Pembentukan Data Mart Menggunakan Metode Generalization

  • I Gede Sugita Aryandana Jurusan Teknologi Informasi, Fakultas Teknik, Universitas Udayana
  • I Made Sukarsa Jurusan Teknologi Informasi, Fakultas Teknik, Universitas Udayana
  • Putu Wira Buana Jurusan Teknologi Informasi, Fakultas Teknik, Universitas Udayana
##plugins.pubIds.doi.readerDisplayName## https://doi.org/10.24843/LKJITI.2016.v07.i03.p02

Abstrak

Teknologi zaman sekarang menyebabkan kebutuhan data suatu instansi atau perusahaan untuk mengolah data atau menganalisis data secara cepat, padat dan semakin tinggi. Perusahaan atau instansi menginginkan proses analisa data dapat menghemat waktu sebanyak-banyaknya. Data warehouse merupakan sebuah teknologi analisis data yang berguna untuk mengatasi masalah tersebut. Data warehouse merupakan gudang data yang berguna untuk menampung semua history data yang dimiliki oleh instansi atau perusahaan. Data mari merupakan bagian kecil dari data warehouse. Datamart difokuskan pada satu subjek. Penelitian ini menggunakan Metode Generalization untuk melakukan proses pembentukan datamart. Generalization merupakan sebuah metode yang berguna untuk memperkecil atau mempersempit perbedaan data berdasarkan Subclass. Subclass tersebut disatukan menjadi sebuah Superclass yang berguna untuk menampung beberapa data dari Subclass. Subclass merupakan data yang sifatnya lebih deskriptif. Superclass merupakan data sifatnya lebih general. Hasil yang didapatkan adalah kumpulan dari beberapa Subclass yang telah ditentukan atau dipilih kemudian membentuk sebuah Superclass yang berguna untuk menampung sumber informasi dari Subclass.

##plugins.generic.usageStats.downloads##

##plugins.generic.usageStats.noStats##

Referensi

[1] P. Lane, “Oracle9i Data Warehousing Guide.” Oracle Corporation, 2002.
[2] A. Parekh, “Introduction on Data Warehouse with OLTP and OLAP,” International Journal Of Engineering And Computer Science, vol. 2, no. 8, pp. 2569–2573, 2013.
[3] S. Bagui, “Mapping Generalizations and Specializations and Categories to Relational Databases,” Handbook of Research on Innovations in Database Technologies and Applications: Current and Future Trends, pp. 2009–2011, 2009.
[4] H. B. Zghal, S. Faïz, and H. Ben Ghézala, “CASME : A CASE Tool for Spatial Data Marts Design and Generation,” International Journal of Cooperative Information Systems., pp. 1–11, 2003.
[5] Y. Pitarch, C. Favre, A. Laurent, and P. Poncelet, “Context-aware generalization for cube measures,” Proceedings of the ACM 13th international workshop on Data warehousing and OLAP (DOLAP '10), p. 99, 2010.
[6] R. Liu, K. Koedinger, and E. a Mclaughlin, “Interpreting Model Discovery and Testing Generalization to a New Dataset,” Proceedings of the Seventh International Conference on Educational Data Mining, pp. 107–113, 2014.
[7] M. Golfarelli and S. Rizzi, Data warehouse design: Modern principles and methodologies. McGraw-Hill, Inc., 2009.
[8] A. Bonifati, F. Cattaneo, S. Ceri, A. Fuggetta, and S. Paraboschi, “Designing data marts for data warehouses,” ACM Transactions on Software Engineering and Methodology (TOSEM), vol. 10, no. 4, pp. 452–483, 2001.
[9] J. Eder and S. Kanzian, “Logical Design of Generalizations in Object-Relational Databases,” in East European Conference - Advances in Databases and Information Systems, 2004, vol. 8th.
Diterbitkan
2016-12-02
##submission.howToCite##
SUGITA ARYANDANA, I Gede; SUKARSA, I Made; BUANA, Putu Wira. Pembentukan Data Mart Menggunakan Metode Generalization. Lontar Komputer : Jurnal Ilmiah Teknologi Informasi, [S.l.], p. 138-149, dec. 2016. ISSN 2541-5832. Tersedia pada: <https://ojs.unud.ac.id/index.php/lontar/article/view/25456>. Tanggal Akses: 14 oct. 2025 doi: https://doi.org/10.24843/LKJITI.2016.v07.i03.p02.
Bagian
Articles

Kata Kunci

Data Warehouse; Data Mart Generalization.