OLAP - Google Groups

OLAP
Outline
•
•
•
•
Keuntungan OLAP
Penyajian Data Multidimensi
Peralatan OLAP dan Kategorinya
Penerapan SQL pada OLAP
OLAP
2/16
Pengertian OLAP
OLAP :
Sintesa dinamis, analisis, dan konsolidasi dari
data multidimensi dengan volume yang besar.
Merupakan terminology yang menerangkan
teknologi
yang
menggunakan
view
multidimensi pengelompokkan data untuk
menyediakan akses cepat terhadap informasi
strategis untuk keperluan analisa lebih lanjut
(Coddet al.,1995).
Keterkaitan data warehouse dengan online
analytical processing (OLAP) dengan cepat
berkembang dalam beberapa kurun waktu.
Pada sisi lain, sensitivitas keamanan informasi
dan privacy juga sangat dibutuhkan.
Keuntungan OLAP
1. Meningkatkan produktifitas pemakai akhir bisnis,
pengembang IT, dan keseluruhan organisasi.
Pengawasan yang lebih dan akses tepat waktu
terhadap informasi strategis dapat membuat
pengambilan keputusan lebih efektif.
2. Mengurangi “backlog” pengembangan aplikasi
bagi staf IT dengan membuat pemakai akhir
dapat merubah schema dan membangun model
sendiri.
3. Penyimpanan pengawasan organisasi melalui
integritas data koorporasi.
4. Sebagai aplikasi OLAP tergantung pada data
warehouse
dan
sistemOLTP
untuk
memperbaharui sumber tingkatan data mereka.
5. Mengurangi aktifitas query dan lalulintas
jaringan pada system OLAP atau pada data
warehouse.
6. Meningkatkan hasil dan keuntungan secara
potensial dengan mengizinkan organisasi untuk
merespon permintaan pasar lebih cepat.
Penyajian Data Multi Dimensi
Server basis data OLAP menggunakan
struktur multi dimensi untuk menyimpan data dan
hubungan antar data. Struktur multidimensi data
dapat digambarkan seperti kubus data, dan kubus
didalam kubus data. Setiap sisi kubus adalah sebuah
dimensi. Data multidimensi adalah data yang dapat
dimodelkan sebagai atribut dimensi dan atribut
ukuran.
Contoh atribut dimensi adalah nama barang dan
warna barang, contoh atribut ukuran adalah jumlah
barang. Timbulnya beberapa masalah ketika akan
menyembunyikan informasi dalam kubus. Jika irisan
kubus tertentu tersembunyi, data pada suatu Region
level akan dipalsukan (object yang seandainya
kelihatan dimasukkan), atau, jika tak diubah, tracker
query menduga data yang tersembunyi mungkin
menjadi tersedia.
Selama ini kita mengenal adanya tabel relasional. Jika kita
perhatikan tabel relasional tersebut, maka dapat kita ketahui
karakteristiknya. Secara jelas dapat kita lihat bahwa tabel relasional
dibangun oleh baris dan kolom.
Hal ini menunjukkan adanya dua sudut pandang, baris sebagai
sumbu x dan kolom sebagi sumbu y. tapi sebenarnya tabel relasional
tersebut hanya mempunyai satu dimensi. Pada gambar terlihat
karekteristik dari tabel mahasiswa, dimana setiap record atau baris
merepresentasikan data mahasiswa yang berbeda-beda.
Satu baris dengan baris lainnya diidentifikasikan dengan sebuah key
yaitu primary key. Sedangkan bagian kolom seperti, nama, alamat,
telepon menyimpan fakta yang sama atau sejenis, dimana setiap
fakta tersebut merujuk pada primary key . Hal inilah yang
menunjukkan bahwa tabel relasional hanya mempunyai satu
dimensi.
Sedangkan yang dimaksud dengan data multidimensi adalah ketika
kita dapat melihat sebuah data dari berbagai sudut pandang atau
dimensi. Sebagai contoh, penjualan buku dapat dilihat dari segi
lokasi Buku, waktu, lokasi penjualan / toko dan sebagainya.
Jika digambarkan , maka akan terdapat tiga koordinat yaitu sumbu x
mewakili buku, sumbu y mewakili dimensi waktu dan sumbu z
untuk dimensi lokasi. Hal inilah yang menjadi perbedaan mendasar
antara tabel relasional dan data multidimensi.
Spreadshet merupakan salah satu contoh dari data multidimensi
ini. Fungsi yang ia sediakan seperti perhitungan sederhana dan
dapat juga diubah pada dimensi tunggal.
Cube merupakan contoh data multidimensi selain spreadsheet.
Dengan cube data menjadi lebih mudah untuk dimanipulasi.
Setiap sumbu cube mewakili dimensi-dimensi. Terdapat measure
yaitu nilai quantitative database yang ingin kita analisa. Biasanya
measure berupa nilai penjualan, biaya, budget dan sejenisnya.
Measure dihitung berdasarkan dimensi-dimensi dari cube.
Misalkan kita ingin meganalisa penjualan buku, total penjualan
(sebagai measure) untuk suatu jenis buku tertentu (dimensi) pada
lokasi / toko buku yang berbeda-beda (lokasi dapat dipilih sesuai
dengan kebutuhan seperti negara, propinsi dll) pada suatu periode
waktu tertentu (hari, minggu, bulan,tahun, kuartal).
Penyajian Data Multidimensi
• Server basis data OLAP menggunakan
struktur multidimensi untuk
menyimpan data dan hubung an antar
data. Struktur multidimensi data dapat
digambarkan seperti ku- bus data, dan
kubus di dalam ku- bus data. Setiap sisi
kubus adalah sebuah dimensi.
• Data multidimensi adalah data yang
dapat dimodelkan sebagai atribut
dimensi dan atribut ukuran
• Contoh atribut dimensi adalah nama
barang dan warna barang, contoh
atribut ukuran adalah jumlah barang
OLAP
9/16
Server basis data OLAP multi dimensi
mendukung operasi analitikal, seperti
:
• Konsolidasi
melibatkan pengelompokkan data
seperti ekspresi roll-up sederhana
atau kompleks yang melibatkan
hubungan antar data.
Contoh : kantor-kantor cabang
dikelompokkan menurut kota, dan
kota dikelompokkan berdasarkan
negara
OLAP
10/16
• drill-down :
kebalikan dari konsolidasi,
menampilkan data secara rinci
yang berisikan penggabungan
data.
• slicing & dicing (atau dikenal
dengan istilah pivoting) :
menerangkan kemampuan untuk
melihat data dari sudut pandang
yang berbeda-beda.
OLAP
11/16
• drill-down
OLAP
12/16
• slicing & dicing
Rasa
Sirup
Biasa
Rendah
Kalori
Total
Strawberry Mangga
Total
3.500.000 1.750.000
500.000 5.750.000
2.300.000 1.500.000
5.800.000 3.250.000
250.000 4.050.000
750.000 9.800.000
Sirup
Biasa
Biasa
Biasa
Rendah Kalori
Rendah Kalori
Rendah Kalori
OLAP
Nanas
13/16
Rasa
Strawberry
Mangga
Nanas
Strawberry
Mangga
Nanas
Pendapatan
3.500.000
1.750.000
500.000
2.300.000
1.500.000
250.000
Peralatan Dan Kategori OLAP
Aturan-aturan Codd untuk peralatan OLAP :
1. Multi-Dimensional Conceptual View
2. Transparency
3. Accessibility
4. Consistent Reporting Performance
5. Client-Server Architecture
6. Generic Dimensionality
7. Dynamic Sparse Matrix Handling
8. Multi User Support
9. Unrestricted Cross Dimensional Operations
10. Intuitive Data Manipulaiton
11. Flexible Reporting
12. Unlimited Dimensions & Aggregation Levels
Kategeori OLAP :
1. Multi-dimensional OLAP
(MOLAP atau MD-OLAP)
2. Relational OLAP (ROLAP),
disebut juga Multi-relational
OLAP
3. Managed Query Environment
(MQE), disebut juga Hybrid
OLAP (HOLAP)
Penerapan SQL Pada OLAP
Contoh penggunaan fungsi CUME
(menghitung total kumulatif nilai
kolom). Tampilkan penjualan triwulan
untuk kantor cabang B003, dalam
bentuk year-to-date. Asumsi: terdapat
table Branch Quarter Sales dengan 3
atribut:
branchNo,
quarter,
quarterlySales, yang menggambarkan
semua penjualan property untuk
triwulan tersebut.
•
SELECT quarter, quarterlySales,
CUME(quarterlySales) AS Year-toDate
FROM BranchQuarterSales
WHERE branchNo = ‘B003’
Tabel hasil :
Quarter quarterly
Sales Year-to-Date
1
2
3
4
960000
2250000
4250000
5750000
OLAP
960000
1290000
2000000
1500000
17/16
Implementasi Pada Sistem
Komersial
Kebutuhan General Security
Pada OLAP
Proses OLAP Pada
Data Warehouse
Posisi OLAP Pada Data
Warehouse
Kesimpulan
OLAP merupakan sintesa dinamis,
analisis dan konsolidasi dari data multi
dimensi dengan volume yang besar. Server
basis data OLAP multi dimensi mendukung
operasi analitikal, seperti: konsolidasi, drilldown, slicing & dicing.
Peralatan
OLAP dikategorikan
sesuai dengan arsitektur basis data yang
digunakan(menyediakan
data
untuk
kebutuhan OLAP), terdiri dari: multidimensional OLAP, relational OLAP dan
hybrid OLAP.
Tugas
Aturan-aturan Codd untuk peralatan OLAP :
1. Multi-dimensional conceptual view
2. Transparency
3. Accessibility
4. Consistent reporting performance
5. Client-server architecture
6. Generic dimensionality
7. Dynamic sparse matrix handling
8. Multi user support
9. Unrestricted cross dimensional
operations
10. Intuitive data manipulaiton
11. Flexible reporting
OLAPUnlimited dimensions
22/16
12.
& aggregation
levels
Referensi
• Connoly, Thomas; Begg, Carolyn;
Strachan, Anne; Database Systems : A
Practical Approach to Design,
Implementation and Management,
3rd edition, Addison Wesley, 2003.
OLAP
23/16