Normalisasi merupakan teknik analisis data yang mengorganisasikan atribut-atribut data dengan cara mengelompokkan sehingga terbentuk entitas yang non-redundant, stabil, dan fleksibleNormalisasi dilakukan sebagai uji coba pada suatu relasi secara berkelanjutan untuk menentukan apakah relasi itu sudah baik, yaitu dapat dilakukan proses insert,update,delete, dan modifikasi pada satu atau beberapa atribut tanpa mempengaruhi integritas data dalam relasi tersebut.*Pada proses normalisasi terhadap tabel pada database dapat dilakukan dengan tiga tahap normalisasi antara lain :1. BENTUK TIDAK NORMAL (UNNORMALIZED FORM)Bentuk ini merupakan kumpulan data yang akan direkam, tidak ada keharusanmengikukti format tertentu, dapat saja data tidak lengkap atau terduplikasi. Datadikumpulkan apa adanya sesuai dengan saat menginput.

Untuk mentransformasikan tabel yang belum ternomalisasi di atas menjadi tabel yang memenuhi kriteria 1NF adalah kita harus merubah seluruh atribut yang multivalue menjadi atribut single value, dengan cara menghilangkan repeating group pada tabel di atas.Repeating Group (elemen data berulang) adalah (No_Property, Alamat_Property,Tgl_Pinjam, Tgl_Selesai, Biaya, No_Pemilik, Nama_Pemilik)2. BENTUK NORMAL KE SATU (FIRST NORMAL FORM / 1 NF)Pada tahap ini dilakukan penghilangan beberapa group elemen yang berulang agarmenjadi satu harga tunggal yang berinteraksi di antara setiap baris pada suatu tabel, dan setiap atribut harus mempunyai nilai data yang atomic (bersifat atomic value). Atom adalah zat terkecil yang masih memiliki sifat induknya, bila terpecah lagi maka ia tidak memiliki sifat induknya.Syarat normal ke satu (1-NF) antara lain:1. setiap data dibentuk dalam flat file, data dibentuk dalam satu record demi satu recordnilai dari field berupa atomic value.2. tidak ada set atribute yang berulang atau bernilai ganda.3. telah ditentukannya primary key untuk tabel / relasi tersebut.4. tiapatribut hanya memiliki satu pengertian.Langkah pertama yang dilakukan pada Tabel Pelanggan Biaya (pada Tabel 9.3)tersebut adalah menghilangkan elemen data yang berulang dengan data-data Pelangganyang sesuai pada setiap baris. Hasil dari tabel yang telah memenuhi bentuk normalpertama dapat dilihat pada Tabel 9.4. kita dapat mengidentifikasi primary key untukrelasi Pelanggan_Biaya yang masih memiliki composite key (No_Pelanggan,No_Property). Pada kasus ini kita akan memperoleh primary key yang bersifat compositekey.Relasi Pelanggan_Biaya dapat didefinisikan sebagai berikut. Pelanggan_Biaya =(No_Pelanggan, No_Property, Nama, Alamat_Property, Tgl_Pinjam, Tgl_Selesai, Biaya,No_Pemilik, Nama_Pemilik)

3.BENTUK NORMAL KE DUA (SECOND NORMAL FORM / 2 NF)Bentuk normal kedua didasari atas konsep full functional dependency (ketergantungan fungsional sepenuhnya) yang dapat didefinisikan sebagai berikut.Jika A adalah atribut-atribut dari suatu relasi, B dikatakan full functional dependency (memiliki ketergantungan fungsional terhadap A, tetapi tidak secara tepat memiliki ketergantungan fungsional dari subset (himpunan bagian) dari A.Syarat normal kedua (2-NF) sebagai berikut.1. Bentuk data telah memenuhi kriteria bentuk normal kesatu.2. Atribute bukan kunci (non-key) haruslah memiliki ketergantungan fungsionalsepenuhnya (fully functional dependency) pada kunci utama / primary key.TabelTabel Pelanggan Biaya dalam bentuk normal kedua (2-NF)

4. BENTUK NORMAL KE TIGA (THIRD NORMAL FORM / 3 NF)Walaupun relasi 2-NF memiliki redudansi yang lebih sedikit dari pada relasi 1-NF,namun relasi tersebut masih mungkin mengalami kendala bila terjadi anomalyperemajaan (update) terhadap relasi tersebut.Misalkan kita akan melakukan update terhadap nama dari seorang Pemilik (pemilik), seperti Durki (No_Pemilik: CO93), kita harus melakukan update terhadap dua baris dalam relasi Property_Pemilik (lihat Tabel 9.5, (c) relasi Property_Pemilik). Jika kita hanya mengupdate satu baris saja, sementara baris yang lainnya tidak, maka data didalam database tersebut akan inkonsisten / tidak teratur. Anomaly update ini disebabkan oleh suatu ketergantungan transitif (transitive dependency). Kita harus menghilangkan ketergantungan tersebut dengan melakukan normalisasi ketiga (3-NF).Syarat normal ketiga (Third Normal Form / 3 NF) sebagai berikut.1. Bentuk data telah memenuhi kriteria bentuk normal kedua.2. Atribute bukan kunci (non-key) harus tidak memiliki ketergantungan transitif, dengan kata lain suatu atribut bukan kunci (non_key) tidak boleh memiliki ketergantungan fungsional (functional dependency) terhadap atribut bukan kunci lainnya, seluruh atribut bukan kunci pada suatu relasi hanya memiliki ketergantungan fungsional terhadap priamry key di relasi itu saja.Seluruh atribut non-primary key pada relasi Pelanggan dan Biaya di atas terlihatmemiliki ketergantungan fungsional (functional dependency) terhadap primary key darimasing-masing tabel / relasi. Relasi / tabel Pelanggan dan Biaya di atas tidak memilikiketergantungan transitif (transitive dependency), sehingga tabel tersebut telah memenuhikriteria normal ketiga (3-NF).Seluruh atribut non-primary key pada relasi Property_Pemilik di atas terlihatmemiliki ketergantungan fungsional (functional dependency) terhadap primary key,kecuali Nama_Pemilik yang masih memiliki ketergantungan fungsional (functionaldependency) terhadap No_Pemilik. Inilah contoh ketergantungan dari transitif (transitivedependency), yang terjadi ketika atribut non-primary key (Nama_Pemilik) bergantungsecara fungsi terhadap satu atau lebih atribut non-primary key lainnya (No_Pemilik). Kitaharus menghilangkan ketergantungan transitif (transitive dependency) tersebut denganmenjadikan relasi Property_Pemilik menjadi 2 relasi / tabel dengan format / bentuksebagai berikut. Relasi / Tabel Property_Untuk_Pemilik yang terdiri dari atribut-atribut:No_property Alamat_Property, Biaya, No_Pemilik{No_property sebagai primary key} Dan relasi Pemilik yang terdiri dari atribut-atribut:No_Pemilik Nama_Pemilik{No_Pemilik sebagai primary key}Hasil akhir normalisasi tabel Pelanggan_Biaya sampai ke bentuk normal ketiga adalahsebagai berikut X fn`&%.0pt; font-family:Calibri,sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-fareast-font-family:Times New Roman; mso-fareast-theme-font:minor-fareast; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin;}4. BENTUK NORMAL KE TIGA (THIRD NORMAL FORM / 3 NF)Walaupun relasi 2-NF memiliki redudansi yang lebih sedikit dari pada relasi 1-NF,namun relasi tersebut masih mungkin mengalami kendala bila terjadi anomalyperemajaan (update) terhadap relasi tersebut.Misalkan kita akan melakukan update terhadap nama dari seorang Pemilik (pemilik), seperti Durki (No_Pemilik: CO93), kita harus melakukan update terhadap dua baris dalam relasi Property_Pemilik (lihat Tabel 9.5, (c) relasi Property_Pemilik). Jika kita hanya mengupdate satu baris saja, sementara baris yang lainnya tidak, maka data didalam database tersebut akan inkonsisten / tidak teratur. Anomaly update ini disebabkan oleh suatu ketergantungan transitif (transitive dependency). Kita harus menghilangkan ketergantungan tersebut dengan melakukan normalisasi ketiga (3-NF).Syarat normal ketiga (Third Normal Form / 3 NF) sebagai berikut.1. Bentuk data telah memenuhi kriteria bentuk normal kedua.2. Atribute bukan kunci (non-key) harus tidak memiliki ketergantungan transitif, dengan kata lain suatu atribut bukan kunci (non_key) tidak boleh memiliki ketergantungan fungsional (functional dependency) terhadap atribut bukan kunci lainnya, seluruh atribut bukan kunci pada suatu relasi hanya memiliki ketergantungan fungsional terhadap priamry key di relasi itu saja.Seluruh atribut non-primary key pada relasi Pelanggan dan Biaya di atas terlihatmemiliki ketergantungan fungsional (functional dependency) terhadap primary key darimasing-masing tabel / relasi. Relasi / tabel Pelanggan dan Biaya di atas tidak memilikiketergantungan transitif (transitive dependency), sehingga tabel tersebut telah memenuhikriteria normal ketiga (3-NF).Seluruh atribut non-primary key pada relasi Property_Pemilik di atas terlihatmemiliki ketergantungan fungsional (functional dependency) terhadap primary key,kecuali Nama_Pemilik yang masih memiliki ketergantungan fungsional (functionaldependency) terhadap No_Pemilik. Inilah contoh ketergantungan dari transitif (transitivedependency), yang terjadi ketika atribut non-primary key (Nama_Pemilik) bergantungsecara fungsi terhadap satu atau lebih atribut non-primary key lainnya (No_Pemilik). Kitaharus menghilangkan ketergantungan transitif (transitive dependency) tersebut denganmenjadikan relasi Property_Pemilik menjadi 2 relasi / tabel dengan format / bentuksebagai berikut. Relasi / Tabel Property_Untuk_Pemilik yang terdiri dari atribut-atribut:No_property Alamat_Property, Biaya, No_Pemilik{No_property sebagai primary key} Dan relasi Pemilik yang terdiri dari atribut-atribut:No_Pemilik Nama_Pemilik{No_Pemilik sebagai primary key}Hasil akhir normalisasi tabel Pelanggan_Biaya sampai ke bentuk normal ketiga adalahsebagai berikut:

Seluruh atribut bukan kunci pada suatu relasi hanya memiliki ketergantungan fungsional terhadap primary key di relasi itu saja.

Pengertian Normalisasi & ContohNoramalisasiKali ini saya akan membahas mengenai normalisasi. Sebelum saya membahas lebih jauh mengenai normalisasi saya akan menjelaskan sedikit mengenai normaslisasi itu sendiri.. jadiNormalilasiadalah teknik perancangan yang banyak digunakan sebagai pemandu dalam perancangan basis data relasional. Teorinormalisasididasarkan pada konsep bentuk normal. Sebuah table relasional diakatan pada bentuk normal tertentu jika table memenuhi himpunan batasan tertentu.Pada proses normalisasi terhadap tabel pada database dapat dilakukan dengan tiga tahap normalisasi antara lain :1. Bentuk Normal ke Satu(1NF)Syarat :a. Tidak ada set atribut yang berulang atau bernilai ganda.b. Telah ditentukannya primary key untuk tabel atau relasi.c. Tiap atribut hanya memiliki satu pengertian.d. Tiap atribut yang dapat memiiki banyak nilai sebenarnya menggambarkan entitas atau relasi yang terpisah.2. Bentuk Normal ke Dua(2NF)Syarat :a. Bentuk data telah memenuhi kriteria bentuk normal ke satu.b. Atribut bukan kunci(non-key attribute) haruslah memiliki ketergantungan fungsional sepenuhnya pada primary key3. Bentuk Normal ke Tiga(3NF)Syarat :a. Bentuk data telah memenuhi kriteria bentuk normal ke dua.b. Atribut bukan kunci(non-key attribute) tidak boleh memiliki ketergantungan fungsional terhadap atribut bukan kunci lainnya. Seluruh atribut bukan kunci pada suatu relasi hanya memiliki ketergantungan fungsional terhadap primary key di relasi itu saja.Contoh menormalisasikan sebuah kwitansi :

1. pertama kita buat bentuk yang tidak normalnya terlebih dahulu (unnormalize form).

2.Langkah kedua yakni buat bentuk Normal Pertama (NF1). Bentuk normal pertama (NF1) yaitu pisahkan data berulang pada form.

3.Langkah ketiga yaitu kita buat bentuk Normak Kedua (NF2). Bentuk Kedua (NF2) diambil dari hasil Normal Pertama, dikatakan Normal Kedua jika seluruh atribut bukan kunci tergantung secara fungsional pada primary key.sebelum:

sesudah :

4. Langkah selanjutnya yaitu membuat Bentuk Normal Ketiga (NF3). Bentuk Normal Ketiga(NF3) diambil dari hasil Normal kedua, setiap atributnya tidak bergantung secara transitif pada primary-key.sebelum :

sesudah :

6. Hasil normalisasi sampai NF3 kita mendapatkan 4 tabel yaitu sebagai berikut :

Pada kasus diatas data sudah normal pada bentuk Normal Ketiga tapi pada kasus lain kita bisa menemukan data/form yang dapat dinyatakan normal apabila sudah sampai pada bentuk Normal Keempat (4NF). Bentuk normal ke empat yaitu sebuah relasi dalam bentuk normal ke-4, jika relasi tersebut sudah dalam bentuk relasi ke-3 dan seluruh atribut (yang bukan primary key) tidak tergantung bernilai banyak pada primary-key nya.

1.DDL (Data Definition Language)Data Definition Language (DDL) merupakan sub bahasa SQL yang digunakan untuk membangun kerangka database. Atau juga merupakan kelompok perintah yang berfungsi untuk mendefinisikan atribut-atribut database, table, atribut kolom, batasan-batasan terhadap suatu atribut serta hubungan antar table.Yang termasuk kelompok DDL ini adalah : CREATE: Perintah ini digunakan untuk membuat, termasuk di antaranya membuat database baru, tabel baru, view baru, dan kolom.Contoh :> create table mahasiswa (nim char(8) primary key,nama_mahasiswa varchar(20),nilai integer(3),alamat varchar(25); ALTER: Perintah ini digunakan untuk mengubah struktur tabel yang telah dibuat. Pekerjaannya mencakup mengganti nama tabel, menambah kolom, mengubah kolom, menghapus kolom, maupun memberikan atribut pada kolom.Contoh :>alter table mahasiswa rename wisudawan; DROP: Perintah ini digunakan untuk menghapus database dan tabel.Contoh :>Alter table mahasiswa drop alamat;2.DML (Data Manipulation Language )Data Manipulation Language (DML) merupakan sub bahasa SQL yang digunakan untuk memanipulasi data dalam database yang telah terbuat. Perintah yang digunakan, di antaranyaINSERT: Perintah ini digunakan untuk menyisipkan atau memasukkan data baru ke dalam tabel. Penggunaannya setelah database dan tabel selesai dibuat.Contoh :Insert into mahasiswa values (08052926, Frenky,70);SELECT: Perintah ini digunakan untuk mengambil data atau menampilkan data dari satu tabel atau beberapa tabel dalam relasi. Data yang diambil dapat kita tampilkan dalam layar prompt MySQL secara langsung maupun ditampilkan pada tampilan aplikasi.Contoh :Select nama_mahasiswa from mahasiswa where nilai = 70;UPDATE: Perintah ini digunakan untuk memperbarui data lama menjadi data terkini. Jika Anda memiliki data yang salah atau kurang up to date dengan kondisi sekarang, maka dapat diubah isi datanya menggunakan perintah UPDATE.Contoh:>mahasiswa set nim = 08052926 = 08052927;DELETE: Perintah ini digunakan untuk menghapus data dari tabel. Biasanya data yang dihapus merupakan data yang sudah tidak diperlukan lagi. Pada saat menghapus data, perintah yang telah dijalankan tidak dapat digagalkan, sehingga data yang telah hilang tidak dapat dikembalikan lagiContoh :>delete form mahasiswa;

Business intelligence, biasa disebut BI adalah teknologi yang menggunakan komputer yang berguna untuk mencari, menggali, dan menganalisis informasi dari data bisnis misalnya hasil penjualan suatu produk atau pendapatan/pengeluaran salah satu anak perusahaan.Hasil keluaran dari teknologi BI dapat berupa tampilan lampau dari operasi bisnis, juga tampilan operasi bisnis saat ini, atau juga prediksi untuk operasi bisnis di masa depan. Fungsi umum yang biasa terdapat pada BI adalah reporting, online analytical processing, analytics, data mining, business performance management, benchmarking, text mining, dan predictive analytics.BI menggunakan Data Warehouse untuk mengelola data-datanya dalam jumlah besar dan kemudian data tersebut dapat dimining. Namun tidak semua BI menggunakan Data Warehouse dalam mengelola data-datanya. Artinya tidak semua BI membutuhkan Data Warehouse dalam mengelola data-datanya.BI bertujuan untuk memudahkan dan mendukung pembuatan keputusan pada operasi bisnis. Sistem BI tersebut dapat disebut juga Decision Support System (DSS). DSS memberikan bantuan manajemen dan perencanaan dari sebuah organisasi dan bisa membantu dalam membuat keputusan yang tidak dapat dibuat secara mudah oleh manusia. Misalnya keputusan yang sulit dispesifikasikan karena hal yang berkaitan dapat berubah secara acak.

Data warehouseadalah suatu konsep dan kombinasi teknologi yang memfasilitasi organisasi untuk mengelola dan memelihara data historis yang diperoleh dari sistem atau aplikasi operasional [Ferdiana, 2008].Pemakaian teknologi data warehouse hampir dibutuhkan oleh semua organisasi, tidak terkecuali Perpustakaan. Data warehouse memungkinkan integrasi berbagai macam jenis data dari berbagai macam aplikasi atau sistem. Hal ini menjamin mekanisme akses satu pintu bagi manajemen untuk memperoleh informasi, dan menganalisisnya untuk pengambilan keputusan.Beberapa konsep dasar tentang data warehouse : Data warehouse adalah data-data yang berorientasi subjek, terintegrasi, memiliki dimensi waktu, serta merupakan koleksi tetap (non-volatile), yang digunakan dalam mendukung proses pengambilan keputusan oleh para manajer di setiap jenjang (namun terutama pada jenjang manajerial yang memiliki peringkat tinggi). Data warehouse adalah suatu paradigma baru dilingkungan pengambilan keputusan strategik. Data warehouse bukan suatu produk tetapi suatu lingkungan dimana user dapat menemukan informasi strategik [Poniah, 2001, h.14]. Data warehouse adalah kumpulan data-data logik yang terpisah dengan database operasional dan merupakan suatu ringkasan. Data warehouse adalah data yang diperoleh dari proses dimana organisasi mengekstraksi makna dari aset infromasi yang mereka miliki. Data warehouse adalah inovasi baru dalam hal teknologi informasi. Sejak dimulai sekitar 15 tahun lalu, konsep data warehouse ini berkembang secara cepat sehingga saat ni konsep data warehouse ini adalah konsep yang paling banyak dibicarakan oleh para ahli di bidang tekhnologi informasi. Data Warehouse adalah Pusat repositori informasi yang mampu memberikan database berorientasi subyek untuk informasi yang bersifat historis yang mendukung DSS (Decision Suport System) dan EIS (Executive Information System). Salinan dari transaksi data yang terstruktur secara spesifik pada query dan analisa. Salinan dari transaksi data yang terstruktur spesifik untuk querydan laporan.

Apa Itu Data Mart?Sebuah data mart adalah bentuk sederhana dari sebuah gudang data yang difokuskan pada subjek tunggal (atau area fungsional), seperti Penjualan, Keuangan, atau Marketing. Data mart sering dibangun dan dikendalikan oleh satu departemen dalam sebuah organisasi. Mengingat subjek tunggal fokus mereka, data mart biasanya menggambar data dari hanya beberapa sumber. Sumber bisa sistem operasional internal, data warehouse pusat, atau data eksternal.Apakah Ini Berbeda dengan Data Warehouse?Sebuah gudang data, seperti data mart, berkaitan dengan bidang studi ganda dan biasanya dilaksanakan dan dikendalikan oleh unit organisasi pusat seperti perusahaan Teknologi Informasi (TI) kelompok. Seringkali, hal itu disebut data warehouse pusat atau perusahaan. Biasanya, data warehouse merakit data dari sistem beberapa sumber.Tidak ada dalam definisi dasar membatasi ukuran data mart atau kompleksitas dari keputusan-dukungan data yang mengandung. Namun demikian, data mart biasanya lebih kecil dan kurang kompleks daripada gudang data, sehingga, mereka biasanya lebih mudah untuk membangun dan memelihara.Tabel A-1merangkum perbedaan mendasar antara data warehouse dan data mart.Dependent dan Independen data MartAda dua tipe dasar dari data mart: dependen dan independen. Kategorisasi ini didasarkan terutama pada sumber data yang feed data mart. Dependent data mart menarik data dari data warehouse pusat yang telah dibuat. Independent data mart, sebaliknya, adalah sistem mandiri yang dibangun dengan menarik data secara langsung dari sumber eksternal operasional atau data, atau keduanya.Perbedaan utama antara data mart independen dan dependen adalah bagaimana Anda mengisi data mart, yaitu, bagaimana Anda mendapatkan data dari sumber-sumber dan masuk ke data mart. Langkah ini, yang disebut Ekstraksi-Transformasi-Loading (ETL) proses, melibatkan memindahkan data dari sistem operasional, penyaringan, dan memuatnya ke dalam data mart.Dengan data mart tergantung, proses ini agak disederhanakan karena diformat dan diringkas (bersih) data telah dimasukkan ke dalam gudang data sentral. Proses ETL untuk data mart tergantung sebagian besar merupakan proses mengidentifikasi subset yang tepat dari data yang relevan dengan subjek data yang dipilih mart dan bergerak salinan itu, mungkin dalam bentuk diringkas.Dengan mart data independen, namun Anda harus berurusan dengan semua aspek dari proses ETL, sebanyak yang Anda lakukan dengan data warehouse pusat. Jumlah sumber cenderung lebih sedikit dan jumlah data yang terkait dengan data mart kurang dari gudang, mengingat fokus Anda pada subjek tunggal.Motivasi di balik penciptaan kedua jenis data mart juga biasanya berbeda. Dependent Data mart biasanya dibangun untuk mencapai peningkatan kinerja dan ketersediaan, kontrol yang lebih baik, dan biaya telekomunikasi yang lebih rendah akibat akses data lokal yang relevan dengan departemen tertentu. Penciptaan mart data independen sering didorong oleh kebutuhan untuk memiliki solusi dalam waktu yang lebih singkat.Apa Langkah-langkah dalam Menerapkan Data Mart?Secara sederhana, langkah-langkah utama dalam melaksanakan data mart adalah untuk merancang skema, membangun penyimpanan fisik, mengisi data mart dengan data dari sistem sumber, mengaksesnya untuk membuat keputusan, dan mengelolanya dari waktu ke waktu.MerancangLangkah desain pertama dalam proses data mart. Langkah ini mencakup semua tugas dari memulai permintaan untuk mart data melalui pengumpulan informasi tentang persyaratan, dan mengembangkan desain logis dan fisik dari data mart. Langkah desain melibatkan tugas-tugas berikut: Mengumpulkan persyaratan bisnis dan teknis Mengidentifikasi sumber data Memilih bagian yang tepat dari data yang Merancang struktur logis dan fisik dari data martMembangunLangkah ini termasuk membuat database fisik dan struktur logis terkait dengan data mart untuk menyediakan akses cepat dan efisien untuk data. Langkah ini melibatkan tugas-tugas berikut: Membuat database fisik dan struktur penyimpanan, seperti tablespace, terkait dengan data mart Menciptakan obyek skema, seperti tabel dan indeks didefinisikan dalam langkah desain Menentukan cara terbaik untuk mengatur meja dan struktur aksesMengisiLangkah mengisi mencakup semua tugas yang berhubungan dengan mendapatkan data dari sumber, membersihkannya, memodifikasi ke format yang tepat dan tingkat detail, dan bergerak ke dalam data mart. Lebih formal menyatakan, langkah mengisi melibatkan tugas-tugas berikut: Pemetaan sumber data untuk menargetkan struktur data Penggalian data Pembersihan dan mengubah data Memasukkan data ke dalam data mart Membuat dan menyimpan metadataMengaksesLangkah mengakses melibatkan menempatkan data untuk menggunakan: query data, menganalisanya, membuat laporan, grafik, dan grafik, dan penerbitan ini. Biasanya, pengguna akhir menggunakan alat front-end grafis untuk mengajukan pertanyaan ke database dan menampilkan hasil query. Langkah mengakses mengharuskan Anda melakukan tugas berikut: Mengatur lapisan perantara untuk alat front-end untuk digunakan. Lapisan, metalayer, menterjemahkan struktur database dan nama objek ke dalam istilah bisnis, sehingga pengguna akhir dapat berinteraksi dengan data mart menggunakan istilah yang berhubungan dengan fungsi bisnis. Memelihara dan mengelola antarmuka bisnis. Mengatur dan mengelola struktur database, seperti tabel diringkas, yang membantu pertanyaan disampaikan melalui alat front-end mengeksekusi dengan cepat dan efisien.MengelolaLangkah ini melibatkan mengelola data mart selama masa pakainya. Dalam langkah ini, Anda melakukan tugas-tugas manajemen seperti berikut: Menyediakan akses aman ke data Mengelola pertumbuhan data Mengoptimalkan sistem untuk kinerja yang lebih baik Memastikan ketersediaan data bahkan dengan kegagalan sistem

Pengertian Database RelasionalSebuah database relasional terdiri dari koleksi dari tabel-tabel, yang masing-masing diberikan nama yang unik. Sebuah baris dalam tabel merepresentasikan sebuah keterhubungan/relationship dari beberapa nilai yang ada.Contoh tabel dan keterhubungannya :

Kelebihan Model RelasionalModel Relasional merupakan model data yang paling banyak digunakan saat ini. Hal ini disebabkan oleh bentuknya yang sederhana dibandingkan dengan model jaringan/network atau model hirarki. Bentuk yang sederhana ini membuat pekerjaan seorang programmer menjadi lebih mudah, yaitu dalam melakukan berbagai operasi data (query, insert, update, delete, dan lainnya).

Pengertian Multidimensional DatabaseMultidimensional database merupakan kumpulan data yang sangat besar, digunakan untuk menganalisa yang orientasinya kepada pembuatan keputusan. Dengan dirancangnya multidimensional database dapat mengintegrasikan sistem data pelaporan, mempercepat proses pelaporan dan mempermudah penyusunan data laporan pendukung pengambilan keputusan.

Pengertian DataWarehouseMenurut W.H. Inmon dan Richard D.H.,data warehouseadalah koleksi data yang mempunyai sifat berorientasi subjek,terintegrasi,time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management.Menurut Vidette Poe,data warehousemerupakan database yang bersifat analisis danread onlyyang digunakan sebagai fondasi dari sistem penunjang keputusan.Menurut Paul Lane,data warehousemerupakan database relasional yang didesain lebih kepadaquerydan analisa dari pada proses transaksi, biasanya mengandunghistorydata dari proses transaksi dan bisa juga data dari sumber lainnya.Data warehousememisahkan beban kerja analisis dari beban kerja transaksi dan memungkinkan organisasi menggabung/konsolidasi data dari berbagai macam sumber.Jadi,data warehousemerupakan metode dalam perancangan database, yang menunjang DSS(Decission Support System) dan EIS (Executive Information System). Secara fisikdata warehouseadalah database, tapi perancangan data warehouse dan database sangat berbeda. Dalam perancangan database tradisional menggunakan normalisasi, sedangkan padadata warehousenormalisasi bukanlah cara yang terbaik.Dari definisi-definisi yang dijelaskan tadi, dapat disimpulkandata warehouseadalah database yang saling bereaksi yang dapat digunakan untukquerydan analisisis, bersifat orientasi subjek, terintegrasi, time-variant,tidak berubah yang digunakan untuk membantu para pengambil keputusan.

PengertianOnline Transaction Processing (OLTP)Online Transaction Processing atau yang sering disebut dengan OLTP adalah system yang berorientasi proses yang memproses suatu transaksi secara langsung (insert,update,delete) melalui komputer yang terhubung dalam jaringan [Nandang, 2004] Seperti misalanya kasir pada sebuah super market yang menggunakan mesin dalam proses transaksinya.