12
Jawaban tepat atas pertanyaan diatas akan sangat membantu dalam pembuatan data warehouse.
4. Kesalahan dalam menentukan peralatan yang akan digunakan untuk menyelesaikan tugas. Dalam memilih
peralatan untuk membangun data warehouse haruslah tepat. Peralatan data warehouse tidaklah sama dengan peralatan
yang digunakan untuk membangun sistem operasional. 5. Kesalahan dalam siklus hidup data warehouse. Siklus hidup
data warehouse berbeda dengan System Development Life
Cycle SDLC. Walaupun memiliki kesamaan, akan tetapi
ada perbedaan mendasar yaitu bahwa siklus hidup data warehouse
tidak pernah berakhir, selalu berlanjut sehingga perlu selalu diperbaharui. Hal ini heruslah perlu disadari.
6. Cenderung membatalkan
data yang
mengandung perbedaan. Perlu dilakukan penyesuaian terhadap data yang
berbeda dan buka menghilangkan data. 7. Menggagalkan dokumen yang ada kesalahan.
Tujuh kesalahan diatas harus dihindari selama proses pembuatan data warehouse.
2.2 Extract, Transform dan Load ETL
Secara singkat proses ETL dibagi dalam 3 proses besar yaitu : 1. Extract
Mengumpulkan data dari multiple, heterogeneous dan external sources.
2. Transform Merubahconvert data dari format aslilegacy ke dalam format
data warehouse .
3. Load
13
Mengurutkan, merangkum, mengkonsolidasi, computer views, mengecek integritas, membangun indeks dan partisi.
2.3 Multi Dimensional Modeling
2.3.1 Cube, Dimension, Measure dan Member
Teknologi OLAP menganut multi dimensional modeling, artinya kita dapat melihat analisis pengukuran dengan pandangan berbagai
dimensi. Di dalam konsep ini kita perlu mengenal berbagai istilah yang berkaitan dengan OLAP :
1. Cube: adalah struktur multi dimensional konseptual, terdiri dari dimension dan measure dan biasanya mencakup
pandangan bisnis tertentu. 2. Dimension dimensi: adalah struktur view sudut pandang
yang menyusun cube. Dimensi dapat terdiri dari berbagai level.
3. Measure: nilai pengukuran itu sendiri. 4. Member: isi anggota dari suatu dimension measure
tertentu.
2.3.2 Fact Table dan Dimension Table
Tabel fakta adalah satu tabel pada model dimensional yang isinya composite primary key.
Tabel dimemsi adalah sekumpulan tabel-tabel yang lebih kecil dari tabel fakta pada model dimensional. Setiap tabel dimensi
mempunyai non-composite primary key Connolly dkk, 2005. Di dalam model multi dimensional, database terdiri dari
beberapa tabel fakta dan tabel dimensi yang saling terkait. Suatu tabel fakta berisi berbagai nilai agregasi yang menjadi dasar
pengukuran measure serta beberapa key yang terkait ke tabel dimensi yang akan menjadi sudut pandang dari measure tersebut.
