{"id":2478,"date":"2025-07-10T03:44:46","date_gmt":"2025-07-09T20:44:46","guid":{"rendered":"https:\/\/www.linuxid.net\/istilah\/?p=2478"},"modified":"2025-07-10T03:44:46","modified_gmt":"2025-07-09T20:44:46","slug":"fact-table","status":"publish","type":"post","link":"https:\/\/www.linuxid.net\/istilah\/fact-table\/","title":{"rendered":"fact table"},"content":{"rendered":"

Apa itu Fact Table?<\/h2>\n

Dalam konteks data warehouse<\/a>, fact table<\/strong> adalah tabel utama dalam model dimensional yang menyimpan data kuantitatif untuk keperluan analisis. Tabel ini biasanya jadi pusat dari skema data warehouse dan dikelilingi oleh beberapa dimension table<\/a>. Setiap dimension table berisi kumpulan atribut<\/a> yang menjelaskan data-data di fact table. Kombinasi dari fact dan dimension table ini dirancang untuk memudahkan proses query, pelaporan, dan analitik<\/a>.<\/p>\n

Sebuah fact table biasanya punya dua tipe kolom utama: kolom measure<\/strong> dan foreign key<\/a>. Kolom measure berisi data numerik yang menggambarkan metrik bisnis<\/a> penting dari suatu proses<\/a>, peristiwa, atau kondisi. Sementara kolom foreign key berfungsi untuk menghubungkan fact table dengan dimension table.<\/p>\n

Primary key<\/a> dalam fact table biasanya berupa kombinasi dari beberapa foreign key, meskipun dalam beberapa kasus bisa juga menggunakan surrogate key.<\/p>\n

Foreign key inilah yang memungkinkan kita melakukan slice and dice<\/i> pada data warehouse, atau memotong dan mem-filter data berdasarkan kombinasi atribut tertentu. Misalnya, pemangku kepentingan bisa bertanya: \u201cBerapa jumlah pelanggan perempuan di Utah dan Nevada, usia 42\u201362 tahun, yang membeli sepatu hiking pada Mei dan Juni 2023?\u201d<\/p>\n

Struktur Data Warehouse<\/h2>\n

Data warehouse biasanya dibangun dengan model star schema<\/a> atau snowflake schema<\/a>, di mana fact table terletak di pusatnya. Sebuah warehouse bisa punya banyak fact table, tapi masing-masing tetap jadi pusat dari dimensi-dimensinya sendiri.<\/p>\n

Dengan atribut deskriptif dari dimension table, kita bisa melakukan filter, kategorisasi, dan ringkasan terhadap data untuk menjawab pertanyaan bisnis penting. Gambar di bawah ini menampilkan contoh star schema sederhana dengan empat dimension table dan satu fact table.<\/p>\n

Fact table di contoh tersebut menyimpan lima jenis data kuantitatif (UnitPrice, SalesAmount, UnitsSold, PercentProfit, dan DailyInventory), serta beberapa foreign key yang terhubung ke dimension table seperti customer, produk, wilayah, dan tanggal.<\/p>\n

Menariknya, empat foreign key merujuk ke dimension table yang sama yaitu tanggal (dimDate), jadi kita bisa filter data berdasarkan berbagai jenis tanggal seperti tanggal pembelian, tanggal pengiriman, dll. Ada juga dimensi dengan struktur hierarkis seperti dimTerritory atau dimProduct, yang bisa dipecah lebih detail. Misalnya, pengguna bisa minta laporan total penjualan tahunan berdasarkan jenis produk dan wilayah, dan kemudian drill down<\/i> ke tingkat produk atau negara tertentu.<\/p>\n

\"Contoh
<\/i>Contoh star schema dengan empat dimension table (biru) dan satu fact table (hijau).<\/figcaption>
<\/div>\n<\/figure>\n

Jenis-Jenis Fact Table<\/h2>\n

Fact table dibedakan berdasarkan fungsinya dan tingkat detail datanya (disebut “grain”). Grain ini menentukan seberapa rinci setiap baris dalam tabel tersebut. Idealnya, desain fact table diambil dari grain terendah yang masih masuk akal secara bisnis.<\/p>\n

Berikut tiga jenis utama fact table:<\/p>\n