BAB I
DASAR- DASAR OLAP
Olap
Online Analytical Processing
, atau disingkat OLAP adalah sebuah pendekatan secara cepat
menyediakan jawaban-jawaban terhadap kueri analitik yang multidimensi di dalam alam. OLAP
adalah bagian dari kategori yang lebih global dari pemikiran bisnis, yang juga merangkum
hubungan antara pelaporan dan penggalian data. Aplikasi khusus dari OLAP adalah pelaporan
bisnis untuk penjualan, pemasaran, manajemen pelaporan, manajemen proses bisnis (MPB),
penganggaran dan peramalan, laporan keuangan dan bidang-bidang yang serupa. Istilah OLAP
merupakan
perampingan
dari
istilah
lama
database
OLTP
(
Online
Transaction
Processing
).Database yg dikonfigurasikan untuk pelayanan OLAP model data multidimensi, bisa
digunakan untuk analisis komplek dan kueri khusus (
ad hoc
) dengan suatu laju waktu eksekusi.
Mereka meminjam aspek database navigasi dan database hierarki yang lebih cepat daripada yang
sefamilinya.
Nigel Pendse
menyarankan suatu alternatif dan mungkin istilahnya lebih deskriptif
yang menjelaskan bahwa konsep OLAP adalah Analisis Cepat dari Informasi Multidimensi yang
dapat di-
sharing
(FASMI). Keluaran dari kueri OLAP ditampilkan secara khusus dalam format
matrik atau pivot. Dimensinya membentuk baris berupa ukuran dan kolom berupa nilai dari
matrik.
Desain Konsep
Setiap pengukuran bisa dijadikan gagasan karena memiliki sebuah himpunan label, atau
meta-data yang dihubungkan dengannya. Sebuah dimensi merupakan apa yang dijelaskan label-label
ini; ia juga menyediakan informasi tentang ukuran.
Contoh sederhana untuk menjadikan kubus yang berisi penyimpanan sales sebagai ukuran dan
tanggal/jam sebagai sebuah dimensi. Setiap penjualan memiliki label tanggal/jam yang
menjelaskan lebih tentang penjualan itu.Sebarang jumlah dimensi dapat ditambahkan ke struktur
seperti penyimpanan, kasir, atau pelanggan dengan menjumlahkan sebuah kolom ke
fact table
.
Bisa pula analis melihat ukuran sepanjang sebarang kombinasi dari dimensi-dimensi itu.
Ide dasar dari OLAP adalah cukup sederhana. Mari kita pikirkan bahwa data memesan buku sejenak. MisalkanAnda ingin tahu berapa banyak orang memesan buku tertentu setiap bulan selama tahun. Anda dapat
menulis permintaan yang cukup sederhana untuk mendapatkan informasi yang Anda inginkan.
menangkap adalah bahwa mungkin membutuhkan waktu yang lama untuk SQL Server untuk churn
melalui banyak baris data.
Dan bagaimana jika tidak semua data dalam tabel SQL Server tunggal, tetapi tersebar di dalam berbagai
database seluruh organisasi Anda? Info pelanggan, misalnya, mungkin dalam database Oracle, dan
informasi pemasok dalam database xBase warisan. SQL Server dapat menangani permintaan
didistribusikan heterogen, tetapi mereka lebih lambat.
Bagaimana jika, setelah melihat angka-angka bulanan, Anda ingin menelusuri ke nomor mingguan atau
harian? Itu akan lebih memakan waktu dan memerlukan menulis pertanyaan bahkan lebih.
Di sinilah OLAP masuk Ide dasarnya adalah ruang penyimpanan trade off sekarang untuk meningkatkan
kecepatan query kemudian. OLAP melakukan hal ini dengan menyimpan precalculating dan agregat. Bila
Anda mengidentifikasi data yang ingin Anda simpan dalam database OLAP, Analisis Jasa analisis di
muka dan angka keluar angka-angka harian, mingguan, dan bulanan dan toko mereka pergi (dan toko
agregat lainnya pada saat yang sama). Hal ini memakan banyak ruang disk, tetapi itu berarti bahwa ketika
Anda ingin mencari data Anda dapat melakukannya dengan cepat.
Kemudian dalam bab ini, Anda akan melihat bagaimana Anda dapat menggunakan Analisis Layanan
•
Dimension table
kumpulan data yang telah dikumpulkan untuk memungkinkan permintaan untuk kembali data
dengan cepat. Sebagai contoh, sebuah kubus data mungkin agar dikumpulkan menurut periode
waktu dan dengan judul, membuat kubus cepat ketika Anda mengajukan pertanyaan tentang
perintah oleh minggu atau perintah menurut judul.
Kubus dipesan ke dimensi dan ukuran. Data untuk kubus berasal dari serangkaian pementasan
tabel, kadang-kadang disebut bintang-schema database. Dimensi dalam kubus dimensi berasal
dari tabel dalam database pementasan, sementara tindakan berasal dari fakta tabel dalam database
pementasan.
2. Dimensi meja
Sebuah tabel dimensi hidup dalam database pementasan dan berisi data yang ingin Anda gunakan
untuk grup merangkum nilai-nilai Anda. Dimensi tabel berisi kunci utama dan semua atribut lain
yang menggambarkan entitas yang tersimpan dalam tabel. Contohnya meja Pelanggan yang berisi
kota, informasi negara dan kode pos untuk dapat menganalisis penjualan secara geografis, atau
meja Produk yang berisi kategori dan lini produk untuk mendobrak angka penjualan.
3. Dimensi
Masing-masing kubus memiliki satu atau lebih dimensi, masing-masing berdasarkan tabel satu
atau lebih dimensi. Sebuah dimensi merupakan kategori untuk menganalisis data bisnis: waktu
atau kategori pada contoh di atas. Biasanya, dimensi memiliki hirarki alami sehingga hasil yang
4. Hirarki
Hirarki A dapat terbaik divisualisasikan sebagai sebuah pohon node. bagan organisasi sebuah
perusahaan adalah contoh dari sebuah hirarki. Masing-masing dimensi dapat berisi beberapa
hierarki, beberapa dari mereka adalah hierarki alam (hubungan orangtua-anak antara nilai-nilai
atribut terjadi secara alami dalam data), hirarki navigasi lain (hubungan orangtua-anak dibentuk
oleh pengembang.)
5. Tingkat
Setiap lapisan dalam hirarki disebut level. Misalnya, Anda dapat berbicara tentang tingkat
seminggu atau sebulan tingkat dalam hierarki waktu fiskal, dan tingkat kota atau tingkat negara
dalam hierarki geografi.
6. Fakta meja
Sebuah kehidupan tabel fakta dalam database pementasan dan berisi informasi dasar yang Anda
ingin meringkas. Ini mungkin agar detail informasi, catatan penggajian, informasi efektivitas
obat, atau apa pun yang setuju dengan penjumlahan dan rata-rata. Setiap meja yang Anda
gunakan dengan Sum atau fungsi Rata-rata dalam permintaan total adalah taruhan yang baik
untuk menjadi tabel fakta. Tabel fakta berisi kolom untuk fakta individu serta bidang kunci asing
terkait fakta-fakta dengan tabel dimensi.
7. Mengukur
Setiap kubus akan berisi satu atau lebih tindakan, masing-masing berdasarkan kolom dalam tabel
fakta bahwa Anda '; d ingin menganalisis. Dalam kubus informasi pesanan, misalnya, tindakan
akan hal-hal seperti unit penjualan dan laba.
8. Skema
Fakta tabel dan tabel dimensi yang terkait, yang tidak mengejutkan, mengingat bahwa Anda
menggunakan tabel dimensi untuk informasi grup dari tabel fakta. Hubungan dalam bentuk kubus
Pelanggan terkait dengan Pesanan, yang pada gilirannya berhubungan dengan OrderDetails, maka
BAB II
Tutorial Membuat OLAP
Petunjuk dalam pembuatan OLAP dengan Microsoft SQL Server 2008 dan
database Adventureworks 2008
1. Pertama-tama kita diharuskan menginstall Microsoft SQL Server 2008 dan juga memasukkan database Adventureworks 2008 kedalam SQL server tersebut . Mengenai penginstalan sudah dibahas pada bab sebelumnya. Langsung mengenai OLAP, disini kita harus masuk pada BIS (Business Intelligence Development Studio) yang terdapat pada Microsoft SQL Server.
4. Dalam menuBusiness Intelligence project, kita pilih Analysis Services Project
6. Kita lihat pada Solution Explorer, terdapat tulisan Coba1, dimana disini nantinya kita akan membuat OLAP.
8. Kemudian kitapilih next
10.Pada textbox server name, kita tulis localhost dan pada textbox select or enter database, kita pilih AdventureWorks 2008
12.Jika sukses, makakoneksi telah berhasil. OKuntuk melanjutkan.
14.Kemudian setelah next, kita pilih inherit untuk menghindari error dalam men deploy SQL Server.Lalu kita klik Next
16.Kita lihat pada solution explorer coba1.ds keluar dibawah data source. Langkah selanjutnya kita buat data source view.
18.Klik next
22.Kita juga akan menambahkan table fakta dengan cara yang sama. Pada textbox filter, ketik Fact lalu klik sebelah kanan textbox
24.Setelah semuanya masuk,kita klik next.
26.Kemudian kita akan melihattable-tabel relasi dari AdventureWorks2008 ini. Disini semua table fakta dan dimensi yang telah tersedia dalam Adventure ini akan ditampilkan dalam diagram pane
32.Kitapilih next
34.Lalu disini kita akan pilih measure dimana measure ini hanya terdiri dari tabel-tabel fakta. Kita pilih FactInternetSales. Lalu kita klik next
36.Kemudiankita pilih semua, lalu pilih next
43.Setelah itu kita akan mendrag juga produk yang telah kita buat pada dimension pada drop row here
46.Kemudian kita akan memfilter apa saja yang kita lihat berdasarkan tanggal order dengan cara drag order date kepada filter row
48.Disini kita mengisikan pada hierarchy, product. Color, Operator: not equal, dan juga filter expression: black. Disini maksudnya kita hanya ingin melihat produk-produk dan juga internetsalesnya dengan warna selain black yang akan ditampilkan pada view detail.
49.Kita juga dapat melihat terbesar dan terkecil dari sales amount dengan cara klik pada sales amount kemudian klik kanan kemudian klik Sort Descending untuk terbesar ke terkecil dan Sort Ascending untuk terkecil ke terbesar.