On-Line Analytical Processing (OLAP) merupakan aktivitas yang melibatkan query kompleks yang mengevaluasi hampir semua data atau data dalam jumlah besar dengan menggunakan satu atau lebih agregasi. Setelah data berhasil ditangkap dan diorganisasikan menggunakan teknologi business intelligence, data tersebut bisa dianalisis lebih lanjut menggunakan multidimensional data analisis / OLAP. OLAP mendukung analisis data multidimensional, memungkinkan pengguna melihat data dalam berbagai jalan menggunakan beberapa dimensi (Laudon dkk., 2014). Sebuah matriks dimensi dapat ditumpukkan ke matriks dimensi yang lain membentuk cube dengan 6 sisi. Cube dapat bersarang di dalam cube yang lain membentuk view kompleks dari data. Perusahaan dapat menggunakan database multidimensional atau tool untuk membuat view multidimensional dari data di basis data relasional.

Gambar 1 Ilustrasi database multidimensional (Kimball dkk., 2013)

Obyek dalam fact table disusun dalam ruang multidimensi atau cube. Data tiga dimensi direpresentasikan sebagai titik-titik di dalam cube. Sebagai contoh suatu fact table penjualan yang di dalamnya memiliki dimensi dealer, motor, dan date, dengan setiap titik di dalam cube tersebut merepresentasikan penjualan sebuah mobil pada tanggal tertentu.

Berdasarkan struktur bagaimana data disimpan di dalam cube, maka data dengan struktur cube dapat dibedakan menjadi (Dhanasree dkk., 2016):

1. ROLAP (Relational OLAP), dengan pendekatan ini semua data disimpan dalam relasi dengan struktur khusus yang disebut “star schema”. Salah satu dari relasi tersebut adalah “fact table” yang berisi data mentah dan tidak diagregat. Relasi yang lain memberikan informasi mengenai nilai dari setiap dimensi. Tabel tambahan dibuat untuk menyimpan nilai agregasi yang telah dihitung diawal. ROLAP menyediakan fungsionalitas dengan menggunakan database relasional dan tool query relasional untuk menyimpan dan menganalisis data multidimensional. ROLAP dibangun pada teknologi relasional yang telah ada dan memberikan perluasan fungsi kepada perusahaan yang telah menggunakan RDBMS. Keuntungan ROLAP adalah skalabilitas yang lebih baik karena penambahan dimensi dapat ditambahkan secara dinamis. Sedangkan kekurangannya adalah memerlukan akses langsung ke cell yang ada pada basis data relasional ketika melakukan query terhadap data.
2. MOLAP (Multidimensional OLAP), pendekatan ini menyimpan data dalam cube yang berupa struktur khusus untuk menyimpan data termasuk agregatnya. MOLAP paling sesuai untuk mengelola, menyimpan, dan menganalisa data multidimensional serta relatif lebih cepat dibandingkan dengan ROLAP. Kekurangan pada MOLAP adalah akses pada MOLAP hanya terbatas pada dimensi yang telah didefinisikan di awal. Penambahan dimensi pada cube memerlukan proses pembuatan ulang cube data. Sementara kelebihannya adalah hanya nilai yang disimpan serta pengindeksan yang cepat ke nilai agregasi yang telah dikomputasi di awal.

Penggunaan ROLAP maupun MOLAP tergantung kebutuhan perusahaan akan kecepatan, skalabilitas, akses, serta infrastruktur data warehouse yang telah dimiliki perusahaan.

Ada beberapa jenis query yang digunakan dalam operasi OLAP untuk menganalisis data, diantaranya (Dhanasree dkk., 2016) :

a. Slicing and Dicing. Dicing adalah memilih dimensi yang ada pada cube sehingga cube terbagi menjadi cube-cube yang lebih kecil. Cube yang lebih kecil tersebut merepresentasikan kelompok titik-titik yang diagregasikan oleh query dengan pengirisan yang ditunjukkan dalam klausa GROUP BY dari query.

Gambar 2 Dicing (Laudon dkk., 2014)

Sementara slicing adalah memfokuskan hanya pada partisi tertentu sepanjang satu atau lebih dimensi yang biasanya ditunjukkan melalui klausa WHERE pada query.

Gambar 3 Slicing (Laudon dkk., 2014)

b. Roll-up adalah proses mempartisi yang lebih kasar. Roll up melibatkan komputasi terhadap semua relasi data untuk satu dimensi atau lebih. Contoh roll-up adalah membuat group berdasarkan tahun dan bukan berdasarkan tanggal untuk mencegah kerandoman data.

c. Drill-down adalah proses mempartisi lebih halus dan memfokuskan pada nilai spesifik di dalam dimensi tertentu. Drill down merupakan teknik analitik khusus dimana pengguna menelusuri diantara level data mulai dari paling ringkas hingga paling detil.

d. Pivot adalah merubah orientasi dimensional dari laporan atau tampilan halaman.

Referensi:

Dhanasree, K. dan Shobabindu, C., 2016, A Survey on OLAP, 2016 IEEE International Conference on Computational Intelligence and Computing Research (ICCIC), India, Desember 2016.

Kimball, R. dan Ross, M., 2013, The Data Warehouse Toolkit : The Definitive Guide to Dimensional Modeling, 3^rd edition, John Wiley & Sons, Canada.

Laudon, K.C. dan Laudon, J.P., 2014, Management Information System : Managing the Digital Firm, 13 ^rd edition., Pearson, England.