1. Pada
penyimpanan atau
memory, skema
bintang membutuhkan ukuran penyimpanan yang relatif besar.
2. Dalam melakukan perawatan
maintenance
dan
update
lebih sulit, karena tabel yang tidak normal. 3.
Long time loading dimension table,
dalam
loading
pada tabel dimensi dibutuhkan waktu yang cukup lama, ketika
data yang dimiliki rendah dalam integritas dan nilai dalam replika tinggi maka waktu untuk melakukan
loading
menjadi meningkat. 4.
Skema bintang tidak fleksibel dalam hal kebutuhan analisis, seperti model data yang dinormalisasi jika data yang
dibutuhkan melakukan normalisasi. Skema bintang dibangun hanya untuk kebutuhan data tertentu, sehingga
tidak benar-benar memungkinkan analisis yang lebih kompleks.
5. Skema bintang tidak memiliki relasi
many-to-many.
2.3.5. Skema Butiran Salju
Snowflake
Menurut Connoly 2002, skema butiran salju
Snowflake Schema
merupakan bentuk lain dari skema bintang dimana data dalam tabel dimensi belum dinormalisasi.
Ciri-ciri dari skema butiran salju adalah : 1.
Tabel dimensi dinormalisasi dengan dekomposisi pada level atribut.
2. Setiap dimensi mempunyai satu kunci
key
untuk setiap level pada hirarki dimensi.
3. Kunci level terendah menghubungkan tabel dimensi dengan
tabel fakta dan tabel atribut berlevel rendah. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 2.5 Contoh Snowflake Schema Sumber: Connolly dan Begg. 2010
2.3.6. Kelebihan Menggunakan Skema
Snowflake
Kelebihan menggunakan skema butiran salju
snowflake
adalah : 1.
Kecepatan memindahkan data dari data OLTP ke dalam metadata.
2. Sebagai kebutuhan dari alat pengambil keputusan tingkat
tinggi dimana dengan tipe yang seperti ini seluruh struktur dapat digunakan sepenuhnya.
3. Banyak yang beranggapan lebih nyaman merancang dalam
bentuk normal ketiga. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2.3.7. Kekurangan Menggunakan Skema
Snowflake
1. Cenderung lebih sulit dipahami karena kompleksitasnya
dimana tabel-tabel dimensi skema
snowflake
merupakan normalisasi dari beberapa tabel yang berhubungan.
2. Memiliki masalah besar dalam hal
performance
atau kinerja untuk melakukan kueri, hal ini disebabkan karena
semakin banyaknya
join
antar tabel-tabel yang dilakukan dalam skema
snowflake
maka semakin lambat kinerja yang dilakukan.
2.3.8.
Cube, Dimension, Measure, dan Member
Pengertian dari dimension, measure dan member menurut phi
integration yaitu:
Cube
adalah struktur multi dimensi konseptual, terdiri dari
dimension
dan
measure
dan biasanya mencakup pandangan bisnis tertentu seperti penjualan.
Dimension
atau dimensi adalah struktur
view
atau sudut pandang yang menyusun
cube
. Dimensi dapat terdiri dari berbagai level.
Measure
adalah nilai pengukuran.
Member
adalah isi atau anggota dari suatu
dimensional measure
tertentu.
2.3.9.
Surrogate Key
Surrogate key
adalah
key
kolom data di tabel dimensi yang menjadi
primary key
dari tabel tersebut. Nilai ini biasanya berupa nilai sekuensial dan tidak memiliki arti dari proses bisnis
darimana sumber data berasal.
Surrogate key
sendiri dibutuhkan karena gudang data tidak hanya berasal dari satu sumber saja,
melainkan dari banyak sumber. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2.4.
Online Analytical Processing
2.4.1. Pengertian
