::: OLAP :::
SEJARAH
Produk pertama menggunakan query OLAP adalah Express yang dirilis tahun 1970 ( dan dipakai oleh Oracle tahun 1995 sebagai Information Resources ). Tetapi istilah OLAP baru muncul tahun 1993 diperkenalkan oleh E. F. Codd yang merupakan bapak relational databases. Karangan Codd berisi konsultasi pendek yang Codd lakukan dengan pendiri Arbor Software ( sekarang disebut Hyperion Solutions, dan pada tahun 2007 dibeli oleh Oracle ) untuk memperbaiki pemasaran. Perusahaan tersebut kemudian merilis produk OLAP, Essbase, yang menerapkan 12 aturan Codd untuk online analytical processing. OLAP market tumbuh dengan cepat pada akhir tahun 90an dengan banyak komersial produk yang muncul di pasaran. Pada tahun 1998, Microsoft merilis OLAP server pertamanya, Microsoft Analysis Services yang dikembangkan dengan mengadopsi teknologi OLAP.
Produk pertama menggunakan query OLAP adalah Express yang dirilis tahun 1970 ( dan dipakai oleh Oracle tahun 1995 sebagai Information Resources ). Tetapi istilah OLAP baru muncul tahun 1993 diperkenalkan oleh E. F. Codd yang merupakan bapak relational databases. Karangan Codd berisi konsultasi pendek yang Codd lakukan dengan pendiri Arbor Software ( sekarang disebut Hyperion Solutions, dan pada tahun 2007 dibeli oleh Oracle ) untuk memperbaiki pemasaran. Perusahaan tersebut kemudian merilis produk OLAP, Essbase, yang menerapkan 12 aturan Codd untuk online analytical processing. OLAP market tumbuh dengan cepat pada akhir tahun 90an dengan banyak komersial produk yang muncul di pasaran. Pada tahun 1998, Microsoft merilis OLAP server pertamanya, Microsoft Analysis Services yang dikembangkan dengan mengadopsi teknologi OLAP.
Online
Analytical Processing, atau disingkat OLAP adalah metode pendekatan untuk
menyajikan jawaban dari permintaan proses analisis yang bersifat dimensional
secara cepat, yaitu desain dari aplikasi dan teknologi yang dapat mengoleksi,
menyimpan, memanipulasi suatu data multidimensi untuk tujuan analis. 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).
OLTP adalah singkatan dari On Line
Transaction Processing, OLTP sering kita jumpai di sekitar kita seperti toko
atau swalayan contohnya database pada sistem informasi penjualan. Berbeda
dengan OLAP, OLAP adalah On Line Analytical Processing yang maksudnya adalah
database yang menyimpan data sekarang dan masa lalu yang berasal dari OLTP.
OLAP bertujuan untuk keperluan analisis dan pelaporan manajemen dalam rangka
pengambilan keputusan. perbedaan OLAP dan OLTP terletak pada
tujuannya. A=Analytical T=Transactional. perintahnya sama-sama . select. Kalau
tidak salah, pada olap tidak ada update, insert. update dan insert hanya
berlangsung sesekali, pada saat proses Extract Transform Load dari database transactional
ke data warehouse. jadi olap sifatnya historical. digunakan untuk kepentingan
analisis.
struktur data pada OLAP dibuat seplain mungkin, dengan meminimalisasi tipe foreign key dan database form. tujuannya supaya ketika query dijalankan, database tidak perlu melakukan proses yang terlalu rumit seperti pada OLTP [select dalam select, tipe foreign key yang tidak sederhana, dlsb]
struktur data pada OLAP dibuat seplain mungkin, dengan meminimalisasi tipe foreign key dan database form. tujuannya supaya ketika query dijalankan, database tidak perlu melakukan proses yang terlalu rumit seperti pada OLTP [select dalam select, tipe foreign key yang tidak sederhana, dlsb]
OLAP merupakan suatu metode
pendekatan untuk menyajikan jawaban dari permintaan proses analisis yang
bersifat dimensional secara cepat, yaitu desain dari aplikasi dan teknologi
yang dapat mengoleksi, menyimpan, memanipulasi suatu data multidimensi untuk
tujuan analisis.
OLAP (Online
Analytical Processing) adalah teknologi yang memproses data di dalam data
warehouse dalam struktur multidimensi, menyediakan jawaban yang cepat untuk
query analisis yang kompleks.
perbedaannya
dapat dilihat pada table dibawah ini
- User
Dalam OLTP, penggunanya adalah IT PRoffesional sedangkan OLAP penggunanya adalah Knowledge worker maksdunya penggunanya adalah seorang yang bertindak dalam subyek tertentu, atau petinggi dalam suatu perusahaan. - Function
OLTP digunakan sehari-hari untuk proses bisnis seperti toko atau swalayan, sedangkan OLAP digunakan untuk pengambilan keputusan. - Design DB
Desain dalam OLTP bersifat Entity Relational atau
databasenya dinormalisasi dulu sebelum digunakan. Untuk OLAP desain databasenya
di de-normalisasi.
- Data
Dalam OLTP datanya adalah hari ini, update setiap saat sedangkan OLAP datanya adalah sekarang dan hari ini yang berguna untuk melakukan analisis ke depan. - Penggunaan
OLTP digunakan setiap saat, sedangkan OLAP digunakan seperlunya saja. - Access
OLTP aksesnya bisa write, read dan lain-lain. Sedangkan OLAP sering dibaca karena digunakan untuk analisa. - Unit Pekerjaan
Kalau OLTP pekerjaannya hanya sederhana misalnya transaksi
dalam swalayan. Untuk OLAP query untuk menampilkan data sangat kompleks
- Jumlah rekaman yang di akses
Kalau OLTP sekitar ratusan sampai ribuan, tapi jika OLAP
data yang diakses bisa sampai jutaan bahkan milyaran.
- Jumlah Pengguna
Untuk OLTP penggunanya adalah puluhan, tapi kalau OLAP penggunanya bisa sampai ratusan bahkan ribuan
- Ukuran Database
Ukuran database untuk OLTP sekitar MB-GB, sedangkan OLAP
bisa sampai GB-TB
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.
Secara
mendasar OLAP adalah operasi
basis data atau sesuatu metode khusus untuk melakukan analisa terhadap
data yang terdapat didalam media penyimpanan data (database) dan untuk mendapatkan data dalam bentuk kesimpulan dengan
menggunakan agregasi sebagai mekanisme utama.Untuk tujuan tersebut data
yang berupa informasi dibuat dalam format khusus dengan memberikan group
terhadap data. Hal ini dinamakan model kubus atau cube dimana kita bisa
memandang data dari berbagai dimension cube
Ada 3 tipe dari OLAP yaitu :
1. Relational
OLAP (ROLAP)
2. Multidimensional
OLAP (MOLAP)
3. Hybrid
OLAP (HOLAP)membagi data antara tabel relasional dan tempat penyimpanan khusus.
Cube
adalah
bagian utama dari OLAP. Cube berisi kumpulan banyak data yang telah
disatukan (diagregasi) sehingga mempercepat hasil query. Misal, data
penjualan yang telah disatukan dengan data periode waktu dan jenis barang, akan
mempercepat hasil query untuk menampilkan data penjualan per minggu,
atau per bulan dan berdasarkan jenis barang tertentu. Di dalam Cube terdapat
Dimension dan Measures.
- Fact Table merupakan Tabel yang digunakan dan yang berisi data-data dalam kelompok Measure
- Dimension adalah bagian dari Cube yang menggambarkan suatu kategori data, yang digunakan sebagai dasar untuk merangkum data. Misalnya : dimensi waktu atau area. Biasanya pula, dimension memiliki hirarki atau jenjang atau tingkatan. Misal dimensi waktu memiliki tingkatan berupa : tahun, bulan, minggu, hari, dan sebagainya. Dimensi area, seperti propinsi, kabupaten, kecamatan dan desa. Tabel yang digunakan sebagai dimension disebut Dimension Table.
- Measure adalah bagian dari Cube yang berisi kumpulan data yang akan dirangkum, seperti data jumlah penduduk laki-laki, jumlah penduduki perempuan, kepadatan penduduk, dan lain-lain. Pada umumnya, data yang tergolong dalam measure ini tidak memiliki hirarki atau jenjang, dan dapat dilakukan proses matematis (penjumlahan, pengurangan, dan lain-lain).
Data telah berkembang sangat
pesat dalam beberapa dekade terakhir. Banyak bentuk-bentuk yang dulu “hanya“
mempunyai teknologi sebagai tempat penyimpanan data yang terdiri dari
field-field, record dan diolah serta ditampilkan menjadi informasi dalam
berbagai format tampilan yang sederhana, bermula dari bentuk yang sederhana
tersebut maka didapatkan suatu metoda untuk menampilkan suatu database yang
berguna untuk menganalisa data untuk suatu keperluan tertentu. Sejak tahun
1980-an , baik organisasi swasta maupun pemerintahan telah bekerja dengan data
dalam interval megabyte sampai gigabyte bahkan terabyte. Oleh karena itu,
kebutuhan akan alat cangih dan cepat dalam menganalisis data semakin meningkat.
Hal ini dikarenakan maju atau mundurnya perusahaan akan sangat bergantung oleh
seberapa cepat dan canggihnya sistem informasi yang mereka miliki serta
kemampuan mereka dalam menganalisis informasi dengan sistem tersebut. Dengan
memanfaatkan relational database yang sudah ada maka didapat suatu cara untuk
mengantisipasi kebutuhan guna menganalisa data secara cepat untuk membantu
mendapatkan keputusan dalam suatu aplikasi atau organisasi
Sudah sekian lama, perusahaan menganalisis data dengan menggunakan relational DBMS yang sangat sederhana, dan tentunya memiliki keterbatasan dalam melakukan aggregate, summarize, consolidate, sum, view, dan analyze. Kekurangan tersebut akan muncul jika datanya bersifat multidimensi, karena banyak perusahaan menganalisis berbagai data dalam satu waktu yang bersamaan. Oleh karena itu, dibutuhkan suatu multidimensional data analysis sehingga muncullah Online Analytical Processing (OLAP).
Sudah sekian lama, perusahaan menganalisis data dengan menggunakan relational DBMS yang sangat sederhana, dan tentunya memiliki keterbatasan dalam melakukan aggregate, summarize, consolidate, sum, view, dan analyze. Kekurangan tersebut akan muncul jika datanya bersifat multidimensi, karena banyak perusahaan menganalisis berbagai data dalam satu waktu yang bersamaan. Oleh karena itu, dibutuhkan suatu multidimensional data analysis sehingga muncullah Online Analytical Processing (OLAP).
TEKNIK OLAP
Selain itu, teknik OLAP itu
sendiri dapat dirangkum menjadi 5 garis besar yaitu Fast Analysis of
Shared Multidimensional Information atau disingkat menjadi FASMI yang
masing-masing berarti sebagai berikut:
1. FAST
berarti
sistem ditargetkan untuk memberikan response terhadap user dengan secepat
mungkin, sesuai dengan analisis yang dilakukan.
2. ANALYSIS
berarti
sistem dapat mengatasi berbagai logika bisnis dan analisis statistik yang
relevan dengan aplikasi dan user, dan mudah.
3. SHARED
berarti
sistem melaksanakan seluruh kebutuhan pengamanan data, jika dibutuhkan banyak
akses penulisan terhadap data, disesuaikan dengan level dari user. Tidak semua
aplikasi membutuhkan user untuk menulis data kembali. Sistem harus dapat
meng-handle multiple update dalam satu waktu secara aman.
4. MULTIDIMENSIONAL
berarti
sistem harus menghasilkan conceptual view dari data secara multidimensional,
meliputi full support untuk hierarki dan mutiple hierarki. Hal ini merupakan
cara yang logic untuk menganalisis bisnis dan organisasi.
5. INFORMATION
adalah semua
data dan informasi yang dibutuhkan dan relevan untuk aplikasi. Kapasitas produk
OLAP berbeda untuk menghandle input data tergantung beberapa pertimbangan
meliputi duplikasi data, RAM yang dibutuhkan, penggunaan disk space,
performance, integrasi dengan data warehouse, dan lainnya.
Karakteristik
Adapun karakteristik dari OLAP, yaitu:
Adapun karakteristik dari OLAP, yaitu:
Mengijinkan user melihat data
dari sudut pandang logical dan multidimensional pada data warehouse
Memfasilitasi query yang komplek dan analisa bagi user Mengijinkan user melakukan drill down untuk menampilkan data pada level yang lebih detil atau roll up untuk agregasi dari satu dimensi atau beberapa dimensi Menyediakan proses kalkulasi dan perbandingan data Menampilkan hasil dalam bentuk number termasuk dalam tabel dan grafik.
Memfasilitasi query yang komplek dan analisa bagi user Mengijinkan user melakukan drill down untuk menampilkan data pada level yang lebih detil atau roll up untuk agregasi dari satu dimensi atau beberapa dimensi Menyediakan proses kalkulasi dan perbandingan data Menampilkan hasil dalam bentuk number termasuk dalam tabel dan grafik.
Selain itu karakteristik OLAP yang lain yaitu :
·
Menggunakan
teknik analisa data Multidimensional
·
Menyediakan
dukungan database tingkat lanjut
·
Menyediakan
cara pakai yang mudah dan User Interface yang mudah difahami.
·
dMendukung
arsitektur Client/Server
TEMPAT PENYIMPANAN
Dari OLAP tersebut terdapat 3 model penyimpanan data dalam cube yang difasilitasi oleh Microsoft SQL Server 7.0. Ketiga model penyimpanan data tersebut adalah:
MOLAP
Multidimensional online analitycal processing (MOLAP) menyimpan data dan agregasi pada struktur data multidimensi. Struktur MOLAP ini tidak tersimpan pada data warehouse tapi tersimpan pada OLAP server.
Multidimensional online analitycal processing (MOLAP) menyimpan data dan agregasi pada struktur data multidimensi. Struktur MOLAP ini tidak tersimpan pada data warehouse tapi tersimpan pada OLAP server.
Sehingga performa query yang
dihasilkan olehnya sangat bagus. Model penyimpanan ini sesuai untuk database
dengan ukuran kecil sampai sedang.
ROLAP
ROLAP (relational online Analitycal processing) menggunakan tabel pada database relasional data warehouse untuk menyimpan detil data dan agregasi kubus. Berbeda dengan MOLAP, ROLAP tidak menyimpan salinan database, ia mengakses langsung pada tabel fact ketika membutuhkan jawaban sebuah query.
ROLAP (relational online Analitycal processing) menggunakan tabel pada database relasional data warehouse untuk menyimpan detil data dan agregasi kubus. Berbeda dengan MOLAP, ROLAP tidak menyimpan salinan database, ia mengakses langsung pada tabel fact ketika membutuhkan jawaban sebuah query.
Sehingga query pada ROLAP
mempunyai response time yang lebih lambat dibandingkan ROLAP maupun HOLAP.
Karakteristik model ini digunakan untuk menyimpan data yang besar dan jarang
dilakukannya proses query. Misalkan, data histori dalam jumlah besar dari
beberapa tahun yang sebelumnya.
HOLAP
Gabungan model MOLAP dan ROLAP dapat kita peroleh dari HOLAP (hibrid online analitycal processing).Detil data tersimpan pada tabel relasional tapi aggregasi data disimpan dalam format multidimensi.
Gabungan model MOLAP dan ROLAP dapat kita peroleh dari HOLAP (hibrid online analitycal processing).Detil data tersimpan pada tabel relasional tapi aggregasi data disimpan dalam format multidimensi.
Misalkan proses drill down
dilakukan pada sebuah tabel fakta, maka retrive data akan dilakukan dari tabel
database relasional sehingga query tidak secepat MOLAP. Kubus HOLAP lebih kecil
daripada kubus MOLAP tapi response time query masih lebih cepat jika
dibandingkan dengan ROLAP. Model penyimpanan HOLAP ini biasanya sesuai untuk
kubus yang membutuhkan performa query yang bagus dengan jumlah data yang besar.
Pengguna OLAP umumnya memanfaatkan OLAP dengan pola analisis seperti berikut :
Meringkas dan mengumpulkan
sejumlah besar data
Melakukan filtering, pengurutan,
dan memberikan peringkat (rangking)
Membandingkan beberapa set dari
data
Membuat sketsa/bagan/diagram
Menganalisis dan menemukan pola
dari data
Menganalisis kecenderungan data
OLAP menerangkan sebuah kelas
dari teknologi yang didesain keberadaan data adhoc dan analisis. Ketika proses
umum transaksi terjadi pada hubungan database, OLAP menjadi kurang lebih sama
dengan pandangan multidimensi dari data bisnis. Tampilan multidimensi ini
didukung oleh teknologi multidimensi database.
Tool software OLAP mengirim
alat-alat teknologi untuk analisis bisnis komplek dengan membuat pengguna dapat
menganalisa data dalam lingkungan multidimensi. Dengan tool OLAP seseorang
dapat menganalisa dan me-navigasi melalui data untuk menemukan trend, titik
pengecualian, dan mendapat detail tergaris bawah untuk pemahaman kemunduran
yang lebih baik dan menjalankan aktivitas bisnis mereka. OLAP merupakan suatu
metode pendekatan untuk menyajikan jawaban dari permintaan proses
analisis yang bersifat dimensional secara cepat, yaitu desain dari aplikasi dan
teknologi yang dapat mengoleksi, menyimpan, memanipulasi suatu data
multidimensi untuk tujuan analisis.
OLAP DAN PENJADWALAN BERPRIORITAS
Berdasarkan algoritma
penjadwalan berprioritas dibagi dua macam :
Statis, prioritas yang tidak
berubah
Dinamis, prioritas yang bisa
diubah
Pada OLAP algoritma yang
digunakan adalah algoritma berprioritas dinamis karena merupakan mekanisme
menanggapi perubahan lingkungan sistem saat beroperasi di lingkungan nyata.
Prioritas awal yang diberikan ke proses mungkin hanya berumur pendek dalam hal
ini sistem dapat menyesuaikan nilai prioritasnya ke nilai yang lebih tepat
sesuai lingkungan.
Algoritma ini dituntun untuk memenuhi kebijaksanaan tertentu yang menjadi tujuan sistem komputer.
Berbagai kelebihan bisa didapat dengan menggunakan OLAP ini diantaranya :
Dapat meningkatnya produktivitas bisnis, IT developers, dan seluruh organisasi
Akses yang lebih terkendali terhadap informasi yang dapat meningkatkan efektivitas pengambilan keputusan
Algoritma ini dituntun untuk memenuhi kebijaksanaan tertentu yang menjadi tujuan sistem komputer.
Berbagai kelebihan bisa didapat dengan menggunakan OLAP ini diantaranya :
Dapat meningkatnya produktivitas bisnis, IT developers, dan seluruh organisasi
Akses yang lebih terkendali terhadap informasi yang dapat meningkatkan efektivitas pengambilan keputusan
Mempercepat respon terhadap
permintaan pasar.
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.
OLAP Features
Beberapa
produk OLAP secara logika adalah sama, kesamaan tersebut antara lain dalam
hal-hal berikut:
·
Berdasarkan
Dimensional
·
Pre-Aggregate
untuk meningkatkan performance dan
·
Mendukung
bahasa analisa data tingkat lanjut
Operasi-operasi OLAP
Operasi-operasi yang terdapat
pada OLAP antara lain :
1.
Slicing dan Dicing
Slicing dan dicing adalah
operasi untuk melihat data sebagai visualisasi dari kubus. Dengan slicing dan
dicing pengguna dapat melihat data dari beberapa perspektif. Pengguna dapat
mengekstrak bagian dari data agregrated dan dapat memeriksa dengan
detail berdasarkan dimensi-dimensi yang diinginkan. Data Agregrated
merupakan data praperhitungan (precalculated) dalam bentuk rangkuman
data (data summarized) sehingga query pada kubus (cube) lebih
cepat. 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.
1.
Roll up dan drill down
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.
Pengambilan data dan Refresh perbedaan
OLAP
database diatur untuk memfasilitasi pencarian dan analisis data dalam jumlah
besar. Sebelum Excel menampilkan ringkasan data dalam laporan PivotTable, OLAP
server melakukan perhitungan untuk meringkas data. Hanya data diringkas kembali
ke Excel, pada dasar yang dibutuhkan. Dengan non-OLAP eksternal database, semua
catatan sumber individu kembali, dan kemudian Excel tidak meringkas. Akibatnya,
OLAP database dapat menyediakan Excel dengan kemampuan untuk menganalisis data
eksternal dalam jumlah banyak lebih besar.
OLAP server kembali data baru ke Excel setiap kali Anda mengubah tampilan atau layout laporan PivotTable atau PivotChart. Ketika Anda menggunakan non-OLAP sumber data, data refresh berbeda dan me-refresh berbagai pilihan tersedia dalam PivotTable pilihan kotak dialog.
Non-OLAP data dapat kembali ke Excel sebagai berbagai data eksternal atau laporan PivotTable atau PivotChart. OLAP data dapat kembali ke Excel hanya berbentuk laporan PivotTable atau PivotChart.
Sumber :
0 komentar:
Posting Komentar