NEW
Font size
WorksheetsQuiz Pergudangan Data Pertemuan 1
Total questions: 17
Worksheet time: 6mins
Mengapa basis data tradisional disebut operasional/transaksional dan tidak cocok untuk analisis data?
Karena menekankan integritas melalui normalisasi penuh, sehingga kueri analitis melambat.
Karena dioptimalkan untuk transaksi harian (insert, update, delete) dengan fokus konsistensi, bukan untuk agregasi.
Karena hanya menyimpan data historis dan tidak bisa menangani transaksi real-time.
Karena hanya dapat digunakan oleh satu pengguna sekaligus sehingga tidak mendukung analisis multi-user.
Manakah karakteristik paling mendasar dari data warehouse?
Berorientasi subjek, terintegrasi, nonvolatile, time varying
Berorientasi subjek, terdistribusi, nonvolatile, normalisasi penuh
Fokus pada transaksi, terintegrasi, volatile, time varying
Terenkripsi, berorientasi subjek, nonvolatile, real-time
Pernyataan manakah yang paling tepat menggambarkan komponen model multidimensi?
Fakta adalah tabel utama, measures berupa kunci primer, dimensi berisi atribut, hierarki adalah relasi antar tabel
Fakta menyimpan data numerik inti (measures), dimensi memberi konteks, hierarki memungkinkan analisis dari agregasi ke detail
Fakta adalah data historis, measures indikator kinerja, dimensi aspek waktu, hierarki struktur organisasi
Fakta menyimpan transaksi, measures menghitung jumlah entri, dimensi menunjukkan jenis transaksi, hierarki menentukan urutan transaksi
Apa peran OLAP dalam hubungannya dengan data warehouse?
OLAP menggantikan data warehouse sebagai media penyimpanan data historis
OLAP menyediakan analisis interaktif dengan fungsi drill-down, slice, dice, dan agregasi di atas data warehouse
OLAP membersihkan data sebelum dimuat ke data warehouse
OLAP memastikan keamanan agar data warehouse tidak kehilangan data
Langkah manakah yang paling tepat dalam perancangan basis data beserta fokus tiap tahapnya?
Spesifikasi kebutuhan, desain konseptual (ER), desain logis (relasional), desain fisik (platform implementasi)
Analisis data, pembuatan tabel, pengisian data, pengujian sistem
Identifikasi entitas, pembuatan relasi, normalisasi, optimisasi indeks
Perencanaan, implementasi, testing, deployment
Apa keuntungan utama penggunaan model konseptual dalam perancangan data warehouse?
Mempercepat waktu implementasi data warehouse secara signifikan
Merepresentasikan kompleksitas warehouse pada tingkat abstraksi tinggi sehingga skema mudah dipahami pengguna
Secara otomatis mengoptimalkan kinerja query tanpa perbaikan manual
Menghilangkan kebutuhan proses ETL
Apa perbedaan utama antara star schema dan snowflake schema?
Star schema digunakan untuk data kecil, snowflake schema untuk data besar
Star schema menggunakan indeks, snowflake schema tidak
Star schema menyimpan dimensi terdenormalisasi dalam satu tabel, snowflake schema menormalisasi dimensi ke beberapa tabel
Star schema berbasis SQL, snowflake schema berbasis NoSQL
Teknik manakah yang umum digunakan untuk meningkatkan kinerja sistem data warehouse?
Normalisasi, denormalisasi, replikasi
Compression, encryption, backup
Clustering, sharding, load balancing
Materialized views, bitmap indexing, partitioning
Apa yang dimaksud dengan proses ETL dalam data warehouse?
Membuat backup data dari sistem operasional
Mengekstrak data dari berbagai sumber, mentransformasi untuk integrasi, lalu memuat ke warehouse
Membersihkan data dari virus dan malware
Mengompres data agar hemat penyimpanan
Bahasa apa yang digunakan untuk kueri pada data warehouse?
Hanya SQL
Python dan R sebagai bahasa utama
MDX, DAX, dan SQL
Java dan C++
Apa yang dimaksud dengan data analytics dalam konteks data warehouse?
Membuat laporan sederhana dari data warehouse
Proses backup dan recovery data warehouse
Teknik kompresi data dalam data warehouse
Paradigma analisis lanjut seperti data mining, analisis deret waktu, text mining, web analytics, dan visualisasi data
Mengapa metode diperlukan dalam merancang data warehouse?
Karena semua warehouse memiliki struktur yang sama
Karena perancangan warehouse kompleks, melibatkan spesifikasi kebutuhan hingga desain konseptual
Karena warehouse tidak memerlukan perencanaan khusus
Karena metode hanya diperlukan untuk sistem kecil
Apa yang membedakan data spasial dan data mobilitas dalam konteks analisis data multidimensi?
Data spasial merepresentasikan hubungan antar objek geografis dalam suatu wilayah, sedangkan data mobilitas menekankan aliran informasi antar server dalam jaringan.
Data spasial menekankan dimensi lokasi dan bentuk objek, sedangkan data mobilitas menekankan aliran informasi antar server dalam jaringan.
Data spasial berhubungan dengan posisi geografis dan atribut objek, sedangkan data mobilitas berhubungan dengan frekuensi akses data pada sistem informasi.
Data spasial mendeskripsikan kondisi ruang (misalnya tata kota), sedangkan data mobilitas menekankan perubahan posisi atau pergerakan entitas dalam rentang ruang dan waktu.
Apa perbedaan basis data spasial dengan spatial data warehouse?
Basis spasial hanya menyimpan koordinat, spatial warehouse menyimpan peta
Basis spasial pakai SQL, spatial warehouse pakai NoSQL
Tidak ada perbedaan signifikan
Basis spasial mendukung operasi harian, spatial warehouse menggabungkan teknologi warehouse untuk analisis keputusan
Apa itu big data dan kaitannya dengan data warehouse?
Big data = data lebih dari 1 TB
Big data tidak berkaitan dengan warehouse
Big data = sumber data masif, mendorong integrasi NoSQL, column-store, in-memory, NewSQL, HTAP, data lake, cloud warehouse
Big data = data dari media sosial
Aplikasi apa yang cocok menggunakan model data graf?
Hanya media sosial
Data web, transportasi, komunikasi, biologi, ekonomi → untuk menghitung hubungan/jalur antar entitas terhubung
Hanya sistem basis data tradisional
Hanya e-commerce
Mengapa data web penting dalam konteks warehouse?
Hanya berguna untuk membuat website
Tidak bisa diintegrasikan ke warehouse
Hanya berisi data tidak relevan untuk bisnis
Web menjadi sumber multidimensi melalui semantic web (RDF, OWL). Contoh: metadata medis untuk mendukung keputusan medis
