4.3.1 Gudang Data untuk keperluan OLAP
OLAP mendukung model multi dimensi dengan penggunaan star schema. Pembentukan star schema diperlukan tabel dimensi dan tabel fakta (fact table) . Gudang Data yang terbentuk dipecah menjadi beberapa tabel dimensi dan tabel fakta untuk memenuhi kebutuhan pengguna. Berikut ini akan dijelaskan pembentukan tabel dimensi dan tabel fakta.
1. Tabel dimensi_lintasan
Gambar 4.6 dimensi_lintasan.ktr
Gambar 4.6 merupakan proses pembentukan tabel dimensi_lintasan. Tabel dimensi_lintasan ini akan digunakan dalam proses OLAP. Terdapat 5 step untuk pembentukan tabel dimensi_lintasan antara lain table input, sort rows, unique rows, select values, dan combination lookup/update. Pada proses ini berawal dari memasukan tabel master_operasional dari database asdpferry. Step
sort rows digunakan untuk mengurutkan data berdasarkan lintasan dan step unique rows digunakan untuk mengelompokan data berdasarkan lintasan. Setelah itu dilanjutkan pemilihan data dan hasil dari pemilihan data pada step combination lookup/update akan dilakukan pengecekan data sebelum disimpan pada tabel dimensi_lintasan.
Tabel 4.2 Penjelasan spesifikasi file transformasi Kettle untuk proses
pembentukan tabel dimensi_lintasan
Nama File dimensi_lintasan.ktr
Nama Step Table Input Masukan Data dari tabel master_operasional Connection Host : localhost
Database : asdpferry Port : 3306 Query SQL SELECT NO , TANGGAL_OPR , LINTASAN , KAPAL
, ID_KATEGORI_TIKET , KATEGORI_TIKET , ID_TIKET , TIKET , PRODUKSI , PENDAPATAN FROM master_operasional
Nama Step Sort rows Mengurutkan Data Lintasan Berdasarkan: lintasan
Nama Step Unique rows Mengelompokan Data Lintasan Berdasarkan: lintasan
Nama Step Select values Memilih data Select & Alter Fieldname lintasan Nama Step Combination
lookup/update
Combination lookup/update dimensi_lintasan Target table dimensi_lintasan
Connection Host : localhost Database : asdpferry Port : 3306
Dimension field Field in stream lintasan lintasan
Technical key field
sk_lintasan
Hasil dari pembentukan tabel dimensi_lintasan seperti pada gambar 4.7. Hasil dari tabel dimensi_lintasan disimpan ke database
asdpferry. Terdapat 2 field yaitu sk_lintasan dan lintasan.
Gambar 4.7 Tabel dimensi_lintasan
Gambar 4.8 dimensi_kapal.ktr
Gambar 4.8 merupakan proses pembentukan tabel dimensi_kapal. Tabel dimensi_kapal ini akan digunakan dalam proses OLAP. Terdapat 5 step yaitu table input, sort rows, unique rows, select values
dan combination lookup/update. Pada proses ini terdapat 1 tabel input yaitu tabel master_operasional. Step sort rows digunakan untuk mengurutkan data berdasarkan kapal dan step unique rows digunakan untuk mengelompokan data berdasarkan kapal. Selanjutnya dilakukan pemilihan data, hasil pemilihan data pada step combination lookup/update akan dilakukan pengecekan data sebelum disimpan pada tabel dimensi_kapal.
Tabel 4.3 Penjelasan spesifikasi file transformasi Kettle untuk proses
pembentukan tabel dimensi_kapal
Nama File dimensi_kapal.ktr
Nama Step Table Input Masukan Data dari tabel master_operasional Connection Host : localhost
Database : asdpferry Port : 3306 Query SQL SELECT NO , TANGGAL_OPR , LINTASAN , KAPAL , ID_KATEGORI_TIKET , KATEGORI_TIKET
, ID_TIKET , TIKET , PRODUKSI , PENDAPATAN
FROM master_operasional
Nama Step Sort rows Mengurutkan Data Kapal Berdasarkan: kapal
Nama Step Unique rows Mengelompokan Data Kapal Berdasarkan: kapal
Nama Step Select values Memilih data Select & Alter Fieldname kapal Nama Step Combination
lookup/update
Combination lookup/update dimensi_lintasan Target table dimensi_kapal
Connection Host : localhost Database : asdpferry Port : 3306
Dimension field Field in stream
kapal kapal
Technical key field
sk_kapal
Hasil dari pembentukan tabel dimensi_kapal seperti pada gambar 4.9. Hasil dari tabel dimensi_kapal disimpan ke database asdpferry. Terdapat 2 field yaitu sk_kapal dan kapal.
Gambar 4.9 Tabel dimensi_kapal
Gambar 4.10 dimensi_tiket.ktr
Gambar 4.10 merupakan proses pembentukan tabel dimensi_tiket. Tabel dimensi_tiket ini akan digunakan dalam proses OLAP. Terdapat 5 step yaitu table input, sort rows, unique rows, select values dan
combination lookup/update. Pada proses ini terdapat 1 tabel input yaitu tabel master_operasional. Step sort rows digunakan untuk mengurutkan data berdasarkan id_kategori_tiket, kategori_tiket, id_tiket, dan tiket dan step unique rows digunakan untuk mengelompokan data berdasarkan id_kategori_tiket, kategori_tiket, id_tiket, dan tiket. Selanjutnya dilakukan pemilihan data, hasil pemilihan data pada step combination lookup/update akan dilakukan pengecekan data sebelum disimpan pada tabel dimensi_tiket.
Tabel 4.4 Penjelasan spesifikasi file transformasi Kettle untuk proses
pembentukan tabel dimensi_tiket
Nama File dimensi_tiket.ktr
Nama Step Table Input Masukan Data dari tabel master_operasional Connection Host : localhost
Database : asdpferry Port : 3306 Query SQL SELECT NO , TANGGAL_OPR , LINTASAN , KAPAL , ID_KATEGORI_TIKET , KATEGORI_TIKET , ID_TIKET , TIKET , PRODUKSI , PENDAPATAN
FROM master_operasional Nama Step Sort rows Mengurutkan Data Tiket
Berdasarkan: id_kategori_tiket, kategori_tiket, id_tiket, tiket
Nama Step Unique rows Mengelompokan Data Tiket
Berdasarkan: id_kategori_tiket, kategori_tiket, id_tiket, tiket
Nama Step Select values Memilih data Select & Alter Fieldname id_kategori_tiket kategori_tiket id_tiket tiket Nama Step Combination
lookup/update
Combination lookup/update dimensi_lintasan Target table dimensi_kapal
Connection Host : localhost Database : asdpferry Port : 3306
Dimension field Field in stream id_kategori_tiket kategori_tiket id_tiket tiket id_kategori_tiket kategori_tiket id_tiket tiket Technical key field sk_tiket
Hasil dari pembentukan tabel dimensi_tiket seperti pada gambar 4.11. Hasil dari tabel dimensi_kapal disimpan ke database asdpferry. Terdapat 5 field yaitu sk_tiket, id_kategori_tiket, kategori_tiket, id_tiket, dan tiket.
Gambar 4.11 Tabel dimensi_tiket
4. Tabel dimensi_waktu
Gambar 4.12 dimensi_waktu.ktr
Gambar 4.13 Tabel dimensi_waktu
Gambar 4.14 fact rekapitulasi.ktr
Gambar 4.14 merupakan proses pembentukan tabel fact_rekapitulasi. Tabel fact_rekapitulasi ini akan digunakan dalam proses OLAP. Terdapat 6 step yaitu table input, stream lookup, select values, sort rows, group by, dan combination lookup/update. Pada proses ini terdapat 5 table input yaitu tabel master_operasional, dimensi_waktu, dimensi_lintasan, dimensi_kapal, dan dimensi_tiket. Terdapat 4 step stream lookup yakni stream lookup waktu untuk menyamakan data waktu, stream lookup lintasan untuk menyamakan data lintasan, stream lookup kapal untuk menyamakan data kapal,
stream lookup tiket untuk menyamakan data tiket. Selanjutnya dilakukan pemilihan data, hasil dari pemilihan data terlebih dahulu dilakukan step sort rows lalu diagregasikan. Pada step combination
lookup/update dilakukan pengecekan data sebelum disimpan pada tabel fact_rekapitulasi.
Tabel 4.5 Penjelasan spesifikasi file transformasi Kettle untuk proses
pembentukan tabel fact_rekapitulasi
Nama file fact_rekapitulasi.ktr
Nama step Table input Masukan data dari tabel
master_operasional
Connection Host : localhost Database : asdpferry Port : 3306 Query SQL SELECT NO , TANGGAL_OPR , LINTASAN , KAPAL , ID_KATEGORI_TIKET , KATEGORI_TIKET , ID_TIKET , TIKET , PRODUKSI , PENDAPATAN FROM master_operasional Nama step Stream lookup Menyamakan Data waktu
Kunci tanggal_opr di tabel master_operasional dengan date_field di tabel dimensi_waktu Lookup sk_waktu dari tabel
dimensi_waktu Nama step Table input Masukan Data dari tabel dimensi_waktu
Connection Host : localhost Database : asdpferry Port : 3306 Query SQL SELECT sk_waktu , date_field , year , month , day_of_year , day_of_month , day_of_week , week_of_year , day_of_week_desc , day_of_week_short_d esc , month_desc
, month_short_desc , quarter
FROM dimensi_waktu
Nama step Stream lookup Menyamakan data lintasan
Kunci lintasan di tabel
master_operasional dengan lintasan di tabel
dimensi_lintasan Lookup sk_lintasan dari tabel
dimensi_lintasan Nama step Table input Masukan data dari tabel dimensi_lintasan
Connection Host : localhost Database : asdpferry Port : 3306 Query SQL SELECT sk_lintasan , LINTASAN FROM dimensi_lintasan Nama step Stream Lookup Menyamakan data kapal
Kunci kapal di tabel
master_operasional dengan kapal di tabel dimensi_kapal Lookup sk_kapal dari tabel
dimensi_kapal Nama step Table input Masukan data dari tabel dimensi_kapal
Connection Host : localhost Database : asdpferry Port : 3306 Query SQL SELECT sk_kapal , KAPAL FROM dimensi_kapal
Nama step Stream lookup Menyamakan data id_tiket
Kunci id_tiket di tabel
master_operasional dengan id_tiket di tabel dimensi_tiket Lookup sk_tiket dari tabel
dimensi_tiket Nama step Table input Masukan data dari tabel dimensi_tiket
Connection Host : localhost Database : asdpferry Port : 3306
Query SQL SELECT
sk_tiket
, KATEGORI_TIKET , ID_TIKET , TIKET
FROM dimensi_tiket
Nama step Select values Memilih data Select & Alter Fieldname produksi pendapatan sk_waktu sk_lintasan sk_kapal sk_tiket
Nama step Sort rows Mengurutkan data Berdasarkan : sk_waktu Nama step Group by Group by sk
Berdasarkan sk_waktu, sk_lintasan, sk_kapal, sk_tiket
Dengan aggregasi data produksi dan pendapatan tipe sum
Nama step Combination lookup/update
Combination lookup/update fact_rekapitulasi
Target table fact_rekapitulasi Connection Host : localhost
Database : asdpferry Port : 3306
Dimension field Field in stream sk_waktu sk_lintasan sk_kapal sk_tiket produksi pendapatan sk_waktu sk_lintasan sk_kapal sk_tiket produksi pendapatan Technical key field sk_rekapitulasi
Hasil dari pembentukan tabel fact_rekapitulasi tampak pada gambar 4.15. Hasil tabel fact_rekapitulasi disimpan ke database
asdpferry. Terdapat 7 field yaitu sk_rekapitulasi, sk_waktu, sk_lintasan, sk_kapal, sk_tiket, produksi, dan pendapatan.
Gambar 4.15 Tabel fact_rekapitulasi
6. Tabel fact_laporan_produksi
Gambar 4.16 merupakan proses pembentukan tabel fact_laporan_produksi. Tabel fact_laporan_produksi ini akan digunakan dalam proses OLAP. Terdapat 6 step yaitu table input, stream lookup, select values, sort rows, group by, dan combination lookup/update. Pada proses ini terdapat 5 table input yaitu tabel master_operasional, dimensi_waktu, dimensi_lintasan, dimensi_kapal, dan dimensi_tiket. Terdapat 4 step stream lookup
yakni stream lookup waktu untuk menyamakan data waktu, stream lookup lintasan untuk menyamakan data lintasan, stream lookup
kapal untuk menyamakan data kapal, stream lookup tiket untuk menyamakan data tiket. Selanjutnya dilakukan pemilihan data, hasil dari pemilihan data terlebih dahulu dilakukan step sort rows
lalu diagregasikan. Pada step combination lookup/update dilakukan pengecekan data sebelum disimpan pada tabel fact_laporan_produksi.
Tabel 4.6 Penjelasan spesifikasi file transformasi Kettle untuk proses
pembentukan tabel fact_laporan_produksi
Nama file fact_laporan_produksi.ktr Nama
step
Table input Masukan data dari tabel master_operasional
Connection Host : localhost Database : asdpferry Port : 3306 Query SQL SELECT NO , TANGGAL_OPR , LINTASAN , KAPAL
, ID_KATEGORI_TIKET , KATEGORI_TIKET , ID_TIKET , TIKET , PRODUKSI , PENDAPATAN FROM master_operasional Nama step
Stream lookup Menyamakan Data waktu
Kunci tanggal_opr di tabel
master_operasional dengan date_field di tabel dimensi_waktu
Lookup sk_waktu dari tabel
dimensi_waktu Nama
step
Table input Masukan Data dari tabel dimensi_waktu Connection Host : localhost
Database : asdpferry Port : 3306 Query SQL SELECT sk_waktu , date_field , year , month , day_of_year , day_of_month , day_of_week , week_of_year , day_of_week_desc , day_of_week_short_d esc , month_desc , month_short_desc , quarter FROM dimensi_waktu Nama step
Stream lookup Menyamakan data lintasan
Kunci lintasan di tabel
master_operasional dengan lintasan di tabel
dimensi_lintasan Lookup sk_lintasan dari tabel
dimensi_lintasan Nama
step
Table input Masukan data dari tabel dimensi_lintasan Connection Host : localhost
Database : asdpferry Port : 3306 Query SQL SELECT sk_lintasan , LINTASAN FROM
dimensi_lintasan Nama
step
Stream Lookup Menyamakan data kapal
Kunci kapal di tabel
master_operasional dengan kapal di tabel dimensi_kapal
Lookup sk_kapal dari tabel
dimensi_kapal Nama
step
Table input Masukan data dari tabel dimensi_kapal Connection Host : localhost
Database : asdpferry Port : 3306 Query SQL SELECT sk_kapal , KAPAL FROM dimensi_kapal Nama step
Stream lookup Menyamakan data id_tiket
Kunci id_tiket di tabel
master_operasional dengan id_tiket di tabel dimensi_tiket
Lookup sk_tiket dari tabel
dimensi_tiket Nama
step
Table input Masukan data dari tabel dimensi_tiket Connection Host : localhost
Database : asdpferry Port : 3306 Query SQL SELECT sk_tiket , ID_KATEGORI_TIKET , KATEGORI_TIKET , ID_TIKET , TIKET FROM dimensi_tiket Nama step
Select values Memilih data Select & Alter Fieldname produksi sk_waktu sk_lintasan sk_kapal sk_tiket Nama step
Sort rows Mengurutkan data Berdasarkan : sk_waktu Nama
step
Group by Group by sk
Berdasarkan sk_waktu, sk_lintasan, sk_kapal, sk_tiket
Dengan aggregasi data produksi tipe sum Nama step Combination lookup/update Combination lookup/update fact_laporan_produksi
Target table fact_laporan_produksi Connection Host : localhost
Database : asdpferry Port : 3306
Dimension field Field in stream sk_waktu sk_lintasan sk_kapal sk_tiket produksi sk_waktu sk_lintasan sk_kapal sk_tiket produksi
Technical key field sk_fact_laporan_produksi
Hasil dari pembentukan tabel fact_laporan_produksi tampak pada gambar 4.17. Hasil tabel fact_laporan_produksi disimpan ke database
asdpferry. Terdapat 6 field yaitu sk_rekapitulasi, sk_waktu, sk_lintasan, sk_kapal, sk_tiket, produksi.
7. Tabel fact_laporan_pendapatan
Gambar 4.18 fact_laporan_pendapatan.ktr
Gambar 4.18 merupakan proses pembentukan tabel fact_laporan_pendapatan. Tabel fact_laporan_pendapatan ini akan digunakan dalam proses OLAP. Terdapat 6 step yaitu table input, stream lookup, select values, sort rows, group by, dan combination lookup/update. Pada proses ini terdapat 5 table input yaitu tabel master_operasional, dimensi_waktu, dimensi_lintasan, dimensi_kapal, dan dimensi_tiket. Terdapat 4 step stream lookup yakni stream lookup
waktu untuk menyamakan data waktu, stream lookup lintasan untuk menyamakan data lintasan, stream lookup kapal untuk menyamakan data kapal, stream lookup tiket untuk menyamakan data tiket. Selanjutnya dilakukan pemilihan data, hasil dari pemilihan data terlebih dahulu dilakukan step sort rows lalu diagregasikan. Pada step
combination lookup/update dilakukan pengecekan data sebelum disimpan pada tabel fact_laporan_pendapatan.
Tabel 4.7 Penjelasan spesifikasi file transformasi Kettle untuk proses
pembentukan tabel fact_laporan_pendapatan
Nama file fact_laporan_pendapatan.ktr Nama
step
Table input Masukan data dari tabel master_operasional
Connection Host : localhost Database : asdpferry Port : 3306 Query SQL SELECT NO , TANGGAL_OPR , LINTASAN , KAPAL , ID_KATEGORI_TIKET , KATEGORI_TIKET , ID_TIKET , TIKET , PRODUKSI , PENDAPATAN FROM master_operasional Nama step Stream lookup
Menyamakan Data waktu
Kunci tanggal_opr di tabel
master_operasional dengan date_field di tabel dimensi_waktu
Lookup sk_waktu dari tabel
dimensi_waktu Nama
step
Table input Masukan Data dari tabel dimensi_waktu Connection Host : localhost
Database : asdpferry Port : 3306 Query SQL SELECT sk_waktu , date_field , year , month , day_of_year , day_of_month , day_of_week , week_of_year , day_of_week_desc , day_of_week_short_d esc , month_desc , month_short_desc , quarter FROM dimensi_waktu
Nama step
Stream lookup
Menyamakan data lintasan
Kunci lintasan di tabel
master_operasional dengan lintasan di tabel
dimensi_lintasan Lookup sk_lintasan dari tabel
dimensi_lintasan Nama
step
Table input Masukan data dari tabel dimensi_lintasan Connection Host : localhost
Database : asdpferry Port : 3306 Query SQL SELECT sk_lintasan , LINTASAN FROM dimensi_lintasan Nama step Stream Lookup
Menyamakan data kapal
Kunci kapal di tabel
master_operasional dengan kapal di tabel dimensi_kapal
Lookup sk_kapal dari tabel
dimensi_kapal Nama
step
Table input Masukan data dari tabel dimensi_kapal Connection Host : localhost
Database : asdpferry Port : 3306 Query SQL SELECT sk_kapal , KAPAL FROM dimensi_kapal Nama step Stream lookup
Menyamakan data id_tiket
Kunci id_tiket di tabel
master_operasional dengan id_tiket di tabel dimensi_tiket
Lookup sk_tiket dari tabel
dimensi_tiket Nama
step
Table input Masukan data dari tabel dimensi_tiket Connection Host : localhost
Database : asdpferry Port : 3306 Query SQL SELECT sk_tiket , ID_KATEGORI_TIKET , KATEGORI_TIKET , ID_TIKET
, TIKET
FROM dimensi_tiket
Nama step
Select values Memilih data Select & Alter Fieldname pendapatan sk_waktu sk_lintasan sk_kapal sk_tiket Nama step
Sort rows Mengurutkan data Berdasarkan : sk_waktu Nama
step
Group by Group by sk
Berdasarkan sk_waktu, sk_lintasan, sk_kapal, sk_tiket
Dengan aggregasi data pendapatan tipe sum Nama step Combination lookup/update Combination lookup/update fact_laporan_pendapatan
Target table fact_laporan_produksi Connection Host : localhost
Database : asdpferry Port : 3306
Dimension field Field in stream sk_waktu sk_lintasan sk_kapal sk_tiket pendapatan sk_waktu sk_lintasan sk_kapal sk_tiket pendapatan
Technical key field sk_fact_laporan_pendapatan
Hasil dari pembentukan tabel fact_laporan_pendapatan tampak pada gambar 4.19. Hasil tabel fact_laporan_pendapatan disimpan ke
database asdpferry. Terdapat 6 field yaitu sk_rekapitulasi, sk_waktu, sk_lintasan, sk_kapal, sk_tiket, pendapatan.
Gambar 4.19 Tabel fact_laporan_pendapatan
Berdasarkan tabel dimensi dan tabel fakta yang telah dipecah dari gudang data, selanjutnya dilakukan pembentukan OLAP. Pembentukan OLAP diimplementasi menggunakan star schema yang akan dibagi menjadi 3 cube (kubus) antara lain:
1. Star Schema Cube Rekapitulasi Pelayanan
Skema kubus rekapitulasi pelayanan akan membaca data dari fact_rekapitulasi di database asdpferry. Gambar 4.20 merupakan star schema cube rekapitulasi pelayanan.
Gambar 4.20 Star Schema cube Rekapitulasi Pelayanan
Kubus dengan nama rekapitulasi pelayanan memiliki tabel fakta fact_rekapitulasi. Dimensi yang digunakan adalah Dimensi Lintasan, Dimensi Kapal, Dimensi Tiket, dan Dimensi Waktu. Nilai pengukuran atau measure dari skema rekapitulasi pelayanan adalah produksi dan pendapatan. Penjelasan mengenai dimensi-dimensi yang digunakan adalah sebagai berikut:
a. Dimensi Lintasan
Gambar 4.21 merupakan gambaran struktur pembentukan dimensi lintasan yang dimiliki cube rekapitulasi pelayanan.
Gambar 4.21 Struktur pembentukan Dimensi Lintasan
Pada Dimensi Lintasan menggunakan tabel dimensi_lintasan pada
b. Dimensi Kapal
Gambar 4.22 merupakan gambaran struktur pembentukan Dimensi Kapal yang dimiliki cube rekapitulasi pelayanan.
Gambar 4.22 Struktur pembentukan Dimensi Kapal
Pada Dimensi Kapal menggunakan tabel dimensi_kapal pada
database asdpferry dan memiliki hirarki Kapal. c. Dimensi Tiket
Gambar 4.23 merupakan gambaran struktur pembentukan Dimensi Tiket yang dimiliki cube rekapitulasi pelayanan.
Gambar 4.23 Struktur pembentukan Dimensi Tiket
Pada Dimensi Tiket menggunakan tabel dimensi_tiket pada
database asdpferry dan memiliki hirarki Kategori dan Tiket. d. Dimensi Waktu
Gambar 4.24 merupakan gambaran struktur pembentukan Dimensi Waktu yang dimiliki cube rekapitulasi pelayanan.
Gambar 4.24 Struktur pembentukan Dimensi Waktu
Pada Dimensi Waktu menggunakan tabel dimensi_waktu pada
database asdpferry dan memiliki hirarki Tahun, Bulan dan Tanggal.
2. Star Schema Cube Laporan Produksi
Skema kubus laporan produksi akan membaca data dari fact_laporan_produksi di database asdpferry. Gambar 4.25 merupakan
star schema cube laporan produksi.
Gambar 4.25 Star Schema cube Laporan_Produksi
Kubus dengan nama laporan_produksi memiliki tabel fakta fact_laporan_produksi. Dimensi yang digunakan adalah Dimensi Waktu,Dimensi Lintasan, Dimensi Kapal, Dimensi Tiket. Nilai
pengukuran atau measure dari skema laporan_produksi adalah produksi. Penjelasan mengenai dimensi-dimensi yang digunakan adalah sebagai berikut:
a. Dimensi Waktu
Gambar 4.26 merupakan gambaran struktur pembentukan Dimensi Waktu yang dimiliki cube Laporan_Produksi.
Gambar 4.26 Struktur pembentukan Dimensi Waktu
Pada Dimensi Waktu menggunakan tabel dimensi_waktu pada
database asdpferry dan memiliki hirarki Tahun, Bulan dan Tanggal.
b. Dimensi Lintasan
Gambar 4.27 merupakan gambaran struktur pembentukan dimensi lintasan yang dimiliki cube Laporan_Produksi.
Pada Dimensi Lintasan menggunakan tabel dimensi_lintasan pada database asdpferry dan memiliki hirarki Lintasan
c. Dimensi Kapal
Gambar 4.28 merupakan gambaran struktur pembentukan Dimensi Kapal yang dimiliki cube Laporan_Produksi.
Gambar 4.28 Struktur pembentukan Dimensi Kapal
Pada Dimensi Kapal menggunakan tabel dimensi_kapal pada
database asdpferry dan memiliki hirarki Kapal. d. Dimensi Tiket
Gambar 4.29 merupakan gambaran struktur pembentukan Dimensi Tiket yang dimiliki cube Laporan_Produksi.
Gambar 4.29 Struktur pembentukan Dimensi Tiket
Pada Dimensi Tiket menggunakan tabel dimensi_tiket pada
3. Star Schema Cube Laporan Pendapatan
Skema kubus Laporan_Pendapatan akan membaca data dari fact_laporan_pendapatan di database asdpferry. Gambar 4.30