TUGAS DATA WAREHOUSE & DATA MINING OLAP, OPERASI OLAP & MOLAP OLEH: VIVIAN WIJAYA (15 62 003) JURUSAN SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS ATMA JAYA MAKASSAR 2017
OLAP, OPERASI OLAP & MOLAP 1. OLAP OLAP adalah aplikasi analytical dengan kemampuan pivot menyerupai spreadsheet - seperti Microsoft Excel, OpenOffice Calc, dll. OLAP merupakan komponen penting dari aplikasi BI (Business Intelligence). Perbedaan dengan spreadsheet adalah OLAP dirancang khusus untuk mampu menangani jumlah data besar dan memiliki ekspresi bahasa analisis yang lebih baik. Dan aplikasi OLAP ini biasanya memiliki arsitektur client / server. Database OLAP memiliki struktur skema tersendiri dan biasanya berupa suatu data warehouse. Namun tidak tertutup kemungkinan OLAP mengambil dari database operasional (transaksional) - ini dengan catatan database ini telah memiliki struktur rancangan yang "OLAP friendly". Karakteristik OLAP: Menggunakan teknik analisa data Multidimensional Menyediakan dukungan database tingkat lanjut User Interface yang mudah difahami. Mendukung arsitektur Client/Server OLAP menyediakan cara untuk menampilkan data Multi Dimensional yang ada dalam Data Mart atau Data Warehouse, dengan OLAP dapat dibuat Cube yang mengorganisasikan data dan membuat summary data untuk query yang effisien. 2. OPERASI OLAP
Kubus data adalah representasi multidimensi dari data, bersama dengan seluruh jumlah kemungkinan. Dengan seluruh jumlah kemungkinan, yaitu sekumpulan kemungkinan yang dihasilkan dari proses pemilihan subset dari dimensidimensi dan menjumlahkan seluruh dimensi yang tersisa. Terdapat operasi operasi pada OLAP yaitu sebagai berikut: Slicing adalah seleksi sekumpulan sel dari seluruh array multidimensi dengan menetapkan nilai spesifik untuk satu atau lebih dimensi. Dicing melibatkan proses seleksi dari subset sel dengan menetapkan interval nilai atribut. Slicing memotong kubus sehingga dapat memfokuskan pada perspektif yang spesifik (pada suatu dimensi). Sedangkan dicing memberikan kemampuan untuk melihat pemilihan data pada dua dimensi atau lebih. Yaitu dengan merotasi cube pada perspektif yang lain sehingga pengguna dapat melihat lebih spesifik terhadap data yang dianalisa. Drill down dan roll up adalah operasi untuk melihat data global atau detail disepanjang level hiraraki dimensi. Roll up untuk melihat data secara global atau rangkuman (summary). Drill down memandu pengguna untuk memperoleh data yang lebih detail. Drill down ini biasa digunakan untuk menjawab pertanyaan atas suatu kasus tertentu. Misalnya untuk menjawab pertanyaan ketika sebuah summary number(rata-rata atau jumlah) di bawah atau di atas harapan. Nilai atribut kadang-kadang memiliki struktur hirarki. Setiap data berasosiasi dengan tahun, bulan dan minggu. Sebuah lokasi berasosiasi dengan benua, negara, negara bagian (propinsi, dst) dan kota. Produk dapat dipisahkan dalam beberapa kategori seperti pakaian, elektronik dan
furniture. Ingat bahwa kategori ini kadang membentuk pohon atau lattice: satu tahun terdiri dari 12 bulan dimana 1 bulan terdiri dari 28, 29, 30 / 31 hari. Struktur hirarki ini akan meningkatkan operasi roll up dan drill down. Untuk data penjualan, kita dapat mengumpulkan data (roll up) penjualan dari seluruh tanggal (harian) dalam satu bulan. Sebaliknya, untuk data yang dimensi waktunya dalam bulanan, kita dapat membagi total data penjualan bulanan (drill-down) ke dalam total penjualan harian. Dengan cara yang sama kita dapat melakukan drill down dan roll up untuk atribut lokasi atau ID produk 3. MOLAP Multidimensional online analytical processing (MOLAP) adalah semacam pemrosesan analisis online (OLAP), seperti pemrosesan analisis relasional online (ROLAP), menggunakan model data multidimensional untuk menganalisis data. Perbedaan antara MOLAP dan ROLAP adalah bahwa MOLAP mengharuskan informasi tersebut terlebih dahulu diproses sebelum diindeks secara langsung ke database multidimensional, sedangkan ROLAP dimasukkan secara langsung ke database relasional. MOLAP adalah cara tradisional dalam analisis OLAP. Dalam MOLAP data disimpan dalam bentuk Multidimensional Database. Tidak seperti basis data relasional yang menyimpan data dalam jumlah baris dalam tabel, sebuah data multidimensional menyimpan data dalam sejumlah array multidimensional. Karena dimensi dapat diakses secara mudah, maka user dapat melakukan query pada basis data MOLAP dengan sangat cepat. Selain mengandung data mentah, basis data MOLAP juga mengandung agregasi data sehingga dapat memberikan respon yang cepat terhadap query. Kelebihan MOLAP:
Performance hebat, karena MOLAP memang dibangun untuk pengambilan data yang cepat dan optimal. Dapat membentuk kalkulasi yang komplek dan cepat. Kemampuan untuk cepat melakukan perhitungan yang rumit karena telah diproduksi sebelumnya selama pembuatan kubus. Kinerja yang sangat baik Kubus MOLAP dibangun untuk pengambilan data yang cepat dan oleh karena itu yang terbaik untuk operasi "pengiris dan pemotongan". Meskipun MOLAP tampak lebih baik daripada jenis OLAP lainnya, namun MOLAP tetap memiliki beberapa kelemahan. Karena MOLAP memproses data terlebih dahulu, waktu pemrosesan dalam beberapa solusi bisa sangat panjang, terutama bila data dalam jumlah besar dilibatkan. Hal ini juga nampaknya memiliki kesulitan dalam model query dengan dimensi kardinalitas tinggi. Kekurangan MOLAP : Jumlah volume data yang dapat ditangani terbatas. Jumlah volume data yang dapat ditangani terbatas. Karena semua kalkulasi telah dihitung saat Cube dibentuk maka untuk menyimpan hasil kalkulasi tersebut diperlukan volume data yang besar dalam Cube nya sendiri. Diperlukan investasi tambahan karena teknologi MOLAP Cube seringkali belum dimiliki oleh organisasi, dengan kata lain untuk mengadopsi teknologi MOLAP ada peluang untuk menambah investasi tenaga dan biaya.
Gambar Mekanisme Kerja MOLAP
DAFTAR PUSTAKA wsilfi.staff.gunadarma.ac.id/downloads/files/4409/olap.pdf www.yuliadi.com/file/data_mining/datawarehouse_olap.pdf https://www.techopedia.com/definition/14648/multidimensional-online-analytical-processingmolap