Star Schema | Snow Flake Schema | Star Flake Schema
Dimensional Modelling adalah desain logic yang mempresentasikan dalam brntuk standart dan mudah di pahami sehingga mendukung untuk akses terhadap data sangat cepat.
Tabel Fakta adalah tabel utama dalam konsep pemodelan dimensional dimana hasil perhitungan bisnis disimpan.
Tabel Dimensi berisi penjelasan deskriptif dari sebuah bisnis dan memiliki banyak kolom atau atribut.
Star Schema
Adalah
Struktuk logikal
yang memiliki tabel fakta yang terdiri atas data faktual ditengahnya, dan
dikelilingi oleh tabel-tabel dimensi yang berisi referensi data.
|
Karakteristik
|
Keuntungan
1. Sebih simple
2. Mudah
dipahami.
3. Hasil dari
proses query juga relatif lebih cepat.
|
Kerugian
Boros dalam
space.
|
Snowflake Schema
Adalah
Pengembangan dari
star schema, ia juga mempunyai satu atau lebih dimensi. Hanya saja pada
snowflake, tabel yang berelasi pada fact table hanya tabel dimensi utama,
sedangkan tabel yang lain dihubungkan pada tabel dimensi utama.
|
Karakteristik
1. Tabel dimensi di normalisasikan
dengan dekomposisi pada level atribut.
2. Setiap dimensi mempunyai satu key untuk setiap level pada hirarki
dimensi
3. Kunci level terendah
menggabungkan tabel dimensi dengan tabel fakta dan tabel atribut berlevel
rendah
|
Keuntungan
1. Pemakain space
yang lebih sedikit
2. Update dan
maintenance yang lebih mudah
|
Kerugian
1. Model lebih
komplek dan rumit
2. Proses query
lebih lambat Performance yang kurang Bagus
|
Starflake Schema
Adalah
starflake schema adalah struktur hybrid yang
mengandung campuran dari star schema
dan snowflake schema (Connolly dan Begg (2010, p1230))
|
Karakteristik
|
Keuntungan
1. Efisien dalam hal mengakses
data
2. Dapat beradaptasi terhadap
kebutuhan- kebutuhan user
3. Bersifat fleksibel terhadap
perubahan yang mengarah pada perkembangan
4. Memiliki kemampuan dalam
memodelkan situasi bisnis secara umum
|
Kerugian
1. Skema yang dihasilkan sangat kompleks.
Pemrosesan query dapat diperkirakan,
hal ini dikarenakan pada level terendah, setiap table fakta harus di query
secara independen.
2. Tidak fokus dalam pemrosesan
data.
3. Sulit untuk merestrukturisasi
semua entitas menjadi satu set dimensi berbeda yang umum untuk entitas rentang
satu atau dimensi lebih.
|
referensi :
http://pic.dhe.ibm.com/infocenter/idm/docv3/index.jsp?topic=%2Fcom.ibm.datatools.dimensional.ui.doc%2Ftopics%2Fc_dm_schema_starflake.html
http://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=7&ved=0CEQQFjAG&url=http%3A%2F%2Fthesis.binus.ac.id%2Fdoc%2FBab2Doc%2F2012-1-01049-SI%2520Bab2001.doc&ei=GedDVLXNJ6G1mgWkioKoBQ&usg=AFQjCNEhwsIM0U6KWTXj4k2xXYvsjKRnqg&sig2=rHWK29WarPiB88s1syHkIw