rangkuman uas dw

2
Rangkuman Datawarehouse : 1. Datawarehouse adalah tempat penyimpanan data,dimana sumber data utama akan dibersihkan,ditransformasikan,lalu dikatalogkan,hingga bisa digunakan oleh manager dan profesional lain. 2. Datawarehouse yang baik memiliki karakteristik sbb : a) Berorientasi obyek = data dikelompokkan menjadi subjek yang berbeda-beda. Contohnya : (pada perusahaan asuransi,system transaksionalnya terdapat data untuk system asuransi kendaraan,asuransi jiwa,kesehatan,kecelakaan,dsbg). b) Terintegrasi = data tersebut akan dikonversi,diformat,diresequence,disummarize,sehingga menjadi data”image” pada perusahaan tersebut. Contohnya : (disediakan sebuah tipe data yang sama atau aturan yang sama,supaya semuanya ‘setara’ alias tidak ada yang berbeda dan telah mengikuti aturan main). c) Non volatil = ialah pola penambahan,dan pemanfaatan data pada dw. Contohnya : (tidak melakukan perubahan data secara massal,melainkan hanya di refresh dari system operasional secara regular. Menambah data baru tanpa melakukan perubahan pada data yang sebelumnya). d) Time variant = mengimplikasikan bahwa tiap unit data pada dw ialah akurat pada rentang waktu tertentu. Contohnya : (berguna untuk melihat interval satuan waktu yang digunakan dalam mengukur keakuratan suatu data pada DW). 3. Granularity = menunjukkan tingkat kedalaman (detail) dari sebuah atau kumpulan data. 4. Semakin rendah Granularity maka semakin besar volume data. 5. Semakin tinggi Granularity maka semakin kecil volume data. 6. Denormalisasi = proses yang menggabungkan beberapa tabel menjadi satu tabel,sehingga aktifitas I/O dikurangi. 7. Ciri-Ciri Low Granularity = a) Tinggi,sangat detail. b) Tingkat filter relative lebih mudah. c) Luas,multipurpose. 8. Ciri-Ciri High Granularity = a) Kurang,siftanya summary. b) Rumit,perlu di”filter”

Upload: jonathan-christian

Post on 02-Jul-2015

728 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: Rangkuman uas dw

Rangkuman Datawarehouse :

1. Datawarehouse adalah tempat penyimpanan data,dimana sumber data utama akan

dibersihkan,ditransformasikan,lalu dikatalogkan,hingga bisa digunakan oleh manager

dan profesional lain.

2. Datawarehouse yang baik memiliki karakteristik sbb :

a) Berorientasi obyek = data dikelompokkan menjadi subjek yang berbeda-beda.

Contohnya : (pada perusahaan asuransi,system transaksionalnya terdapat data

untuk system asuransi kendaraan,asuransi jiwa,kesehatan,kecelakaan,dsbg).

b) Terintegrasi = data tersebut akan

dikonversi,diformat,diresequence,disummarize,sehingga menjadi data”image”

pada perusahaan tersebut. Contohnya : (disediakan sebuah tipe data yang sama

atau aturan yang sama,supaya semuanya ‘setara’ alias tidak ada yang berbeda dan

telah mengikuti aturan main).

c) Non volatil = ialah pola penambahan,dan pemanfaatan data pada dw. Contohnya :

(tidak melakukan perubahan data secara massal,melainkan hanya di refresh dari

system operasional secara regular. Menambah data baru tanpa melakukan

perubahan pada data yang sebelumnya).

d) Time variant = mengimplikasikan bahwa tiap unit data pada dw ialah akurat pada

rentang waktu tertentu. Contohnya : (berguna untuk melihat interval satuan waktu

yang digunakan dalam mengukur keakuratan suatu data pada DW).

3. Granularity = menunjukkan tingkat kedalaman (detail) dari sebuah atau kumpulan

data.

4. Semakin rendah Granularity maka semakin besar volume data.

5. Semakin tinggi Granularity maka semakin kecil volume data.

6. Denormalisasi = proses yang menggabungkan beberapa tabel menjadi satu

tabel,sehingga aktifitas I/O dikurangi.

7. Ciri-Ciri Low Granularity =

a) Tinggi,sangat detail.

b) Tingkat filter relative lebih mudah.

c) Luas,multipurpose.

8. Ciri-Ciri High Granularity =

a) Kurang,siftanya summary.

b) Rumit,perlu di”filter”

Page 2: Rangkuman uas dw

c) Terspesialsasi,terfokus

9. Alasan perusahaan datawarehouse dalam perusahaannya karena =

a) Informasi yang dibutuhkan dapat hadir dalam bentuk laporan khusus,dan

forecasting(peramalan) berdasarkan trend.

b) Informasi yang dibutuhkan berupa informasi yang telah

tersumarisasi(summarized),dan terspesialisasi(specialized) hasil dari analisa data

operasional organisasi.

10. Tujuan dilakukan denormalisasi pada DW = untuk lebih mengoptimalkan untuk

proses baca(read),hal ini tidak menjadi masalah,sehingga redundansi pada struktur

data DW ialah hal yang wajar jika diperlukan.

11. Tujuan tidak dilakukan normalisasi pada DW == tujuan dilakukan denormalisasi

pada DW.

12. Yang dimaksud dengan fact dan dimension table =

a) Fact table = tabel yang berisikan nilai-nilai numeric. Nilai numeric ini bisa berupa

fakta dan FK. Nilai-nilai numeric ini biasa disebut dengan measure.

b) Dimension table = tabel yang berisi data grouping dari data pengukuran yang

dilakukan.