Posted by: Ardijan Abu Hanifah | November 24, 2009

Apakah Dimensioanal Modeling (DM)?

DM adalah teknik Logical Design untuk menampilkan data dalam framework standard yang intuitif dan memungkinkan access data dengan performa yang tinggi. Berbicara mengenai DM tidak bisa dipisahkan dari teknik Dimensional yang menggunakan Rasional Model namun dengan beberapa batasan penting.

Setiap DM terdiri atas satu tabel dengan banyak Foreign Key yang disebut Facs Table dan satu set tabel yang lebih kecil yang disebut Dimension Table, setiap Dimension Table mempunyai satu bagian Primary Key yang terhubung dengan tepat pada salah satu Foreign Key dari beberapa Key pada tabel Facs tersebut. (lihat gambar dibawah):

Karakteristik pada gambar tersebut yang seperti struktur bintang biasa disebut dengan Star-Schema. Dengan demikian dapat dikatakan bahwa Star-Schema adalah teknik Data Modeling yang digunakan untuk memetakan Multi Dimensional Diecission Support pada suatu database relasional.

Dengan menggunakan Star-Schema maka implementasi suatu Model untuk analisa Multidimensional Data menjadi mudah,
selain itu operasi database dengan struktur relasional juga masih dimungkinkan.

Hubungan antara Fact Table dan Dimension Table tidak lagi menggunakan Natural Key atau Key yang dipakai di Legacy sistem, tetapi menggunakan Key Pengganti atau biasa disebut Surrogate Key. Alasannya antara lain:
Karena Data pada Data Warehouse tidak boleh di update (Non Volatile) sedangkan Key pada Legacy karena tuntutan bisnis bisa saja suatu saat berubah.

Untuk menjaga performance yang tinggi Surrogate Key dibuat sesederhana mungkin yaitu cuma satu field dan bertipe Numeric dari Running Number yang dihitung dari ETL Program atau dari tipe data pada Data Base nya sendiri.

Komponen-komponent Star-Schema:
1. Fact
2. Dimensions
3. Attributes
4. Attribute Hierarchie
5. Granularity

Penjelasan masing-masing komponen Star-Schema diatas adalah sebagai berikut:

1. Fact
Fact adalah suatu angka dari pengukuran yang
menunjukkan aspek tertentu dari suatu bisnis atau suatu
aktivtas .
Fact Table berisi beberapa fakta yang terhubung dengan
masing-masing Dimension nya.
Fact dapat berupa nilai yang telah ada atau baru
diturunkan pada saat Run-time.



2.Dimensions

Dimension adalah karakteristik suatu ukuran yang
menyediakan tambahan cara melihat suatu fakta yang telah
diberikan pada Fact Table. Dimension disimpan pada Dimension
Table.

3. Attributes
Setiap tabel dimensi mempunyai Attributes. Attributes sering
dipakai pada operasi Search, Filter, atau Grouping dari suatu
Fact. Dimensions menyediakan karakteristik deskriptif (uraian)
tentang Fact lewat Attribut nya.

Beberapa contoh Attributes:
Nama Dimension : Location
Keterangan : Segala sesuatu yang menjelaskan
tentang lokasi suatu tempat
Attributs : Propinsi, Kabupaten, Kota,Toko

Nama Dimension : Product
Keterangan : Segala sesuatu yang menjelaskan tentang
produk yang terjual
Attributs : Tipe Produk, Merek, Paket, Kemasan,
Warna, Ukuran, dsb.

Nama Dimension : Time
Keterangan : Segala sesuatu yang menjelaskan tentang
waktu penjualan.
Attributs : Tahun, Kuartal, Bulan, Minggu, Hari, dsb.

4. Attribute Hierarchies
Attributes pada suatu Dimension dapat diurutkan dengan
definisi yang baik dalam suatu Attribute Hierarchies.
Attribute Hierarchies menyediakan Data dengan organisasi
Top-Down yang terutama berguna untuk:
– Aggregation
– Drill-Down/Roll-up Data Analysis

5. Granularity
Granularity adalah salah satu aspek terpenting dalam desain
Data Waehouse karena menentukan volume data
yang akan disimpan dalam Data Warehouse dan menentukan
kedalam detail Query yang bisa dijalankan.
Secara ekstrem ada Lowest Grain (Grain terendah) dan
Highest Grain (Grain tertinggi).
Lowest Grain menyimpan transaksi di level detail (Atomic
Transaction) sedangkan Highest Grain menyimpan data hanya
dilevel Enterprise atau level Perusahaan (Summary
Transaction)
Level dari Granularity disimpan pada Hirarchy suatu Dimension.

Reff:

Kimbal, Ralph, 2000, The Data Warehouse Lifecycle Toolkit, New York- USA, Jhon Wiley & Sons, Inc

Todman, Chris.,Designing A Data warehouse, Prentice-Hall, Inc., USA, 2001

Chuck-Ballard, Dirk-Herreman, Don-Schau, Rhonda-Bell, Eunsaeng-Kim, Ann-Valencic, Data Modeling Techniques for Data Warehousing,IBM, 1998


Responses

  1. wah,,bagus bgt artikelnya,,kebetulan jg lg nyari2 penjelasan ttg tabel dimensi..
    tp cara buat tabel dimensi dari data yg ada gmn ya??

    • Dear Reza, sebelum membuat Dimension table tentu dilakukan business requirement gathering lebih dahulu, baru bisa dilakukan Data Analys dan Design, khusunya Dimensional Data Model Design. Berdasarkan data modeling tabel dimensi dan mapping Target-To-Source document baru dapat dibuat ETL Process untuk membentuk Dimensi tersebut.
      Banyak hal terkait aspek teknis yg tidak bisa saya jelaskan disini namun secara umum step-step nya seperti itu.
      Regards,
      AAH


Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

Categories

%d bloggers like this: