Pembentukan Data Mart Menggunakan Metode Generalization
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##
Referensi
[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.
Kata Kunci
The Authors submitting a manuscript do so on the understanding that if accepted for publication, the copyright of the article shall be assigned to Jurnal Lontar Komputer as the publisher of the journal. Copyright encompasses exclusive rights to reproduce and deliver the article in all forms and media, as well as translations. The reproduction of any part of this journal (printed or online) will be allowed only with written permission from Jurnal Lontar Komputer. The Editorial Board of Jurnal Lontar Komputer makes every effort to ensure that no wrong or misleading data, opinions, or statements be published in the journal.
This work is licensed under a Creative Commons Attribution 4.0 International License.