WorksheetsQuiz LGD 3
Total questions: 10
Worksheet time: 5mins
Mengapa sebuah star schema harus bersifat subject oriented?
Agar mudah dihubungkan dengan OLTP database
Supaya setiap skema hanya fokus pada satu domain analisis tertentu
Untuk mengurangi jumlah dimensi yang digunakan
Agar semua subjek berbeda bisa digabung dalam satu skema
Pada studi kasus Penjualan Buku, mengapa fakta penjualan dan fakta ulasan dipisahkan ke dalam dua tabel fakta?
Karena granularity dan jenis ukuran fakta berbeda
Karena keduanya menggunakan dimensi yang sama
Karena jumlah data terlalu besar
Karena lebih efisien untuk query join
Dalam studi kasus Taksi Privat, tiga ukuran fakta (pendapatan, jarak tempuh, bahan bakar) dimasukkan dalam satu tabel fakta. Mengapa kasus ini berbeda dengan Penjualan Buku?
Karena ukuran fakta dalam Taksi Privat berada pada granularitas yang sama
Karena jumlah tabel dimensi lebih sedikit
Karena fakta penjualan dan ulasan selalu saling terkait
Karena tidak ada kebutuhan analisis multi-dimensi
Apa yang dimaksud dengan Determinant Dimension?
Dimensi yang tidak pernah berubah sepanjang waktu
Dimensi yang digunakan hanya untuk mengelompokkan fakta
Dimensi dengan jumlah atribut paling sedikit
Dimensi yang menentukan nilai dari dimensi lain untuk mencegah duplikasi hitungan
Bandingkan solusi Pivoted Fact Table dan Type Dimension. Kapan lebih tepat menggunakan salah satunya?
Pivoted Fact Table digunakan saat jumlah fakta kecil; Type Dimension saat jumlah fakta besar
Pivoted Fact Table digunakan untuk menghindari join; Type Dimension digunakan untuk menyimpan hierarki
Keduanya sama sekali tidak bisa dibandingkan karena berbeda fungsi
Pivoted Fact Table lebih tepat saat fakta memiliki kategori terbatas; Type Dimension lebih tepat bila kategori bisa terus bertambah
Apa perbedaan mendasar antara irisan vertikal dan irisan horizontal dalam slicing fakta?
Irisan vertikal memisahkan fakta berdasarkan kelompok ukuran yang berbeda, sedangkan irisan horizontal memisahkan fakta berdasarkan subset data (misalnya periode waktu atau wilayah)
Irisan vertikal memisahkan fakta berdasarkan waktu, irisan horizontal memisahkan berdasarkan kategori fakta
Irisan vertikal digunakan hanya untuk data transaksi, sedangkan irisan horizontal untuk data agregasi
Irisan vertikal selalu menghasilkan tabel dimensi baru, sedangkan irisan horizontal tidak
Dalam studi kasus Taksi Privat, tabel fakta diiris secara vertikal menjadi tiga tabel (kilometer, bahan bakar, pendapatan). Apakah ini lebih baik dibanding menyatukan semua ukuran fakta dalam satu tabel?
Lebih baik, karena mencegah redundansi dan double counting
Tidak lebih baik, karena menyebabkan terlalu banyak join antar tabel fakta
Bisa lebih baik jika setiap ukuran fakta dianalisis terpisah; tetapi kurang baik jika analisis membutuhkan kombinasi antar ukuran fakta
Selalu lebih buruk karena memperbanyak tabel fakta
Mengapa irisan horizontal berdasarkan tahun (sebelum 2010 dan sesudah 2010) bermanfaat?
Karena hanya berlaku untuk data warehouse berbasis MOLAP
Karena dapat mengurangi jumlah dimensi yang harus digunakan
Karena memungkinkan partisi tabel fakta untuk meningkatkan performa query dan manajemen data historis
Karena memudahkan penambahan determinant dimension
Bandingkan irisan horizontal berdasarkan waktu dengan irisan berdasarkan jenis entitas (misalnya tipe toko buku: religius vs umum).
Keduanya identik karena sama-sama mempartisi data secara temporal
Irisan waktu selalu lebih efisien dibanding irisan entitas
Irisan waktu memengaruhi desain dimensi kalender, sedangkan irisan entitas memengaruhi desain dimensi kategori/jenis
Irisan entitas tidak pernah digunakan dalam data warehouse modern
Pada studi kasus Proyek Akhir Sarjana/Magister, kapan kita memilih irisan vertikal dan kapan horizontal?
Vertikal dipilih jika setiap indikator penilaian berdiri sendiri; Horizontal dipilih jika data perlu dipisah berdasarkan periode (misalnya angkatan atau tahun kelulusan)
Vertikal hanya untuk data nilai, horizontal hanya untuk data mahasiswa
Vertikal selalu lebih baik karena tabel menjadi kecil; Horizontal selalu buruk karena data tercecer
Vertikal dipakai untuk OLTP, horizontal untuk OLAP
