---

🟢 1. Pendahuluan Dimensional Modeling

📌 Pengertian Dimensional Modeling

Dimensional Modeling adalah teknik perancangan database dalam Data Warehouse yang digunakan untuk mempermudah proses analisis data, pelaporan, dan Business Intelligence (BI).

Model ini dirancang agar:

• query lebih cepat,
• data mudah dipahami,
• analisis multidimensi lebih efektif.

Konsep ini sangat populer dalam sistem:

• Data Warehouse,
• OLAP,
• dashboard analitik,
• Business Intelligence.

---

🔍 Narasi

Dalam database operasional, data biasanya sangat kompleks karena banyak relasi antar tabel.

Namun dalam Data Warehouse, pengguna lebih membutuhkan:

• laporan cepat,
• dashboard,
• grafik,
• analisis tren.

Karena itu digunakan model dimensional yang lebih sederhana dan efisien.

---

🖼️ Ilustrasi Konsep Dimensional Modeling

8

---

🟢 2. Tujuan Dimensional Modeling

📌 Tujuan Utama

Dimensional Modeling bertujuan untuk:

• Mempermudah analisis data
• Mempercepat query
• Mendukung OLAP
• Mempermudah visualisasi dashboard
• Menyederhanakan struktur database
• Mendukung Business Intelligence

---

🔍 Narasi

Misalnya sebuah universitas ingin menganalisis:

• jumlah mahasiswa,
• IPK,
• pembayaran,
• kelulusan.

Jika menggunakan database transaksi biasa, query akan sangat rumit.

Dengan Dimensional Modeling:

• data lebih sederhana,
• analisis lebih cepat,
• dashboard lebih mudah dibuat.

---

🟢 3. Konsep Dasar Dimensional Modeling

📌 Komponen Utama

Dimensional Modeling terdiri dari:

1. Fact Table
2. Dimension Table
3. Measures
4. Attributes
5. Keys

---

🖼️ Diagram Dasar Dimensional Model

7

---

🟢 4. Fact Table

📌 Pengertian Fact Table

Fact Table adalah tabel utama yang menyimpan data transaksi atau data numerik yang dapat dianalisis.

---

📌 Karakteristik Fact Table

• Berisi angka (measure)
• Memiliki foreign key
• Ukuran tabel besar
• Menjadi pusat analisis

---

🔍 Narasi

Fact table menyimpan aktivitas bisnis.

Contoh:

• transaksi penjualan,
• pembayaran mahasiswa,
• absensi,
• nilai mahasiswa.

---

📊 Contoh Fact Table Penjualan

id_waktu	id_produk	id_pelanggan	jumlah	total
1	101	2001	3	450000
2	102	2002	1	150000

---

🖼️ Ilustrasi Fact Table

8

---

🟢 5. Dimension Table

📌 Pengertian Dimension Table

Dimension Table adalah tabel yang berisi informasi deskriptif dari data analisis.

---

📌 Fungsi Dimension Table

• Memberikan konteks data
• Menjadi dasar filter laporan
• Mendukung analisis multidimensi

---

🔍 Narasi

Dimension table menjelaskan data pada fact table.

Contoh:

• data mahasiswa,
• data produk,
• data waktu,
• data dosen.

---

📊 Contoh Dimension Table Mahasiswa

id_mahasiswa	nama	prodi	angkatan
1	Andi	Informatika	2022
2	Budi	Sistem Informasi	2021

---

🖼️ Ilustrasi Dimension Table

7

---

🟢 6. Measures dan Attributes

🟡 6.1 Measures

📌 Pengertian

Measures adalah data numerik yang dianalisis.

---

📊 Contoh Measures

Measure	Contoh
Total Penjualan	500000
Jumlah Mahasiswa	250
Rata-rata IPK	3.45

---

🟡 6.2 Attributes

📌 Pengertian

Attributes adalah informasi pendukung dalam dimension table.

---

📊 Contoh Attributes

Attribute	Contoh
Nama Mahasiswa	Andi
Fakultas	Teknik
Kota	Sukabumi

---

🔍 Narasi

Measures digunakan untuk perhitungan, sedangkan attributes digunakan untuk filter dan kategorisasi.

---

🟢 7. Granularity (Grain)

📌 Pengertian Grain

Grain adalah tingkat detail data dalam fact table.

---

🔍 Narasi

Semakin detail grain:

• semakin besar ukuran data,
• semakin fleksibel analisis.

---

📊 Contoh Grain

Grain	Contoh
Harian	Penjualan per hari
Bulanan	Penjualan per bulan
Tahunan	Penjualan per tahun

---

🖼️ Diagram Granularity

9

---

🟢 8. Star Schema

📌 Pengertian Star Schema

Star Schema adalah model dimensional paling populer.

Fact table berada di tengah dan dihubungkan dengan dimension table.

---

🔍 Narasi

Disebut star karena bentuk diagramnya menyerupai bintang.

Kelebihan:

• sederhana,
• query cepat,
• mudah dipahami.

---

🖼️ Diagram Star Schema

7

---

📊 Contoh Star Schema Akademik

Fact Table	Dimension
Nilai Mahasiswa	Mahasiswa
Pembayaran	Waktu
Kehadiran	Dosen

---

🟢 9. Snowflake Schema

📌 Pengertian Snowflake Schema

Snowflake Schema adalah pengembangan dari Star Schema dengan normalisasi dimension table.

---

🔍 Narasi

Dimension table dipecah menjadi beberapa tabel kecil.

Kelebihan:

• hemat storage,
• struktur lebih rapi.

Kekurangan:

• query lebih kompleks.

---

🖼️ Diagram Snowflake Schema

6

---

🟢 10. Star Schema vs Snowflake Schema

📊 Tabel Perbandingan

Aspek	Star Schema	Snowflake Schema
Struktur	Sederhana	Kompleks
Query	Cepat	Lebih lambat
Normalisasi	Rendah	Tinggi
Storage	Lebih besar	Lebih hemat
Maintenance	Mudah	Lebih sulit

---

🔍 Narasi

Pemilihan schema tergantung:

• kebutuhan sistem,
• ukuran data,
• performa query.

---

🟢 11. Slowly Changing Dimension (SCD)

📌 Pengertian

SCD digunakan untuk menangani perubahan data dimension.

---

🟡 Jenis SCD

📌 Type 1

Data lama ditimpa.

📌 Type 2

Data historis disimpan.

📌 Type 3

Menyimpan sebagian histori.

---

🔍 Narasi

Contoh:
Mahasiswa pindah prodi.

Pertanyaannya:

• apakah data lama dihapus?
• atau disimpan sebagai histori?

SCD digunakan untuk mengatur hal tersebut.

---

🖼️ Diagram Slowly Changing Dimension

7

---

🟢 12. OLAP dan Dimensional Modeling

📌 Hubungan OLAP dan Dimensional Modeling

Dimensional Modeling mendukung:

• cube,
• dashboard,
• analisis multidimensi.

---

🔍 Narasi

Dengan model dimensional:

• data dapat di-slice,
• di-dice,
• drill-down,
• roll-up.

---

🖼️ Diagram OLAP Cube

7

---

🟢 13. Studi Kasus Akademik

📌 Studi Kasus Kampus

Universitas ingin menganalisis:

• jumlah mahasiswa,
• IPK,
• pembayaran UKT,
• tingkat kelulusan.

---

📊 Rancangan Dimensional Model

Fact Table

• fact_nilai

Dimension Table

• dim_mahasiswa
• dim_waktu
• dim_dosen
• dim_mata_kuliah

---

🔍 Narasi

Dengan model ini pimpinan dapat melihat:

• IPK per angkatan,
• performa dosen,
• tren kelulusan,
• mahasiswa aktif.

---

🟢 14. Tutorial Praktikum

💻 Praktikum: Membuat Star Schema Sederhana

📌 Tools

• MySQL
• XAMPP
• Draw.io

---

🟡 Langkah 1 — Membuat Database

CREATE DATABASE dw_kampus;

---

🟡 Langkah 2 — Membuat Dimension Table

CREATE TABLE dim_mahasiswa (
    id_mahasiswa INT PRIMARY KEY,
    nama VARCHAR(100),
    prodi VARCHAR(50),
    angkatan INT
);

---

🟡 Langkah 3 — Membuat Fact Table

CREATE TABLE fact_nilai (
    id_mahasiswa INT,
    semester INT,
    ipk DECIMAL(3,2)
);

---

🟡 Langkah 4 — Input Data

INSERT INTO dim_mahasiswa VALUES
(1,'Andi','Informatika',2022),
(2,'Budi','Sistem Informasi',2021);

---

🟡 Langkah 5 — Query Analisis

SELECT prodi, AVG(ipk)
FROM fact_nilai
JOIN dim_mahasiswa
ON fact_nilai.id_mahasiswa = dim_mahasiswa.id_mahasiswa
GROUP BY prodi;

---

🖼️ Diagram Praktikum Star Schema

6

---

🟢 15. Latihan Mahasiswa

🎯 Latihan Teori

1. Jelaskan pengertian dimensional modeling!
2. Apa fungsi fact table?
3. Apa fungsi dimension table?
4. Jelaskan perbedaan star schema dan snowflake schema!
5. Apa itu Slowly Changing Dimension?

---

🎯 Latihan Praktikum

Buat model dimensional untuk:

• sistem akademik,
• rumah sakit,
• toko online,
• perpustakaan.

---

🟢 16. Diskusi Kelas

💬 Topik Diskusi

1. Mengapa dimensional modeling penting?
2. Mengapa star schema populer?
3. Kapan menggunakan snowflake schema?
4. Apa tantangan implementasi dimensional modeling?

---

🟢 17. Kesimpulan

📌 Ringkasan

Dimensional Modeling merupakan teknik penting dalam pembangunan Data Warehouse.

Dengan dimensional modeling:

• data lebih mudah dianalisis,
• query lebih cepat,
• dashboard lebih efektif,
• Business Intelligence lebih optimal.

Konsep ini menjadi fondasi utama dalam:

• OLAP,
• Data Warehouse,
• Big Data Analytics,
• Business Intelligence,
• Artificial Intelligence.