ada 3(tiga) tipe perubahan dimensi yaitu atribut dimensi yang telah berubah tertulis ulang, menimbulkan sebuah dimensi baru dan dimensi yang berubah menimbulkan alternatif, sehingga nilai atribut lama dan yang baru dapat diakses secara bersamaan pada dimensi yang sama.

    * Tipe 1 : Perubahan data secara langsung atau update table dimensi.

    * Tipe 2 : Perubahan data membentuk record baru dengan surrogate key yang berbeda

    * Tipe 3 : Perubahan data akan membentuk atribut atau kolom baru pada tabel dimensi

9. Decide The Physical Design

    Pada tahap ini, dilakukan perancangan fisik dari data warehouse. Selain itu, penentuan masalah-masalah yang mungkin ada pada perancangan fisik

4 Tahap awal Nine Step Methodology

DISUSUN OLEH :

RAMA SUHERMAN- 19312152

PROGRAM STUDI S1 INFORMATIKA

UNIVERSITAS TEKNOKRAT INDONESIA

TAHUN AJARAM 2021/2022

    KATA PENGANTAR

Puji syukur ke hadirat Tuhan Yang Maha Esa. Atas rahmat dan hidayah-Nya, penulis dapat menyelesaikan tugas makalah yang berjudul "4 Tahap awal Nine Step Methodology" dengan tepat waktu.

Makalah disusun untuk memenuhi tugas Mata Pelajaran Sejarah. Selain itu, makalah ini bertujuan menambah wawasan tentang manusia prasejarah bagi para pembaca dan juga bagi penulis.

Penulis mengucapkan terima kasih kepada Bpk. Setiawansyah, M.Kom selaku Dosen MatakuLIAH Data Warehouse. Ucapan terima kasih juga disampaikan kepada semua pihak yang telah membantu diselesaikannya makalah ini.

Penulis menyadari makalah ini masih jauh dari sempurna. Oleh sebab itu, saran dan kritik yang membangun diharapkan demi kesempurnaan makalah ini.

Bandar Lampung, 10 Agustus 2021

Rama Suherman

BAB I
PENDAHULUAN

1.1 Latar Belakang

    Makalah ini saya tujukan khususnya untuk membahas 4 Tahap awal Nine Step Methodology,  Pihak eksekutif pada perguruan tinggi membutuhkan informasi yang lengkap dan tersedia setiap saat untuk mendukung pengambilan keputusan. Untuk memperoleh informasi yang lengkap dan tersedia setiap saat dalam pengambilan keputusan strategis, pihak eksekutif dapat menggunakan suatu pengembangan sistem database yang dikenal dengan data warehouse.

1.2.Tujuan Penulisan

1. Menyelesaikan Tugas yang diberikan
2. Sebagai syarat penilaian tugas yang diberikan

1.3.Rumusan Masalah

        Pihak eksekutif pada Sekolah Tinggi Manajemen dan Informatika Komputer saat ini bergantung pada sistem database untuk mengelola data dan informasi mereka, namun hanya dengan mengandalkan sistem database mereka seringkali kesulitan dalam pengambilan keputusan dalam menjalankan manajemen pendidikan. Dengan menggunakan sistem database, aktivitas penyusunan laporan akan mengganggu kegiatan operasional pada STMIK karena tidak adanya pemisahan database, selain itu sistem database yang saat ini digunakan pada STMIK tidak dapat menghasilkan laporan dalam bentuk multi-dimensional

BAB 2   
PEMBAHASAN

1. Choosing The Process

    Untuk tahapan ini dalam merancang data warehouse harus sesuai dengan kebutuhan. Sebagai contoh ketika ingin menganalisis penjualan yang berdasarkan berbagai sumber yang berbeda atau dimensi. untuk itu kita harus cermat memilih proses mana yang ingin kita analisa.

2. Choosing The Grain

    Perancangan data model data warehouse itu juga harus sesuai atau berdasarkan dari tabel fakta dan dimensi, untuk itu ketika pemilihan sumber harus mengacu pada kemampuan untuk mempresentasikan fakta-fakta yang diambil dari berbagai sumber dimensi pada OLTP. Sebagai contoh Seles_order_fact, adalah megambarkan rincian costumer secara detail. Jadi tahap ini sangat penting karena akan mempengaruhi seperti apa nanti hasil dari data warehouse yang akan mudah untuk pengambilan keputusan

3. Identifying and Conforming The dimensions

    Dimensi ini sebagai gambaran fakta-fakta pada tabel fakta, sebagai contoh setiap data pada tabel customer_dim dilengkapi dengan cust_id, cust_number, cust_name, cust_street_address, cust_zip_code dan lainya

4. Choosing The Fact
    Pemilihan sumber dari sebuah tabel fakta akan menentukan fakta mana yang akan digunakan. Sebagai contoh pada sales_order_fact terdiri dari customer_id, product_id, order_date yang menggambarkan fakta dari berbagai tabel dimensi yaitu customer, order, product dan time yaitu order_date

MAKALAH NINE STEP METHODOLOGY

 NINE STEP METHODOLOGY

DISUSUN OLEH :

RAMA SUHERMAN- 19312152

PROGRAM STUDI S1 INFORMATIKA

UNIVERSITAS TEKNOKRAT INDONESIA

TAHUN AJARAM 2021/2022

    KATA PENGANTAR

Puji syukur ke hadirat Tuhan Yang Maha Esa. Atas rahmat dan hidayah-Nya, penulis dapat menyelesaikan tugas makalah yang berjudul "NINE STEP METHODOLOGY" dengan tepat waktu.

Makalah disusun untuk memenuhi tugas Mata Pelajaran Sejarah. Selain itu, makalah ini bertujuan menambah wawasan tentang manusia prasejarah bagi para pembaca dan juga bagi penulis.

Penulis mengucapkan terima kasih kepada Bpk. Setiawansyah, M.Kom selaku Dosen MatakuLIAH Data Warehouse. Ucapan terima kasih juga disampaikan kepada semua pihak yang telah membantu diselesaikannya makalah ini.

Penulis menyadari makalah ini masih jauh dari sempurna. Oleh sebab itu, saran dan kritik yang membangun diharapkan demi kesempurnaan makalah ini.

Bandar Lampung, 10 Agustus 2021

Rama Suherman

BAB I
PENDAHULUAN

1.1 Latar Belakang

    Makalah ini saya tujukan khususnya untuk membahas NINE STEP METHODOLOGY,  Pihak eksekutif pada perguruan tinggi membutuhkan informasi yang lengkap dan tersedia setiap saat untuk mendukung pengambilan keputusan. Untuk memperoleh informasi yang lengkap dan tersedia setiap saat dalam pengambilan keputusan strategis, pihak eksekutif dapat menggunakan suatu pengembangan sistem database yang dikenal dengan data warehouse.

1.2.Tujuan Penulisan

1. Menyelesaikan Tugas yang diberikan
2. Sebagai syarat penilaian tugas yang diberikan

1.3.Rumusan Masalah

      Pihak eksekutif pada Sekolah Tinggi Manajemen dan Informatika Komputer saat ini bergantung pada sistem database untuk mengelola data dan informasi mereka, namun hanya dengan mengandalkan sistem database mereka seringkali kesulitan dalam pengambilan keputusan dalam menjalankan manajemen pendidikan. Dengan menggunakan sistem database, aktivitas penyusunan laporan akan mengganggu kegiatan operasional pada STMIK karena tidak adanya pemisahan database, selain itu sistem database yang saat ini digunakan pada STMIK tidak dapat menghasilkan laporan dalam bentuk multi-dimensional

BAB 2   
PEMBAHASAN

1. Choosing The Process

    Untuk tahapan ini dalam merancang data warehouse harus sesuai dengan kebutuhan. Sebagai contoh ketika ingin menganalisis penjualan yang berdasarkan berbagai sumber yang berbeda atau dimensi. untuk itu kita harus cermat memilih proses mana yang ingin kita analisa.

2. Choosing The Grain

    Perancangan data model data warehouse itu juga harus sesuai atau berdasarkan dari tabel fakta dan dimensi, untuk itu ketika pemilihan sumber harus mengacu pada kemampuan untuk mempresentasikan fakta-fakta yang diambil dari berbagai sumber dimensi pada OLTP. Sebagai contoh Seles_order_fact, adalah megambarkan rincian costumer secara detail. Jadi tahap ini sangat penting karena akan mempengaruhi seperti apa nanti hasil dari data warehouse yang akan mudah untuk pengambilan keputusan

3. Identifying and Conforming The dimensions

    Dimensi ini sebagai gambaran fakta-fakta pada tabel fakta, sebagai contoh setiap data pada tabel customer_dim dilengkapi dengan cust_id, cust_number, cust_name, cust_street_address, cust_zip_code dan lainya

4. Choosing The Fact
    Pemilihan sumber dari sebuah tabel fakta akan menentukan fakta mana yang akan digunakan. Sebagai contoh pada sales_order_fact terdiri dari customer_id, product_id, order_date yang menggambarkan fakta dari berbagai tabel dimensi yaitu customer, order, product dan time yaitu order_date

5. Storing Pree Calculation In The Fact Table

    Hal ini akan terjadi jika tabel fakta kehilangan statement sesuai dengan fakta yang dibutuhkan

6. Rounding Out The Dimension Tables

    Tahap ini untuk menambahkan selengkap-lengkapnya pada tabel dimensi dan harus bersifat intuitif dan mudah dipahami oleh pengguna. Tahap ini agar pengguna dipermudah dalam penganalisaan nantinya

7. Choosing The Duration of Database

    Tahapan ini berkaitan dengan penyimpanan data warehouse, katakan saja data yang kita kehendaki untuk di analisa memiliki durasi 5 (lima) tahun yang lalu

8. Tracking Slowly Changing Dimension

    Ada 3(tiga) tipe perubahan dimensi yaitu atribut dimensi yang telah berubah tertulis ulang, menimbulkan sebuah dimensi baru dan dimensi yang berubah menimbulkan alternatif, sehingga nilai atribut lama dan yang baru dapat diakses secara bersamaan pada dimensi yang sama.

    * Tipe 1 : Perubahan data secara langsung atau update table dimensi.

    * Tipe 2 : Perubahan data membentuk record baru dengan surrogate key yang berbeda

    * Tipe 3 : Perubahan data akan membentuk atribut atau kolom baru pada tabel dimensi

9. Decide The Physical Design

    Pada tahap ini, dilakukan perancangan fisik dari data warehouse. Selain itu, penentuan masalah-masalah yang mungkin ada pada perancangan fisik

Nine-Step Methodology

Tugas Data warehouse

Nama : Rama Suherman

Npm : 19312152

Dosen pengampu : Setiawansyah, M.Kom

Nine-Step Methodology adalah 9 langkah metodologi perancangan data warehouse 

1. Choosing The Process

    Untuk tahapan ini dalam merancang data warehouse harus sesuai dengan kebutuhan. Sebagai contoh ketika ingin menganalisis penjualan yang berdasarkan berbagai sumber yang berbeda atau dimensi. untuk itu kita harus cermat memilih proses mana yang ingin kita analisa.

2. Choosing The Grain

    Perancangan data model data warehouse itu juga harus sesuai atau berdasarkan dari tabel fakta dan dimensi, untuk itu ketika pemilihan sumber harus mengacu pada kemampuan untuk mempresentasikan fakta-fakta yang diambil dari berbagai sumber dimensi pada OLTP. Sebagai contoh Seles_order_fact, adalah megambarkan rincian costumer secara detail. Jadi tahap ini sangat penting karena akan mempengaruhi seperti apa nanti hasil dari data warehouse yang akan mudah untuk pengambilan keputusan

3. Identifying and Conforming The dimensions

    Dimensi ini sebagai gambaran fakta-fakta pada tabel fakta, sebagai contoh setiap data pada tabel customer_dim dilengkapi dengan cust_id, cust_number, cust_name, cust_street_address, cust_zip_code dan lainya

4. Choosing The Fact

    Pemilihan sumber dari sebuah tabel fakta akan menentukan fakta mana yang akan digunakan. Sebagai contoh pada sales_order_fact terdiri dari customer_id, product_id, order_date yang menggambarkan fakta dari berbagai tabel dimensi yaitu customer, order, product dan time yaitu order_date

5. Storing Pree Calculation In The Fact Table

    Hal ini akan terjadi jika tabel fakta kehilangan statement sesuai dengan fakta yang dibutuhkan

6. Rounding Out The Dimension Tables

    Tahap ini untuk menambahkan selengkap-lengkapnya pada tabel dimensi dan harus bersifat intuitif dan mudah dipahami oleh pengguna. Tahap ini agar pengguna dipermudah dalam penganalisaan nantinya

7. Choosing The Duration of Database

    Tahapan ini berkaitan dengan penyimpanan data warehouse, katakan saja data yang kita kehendaki untuk di analisa memiliki durasi 5 (lima) tahun yang lalu

8. Tracking Slowly Changing Dimension

    Ada 3(tiga) tipe perubahan dimensi yaitu atribut dimensi yang telah berubah tertulis ulang, menimbulkan sebuah dimensi baru dan dimensi yang berubah menimbulkan alternatif, sehingga nilai atribut lama dan yang baru dapat diakses secara bersamaan pada dimensi yang sama.

    * Tipe 1 : Perubahan data secara langsung atau update table dimensi.

    * Tipe 2 : Perubahan data membentuk record baru dengan surrogate key yang berbeda/

    * Tipe 3 : Perubahan data akan membentuk atribut atau kolom baru pada tabel dimensi

9. Decide The Physical Design

    Pada tahap ini, dilakukan perancangan fisik dari data warehouse. Selain itu, penentuan masalah-masalah yang mungkin ada pada perancangan fisik