analisa dan perancangan aplikasi business intelligence
TRANSCRIPT
1
ANALISA DAN PERANCANGAN APLIKASI BUSINESS INTELLIGENCE
UNTUK BAGIAN OPERASIONAL DAN KEUANGAN
PADA PERUSAHAAN GERBANG MULTINDO NUSANTARA
HASHEMI RAFSANJANI
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA
2013 M / 1434 H
2
ANALISA DAN PERANCANGAN APLIKASI BUSINESS INTELLIGENCE
UNTUK BAGIAN OPERASIONAL DAN KEUANGAN
PADA PERUSAHAAN GERBANG MULTINDO NUSANTARA
Oleh :
HASHEMI RAFSANJANI
1040 9300 2955
Skripsi
Sebagai Salah Satu Syarat untuk Memperoleh Gelar
Sarjana Sistem Informasi
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA
2013 M / 1434 H
3
ANALISA DAN PERANCANGAN APLIKASI BUSINESS INTELLIGENCE
UNTUK BAGIAN OPERASIONAL DAN KEUANGAN PADA PERUSAHAAN GERBANG MULTINDO NUSANTARA
Skripsi ini diajukan sebagai salah satu syarat melaksanakan kewajiban studi Strata Satu Program Studi Sistem Informasi
Oleh : Hashemi Rafsanjani
104093002995
Menyetujui,
Pembimbing I, Pembimbing II, Nia Kumaladewi, MMSI Khodijah Hulliyah.M.SI NIP. 197504122007102002 NIP. 1973042201122001
Mengetahui, Ketua Program Studi Sistem Informasi
Zulfiandri, MMSI NIP. 197001302005011003
4
5
LEMBAR PERNYATAAN
Dengan ini saya menyatakan bahwa:
1. Skripsi ini merupakan hasil karya asli saya yang diajukan untuk memenuhi
salah satu persyaratan memperoleh gelar Strata Satu di Universitas Islam
Negeri Syarif Hidayatullah Jakarta.
2. Semua sumber yang saya gunakan dalam penulisan ini telah saya cantumkan
sesuai dengan ketentuan yang berlaku di Universitas Islam Negeri Syarif
Hidayatullah Jakarta.
3. Jika di kemudian hari terbukti bahwa karya ini bukan hasil karya asli saya atau
merupakan hasil jiplakan dari karya orang lain, maka saya bersedia menerima
sanksi yang berlaku di Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Jakarta, July 2013
Hasemi Rafsanjani
6
ABSTRAK
HASHEMI RAFSANJANI (104093002995). Analisa dan Perancangan Aplikasi Business Intelligence untuk Bagian Operasional dan Keuangan pada Perusahaan GERBANG MULTINDO NUSANTARA. Di bawah bimbingan NIA KUMALADEWI, MMSI dan KHODIJAH HULLIYAH, M.SI.
Dalam rangka globalisasi sekarang ini persaingan bisnis antar perusahaan bertambah besar resikonya, agar dapat bersaing saat ini perusahaan harus memperlengkapi infraskstruktur teknologi informasinya dengan baik. Manajemen tingkat tinggi atau direksi sebagai pembuat keputusan membutuhkan sesuatu yang dapat mendorong sistem untuk dapat berkompetisi dengan perusahaan lainnya, perusahaan membutuhkan pengetahuan dari teknologi informasi agar dapat mendukung perusahaan agar dapat memprediksi kedepan dan membantu keseluruhan sistem untuk meningkatkan pelayanan. Salah satu fasilitas informasi yang dapat digunakan untuk menunjang kegiatan pengambilan keputusan yaitu dengan aplikasi Business Intelligence (BI), kemampuan aplikasi ini untuk mengumpulkan dan mengolah data menjadi informasi yang kemudian dikumpulkan menjadi sebuah pengetahuan dan dapat berakhir dengan tindakan pada pengambilan sebuah keputusan yang tepat.
PT.GMN merupakan perusahaan yang bergerak di bidang konstruksi renewable energy. PT.GMN telah menggunakan data warehouse dalam mengorganisasikan data–data dari berbagai divisi, akan tetapi PT.GMN masih sulit untuk mendapatkan data yang sesuai dan mudah dipahami dari data keuangan dan data operasional yang meliputi kegiatan dalam penjualan dan pelaksanaan proyek. Oleh karena itu, dibutuhkan alat bantu berupa aplikasi Business Intelligence untuk membuat annual report/laporan tahunan dari data kegiatan pelaksanaan proyek dan data kegiatan penjualan, agar dapat mudah dipahami dengan menampilkan data dalam bentuk grafik.
Metodologi perancangan yang digunakan adalah metodologi Business Intelligence dengan menggunakan metodologi Larissa T.Moss. yang terdiri dari 3 tahapan analisa yaitu Justification, Planning dan Business Analysis, dan 2 tahapan perancangan yaitu Design dan Construction. Sistem ini dikembangkan menggunakan Qlikview, untuk pengolahan database menggunakan SQL Server 2005. Hasil yang dicapai yaitu berupa perbaikan integrasi data pada skema database agar lebih baik serta pembuatan tampilan dashboard data atau tampilan grafik dan chart dari database yang telah diolah. V Bab + 191 Halaman + Daftar Pustaka + 76 Gambar + 55 Tabel + 20 Lampiran Kata kunci: Business Intelligence, Alert, Forecasting, Database, Eksekutif
7
KATA PENGANTAR
Bismillahirrahmanirrahim
Segala puji syukur kehadirat Allah S.W.T yang telah melimpahkan rahmat
dan karunia-Nya, sehingga pada akhirnya penulis dapat menyelesaikan penulisan
skripsi ini dengan lancar. Shalawat serta salam tak lupa penulis haturkan kepada
junjungan baginda Nabi Muhammad S.A.W beserta keluarga dan sahabatnya,
semoga kita menjadi pengikutnya yang kelak mendapatkan syafa’at di akhirat
kelak. Amin .
Adapun judul penulisan skripsi ini adalah “ANALISA DAN
PERANCANGAN APLIKASI BUSINESS INTELLIGENCE UNTUK
BAGIAN OPERASIONAL DAN KEUANGAN PADA PERUSAHAAN
GERBANG MULTINDO NUSANTARA”. Pada penulisan skripsi ini penulis
menyadari masih belum sempurna, mengingat keterbatasan pengetahuan dan
pengalaman penulis.
Selama penulisan skripsi ini penulis menyadari banyak pihak yang
memberikan dukungan , bimbingan, pengarahan dan bantuan kepada penulis. Oleh
karena itu, izinkanlah penulis mengucapkan terima kasih kepada semua pihak yang
telah membantu penulis dalam penulisan ilmiah ini, terutama kepada :
1. Bapak Dr. Agus Salim, M.Si. selaku Dekan Fakultas Sains dan Teknologi.
8
2. Ibu Nur Aeni Hidayah, MMSI Pembantu Dekan Bidang Admimistrasi
Umum, yang telah sabar dan terus membimbing saya pada pelaksanaan
proses akademik saya hingga selesai.
3. Zulfiandri, MMSI sebagai Ketua Program Studi Sistem Informasi yang
sangat turun membantu dalam proses skripsi ini hingga selesai.
4. Bapak Zainul Arham, M.Si selaku dosen, yang telah memberikan semangat
dan bantuannya pada proses akadeik sebagai penunjang penyusunan skripsi
ini.
5. Ibu Nia Kumaladewi, MMSI dan Ibu Khodijah Hulliyah, M.Si selaku
dosen pembimbing, yang telah memberikan segala daya dan upaya untuk
memudahkan penulis dalam penyusunan skripsi ini.
6. Bapak Chayun Budiono, MT selaku direksi utama pada PT.Gerbang
Multindo Nusantara, yang telah memberikan kesempatan dan pengarahan
dalam penyusunan aplikasi ini.
7. Bapak Suyud Subakti, SE selaku direksi operational pada PT.Gerbang
Multindo Nusantara, yang dengan bijaksana telah membantu penulis dalam
mendapatkan segala informasi serta data yang dibutuhkan dalam aplikasi
ini.
8. Kedua Orang Tua saya yang tidak pernah lepas berdoa mendukung penulis
untuk bisa menyelesaikan penelitian ini, serta terima kasih untuk segala
materi yang selama ini diberikan hingga akhir.
9
9. Special buat teman-teman LSO Dapur Seni FST, HIMSI FST, Alumni FST
UIN Jakarta dan beberapa teman yang lainnya, yang selalu setia
memberikan semangat dan motivasinya.
10. Semua pihak yang terlibat secara langsung maupun tidak langsung yang
penulis tidak bisa sebutkan satu persatu.
Semoga Allah SWT membalas segala kebaikan dan ketulusan yang
telah diberikan kepada penulis.
Akhir kata dengan segala kerendahan hati, penelitian ini dapat
dipahami dan bermanfaat bagi masyarakat banyak. Maaf atas segala
kekhilafan.
Jakarta, July 2013
Hasemi Rafsanjani
10
DAFTAR ISI
Halaman Judul .................................................................................................. i
Lembar Persetujuan Pembimbing ..................................................................... iii
Lembar Pengesahan ........................................................................................... iv
Lembar Pernyataan ............................................................................................. v
Abstrak .............................................................................................................. vi
Kata Pengantar .................................................................................................. vii
Daftar Isi ........................................................................................................... xv
Daftar Gambar ................................................................................................... xiv
Daftar Tabel ...................................................................................................... xix
Daftar Lampiran ................................................................................................ xxii
BAB I PENDAHULUAN ............................................................................ 1
1.1 Latar Belakang ........................................................................... 1
1.2 Perumusan Masalah ................................................................... 2
1.3 Batasan Masalah ........................................................................ 2
1.4 Tujuan dan Manfaat Penulisan .................................................. 3
1.4.1 Tujuan Penulisan .............................................................. 3
1.4.2 Manfaat Penulisan ............................................................ 3
1.5 Metode Penelitian ...................................................................... 4
1.5.1 Metode Pengumpulan Data .............................................. 4
1.5.2 Metodologi Analisa dan Perancangan .............................. 6
1.6 Kerangka Berfikir Penelitian ..................................................... 10
1.7 Sistematika Penulisan ................................................................ 12
BAB II LANDASAN TEORI ....................................................................... 13
2.1. Konsep Dasar Sistem Informasi ............................................... 13
2.1.1 Pengertian Data ................................................................ 13
2.1.2 Pengertian Informasi ........................................................ 13
2.1.3 Kualitas Informasi ............................................................ 14
11
2.1.4 Pengertian Sistem ............................................................. 15
2.1.5 Pengertian Sistem Informasi ............................................. 15
2.2. Konsep Dasar Database .............................................................. 16
2.2.1 Pengertian Metadata ......................................................... 16
2.2.2 Pengertian Sistem Basis Data ........................................... 17
2.2.3 Model Relasional ............................................................. 18
2.2.4 Basis Data Relasional ....................................................... 19
2.2.5 Database Management System ......................................... 21
2.2.6 Pengertian Data Warehouse ............................................. 24
2.2.7 Pengertian Data Mart ....................................................... 33
2.2.8 Pengertian OLAP .............................................................. 34
2.2.9 Pengertian Data Mining ................................................... 36
2.3 Konsep Dasar Business Intelligence ............................................ 41
2.3.1 Dashboard ........................................................................ 41
2.3.2 Pengertian Bisnis .............................................................. 41
2.3.3 Key Performance Indicator .............................................. 42
2.3.4 Pengertian Business Intelligence ...................................... 42
2.4 Metode Pengembangan Sistem .................................................... 46
2.5 Tools Analysis dan Desain Sistem Informasi ................................ 47
2.5.1 Bagan Alir ....................................................................... 47
2.5.2 Data Flow Diagram ........................................................ 48
2.5.3 Simbol Data Flow Diagram ............................................ 49
2.5.4 Kamus Data ..................................................................... 50
2.6 Perancangan Basis Data ............................................................... 52
2.6.1 Entity Relationship Diagram (ERD) ................................ 52
2.6.2 Normalisasi ....................................................................... 54
2.6.3 Star Schema ...................................................................... 56
2.7 Definisi Perancangan ................................................................... 63
2.7.1 Executive Dashboard ....................................................... 63
2.8 Microsoft SQL Server .................................................................. 64
2.8.1 Tipe Data Pada MSSQL Server ........................................ 65
12
2.8.2 Fitur Data Quality Services (DQS) ................................. 67
BAB III METODOLOGI PENELITIAN .................................................... 70
3.1 Tempat dan Waktu Penelitian ................................................... 70
3.2 Bahan dan Perangkat Penelitian ................................................ 70
3.2.1 Bahan ................................................................................ 71
3.2.2 Perangkat .......................................................................... 71
3.3 Metode Penelitian ...................................................................... 72
3.3.1 Metode Pengumpulan Data .............................................. 72
3.4 Metodologi Analisa dan Perancangan ....................................... 74
3.4.1 Kerangka Berpikir Skripsi ............................................... 90
BAB IV HASIL DAN PEMBAHASAN ........................................................ 91
4.1 Justification ............................................................................... 91
4.1.1 Gambaran Umum Perusahaan ......................................... 91
4.1.2. Proses Bisnis .................................................................... 99
4.1.3 Analisis SWOT ................................................................. 101
4.1.4 Analisis Critical Success Factor (CSF) ........................... 101
4.1.5 Analisis Sistem Berjalan ................................................... 102
4.1.6 Kebutuhan Bisnis PT. Gerbang Multindo Nusantara ....... 102
4.1.7 Sasaran Aplikasi Business Intelligence ............................ 103
4.1.8 Risk Assessment ................................................................ 103
4.1.9 Masalah yang dihadapi ...................................................... 104
4.1.10 Sistem yang Diusulkan ................................................... 105
4.2 Planning .................................................................................... 108
4.2.1 Enterprise Infrastructure Evaluation ............................... 108
4.2.2 Project Planning ............................................................... 115
4.3 Business Analysis ....................................................................... 119
4.3.1 Project Requirements Definition ....................................... 119
4.3.2 Data Analysis .................................................................... 116
4.3.3 Aplication Prototyping ..................................................... 133
4.4 Design ........................................................................................ 142
13
4.4.1 Database Design .............................................................. 142
4.4.2 Extract/Transform/Load Design ....................................... 145
4.4.3 Metadata Repository Design ............................................ 153
4.5 Construction .............................................................................. 160
4.5.1 Extract, Transform, Load development ............................ 160
4.5.2 Application Development ................................................. 178
4.5.3 Data Mining ...................................................................... 184
4.6 Deployment ................................................................................ 184
4.6.1 Implementation ................................................................. 185
4.6.2 Release Evaluation .......................................................... 189
BAB V PENUTUP ......................................................................................... 190
5.1 Kesimpulan ................................................................................ 191
5.2 Saran .......................................................................................... 192
DAFTAR PUSTAKA ...................................................................................... 192
LAMPIRAN ..................................................................................................... 193
14
Daftar Gambar Halaman
Gambar 1.1 : Engineering Stages (Sumber Business Intelligence Roadmap, 2003) ......... 7
Gambar 1.2 : Steps of Business Intelligence (Larissa T.Moss, 2003) ............................... 8
Gambar 1.3 : Kerangka Berfikir Penelitian ........................................................................ 10
Gambar 2.1 : Data Warehouse Subject – Oriented ............................................................ 26
Gambar 2.2 : Pokok Persoalan Dari Integrasi (Inmon, 2005) ............................................ 27
Gambar 2.3 : Time Variant (Inmon, 2005) ........................................................................ 28
Gambar 2.4 : Pokok Persoalan Dari Nonvolatile (Inmon, 2005) ....................................... 29
Gambar 2.5 : Functional Data Warehouse ........................................................................ 30
Gambar 2.6 : Centralized Data Warehouse ....................................................................... 32
Gambar 2.7 : Distributed Data Warehouse ........................................................................ 33
Gambar 2.8 : Struktur Data Warehouse Inmon (2005) ...................................................... 36
Gambar 2.9 : Cube ............................................................................................................. 39
Gambar 2.10 : Contoh Lingkungan Business Intelligence ................................................. 46
Gambar 2.11 : Development Step Dependencies (Business Intelligence Roadmap) .......... 49
Gambar 2.12 : Contoh Star Schema .................................................................................... 59
Gambar 2.13 : Simple Star Schema (Poe, 1996) ................................................................ 63
Gambar 2.14 : Multiple Fact Star Schema (Poe, 1996,) .................................................... 64
Gambar 3.1 : Engineering Stages (Sumber Business Intelligence Roadmap, 2003) ......... 73
Gambar 3.2 : Steps Of Business Intelligence (Larissa T.Moss, 2003) ............................... 87
Gambar 3.3 : Kerangka Berfikir ......................................................................................... 88
15
Gambar 4.1 : Struktur Organisasi .................................................................................... 91
Gambar 4.2 : Proses Bisnis Pt Gerbang Multindo Nusantara ......................................... 96
Gambar 4.3 : Diagram Konteks Bi .................................................................................. 104
Gambar 4.4 : Flowchart Pembuatan Laporan Perusahaan .............................................. 113
Gambar 4.5 : Flowchart Pembuatan Laporan Perusahaan Usulan ................................. 114
Gambar 4.6 : Normalized And Fully Atributed Logical Data Model ............................... 120
Gambar 4.6 : Struktur Menu Halaman Dashboard Home .............................................. 135
Gambar 4.7 : Struktur Menu Halaman Proyek ................................................................ 135
Gambar 4.8 : Struktur Menu Halaman Pemberi Kerja .................................................... 135
Gambar 4.9 : Struktur Menu Halaman Penjualan ........................................................... 136
Gambar 4.10 : State Transition Diagram ......................................................................... 136
Gambar 4.11 : Prototype Dashboard ............................................................................... 137
Gambar 4.12 : Penjualan Dashboard ............................................................................... 138
Gambar 4.13 : Proyek Dashboard ................................................................................... 139
Gambar 4.14 : Entity Relationship Meta Model ................................................................ 141
Gambar 4.15 : Star Schema Table Fact_Proyek ............................................................... 143
Gambar 4.16 : Snowflake Schema Table Fact_Penjualan ................................................. 144
Gambar 4.17 : Tampilan Qlikview Halaman Baru .......................................................... 145
Gambar 4.18 : Tampilan Sqlserver Management Studio 2012 ......................................... 160
Gambar 4.19 : Tampilan Query Merubah Data Menjadi Sentence Case. ......................... 161
Gambar 4.20 : Tampilan Halaman Awal Dqs (Data Quality Services). ........................... 162
16
Gambar 4.21 : Tampilan Halaman Awal Dqs (Data Quality Services). ..................... 162
Gambar 4.22 : Tampilan Halaman Create Domain. ................................................... 163
Gambar 4.23 : Tampilan Halaman Domain Rules. ..................................................... 163
Gambar 4.24 : Tampilan Halaman Publish Domain. .................................................. 164
Gambar 4.25 : Tampilan Halaman Awal Dqs ............................................................. 164
Gambar 4.26 : Tampilan Halaman Awal Data Quality Project. ................................. 165
Gambar 4.27 : Tampilan Halaman Mapping Database. ............................................. 166
Gambar 4.28 : Tampilan Halaman Cleanse Database.. .............................................. 166
Gambar 4.29 : Tampilan Proses Cleanse Database. ................................................... 167
Gambar 4.30 : Tampilan Halaman Result Project.. .................................................... 167
Gambar 4.31 : Tampilan Proses Akhir Dari Cleanse Database. ................................ 168
Gambar 4.32 : Tampilan Sqlserver Management Studio 2012 ................................... 169
Gambar 4.33 : Tampilan Proses Akhir Dari Cleanse Database. ................................ 170
Gambar 4.34 : Tampilan New Project ......................................................................... 170
Gambar 4.35 : Tampilan Data Flow Task ................................................................... 171
Gambar 4.36 : Tampilan Connection Manager ........................................................... 171
Gambar 4.37 : Tampilan Data Flow Task Source To Destination. ............................. 172
Gambar 4.38 : Tampilan Proses Sql Command Pada Ole Db Source. ........................ 172
Gambar 4.39 : Tampilan Mapping Destination ........................................................... 173
Gambar 4.40 : Tampilan Execute ................................................................................ 173
Gambar 4.41 : Tampilan Qlikview Halaman Baru ..................................................... 174
17
Gambar 4.42 : Tampilan Edit Script ........................................................................... 175
Gambar 4.43 : Tampilan Data From File .................................................................... 175
Gambar 4.44 : Tampilan Menu Untuk Memilih Table File ........................................ 176
Gambar 4.45 : Tampilan Sesudah Table Dipilih ......................................................... 176
Gambar 4.46 : Semua File Tables Setelah Dimasukan ............................................... 177
Gambar 4.47 : Proses Execute Script Setelah Reload ................................................. 177
Gambar 4.48 : Struktur Menu Halaman Dashboard Home ......................................... 178
Gambar 4.49 : Struktur Menu Halaman Proyek .......................................................... 178
Gambar 4.50 : Struktur Menu Halaman Pemberi Kerja .............................................. 179
Gambar 4.51 : Struktur Menu Halaman Penjualan ..................................................... 179
Gambar 4.52 : State Transition Diagram .................................................................... 180
Gambar 4.53 : Membuat Dashboard Kpi .................................................................... 181
Gambar 4.54 : Membuat Dashboard Penjualan .......................................................... 182
Gambar 4.55 : Membuat Analytic Bar Chart Proyek Dan Perusahaan ....................... 183
Gambar 4.56 : Tren Forcasting Pada Penjualan ......................................................... 184
18
Daftar Table Halaman
Table 4.1 : Tabel Matrik SWOT ...................................................................................... 97
Table 4.2 : Table Critical Success Factor (CSF) Dan Key Performance Indicator
(KPI) ................................................................................................................................. 98
Tabel 4.3 : Basis Data Barang .......................................................................................... 106
Tabel 4.4 : Basis Data Investor ........................................................................................ 107
Tabel 4.5 : Basis Data Pegawai ........................................................................................ 107
Tabel 4.6 : Basis Data Pelanggan ..................................................................................... 108
Tabel 4.7 : Basis Data Supplier ........................................................................................ 108
Tabel 4.8 : Basis Data Jenis Perusahaan .......................................................................... 109
Tabel 4.9 : Basis Data Kab Kota ...................................................................................... 109
Tabel 4.10 : Basis Data Provonsi ..................................................................................... 109
Tabel 4.11 : Basis Data Status Proyek ............................................................................. 109
Tabel 4.12 : Basis Data Kategori Proyek ......................................................................... 109
Tabel 4.13 : Basis Data Proyek ........................................................................................ 110
Tabel 4.14 : Basis Data Penjualan .................................................................................... 110
Tabel 4.15 : Time Mapping Pembuatan Aplikasi Business Intteligence .......................... 113
Tabel 4.16 : Target Pembersihan Data Pada Table Barang . ............................................ 117
Tabel 4.17 : Target Pembersihan Data Pada Table Investor ............................................ 118
Tabel 4.18 : Target Pembersihan Data Pada Table Pegawai ........................................... 118
Tabel 4.19 : Target Pembersihan Data Pada Table Pelanggan ........................................ 118
19
Tabel 4.20 : Target Pembersihan Data Pada Table Supplier ............................................ 118
Tabel 4.21 : Target Pembersihan Data Pada Table Proyek. .............................................. 118
Tabel 4.22 : Target Pembersihan Data Pada Table Penjualan. ......................................... 118
Tabel 4.23 : Target Pattern Telphone Pegawai.. ............................................................... 119
Tabel 4.24 : Target Pattern Telphone Pelanggan. ............................................................. 119
Tabel 4.25 : Target Pattern Telphone Supplier. ................................................................ 119
Tabel 4.26 : Bentuk Unnormal ......................................................................................... 121
Tabel 4.27 : Penjualan Normalisasi Tahap 1 ................................................................... 123
Tabel 4.28 : Proyek Normalisasi Tahap 1 ........................................................................ 124
Tabel 4.29 : Pelanggan Normalisasi Tahap 1 ................................................................... 125
Tabel 4.30 : Pegawai Normalisasi Tahap 1 ...................................................................... 126
Tabel 4.31 : Pelanggan Normalisasi Tahap 2 ................................................................... 127
Tabel 4.32 : Penjualan Normalisasi Tahap 2 ................................................................... 128
Tabel 4.33 : Proyek Normalisasi Tahap 2 ........................................................................ 129
Tabel 4.34 : Pelanggan Normalisasi Tahap 3 ................................................................... 130
Table 4.35 : Penjualan Normalisasi Tahap 3 ................................................................... 131
Tabel 4.36 : Proyek Normalisasi Tahap 3 ........................................................................ 132
Tabel 4.37 : Prosedur Transformasi Sentense Case .......................................................... 145
Tabel 4.38 : Tabel Deskripsi Transformasi Table Penjualan ............................................ 147
Tabel 4.39 : Tabel Deskripsi Transformasi Table Proyek ................................................ 148
Tabel 4.40 : Tabel Deskripsi Transformasi Table Barang ................................................ 148
20
Tabel 4.41 : Tabel Deskripsi Transformasi Table Barang ............................................. 149
Tabel 4.42 : Tabel Deskripsi Transformasi Table Investor ............................................ 150
Tabel 4.43 : Tabel Deskripsi Transformasi Table Pelanggan ........................................ 150
Tabel 4.44 : Tabel Deskripsi Transformasi Table Penjualan ......................................... 151
Tabel 4.45 : Tabel Transformasi Data Ke Qlikview ...................................................... 152
Tabel 4.46 : Tabel Metadata Fact_Proyek ..................................................................... 154
Tabel 4.47 : Tabel Metadata Fact_Penjualan ................................................................. 155
Tabel 4.48 : Tabel Metadata Dim_Pelanggan ................................................................ 156
Tabel 4.49 : Tabel Metadata Dim_Barang ..................................................................... 156
Tabel 4.50 : Tabel Metadata Dim_Pegawai ................................................................... 157
Tabel 4.51 : Tabel Metadata Dim_Status_Proyek ......................................................... 157
Tabel 4.52 : Tabel Metadata Dim_Kategori .................................................................. 158
Tabel 4.53 : Tabel Metadata Dim_Supplier ................................................................... 158
Tabel 4.54 : Tabel Metadata Dim_Investor ................................................................... 159
Tabel 4.55 : Tabel Metadata Dim_Kab_Kota ................................................................ 159
Tabel 4.55 : Tabel Pengujian Metode Black Box ........................................................... 185
21
DAFTAR LAMPIRAN
Lampiran Surat Penelitian ............................................................................. xxiii
Lampiran Wawancara ................................................................................... xxiv
Lampiran Tampilan Aplikasi ........................................................................ xxx
Lampiran Source Code .................................................................................. xxxiii
22
BAB I
PENDAHULUAN
1.1 Latar Belakang
Dalam rangka globalisasi sekarang ini persaingan bisnis antar
perusahaan semangkin besar resikonya, agar dapat bersaing perusahaan harus
memperlengkapi infraskstrukturnya dengan dukungan teknologi informasi.
Manajemen tingkat tinggi sebagai pembuat keputusan membutuhkan sesuatu
yang dapat mendorong sistem untuk berkompetisi dengan perusahaan lainnya,
perusahaan membutuhkan pengetahuan dari teknologi informasi agar dapat
mendukung perusahaan untuk dapat memprediksi kedepan dan membantu
keseluruhan sistem untuk meningkatkan pelayanan. Business Intelligence
sebagai salah satu istilah sistem pengambilan keputusan yang dapat membantu
manajemen dengan memberikan prediksi dan keputusan.
Salah satu fasilitas informasi yang dapat digunakan untuk menunjang
kegiatan pengambilan keputusan yaitu dengan aplikasi Business Intelligence
(BI), kemampuan aplikasi ini untuk mengumpulkan dan mengolah data
menjadi informasi yang kemudian dikumpulkan menjadi sebuah pengetahuan
dan dapat berakhir dengan tindakan pada pengambilan sebuah keputusan pada
waktu dan tempat yang tepat.
PT.GMN merupakan perusahaan yang bergerak dibidang konstruksi
renewable energy. PT.GMN telah menggunakan data warehouse dalam
mengorganisasikan data–data dari berbagai divisi, akan tetapi PT.GMN masih
23
sulit untuk mendapatkan data yang sesuai dan mudah dipahami dari data
keuangan dan data operasional yang meliputi kegiatan dalam penjualan dan
pelaksanaan proyek. Oleh karena itu, dibutuhkan alat bantu berupa aplikasi
Business Intelligence untuk membuat annual report/laporan tahunan dari data
kegiatan pelaksanaan proyek dan data kegiatan penjualan, agar dapat mudah
dipahami dengan menampilkan data dalam bentuk grafik.
Atas dasar latar belakang inilah muncul keinginan untuk membuat
suatu rancangan aplikasi Business Intelligence untuk mendukung kegiatan
bisnis PT. GMN dalam kegiatan pengambilan keputusan yang didasarkan dari
laporan tahunan agar lebih akurat, dengan memberikan pola pengambilan data
yang akan dianalisa dari data warehouse perusahaan lebih spesifik serta
ditampilkan dengan tampilan grafik yang mudah dipahami. Dengan adanya
aplikasi Business Intelligence ini diharapkan dapat memajukan dan
mengoptimalkan kinerja perusahaan, serta dapat membuat suatu laporan
kinerja tahunan perusahaan lebih baik.
1.2 Perumusan Masalah
Berdasarkan latar belakang di atas, maka identifikasi masalah yang
didapati adalah sebagai berikut :
1. Tidak dapat diimplentasikannya salah satu fasilitas teknologi informasi
yaitu Business Intelligence pada perusahaan.
24
2. Perusahaan GMN masih sulit untuk mendapatkan data yang sesuai dan
mudah dipahami dari data keuangan dan data operasional yang meliputi
kegiatan dalam penjualan dan pelaksanaan proyek.
3. Perusahaan GMN membutuhkan alat bantu berupa aplikasi Business
Intelligence untuk membuat laporan tahunan dari data kegiatan kegiatan
penjualan dan pelaksanaan proyek.
Berdasarkan latar belakang di atas, maka dapat dirumuskan
permasalahan yaitu, “Bagaimana aplikasi business intelligence dapat
diimplementasikan serta dapat memperbaiki laporan akhir tahun agar lebih
baik serta mudah dipahami melalui pengolahan data penjualan dan data
proyek pada perusahaan?”
1.3 Batasan Masalah
Berdasarkan pada permasalahan di atas, maka ruang lingkup perancangan
dibatasi pada :
1. Perancangan aplikasi business intelligence ini hanya sebatas pada
perusahaan GMN.
2. Pengembangan aplikasi bussiness intelligence yang dilakukan hanya
terbatas untuk bagian operasional dan bagian keuangan.
3. Pengembangan sistem database yang dilakukan hanya sebatas pada data
proyek dan penjualan.
25
4. Perancangan aplikasi dengan menggunakan metodologi bussiness
intelligence roadmap hanya dilakukan sebatas pada tahapan construction.
5. Dalam perancangan aplikasi Business Intelligence ini penulis
menggunakan perangkat lunak MSSQL Server dan Qlikview.
1.4 Tujuan Dan Manfaat Penulisan
1.4.1 Tujuan Penulisan
Tujuan dari pembuatan skripsi ini adalah untuk meningkatkan kinerja
perusahaan dengan menerapkan Business Intelligence sebagai salah satu
apilkasi yang diterapkan bagi proses bisnis perusahaan.
1. Sebagai syarat kelulusan program sarjana pada jurusan Sistem Informasi
Fakultas Sains & Teknologi UIN Syarif Hidayatullah Jakarta.
2. Membuat suatu aplikasi Business Intelligence yang dapat diterapkan
pada perusahaan PT.Gerbang Multindo Nusantara.
1.4.2 Manfaat Penulisan
Adapun manfaat penulisan skirpsi ini adalah:
1. Bagaimana teknologi Business Intelligence dapat dijadikan acuan dan
bahan referensi dalam penerapan Business Intelligence pada bagian
operasional dan keuangan pada perusahaan.
26
2. Mengetahui serta menerapkan kemampuan mahasiswa dalam
menguasai materi teori yang diperoleh selama kuliah yang
diimplementasikan di lapangan sebagai bahan evaluasi pendidikan.
3. Meningkatkan keakuratan dalam pengambilan keputusan strategis
sebuah perusahaan dengan memperbaiki akses terhadap data agar dapat
di telaah lebih dalam yang telah dibuat dalam bentuk yang lebih
dimengerti.
1.5 Metode Penelitian
Pada penulisan skripsi ini diperlukan data dan informasi yang lengkap
guna mendukung penelitian, metodologi tersebut diantaranya :
1.5.1 Metode Pengumpulan Data
a. Metode Kepustakaan
Menelaah dan mempelajari teori-teori serta materi bacaan
lainnya, yang dapat memberi informasi sesuai dengan topik kajian
dalam pembuatan skripsi, sehingga kajian tersebut menjadi lengkap
sesuai yang diharapkan.
b. Metode Observasi
Observasi adalah metode pengumpulan informasi dengan cara
pengamatan atau peninjauan langsung terhadap objek penelitian, yaitu
mengumpulkan dan menelaah data - data permasalahan pada instansi
27
terkait. Dalam proses pengumpulan data yang sesuai dengan sifat
penelitian ini, maka metode observasi partisipatif yang digunakan
penulis, karena penulis melakukan pengamatan secara langsung yang
disebut pengamatan terlibat. Penulis sebagai instrumen dan alat dalam
melakukan penelitian ini, maka penulis pun mencari data sendiri
dengan terjun langsung atau mengamati serta mencari beberapa
informasi ke beberapa narasumber yang telah ditentukan sebagai
sumber data.
c. Metode Wawancara
Dilakukan dengan cara mewawancarai seseorang yang ahli
dalam bidangnya atau melakukan diskusi dengan orang-orang yang
mengerti terhadap materi bahasan supaya mendapatkan bahan masukan
dan data pendukung untuk penyusunan skripsi ini. Dengan melakukan
wawancara secara terstruktur yaitu memberikan beberapa pertanyaan
secara sistematis dan pertanyaan yang diajukan disusun sebelumnya.
d. Kusioner
Penulis menggunakan tipe kuesioner format tetap, yaitu
kuesioner yang terdiri dari sejumlah pertanyaan dengan memilih salah
satu dari beberapa jawaban yang disediakan kepada responden.
1.5.2 Metodologi Analisa dan Perancangan
28
Pendekatan metodologi yang digunakan adalah metodologi Business
Intelligence Larissa T.Moss (2003). Secara garis besar metodologi ini terbagi
menjadi 2 tahap, yaitu tahap analisa dan perancangan, dimana tahapan
analisa meliputi Justification, Planning, dan Business Analysis, kemudian
tahapan perancangan meliputi Design, Construction, dan Deployment.
Adapun gambaran metodologi Business Intelligence yang akan dijalankan
pada perancangan ini dapat dilihat dari gambar berikut :
Gambar 1 Engineering stages of methodology
(Sumber Business Intelligence Roadmap, 2003)
1.5.3.1 Tahapan Analisa
Metodologi analisa yang terdapat pada metodologi Business
Intelligence Larissa T.moss (Business Intelligence Roadmap, 2003)
terbagi menjadi 3 bagian, yaitu :
1. Justification : Menetapkan kebutuhan bisnis yang mendukung proyek
baru.
29
2. Planning : Mengembangkan strategi dimana proyek dapat
diselesaikan dan dikembangkan.
3. Business Analysis : Menampilkan analisis secara rinci dari masalah
bisnis atau peluang bisnis untuk mendapatkan solusi yang berpotensi.
1.5.3.2 Tahapan Perancangan
Metodologi perancangan yang terdapat pada metodologi Business
Intelligence Larissa T.moss (Business Intelligence Roadmap, 2003)
terbagi menjadi 2 yaitu :
1. Design : Menyusun solusi untuk menyelesaikan permasalahan bisnis
atau untuk mendapatkan peluang bisnis.
2. Construction : Membangun solusi yang harus menyediakan
pengembalian investasi dengan jangka waktu yang sudah ditentukan.
1.6 Kerangka Berfikir Penelitian
30
Step 1 Justification
1. Business case assessment/
Mengevaluasi strategi perusahaan.
2. Mengevaluasi kebutuhan perusahaan :
- Sasaran Aplikasi Business Intelligence.
- Menentukan Risk Assesment/Resiko
Pada proses perancangan aplikasi.
Step 2 Planning
1. Mengevaluasi komponen "teknikal infrastruktur" Perusahaan, meliputi : Software, Haradware, dan Jaringan.
2. Mengevaluasi "non- teknikal" infrastructure, meliputi :
- Struktur data
- Standar perusahaan.
- Sejauh mana metodologi di terapkan
3. Project Planning
- Menentukan Sasaran aplikasi Business Intelligence yang tepat untuk kebutuhan user.
- Menentukan solusi BI yang diajukan untuk perusahaan.
- Memetakaan Aktivitas Proyek BI.
Step 3 Business Analysis
1. Project Requirements Definition/ Definisi kebutuhan pada aplikasi.
2. Data Analysis/ Analisa data kebutuhan aplikasi meliputi: Normalisasi data
3. Application Prototyping, tampilan awal dari rancangan dashboard yang kan dibuat.
4. Meta Data Repository Analysis / Menggambarkan Entity-Relationship Meta Model dari data yang akan diolah.
Step 4 Design
1. Database Design/ Mendisain star schema database dari database yang ada.
2. Extract,Transform,Load (ETL) Design/ Memaparakan disain ETL data yang lalui.
3. Meta Data Repository Design/ Mendisain ER data model dari ER data yang sudah di analisa sebelumnya.
Step 6 Deployment
1. Implementation : Mengimplementasikan aplikasi dan melakukan tahapan testing baik black box maupun white box.
2. Release Evaluation : Tahapan mengevaluasi dari hasil pekerjaaan aplikasi setelah di implementasikan, sebagai tahapan dari pemeliharaan bagi aplikasi dan penyesuaian aplikasi bagi user.
Step 5 Construction
1. ETL Development (Extract/Trasform/Load) : Menampilkan ETL program dengan menampilkan screen shoot proses ETL.
2. Aplication Development : Proses membuat design dashboard aplikasi sesuai dengan rancangan yang sudah di rumuskan sebelumnya.
3. Data mining : Menerapkan teknik data mining yaitu teknik forcasting berupa trend projection.
4. Metadata Repository Development : Memaparkan metadata dari hasil perancangan aplikasi yang telah
Gambar 1.2 Kerangka Berfikir Penelitian
1.7 Sistematika Penulisan
31
Dalam penyusunan skripsi ini, pembahasan yang penulis sajikan terbagi
dalam lima bab, sebagaimana diuraikan sebagai berikut:
BAB I PENDAHULUAN
Bab ini akanmenguraikan latar belakang, perumusan masalah,
batasan masalah, tujuan dan manfaat penulisan, metodologi
penulisan dan sistematika penulisan.
BAB II LANDASAN TEORI
Bab ini akan menguraikan secara singkat teori-teori yang
diperlukan, seperti teknologi yang terdapat didalam Qlikview, serta
teori dari Business Intelligence dan materi-materi lainnya yang
berkaitan dengan skripsi ini .
BAB III METODOLOGI PENELITIAN
Bab ini menguraikan metodologi yang digunakan dalam analisis
dan desain aplikasi yang akan dibuat. Metodologi tersebut meliputi
metode pengumpulan data dengan observasi langsung ke
perusahaan PT.GMN dan studi pustaka yang berkaitan dengan
pengembangan Business Intelligence.
BAB IV RACANGAN SISTEM YANG DIUSULKAN
Bab ini membahas implementasi penerapan Business Intelligence
yang akan di terapkan pada perusahaan PT. Gerbang Multindo
Nusantara, melalui aplikasi MSSQL Server dan Qlikview.
BAB V KESIMPULAN DAN SARAN
32
Bab ini akan menguraikan kesimpulan yang dapat diambil dari
penulisan skripsi ini serta saran-saran untuk memperbaiki dan
mengembangkan lebih lanjut dari penulisan skripsi ini.
33
BAB II
LANDASAN TEORI
2.1. Konsep Dasar Sistem Informasi
2.1.1 Pengertian Data
Data merupakan aliran fakta yang mewakili kejadian yang terjadi
dalam organisasi atau dalam lingkungan fisik sebelum mereka diatur
menjadi sebuah form yang dapat dimengerti dan digunakan oleh pengguna
(Laudon, 2000). Sedangkan menurut Navath Edan Elmasri (2000) data
adalah fakta yang dapat disimpan dan memiliki arti, dan dapat disimpan serta
dapat diatur sedemikian rupa sehingga dapat menjadi sebuah form yang
dapat digunakan untuk berbagai tujuan.
2.1.2 Pengertian Informasi
Menurut Turban (2003), informasi adalah suatu koleksi fakta/data
yang telah terorganisir dengan beberapa cara sehingga memberikan suatu arti
yang dipahami oleh penerima.
Beberapa definisi informasi dijelaskan menurut McFadden, dkk
(1999) mendefinisikan informasi sebagai data yang telah diproses
sedemikian rupa sehingga meningkatkan pengetahuan seseorang untuk
menggunakan data tersebut (Kadir, 2003).
Menurut Davis (1999), informasi adalah data yang telah diolah
menjadi sebuah bentuk yang berarti bagi penerimanya dan bermanfaat dalam
34
pengambilan keputusan saat ini atau saat mendatang (Kadir, 2009). Dapat
disimpulkan bahwa informasi bermuara pada suatu data, yang dapat
memberikan suatu nilai tambah atau pengetahuan bagi siapapun
penggunanya dan digunakan sebagai pengambil keputusan.
Informasi sering dinyatakan adalah sebagai hasil dari pemrosesan
data. Proses tersebut dapat berupa peringkasan, pereratan, penyajian ke
bentuk grafik, ataupun yang lainnya, dengan tujuan untuk memudahkan
interpretasi manusia.
Data Informasi
Peringkasan , Pererataan , penyajian grafik, dll.
Gambar 2.1 Data dan informasi (Sumber: Kadir, 2009)
2.1.3 Kualitas Informasi
Kualitas dari suatu informasi (quality of information) tergantung
dari tiga hal yaitu informasi harus akurat (accurate), tepat pada waktunya
(timeliness) dan relevan (relevance).
Akurat berarti informasi harus bebas dari kesalahan-kesalahan dan
tidak bisa atau menyesatkan akurat juga berarti informasi harus jelas
mencerminkan maksudnya. Tepat pada waktunya berarti informasi yang
datang pada penerima tidak boleh terlambat. Informasi yang sudah usang
Proses
35
tidak akan mempunyai nilai lagi. Relevan berarti informasi tersebut
mempunyai manfaat untuk pemakaiannya (Jogiyanto, 2005).
2.1.4 Pengertian Sistem
Sistem adalah sekelompok elemen yang terintegrasi dengan maksud
yang sama untuk mencapai suatu tujuan (McLeod, 2001). Dalam arti lain,
sistem sebagai kumpulan komponen yang saling berhubungan satu sama lain
yang dapat bekerja sama secara harmonis untuk mencapai suatu tujuan.
Lebih lanjut menurut Jerry Fith Gerald (Mulyanto, 2009)
mendefinisikan sistem adalah ”jaringan kerja dari prosedur-prosedur yang
saling berhubungan, berkumpul bersama-sama untuk melakukan suatu
kegiatan”.
2.1.5 Pengertian Sistem Informasi
“An information system can be any combination of people, hardware,
software, communication network, and data resources that collects,
transforms and disseminates informaton in an organization" (O'Brien,
2004), yang dapat diartikan sistem informasi dapat berupa kombinasi yang
teratur dari orang, perangkat keras, perangkat lunak, jaringan komunikasi
dan sumber data yang mengumpulkan, merubah dan menyebar informasi ke
dalam sebuah organisasi.
Sedangkan menurut Hall (2001), sistem informasi adalah sebuah
rangkaian prosedur formal dimana data dikelompokkan, diproses menjadi
36
informasi, dan didistribusikan kepada pemakai (Kadir,2003). Suatu proses
yang menghasilkan suatu informasi yang berguna bagi masyarakat
menjadikan suatu sistem memiliki nilai guna.
Definisi lain menyatakan bahwa sistem informasi adalah sekumpulan
komponen – komponen yang saling berhubungan dan bekerja sama untuk
mengumpulkan, memproses, menyimpan, dan mendistribusikan informasi
terkait untuk mendukung proses pengambilan keputusan, koordinasi, dan
pengendalian (Prahasta, 2009).
2.2. Konsep Dasar Database
2.2.1. Pengertian Metadata
Metadata merupakan data dari sebuah data, atau bisa disebut juga
deskripsi dari sebuah data yang dipergunakan untuk pengumpulan,
penyimpanan, pembaharuan (update), dan mendapat kembali data kembali
data binis data teknikal yang berguna untuk organisasi atau perusahaan
(Learndatamodelinga.com, 2006).
Metadata menjadi gambaran ketika kita membutuhkan untuk
mengetahui tentang bagaimana data tersebut tersimpan dan dimana
tersimpannya. Peralatan metadata berguna untuk membantu dalam
menagkap metadata bisnis.
Metadata merupakan informasi latar belakang yang
mendeskripsikan isi, kualitas, kondisi, beserta karakteristik lainnya dari
data yang bersangkutan. Dengan metadata, manusia akan terbantu di dalam
37
memahami data yang dimilikinya. Di dalam (sistem manajemen) basisdata,
metadata dapat diartikan sebagai informasi yang menjelaskan (mengenai)
struktur atau tipe data (fields) yang terdapat di dalam tabel-tabelnya.
2.2.2 Pengertian Sistem Basis Data
Sistem basis data menurut Connolly dan Begg (2002) mengatakan
bahwa sistem basis data merupakan kumpulan dari program aplikasi yang
berinteraksi dengan basis data. Sedangkan menurut Navathe dan Elmasri
(2000) sistem basis data merupakan gabungan basis data dengan sistem
basis data. Sehingga dapat disimpulkan bahwa sistem basis data merupakan
kombinasi dari beberapa program aplikasi dengan basis data yang telah
berjalan sehingga keseluruhan sistem terkomputerisasi tersebut
membolehkan pengguna menelusuri kembali dan mengubah informasi
tersebut sesuai kebutuhan.
2.2.2.1 Aplikasi Basis Data
Contoh aplikasi basis data menurut Kronke (2006) dapat
dikategorikan sebagai berikut:
1. Aplikasi Basis Data Single-User : Aplikasi ini digunakan penjual
tunggal yang menjaga alur pelanggan dan merupakan hubungan
penjual dengan pelanggan. Contoh sales contact manager,
penggunanya satu sales dengan ukuran data sebesar 1000 baris, dan
produknya database terpusat. Misalnya Gold Mine and Act.
38
2. Aplikasi Basis Data Multiuser : Aplikasi ini digunakan lebih dari satu
pengguna. Contoh aplikasi jadwal pasien yang digunakan oleh 15
sampai 50 pengguna, seperti perawat, dokter, dan bagian administrasi.
Besar data mencapai 100.000 baris data dengan 5 sampai 10 tabel yang
berbeda.
3. Aplikasi Basis Data e-Commerce : Aplikasi ini digunakan untuk
memasukkan data pemesanan, penagihan, pengiriman, dan layanan
pelanggan. Contohnya Amazon.com dan Drugstore.com yang
menggunakan halaman web yang mereka kirim ke konsumen.
Konsumen dapat mengoperasikan dengan menambah belanja,
memesan pembelian, dan pembatalan pembelian.
4. Aplikasi Basis Data Data Mining : Aplikasi ini menggunakan data
yang dihasilkan dari proses pemesanan dan sistem operasi lain untuk
menghasilkan informasi yang membantu mengatur perusahaan dengan
merangkum data yang ada.
2.2.3 Model Relasional
Di dalam model relasional, semua data secara logika terstruktur dalam
tabel. Setiap tabel mempunyai nama dan terdiri dari kolom-kolom yang
dinamakan atribut. Setiap baris mengandung setiap nilai untuk setiap atribut.
Di dalam model relational dikenal istilah-istilah relation, attribute,
domain, degree, dan cardinality. Menurut Connolly (2002), relation atau
39
relasi adalah sebuah tabel yang terdiri dari baris dan kolom. Atribut adalah
penamaan kolom yang ada didalam sebuah table. Domain adalah kumpulan
dari nilai-nilai yang diijinkan pada satu atau lebih atribut. Tuple adalah
penamaan baris yang terdapat dalam sebuah tabel. Degree of a relation
adalah jumlah atribut yang dapat ditampung. Cardinality of a relation adalah
jumlah baris yang terdapat pada sebuah tabel.
2.2.4 Basis Data Relasional
Menurut Connolly (2002), relational database merupakan kumpulan
relasi yang sudah dinormalisasikan dengan nama berbeda. Ciri-ciri yang
dimiliki oleh sebuah relasi antara lain:
1. Memiliki nama yang berbeda antara satu relasi dengan relasi lainnya di
dalam skema relasional.
2. Setiap cell di dalam relasi mengandung sebuah nilai tunggal.
3. Setiap atribut memiliki nama yang berbeda.
4. Nilai dari sebuah atribut berasal dari domain yang sama.
5. Setiap baris pada relasi berbeda. Tidak ada baris yang bernilai sama.
6. Urutan dari atribut tidak terlalu berpengaruh.
7. Secara teoritis, urutan dari tuple atau baris tidak berpengaruh, namun
dalam implementasinya urutannya dapat mempengaruhi waktu
pengaksesan.
40
Karena antara setiap baris tidak memiliki nilai sama, maka
diperlukan sebuah relational key yang dapat mengidentifikasikan setiap
baris di dalam relasi secara unik. Beberapa relational key yang dikenal
antara lain sebagai berikut :
• Super key : Sebuah atribut atau kumpulan dari atribut yang secara
unik mengidentifikasi baris yang ada dalam sebuah relasi.
• Candidate key : Sebuah candidate key harus memiliki dua ciri-ciri,
yaitu secara unik mengidentifikasi sebuah baris dan tidak ada nilai
lain yang memiliki sifat yang unik tersebut (irreducibility).
• Primary key : Merupakan candidate key yang dipilih untuk
mengidentifikasi baris- baris didalam sebuah relasi secara unik.
• Foreign key : Merupakan atribut atau kumpulan atribut didalam
sebuah relasi yang juga merupakan candidate key.
• Composite key : Merupakan gabungan dari dua atribut atau lebih
yang membentuk sebuah primary key.
• Surrogate key : Merupakan gabungan dari dua atribut atau lebih
yang membentuk sebuah primary key.
2.2.5 Database Management System
Menurut Connolly (2002), Database Management System (DBMS)
adalah sebuah sistem perangkat lunak yang memungkinkan user
41
mendefinisi, membentuk, mengatur dan mengontrol akses ke database.
DBMS berinteraksi dengan pengguna aplikasi program dan database.
DBMS menyediakan fasilitas :
• Data Definition Language (DDL), yang berguna untuk menspesifikasi
tipe data, struktur, dan constraint data. Semua spesifikasi di simpan
dalam database.
• Data Manipulation Language (DML), yang dapat menambah,
mengubah, menghapus, dan mengembalikan data dengan memberikan
fasilitas data query berupa query language. Query language yang
sering digunakan adalah Structured Query Language (SQL).
• Pengendalian akses database, antara lain:
o Sistem keamanan : mencegah user yang tidak memiliki hak
akses untuk mengakses database.
o Sistem Integrasi, menjaga konsistensi data.
o Pengendalian share data.
o Backup dan Recovery sistem.
o Katalog deskripsi data dalam database
• Mekanisme view untuk menyediakan data yang diinginkan dan
diperlukan user saja.
2.2.5.1 Komponen DBMS
Ada lima komponen utama dalam DBMS, yaitu
42
1. Hardware, yang berupa komputer hingga jaringan komputer.
2. Software, yaitu DBMS, aplikasi program, sistem operasi, dan
software jaringan (bila diperlukan untuk jaringan).
3. Data yang merupakan data operasional dan metadata yang
digunakan perusahaan.
4. Prosedur, yaitu instruksi dan aturan yang harus ada pada desain
dan kegunaan dari database dan DBMS.
5. People, antara lain:
• Data Administration (DA): DA mengatur sumber daya data,
meliputi perencanaan database, pengembangan dan
pemeliharaan standar, kebijakan, prosedur, dan desain
database logikal dan konseptual.
• Database Administration (DBA) : DBA mengatur realisasi
fisik dari aplikasi database yang meliputi desain fisik
database dan implementasi, pengaturan keamanan dan
kontrol integritas, pengawasan performa sistem dan
pengaturan ulang database.
• Desainer Database (Logikal dan Fisikal) : Desainer
database logical melakukan identifikasi data (entitas dan
atribut), hubungan antara data, dan batasan data yang
disimpan dalam database. Desainer database fisikal
memutuskan bagaimana desain database logikal
diimplementasikan.
43
• Application Developers : Application developers
mengimplementasikan program aplikasi yang menyediakan
kebutuhan bagi end-user.
• End-Users : End User dapat digolongkan menjadi 2 bagian:
a. Naïve users, adalah pengguna yang tidak perlu tahu
mengenai DBMS, hanya mengoperasikan dengan
perintah sederhana dan memilih pilihan dari menu.
b. Sophisticated users, pengguna yang mengetahui struktur
basis data dan fasilitas DBMS.
2.2.5.2 Keuntungan dan Kerugian DBMS
Ada beberapa keuntungan yang didapat dengan memakai DBMS,
yaitu:
1. Mengontrol redudansi data.
2. Konsistensi data.
3. Lebih banyak informasi dari jumlah data yang sama.
4. Share data.
5. Meningkatkan integritas data.
6. Meningkatkan keamanan.
7. Standar pelaksanaan.
44
8. Skala ekonomi (data operasional organisasi dijadikan satu
database dan membuat aplikasi pada satu sumber data sehingga
akan menghemat biaya).
9. Keseimbangan aksesibilitas data dan data responsiveness.
10. Meningkatkan produktivitas.
11. Meningkatkan pemeliharaan melalu data independence.
12. Meningkatkan konkurensi (mengurangi loss informasi dan loss
integrasi).
13. Meningkatkan layanan backup dan recovery.
Sementara itu, yang menjadi kerugian DBMS :
1. Kompleksitas.
2. Ukuran.
3. Biaya DBMS.
4. Biaya penambahan perangkat keras.
5. Biaya konversi (biaya staf spesialis, biaya pelatihan).
6. Performance (tidak dapat berjalan secepat yang diinginkan).
7. Resiko kesalahan yang lebih tinggi.
2.2.6 Pengertian Data Warehouse
"Data warehouse is a subject-oriented, integrated, time-variant,
and non-volatile collection of data in support of management's decision-
making process" (Collony dan Berg, 2005), yang dapat diartikan "Data
45
warehouse adalah kumpulan data yang berorientasi subjek, terintegrasi
waktu, dan tidak mengalami perubahaan secara langsung dalam
mendukung proses pengambilan keputusan manajemen".
2.2.6.1 Karakteristik Data warehouse
Menurut Inmon(2005), data warehouse memiliki empat
karakteristik utama, antara lain sebagai berikut:
1. Subject-Oriented
Data warehouse berorientasi subject artinya data warehouse
didesain untuk menganalisa data berdasarkan subject-subject tertentu
dalam organisasi, bukan pada proses atau fungsi aplikasi tertentu.
Data warehouse diorganisasikan disekitar subjek-subjek utama
dari perusahaan(customers, products dan sales) dan tidak
diorganisasikan pada area-area aplikasi utama(customer invoicing,
stock control dan product sales). Hal ini dikarenakan kebutuhan dari
data warehouse untuk menyimpan data-data yang bersifat sebagai
penunjang suatu keputusan, dari pada aplikasi yang berorientasi
terhadap data. Jadi dengan kata lain, data yang disimpan adalah
berorientasi kepada subjek bukan terhadap proses.
46
Gambar 2.2 Data warehouse subject – oriented
2. Integrated
Data warehouse dapat menyimpan data-data yang berasal dari
sumber-sumber yang terpisah kedalam suatu format yang konsisten
dan saling terintegrasi satu dengan lainnya. Dengan demikian data
tidak bisa dipecah-pecah karena data yang ada merupakan suatu
kesatuan yang menunjang keseluruhan konsep data warehouse itu
sendiri. Syarat integrasi sumber data dapat dipenuhi dengan berbagai
cara sepeti konsisten dalam penamaan variabel, konsisten dalam
ukuran variabel, konsisten dalam struktur pengkodean dan konsisten
dalam atribut fisik dari data.
47
Gambar 2.3 Pokok persoalan dari integrasi (Inmon, 2005).
3. Time Variant
Model analisis yang diterapkan pada sebuah data warehouse
berfokus pada perubahan data faktual berdasarkan waktu. Dalam hal
ini data warehouse harus mampu menyimpan data untuk suatu objek
tertentu dalam kurun waktu yang berbeda-beda. Waktu merupakan
bagian data yang sangat penting di dalam data warehouse
48
Gambar 2.4 Time Variant (Inmon, 2005).
4. Non-volatile
Karakteristik keempat dari data warehouse adalah non-volatile,
maksudnya data pada data warehouse tidak di-update secara real time
tetapi di refresh dari sistem operasional secara reguler. Data yang baru
selalu ditambahkan sebagai suplemen bagi database itu sendiri dari
pada sebagai sebuah perubahan. Database tersebut secara kontinu
menyerap data baru ini, kemudian secara incremental disatukan
dengan data sebelumnya.
Berbeda dengan database operasional yang dapat melakukan
update, insert dan delete terhadap data yang mengubah isi dari
database sedangkan pada data warehouse hanya ada dua kegiatan
memanipulasi data yaitu loading data (mengambil data) dan akses data
(mengakses data warehouse seperti melakukan query atau menampilan
laporan yang dibutuhkan, tidak ada kegiatan updating data).
49
Gambar 2.5 Pokok persoalan dari nonvolatile (Inmon, 2005).
2.2.6.2 Bentuk Data Warehouse
Berikut ini adalah bentuk-bentuk dari data warehouse berdasarkan
Inmon, 2005. Berikut pembagiannya :
2.2.6.2.1 Functional Data Warehouse
Functional data warehouse ini merupakan bentuk database
dimana data warehouse dibuat lebih dari satu dan dikelompokkan
berdasarkan masing-masing fungsi yang ada dalam perusahaan, seperti
fungsi financial / keuangan, fungsi marketing / pemasaran, fungsi kinerja
personalia, dan lain-lain. Keuntungan dari bentuk ini adalah sistem akan
mudah dibangun dengan biaya yang relatif murah. Kerugian dari
50
penggunaan bentuk ini adalah resiko kehilangan konsistensi data dan
terbatasnya kemampuan pengguna dalam hal pengumpulan data.
Gambar 2.6 Functional Data Warehouse
2.2.6.2.2 Centralized Data Warehouse
Centralized data warehouse ini merupakan database fisikal
tunggal yang memuat semua data untuk area fungsional yang khusus,
departemen, divisi, atau perusahaan. Data warehouse ini digunakan
ketika terdapat kebutuhan akan data informasional dan terdapat banyak
end-user yang sudah terhubung ke komputer pusat atau jaringan.
Bentuknya menyerupai functional data warehouse, akan tetapi
sumber datanya lebih dahulu dikumpulkan atau diintegrasikan pada
suatu tempat terpusat, baru kemudian data tersebut dibagi-bagi
berdasarkan fungsi-fungsi yang dibutuhkan oleh perusahaan. Bentuk
51
data warehouse terpusat ini sering digunakan oleh perusahaan-
perusahaan yang belum mempunyai jaringan eksternal. Keuntungan
bentuk centralized data warehouse ini adalah data benar-benar terpadu
karena konsistensi yang tinggi. Namun demikian membutuhkan waktu
yang lama dan biaya yang mahal dalam membentuk data warehouse
seperti ini.
Gambar 2.8 Centralized Data Warehouse
2.2.6.2.3 Distributed Data Warehouse
Distributed data warehouse adalah data warehouse dimana
komponen tertentu dari data warehouse tersebut didistribusikan
melewati sebuah database fisikal yang berbeda. Distributed data
warehouse biasanya melibatkan data yang paling teredundansi, dan
sebagai akibatnya, menimbulkan proses load dan update yang sangat
kompleks.
52
Distributed data warehouse ini menggunakan gateway yang
berfungsi sebagai jembatan antara lokasi data warehouse dengan
workstation yang menggunakan sistem yang beranekaragam, sehingga
pada bentuk data warehouse ini memungkinkan perusahaan untuk
mengakses sumber data yang terdapat diluar lokasi perusahaan
(eksternal). Bentuk data warehouse ini mempunyai kelebihan dalam hal
pengaksesan data dari luar perusahaan yang telah mengalami
sinkronisasi terlebih dahulu dan tetap terjaga konsistensinya. Tetapi
bentuk ini juga memiliki kerugian yaitu bentuk ini merupakan yang
paling mahal dan paling kompleks untuk diterapkan karena sistem
operasinya dikelola secara terpisah.
Gambar 2.9 Distributed Data Warehouse
2.2.6.3 Struktur Data warehouse
53
Level kedetailan data dalam struktur data warehouse terbagi
menjadi 5 tingkat yaitu:
1. Old Detail Data
Data ini merupakan data historis dari current detail data, dapat
berupa hasil cadangan atau archive data yang disimpan dalam storage
terpisah. Karena bersifat back-up (cadangan), maka biasanya data
disimpan dalam storage alternatif seperti tape-desk. Data ini biasanya
memilki tingkat frekuensi akses yang rendah. Penyusunan file atau
directory dari data ini di susun berdasarkan umur dari data yang
bertujuan mempermudah untuk pencarian atau pengaksesan kembali.
2. Current Detail Data
Current detail data merupakan data detil yang aktif saat
ini,mencerminkan keadaan yang sedang berjalan dan merupakan level
terendah dalam data warehouse. Didalam area ini warehouse
menyimpan seluruh detail data yang terdapat pada skema basis data.
Jumlah data sangat besar sehingga memerlukan storage yang besar pula
dan dapat diakses secara cepat. Dampak negatif yang ditimbulkan
adalah kerumitan untuk mengatur data menjadi meningkat dan biaya
yang diperlukan menjadi mahal.
3. Light Summarized Data
54
Data ini merupakan ringkasan atau rangkuman dari current
detail data. Data ini dirangkum berdasar periode atau dimensi lainnya
sesuai dengan kebutuhan.
Ringkasan dari current detail data belum bersifat total
summary.Data-data ini memiliki detil tingkatan yang lebih tinggi dan
mendukung kebutuhan warehouse pada tingkat departemen. Tingkatan
data ini di sebut juga dengan data mart. Akses terhadap data jenis ini
banyak digunakan untuk view suatu kondisi yang sedang atau sudah
berjalan.
4. Highly Summarized Data
Data ini merupakan tingkat lanjutan dari Lightly summarized
data, merupakan hasil ringkasan yang bersifat totalitas, dapat di akses
misal untuk melakukan analisis perbandingan data berdasarkan urutan
waktu tertentu dan analisis menggunakan data multidimensi.
5. Metadata
Metadata bukan merupakan data hasil kegiatan seperti keempat
jenis data diatas. Menurut Poe (1996), metadata adalah ‘data tentang
data’ dan menyediakan informasi tentang struktur data dan hubungan
antara struktur data di dalam atau antara storage (tempat penyimpanan
data).
Metadata berisikan data yang menyimpan proses perpindahan
data meliputi database structure , contents,detail data dan summary
data, matrics, versioning, versioning, transformation criteria. Metadata
55
khusus dan memegang peranan yang sangat penting dalam data
warehouse.
Gambar 2.10 Struktur data warehouse Inmon (2005)
2.2.7 Pengertian Data Mart
Data mart adalah suatu subset dari data warehouse yang
mendukung persyaratan atau ketentuan sebuah departemen dari sebuah
organisasi atau perusahaan. Ada beberapa karakteristik yang membedakan
data mart dengan data warehouse, yaitu (Connolly, 2002) :
1. Data mart hanya berfokus pada kebutuhan user yang berhubungan
dengan satu departemen atau fungsi bisnis.
56
2. Data mart biasanya tidak mengandung data operasional yang detail,
tidak seperti data warehouse.
3. Karena data mart mempunyai data yaang lebih sedikit dibandingkan
dengan data warehouse, data mart lebih mudah untuk dimengerti dan
dijalankan.
2.2.8 Pengertian OLAP
OLAP (on-line analytical processing) merupakan suatu perangkat
yang menggambarkan teknologi menggunakan gambaran multidimensi
sejumlah data untuk menyediakan akses yang lebih cepat bagi strategi
informasi dengan tujuan mempercepat analisis (Connolly, 2002). OLAP
adalah sebuah perangkat yang digunakan untuk menyimpan data
multidimensional dan perangkat yang digunakan untuk menampilkan
sebuah tampilan multidimensional kepada user (Peterson, Pinkelman,
2000).
Jadi teknisnya, kubus OLAP/MOLAP cubes adalah cara untuk
memudahkan menganalisa data melintasi multidimensi dengan
menyediakan tampilan multidimensional dari aggregasi/kumpulan grup
data. Dengan laporan OLAP, kategori besar seperti periode fiskal,
penjualan per-wilayah, produk, pegawai, promosi produk yang dapat
“dianalisa” dengan sangat efisien, efektif, dan responsif.
Aplikasi OLAP termasuk analisis penjualan dan pelanggan,
penganggaran belanja, analisa marketing, analisa produksi, analisa sumber
57
profit, dan peramalan. Beberapa bentuk OLAP diambil dari
www.learndatamodeling.com (2006) yaitu:
1. ROLAP yaitu Relational OLAP yang menyediakan analisis
multidimensional dari data, yang tersimpan di basis data yang berrelasi
(RDBMS).
2. MOLAP (Multidimensional OLAP), menyediakan analisis dari data
yang tersimpan dalam cube data multi-dimensional.
3. HOLAP (Hybrid OLAP) adalah kombinasi dari ROLAP dan MOLAP
yang dapat menyediakan analisa dalam bentuk multidimensional secara
bersama-sama dari data yang tersimpan di multidimensional dan
relational Database (RDBMS).
4. DOLAP (Desktop OLAP atau Database OLAP) menyediakan analisa
multidimensional lokal dalam komputer client yang datanya diambil dari
relational atau multi-dimensional database server.
2.2.8.1 Arsitektur OLAP
Menurut Scheps (2008) Di lingkungan OLAP, cube adalah
penyimpan data terspesialisasi dirancang secara spesifik untuk menangani
data ringkasan multidimensional (multidimensional summary data). Data
cube disimpan di cells. Strukturnya seperti 3D spreadsheet.
58
Gambar 2.11 Cube
2.2.9 Pengertian Data Mining
Telah diketahui bahwa data warehouse mengandung data
berukuran besar yang dapat dianalisa. Namun sampai saat ini, perangkat
(tool) dari basis data yang besar hanya menyediakan analisis data yang
relatif sederhana dan fungsi-fungsi yang terbatas. Lalu semangkin
mendesaknya pertumbuhan data warehouse menyebabkan meningkatnya
permintaan dari userakantools yang handal dan powerful yang
menyediakan kemampuan analisis yang lebih mendalam. Hal ini akan
menjadi rumit dan sulit bagi para pelaku bisnis menganalisis dan
mengantisipasi tren dan hubungan di dalam data jika hanya mengguakan
tools report dan query yang sangat sederhana.
59
Data mining adalah proses menganalisis data yang berukuran besar
dengan menggunakan pola-pola pengelanan maupun teknik pencarian
pengetahuan (knowledge discovery) untuk mengidentifikasi tren-tren yang
terjadi dan bermanfaat serta pola keterkaitan yang terdapat di dalam basis
data yang berukuran besar (English,1999). Data mining adalah salah satu
alternatif terbaik untuk mengetahui tren dan pola dari basis data yang besar.
Data miningmampu menjelajahi informasi di dalam data warehouse yang
tidak terungkap secara efektif. Sedangkan menurut (Claude Seidman, 2001)
data mining adalah proses pencarian pola hubungan serta tren yang
tersembunyi didalam suatu basis data yang besar.
a. Mencari pengetahuan
Tujuannya adalah untuk menentukan dengan jelas hubungan -
hubungan dan pola-pola yang tersembunyi pada basis data.
b. Menvisualisasikan data
Seorang analisis harus bisa memvisualisasikan informasi yang besar
yang tersimpan di dalam basis data.Tujuannya adalah untuk
memudahkan pelaporan data.
c. Membetulkan kesalahan pada data.
Bila beberapa basis data digabungkan, sering terjadi ketidak
lengkapan data yang terdiri dari informasi yang salah dan saling
bertentangan. Dengan data mining, maka dapat membantu
mengidentifikasikan dan memperbaiki kesalahan secara konsisten.
60
Menurut Helb dan Edelstein, ada lima tipe informasi data mining
(Helb, Edelstein, techweb.cmn.com, 2006) yaitu :
1. Associations
Kemunculan - kemunculan (occureness) terhubung oleh satu event
tunggal. Contohnya yaitu : ketika keripik dibeli, maka kemungkinan
besarnya 65% coca-cola juga dibeli.
2. Squences
Event dihubungkan berdasarkan waktu, contoh : Jika rumah dibeli
maka 45% oven baru dibeli dalam satu bulan dan 60% lemari es akan
dibeli.
3. Classifications
Aktivitas data mining yang paling umum, dapat membantu untuk
menemukan suatu karakteristik pelanggan dan menyediakan model
yang dapat membantu untuk memprediksi siapa saja mereka. Juga
dapat menentukan jenis-jenis produksi yang efektif sehingga biaya
yang dikeluarkan sesuai maupun tepat guna untuk menjaga loyalitas
konsumen.
4. Clustering
Data mining dapat menemukan pngelompokan data yang berbeda-
beda, contoh : aplikasi untuk deteksi kesalahan-kesalahan dalam
proses menufaktur atau untuk menemukan kemiripan pada kartu
kredit bank dan menemukan sebuah trend penjualan berdasarkan
lokasi penjualan.
61
5. Forecasting
Peramalan merupakan aktivitas pertama dalam penentuan jadwal
produksi di masa depan. Peramalan didasarkan pada penentuan
(prediksi) jumlah demand sebuah produk yang kemudian akan
dijadikan sebagai target produksi.
Ada dua pengkategorian metode-metode peramalan :
1. Berdasarkan Sifatnya :
a. Teknik-teknik kualitatif
Teknik ini digunakan apabila data masa lalu tidak tersedia atau
walaupun tersedia namun jumlahnya tidak mencukupi sesuai
dengan yang dibutuhkan. Teknik kualitatif mengkombinasikan
informasi dengan pengalaman, penilaian, dan intuisi untuk
menghasilkan pola-pola dan hubungan yang mungkin dapat
diterapkan dalam memprediksi masa yang akan datang. Teknik-
teknik kualitatif didasarkan atas pendekatan akal sehat
(common sense) dalam menyaring informasi ke dalam bentuk
yang bermanfaat.
b. Teknik-teknik kuantitatif
Dalam teknik ini, pola historis data digunakan untuk
mengekstrapolasi (meramalkan) masa datang. Terdapat dua
62
teknik kuantitatif yang utama : analisis deret waktu (time series
analysis) dan model struktural (structural model) atau model
kausal.
2. Berdasarkan jangkauan waktunya :
a. Peramalan jangka pendek
Peramalan jangka pendek ini memberikan hasil peramalan
dalam jangka waktu 1 tahun atau kurang. Peramalan jangka
pendek ini biasanya memberikan hasil yang paling akurat.
b. Peramalan jangka menengah
Peramalan jengka menengah digunakan untuk meramalkan
kondisi dalam jangka waktu 1 tahun sampai dengan 5 tahun ke
depan.
c. Peramalan jangka panjang
Peramalan jangka panjang digunakan untuk meramalkan
kondisi dalam jangka panjang (lebih dari 5 tahun ke depan).
Hasil peramalan ini biasanya digunakan untuk bahan dalam
pengambilan keputusan yang berkaitan dengan perencanaan
pasar, studi kelayakan, perencanaan kapasitas, dan lain-lain.
63
2.3 Konsep Dasar Business Intelligence
2.3.1 Dashboard
Menurut Scheps (2008) dashboard merupakan keturunan langsung
dari EIS lama dan sistem DSS, dengan meningkatkan fungsional dan
penampilan. Karena mereka terhubung dengan sistem data yang kuat dan
dengan memanfaatkan KPI. Menurutnya ada tiga jenis dashboard yaitu :
1. Tactical Dashboard
Mengukur produktivitas jangka pendek dan efektivitas. Hasilnya sering
digunakan oleh contributor individu.
2. Operational Dashboard
Mengukur efektivitas jangka pendek dari fungsi bisnis yang spesifik
pada tim atau level unit bisnis. Level dashboard ini dapat secara
potensial dikembangkan untuk seorang knowledge worker atau local
team manager.
3. Strategic Dashboard
Dibangun untuk level pengaturan kebijakan dari organisasi. Dashboard
menampilkan metric yang menggambarkan strategi dan tujuan
korporasi.
2.3.2 Pengertian Bisnis
Dalam ilmu ekonomi, bisnis adalah suatu organisasi yang menjual
barang atau jasa kepada konsumen atau bisnis lainnya, untuk mendapatkan
64
laba. Secara historis kata bisnis dari bahasa Inggris, dari kata dasar busy
yang berarti "sibuk" dalam konteks individu, komunitas, ataupun
masyarakat. Dalam artian, sibuk mengerjakan aktivitas dan pekerjaan yang
mendatangkan keuntungan. Menurut Madura (2009) dalam bukunya
menyatakan bisnis adalah suatu usaha yang menyediakan produk atau jasa
yang diinginkan oleh pelanggan.
2.3.3 Key Performance Indicator
Menurut Scheps (2008) Key Performance Indicator adalah metric
dan pengukuran yang mengindikasi apakah perusahaan hidup atau mati.
Mengukur dan merawat KPI adalah sasaran utama dari beberapa solusi
Business Intelligence.
2.3.4 Pengertian Business Intelligence
Menurut T.Moss (2003) “BI is neither a product nor a system. It is
an architecture and a collection of integrated operational as well as
decision-support applications and databases that provide the business
community easy access to business data. Business Intelligence Roadmap
specifically addresses decision-support applications and databases.”.
Business Intelligence bukanlah merupakan sebuah produk atau sebuah
sistem. BI adalah sebuah arsitektur dan sebuah kumpulan operasional yang
terintegrasi sebaik aplikasi pendukung keputusan dan database yang
65
menyediakan akses yang mudah bagi komunikasi bisnis ke data bisnis.
Business Intelligence Roadmap secara khusus menunjukkan aplikasi dan
database pendukung keputusan. “The information derived from monitoring
key performance indicators, used to detect trends, identify warning signals,
and provide a factual basis for critical business decisions”, yang dapat
diartikan yaitu Informasi yang didapat dari memperhatikan Indikator Kunci
Performa (Key Performance Indicator), yang digunakan untuk menemukan
tren, mengidentifikasi sinyal peringatan, dan menyediakan dasar faktual
untuk keputusan bisnis yang kritis atau penting (www.oracle.com).
“Business Intelligence (BI) is a terminology representing a
collection of processes, tools and technologies helpful in achieving more
profit by considerably improving the productivity, sales and service of an
enterprise”, yang dapat diartikan inteligensi bisnis adalah istilah dari
penggambaran dari kumpulan proses, alat dan teknologi yang dapat
membantu mendapatkan profit dengan pertimbangan peningkatan
produktivitas, penjualan, dan pelayanan dari sebuah perusahaan
(www.learndatamodeling.com). Contoh lingkungan Business Intelligence
dalam Gambar 2.12.
66
Gambar 2.12 Contoh lingkungan Business Intelligence.
2.3.4.1 Karakteristik Business Intelligence
Program dari business intelligence menurut Microsoft (Loria, 2005)
terbagi tiga yaitu:
a. Integrate (mempersatukan):
o Tambahan data dari sistem sumber dan terintegrasi/tergabung
dalam sistem.
o Transformasi data dan perpaduannya.
b. Analyze (analisa):
o Pengayaan data, menggunakan logika bisnis, dan tampilan
hierarkis.
o Penemuan data melalui data mining.
c. Report (laporan):
o Presentasi dari data dan distribusinya.
o Akses data untuk banyak pengguna.
67
d. Dengan tinjauan yaitu:
o Mendapat informasi dari data perusahaan.
o Menggunakan Business Intelligence dalam perusahaan sebagai
bagian utuh dari kegiatan bisnis.
o Menangkap dan memodelkan data perusahaan.
o Tergabung dengan proses bisnis.
o Relational reporting dan OLAP yang bertemu dalam satu model
dimensional.
Sedangkan menurut Microstrategy (2005) apa itu Business
intelligence software, yaitu perangkat lunak yang memungkinkan
perusahaan untuk membuka jalan ke dalam basis data mereka yang besar
dan memberikan wawasan yang easy-to-comprehend (mudah untuk
dimengerti) kepada pekerja, pihak manajemen, dan rekan bisnis. Dan
business intelligence architecture itu terbagi dalam tiga bentuk yang
saling menyambung yaitu:
1. Report (laporan)
Laporan informasi detail yang dibutuhkan oleh siapapun untuk
kebutuhan pengambilan keputusan hari-per-hari. Contoh: laporan
operasional, laporan keuangan, laporan prestasi/hasil.
68
2. Analyze (analisa)
Analisa data untuk menyingkap akar permasalahan dan tren pada
pelaksanaan bisnis, dan masih menggunakan teknik simpel yang
powerful. Contoh: akar permasalahan, tren.
3. Monitor (mencatat)
Secara terus menerus mencatat hasil organisasi pada setiap
level/bidang. Contoh : pedoman instrumen (dashboard), peringatan
Real-Time, scorecard.
2.4 Metode Pengembangan Sistem
Berdasarkan Buku Business Intelligence Roadmap pengarang Larissa
T.moss metodologi perancangan Business Intelligence secara garis besar
dibagi menjadi 5 tahapan :
Gambar 2.13 Development Step Dependencies (Business Intelligence Roadmap,
Larissa T.moss, 2003)
69
• Justification : Menetapkan kebutuhan bisnis yang mendukung proyek
baru.
• Planning : Mengembangkan strategi dimana proyek dapat diselesaikan
dan dikembangkan.
• Business Analysis : Menampilkan analisis secara rinci dari masalah
bisnis atau peluang bisnis untuk mendapatkan solusi yang berpotensi.
• Design : Menyusun solusi untuk menyelesaikan permasalahan bisnis
atau untuk mendapatkan peluang bisnis.
• Construction : Membangun solusi yang harus menyediakan
pengembalian investasi dengan jangka waktu yang sudah ditentukan.
2.5 Tools Analysis and Design Sistem Informasi
2.5.1 Bagan Alir
Diagram alir merupakan diagram yang menggambarkan bagaimana
menjalankan program mulai dari awal hingga akhir. Setiap diagram alir
harus mempunyai titik awal dan titik akhir (start and stop). Diagram alir
dibentuk dengan memanfaatkan simbol-simbol tertentu. Pembentukan
diagram alir umumnya sebagai bahan mentah sebelum kode program
sesungguhnya dibuat. Dengan simbol – simbol tersebut dapat mewakili
fungsi – fungsi langkah program dan garis alir menunjukkan urutan dari
simbol – simbol yang akan dikerjakan.
70
2.5.2 Data Flow Diagram
Metode terstruktur mencakup model proses perancangan, notasi untuk
merepresentasikan desain, format, laporan, aturan dan panduan
perancangan. Untuk menguraikan model modul - modul itu dikenal dengan
istilah perangkat pemodelan. Adapun jenis - jenis perangkat pemodelan
yang sering digunakan dalam suatu perancangan sistem informasi salah
satunya adalah Data Flow Diagram (DFD).
Data Flow Diagram (DFD) adalah perangkat pemodelan yang
digunakan untuk menunjukkan aliran data dari dalam sistem. Mulyanto,
(2009). Lebih lanjut Menurut Whitten, Bentey dan Dittman (2006) DFD
adalah alat yang menggambarkan aliran data melalui sistem dan kerja atau
pengolahan yang dilakukan oleh sistem tersebut.DFD terdiri dari beberapa
bagian diantaranya :
a. Diagram Konteks
Diagram konteks menggambarkan suatu proses sistem informasi
secara global, antara aliran data masukan (input) ke proses kegiatan
(sistem), dari proses ke proses, dan dari proses keluaran yang menjadi
satu keluaran yang terpadu. Diagram konteks merupakan tingkatan
tertinggi dalam aliran data dan hanya memuat satu proses,
menunjukkan sistem secara keseluruhan.(Kendall, 2010).
71
b. Diagram Rinci
Diagram rinci yang menggambarkan secara detail proses dari
diagram konteks ataupun diagram turunannya secara rinci sampai tidak
terjadi proses detail atau sudah primitive. Diagram rinci ini merupakan
alat yang dapat menggambarkan arus data dalam suatu sistem yang
terstruktur dan memberikan penggambaran secara detail dan jelas
sebagai dokumentasi dari sebuah sistem yang baik.
2.5.3 Simbol Data Flow Diagram
Simbol - simbol yang digunakan dalam data flow diagram yang
mewakili suatu sistem diantaranya :
1. Entitas Luar ( external entity )
Menurut Hoffer (2005) secara rinci menjelaskan bahwa entitas luar
dapat berupa seseorang, sebuah tempat , sebuah objek , sebuah
kejadian atau suatu konsep. Sebuah entitas dinyatakan dengan kata
benda dan ditulis dengan huruf kapital. Entitas luar ini tidak termasuk
bagian dari sistem, tetapi akan memberikan suatu masukkan atau
menerima keluaran dari sistem. Dalam pendapat lain, entitas luar
merupakan orang, unit, organisasi, sistem lain yang berinteraksi
dengan sistem( Whitten, 2004).
72
2. Aliran Data ( data flow)
Aliran data menunjukkan suatu input data ke proses atau output
data dari proses, dari proses ke proses, dari proses ke entitas luar , dari
berkas ke proses, dari proses ke berkas.
3. Proses ( prosess )
Proses yang digambarkan dengan bentuk bulat (notasi
DeMarco/Yourdon) merupakan kerja yang dilakukan oleh sistem
sebagai respon terhadap aliran data masuk atau kondisi. Komponen –
komponen proses menggambarkan transformasi input menjadi output.
Penamaan proses disesuaikan dengan proses atau kegiatan yang sedang
dilakukan didalam sistem.
4. Simpanan Data ( data store )
Sebuah tempat penyimpanan yang ditujukan untuk penggunaan data
selanjutnya. Penyimpanan data ini digambarkan dengan dua garis
pararel. Dan pada simpanan data diberikan nama untuk menunjukkan
nama dari filenya.
2.5.4 Kamus Data
Kamus data adalah suatu penjelasan tertulis tentang suatu data yang
berada di dalam database. Kamus data ini memuat informasi tentang :
a. Nama arus, nama arus data dibuat berdasarkan arus
73
b. Alias, alias atau nama lain dari data yang dituliskan. Terkadang data
sama tetapi nama berbeda untuk orang atau departemen satu dengan
lainnya.
c. Tipe data, tipe data menunjukkan bagaimana arus data mengalir dari
hasil suatu proses ke proses yang lain. Data yang mengalir ini dapat
berupa suatu dokumen dasar atau formulir, serta dokumen hasil
cetakan komputer.
d. Arus data, arus data ini menunjukkan dari mana data mengalir dan
dari mana data akan menuju.
e. Penjelasan, penjelasan digunakan untuk memperjelas lagi tentang
makna dari arus data yang dicatat di kamus data. Bagian penjelasan
dapat diisi dengan keterangan arus data,
f. Periode, periode ini menunjukkan kapan terjadinya arus data dan
untuk mengindentifikasi kapan input data dapat dimasukkan ke
dalam sistem, kapan proses program dapat dilakukan dan kapan
laporan dapat dihasilkan.
g. Struktur data, struktur data harus menunjukkan arus data yang dicatat
pada kamus data yang terdiri dari elemen-elemen atau item-item data.
Kamus data dapat membantu pembuat sistem untuk mengartikan
aplikasi secara detail dan mengorganisasikan semua elemen data yang
digunakan secara detail dan mengorganisasikan semua elemen data yang
digunakan dalam sistem secara detail sehingga pemakai dan analis sistem
mempunyai dasar pengertian yang sama tentang masukan, keluaran,
74
penyimpanan dan proses. Sedangkan menurut Kendall, kamus data
merupakan hasil referensi data mengenai data “metadata” yang disusun
untuk melakukan analisis dan desain (Kendall, 2010).
Kamus data sering disebut juga dengan sistem data dictionary
adalah katalog fakta tentang data dan kebutuhan - kebutuhan informasi
dari suatu sistem informasi. Dengan menggunakan kamus data, analisis
sistem dapat mendefinisikan data yang mengalir di sistem dengan
lengkap.
Pada tahap analisis, kamus data digunakan sebagai alat komunikasi
antara analisis sistem dengan pemakai sistem tentang data yang mengalir
dari sistem, yaitu tentang data yang masuk ke sistem dan tentang
informasi yang dibutuhkan oleh pemakai sistem.
2.6 Perancangan Basis Data
2.6.1 Entity Relationship Diagram ( ERD )
Entity relationship diagram merupakan suatu metode yang paling luas
digunakan dalam mendesain database. Entity relationship model atau
diagram adalah representasi grafis dari logika database dengan menyertakan
deskripsi detail mengenai seluruh entitas (entity) , hubungan (relationship),
dan sebuah batasan (constraint), (Schaum, 2007). ERD merupakan kunci
untuk memahami dan membuat desain sebuah database.
Menurut Abdul Kadir (2009), model E - R adalah suatu model yang
digunakan untuk menggambarkan data dalam bentuk entitas, atribut dan
75
hubungan antar entitas. Adapun simbol-simbol yang digunakan dalam ERD
antara lain :
• Persegi panjang
Menyatakan Entitas atau tipe entitas menyatakan objek atau kejadian:
• Ellips
Menyatakan atribut-atribut entity set. Atribut adalah item data yang
menjadi bagian dari entitas :
• Belah ketupat ( Diamond )
Menggambarkan relationship set. Relationship adalah asosiasi antara
dua entitas :
• Garis
Menghubungkan antara entity set dengan atribut-atributnya dan
antara entity set dengan relationship setnya;
Pada saat entitas telah ditentukan bersamaan dengan atribut-atributnya,
selanjutnya adalah menguji bagaimana hubungan diantaranya. Sebuah
hubungan (relationship) adalah gabungan atau koneksi dua arah antara dua
buah entitas. Hubungan antara entitas dapat dikategorikan menjadi tiga
bagian antara lain (Schaum ,2007).
• Hubungan satu ke satu 1: 1 (one to one ).
76
Hubungan satu ke satu memiliki kardinalitas atau derajat satu dan
hanya satu di kedua arahnya. Hubungan ini dinotasikan dengan 1 ke
1 atau 1:1. Hubungan ini terjadi bila entitas A hanya boleh
berpasangan dengan satu anggota dari entitas B. Demikian pula
sebaliknya.
• Hubungan banyak ke satu m : 1 (many to one) atau 1: m (one to
many).
Hubungan banyak ke satu memiliki kardinalitas dalam satu arah
untuk satu atau lebih dan di arah lain untuk satu dan hanya satu.
Hubungan ini terjadi bila tiap anggota entitas A boleh berpasangan
dengan lebih dari satu anggota entitas B. Sebaliknya setiap anggota
entitas B hanya boleh berpasangan dengan satu anggota entitas A.
• Hubungan banyak ke banyak m : m (many to many ).
Hubungan banyak ke banyak ini adalah salah satu yang memiliki
derajat satu atau lebih yang berlaku ke dua arah. Hubungan ini dapat
dinotasikan dengan M : M (M ke M) atau M : N (M ke N).
2.6.2 Normalisasi
Normalisasi adalah suatu cara atau teknik yang dapat digunakan
untuk menstrukturkan data (atau tabel –tabel relasional ) sehingga bisa
mengurangi atau mencegah timbulnya masalah – masalah yang berhubungan
dengan basis data atau sering juga disebut sebagai suatu proses
pengelompokkan data (terutama berkaitan dengan field atau atribut milik
77
tabel–tabelnya) sehingga dapat menghasilkan tabel –tabel yang
menunjukkan entity set berikut relasi – relasinya.
Proses normalisasi di dalam model basis data relasional pada umumnya
menitikberatkan pada masalah penentuan struktur data yang paling
sederhana untuk tabel-tabelnya. Hasil dari proses normalisasi adalah data,
records, atau tabel – tabel yang konsisten secara logika dan mudah
dimengerti dimana pemeliharaannya tidak sulit dan murah. Beberapa bentuk
normalisasi diantaranya :
1. Bentuk Normal Pertama ( 1 NF )
Relasi bentuk normal pertama (1 NF) jika semua nilai atributnya
adalah sederhana.Suatu tabel dikatakan bentuk normal pertama jika :
a. Tidak terdapat baris yang sama persis atau perlu dilengkapi
dengan field kunci primer.
b. Semua atribut sudah memiliki nilai yang bersifat non-array
(atribut yang bersangkutan tidak dapat dibagi lagi menjadi
atribut-atribut yang lebih kecil atau sederhana, meskipun masih
mengandung redundancy).
2. Bentuk Normal Kedua ( 2 NF )
Bentuk normal kedua menghilangkan ketergantungan parsial. Dan
ketentuan bentuk normal kedua adalah :
a. Harus telah berbentuk normal pertama ( 1 NF ).
b. Semua atribut bukan utama harus bergantung fungsional penuh
terhadap kunci relasi.
78
3. Bentuk Normal Ketiga ( 3NF )
Bentuk normal ketiga menghilangkan ketergantungan transitif. Dan
ketentuan dalam bentuk normal ketiga adalah:
1. Harus telah berbentuk normal kedua ( 2NF ),
2. Relasi tidak boleh bergantung fungsional diantara atribut -
atribut bukan utama.
2.6.3 Star Schema
Karakteristik struktur yang menyerupai bintang disebut star
schema/star join. Star schema adalah sebuah struktur logika yang
mempunyai fact tabel terdiri dari factual data di tengah, dikelilingi oleh
tabel dimensi yang terdiri dari data reference (yang bisa di-denormalized).
Star schema mengambil karakteristik dari factual data yang di-generate
oleh event yang terjadi di masa lampau.
79
Gambar 2.1 – Contoh Star Schema1
2.6.3.1 Karakteristik dari Skema Bintang
Skema bintang memiliki beberapa macam karakteristik sebagai
berikut:
1. Pusat skema bintang adalah fact table.
2. Fact table berisi indikator – indikator kinerja pokok/Key
Performance Indicators.
3. Indikator – indikator kinerja pokok tersebut adalah atribut – atribut
dari fact table.
1http://articles.techrepublic.com.com/i/tr/cms/contentPics/r00520010416p.gif
80
4. Obyek – obyek informasi dan waktu adalah kunci utama dari fact
table.
5. Tabel di sekeliling fact table adalah dimension table.
6. Tiap dimension table di-relasikan fact table berdasarkan primary
key-nya.
7. Skema bintang diimplementasikan menggunakan teknologi
database relasional.
2.6.3.2 Keuntungan Menggunakan Skema Bintang
Skema bintang memiliki keuntungan yang tidak didapat oleh skema
relasional biasa. Keuntungan skema bintang, antara lain:
1. Respon data yang lebih cepat
dihasilkan dari perancangan database.
2. Kemudahan dalam
mengembangkan atau memodifikasi data terus berubah.
3. End user dapat menyesuaikan
cara berpikir dan menggunakan data, konsep ini dikenal juga dengan
istilah pararel dalam perancangan database.
4. Menyederhanakan
pemahaman dan penelusuran metadata bagi pemakai dan
pengembang.
81
2.6.3.3 Perancangan Skema Bintang
Skema bintang memiliki dua macam tabel, yaitu;
1. Tabel Fakta (Fact Table)
Merupakan tabel yang umumnya mengandung angka dan data
history dimana key (kunci) yang dihasilkan sangat unik, karena key
tersebut terdiri dari foreign key (kunci asing) yang merupakan
primary key (kunci utama) dari beberapa dimension table yang
berhubungan. Tabel fakta sering juga disebut major table.
2. Tabel Dimensi (Dimension Table)
Tabel yang berisikan kategori dengan ringkasan data detail yang
dapat dilaporkan. Seperti laporan laba pada tabel fakta dapat
dilaporkan sebagai dimensi waktu (yang berupa perbulan,
perkuartal dan pertahun). Tabel dimensi sering juga disebut sebagai
minor table.
2.6.3.4 Ketentuan Pembacaan Skema Bintang
Adapun ketentuan pembacaan skema bintang adalah sebagai berikut:
• Bagian yang ada di bawah tabel adalah kolom-kolom dari tabel.
• Primary key dan foreign key diberi kotak.
82
• Primary key diarsir, sedangkan foreign key yang bukan primary key.
• Foreign key yang berhubungan ditunjukan dengan garis yang
menghubungkan tabel-tabel.
• Kolom yang bukan primary key atau foreign key disebut kolom data
pada tabel fakta dan atribut pada tabel dimensi.
2.6.3.5 Jenis-Jenis Skema Bintang
Ada beberapa macam jenis skema bintang, yaitu :
1. Simple Star Schema
Dalam skema ini, setiap tabel harus memiliki primary key yang
terdiri dari satu kolom atau lebih dan primary key tersebut harus
bersifat unik. Foreign key adalah kolom pada satu tabel yang nilainya
didefinisikan oleh primary key pada tabel lain.
83
Gambar 2.1 Simple Star Schema (Poe, 1996)
2. Multiple Fact Star Schema
Skema bintang dapat memiliki lebih dari satu tabel fakta,
karena adanya fakta yang tidak saling berhubungan. Misalnya di
samping penjualan, terdapat tabel fakta forecasting dan tabel fakta
result. Walaupun terdapat banyak tabel fakta, tabel dimensinya
tetap digunakan bersama-sama.
Gambar 2.2 Multiple Fact Star Schema (Poe, 1996)
2.6.3.6 Variasi Skema Bintang
Variasi-variasi yang ada pada skema bintang adalah
84
1. Skema Snowflake
Snowflake merupakan variasi lain dari skema bintang dimana
tabel dimensi dari skema bintang tidak mengandung atau berisi data
yang didenormalisasi. Prinsip dasar dari skema ini tidak jauh berbeda
dari skema bintang. Penggunaan tabel dimensi sangatlah menonjol,
karena itulah perbedaan mendasar dari skema bintang dan skema
snowflake. Skema snowflake menggunakan beberapa tabel fakta dan
tabel dimensi yang sudah mengalami normalisasi, sedangkan skema
bintang menggunakan tabel dimensi yang masih denormalisasi. Skema
snowflake dibuat berdasarkan OLTP sehingga semua data akan termuat
detail dalam setiap tabel fakta dan tabel dimensi.
Keuntungan dari skema snowflake adalah kecepatan
memindahkan data dari data OLTP ke dalam metadata, sebagai
kebutuhan dari alat pengambil keputusan tingkat tinggi di mana
dengan tipe seperti ini seluruh struktur dapat digunakan sepenuhnya,
dan banyak yang beranggapan lebih nyaman merancang dalam normal
ketiga.
Kerugian yang didapat adalah memiliki masalah besar dalam hal
kinerja (performance), hal ini disebabkan semakin banyaknya join
antar tabel-tabel yang dilakukan dalam skema snowflake ini maka
semakin lambat kinerja yang dilakukan.
2. Skema Bintang dengan 2 Tabel Fakta
85
Sebuah skema bintang yang menyediakan atribut yang lengkap,
konsisten, dan mudah dimengerti memungkinkan bagi pemakai untuk
memperoleh penampilan data yang mudah digunakan dan mudah
dimengerti. Perancangan skema bintang yang baik membantu
pemakai untuk menulis pencarian yang diinginkan dengan cara yang
dimengerti.
2.7 Definisi Perancangan
Menurut Whitten perancangan sistem adalah proses dimana keperluan
pengguna dirubah ke dalam bentuk paket perangkat lunak dan atau kedalam
spesifikasi pada komputer yang berdasarkan pada sistem informasi.
Sedangkan menurut George M.Scoot Perancangan2 adalah bagaimana suatu
sistem akan menyelesaikan apa yang harus diselesaikan, tahap ini
menyangkut antara konfigurasi perangkat lunak dan perangkat keras dari
suatu sistem, sehingga setelah instalasi dari sistem akan benar-benar tercipta
suatu rancang bangun pada tahap analisis sistem.
2.7.1 Executive Dashboard
Untuk memahami dan mengerti nilai dari tatap muka sebuah laporan,
kita perlu “berjalan di sepatu para pemimpin perusahaan”. Setiap executive
di sebuah perusahaan setiap harinya berhadapan dengan banyak karyawan
dan berbagai macam data. Mereka pun diharuskan untuk membuat
2http://www.slideshare.net/liroesdy/perancangan-sistem-secara-umum
86
keputusan yang cepat berdasarkan informasi-informasi tersebut. Ketika
transaksi semakin banyak terjadi maka informasi yang dihasilkan pun
semakin detail sehingga semakin sulit pula dalam pengambilan keputusan
strategis dalam waktu yang cepat. Seorang business leader perlu
mengetahui bagaimana performa jalannya bisnis secara overall walau
sangat luasnya area perusahaan. Dashboard dan scorecard yang berisi
charts (kurva), grafik, diagram, dan lain-lain yang meggambarkan trends
dan perbedaan berdasarkan pada kumpulan data yang besar merupakan
jawaban atas kebutuhan para executive perusahaan. (Turley, Bryant,
Counihan, DuVarney, 2006).
2.8 Microsoft SQL Server
Microsoft SQL Server (MSSQL Server) merupakan produk RDBMS
(Relational Database Management System) yang di buat oleh Microsoft.
Orang sering menyebutnya dengan SQL Server saja. Ini kadang - kadang
membingungkan bagi kalangan awam karena sebelumnya sudah ada pada
terminologi SQL. Microsoft SQL Server juga mendukung SQL sebagai
bahasa untuk memproses query kedalam database dan kita tahu bahwa sql ini
sudah banyak digunakan secara umum pada semua produk database server
yang ada di pasaran saat ini. Microsoft SQL Server banyak digunakan pada
dunia bisnis, pendidikan atau juga pemerintahan sebagai solusi database atau
penyimpanan data. Berbagai macam skala bisnis mulai yang kecil sampai
87
skala enterprise bisa menggunakan Microsoft SQL Server sebagai database
servernya.
2.8.1 Tipe Data Pada MSSQL Server
Berikut ini adalah tipe data yang ada pada MSSQL Server :
1. INT : Tipe data INT ini mungkin sudah banyak dikenal oleh Anda. Tipe
data ini dapat menerima nilai mulai dari -231 hingga 231-1 . Tipe data ini
menghabiskan 4 bytes untuk menyimpan data pada harddisk.
2. SMALLINT : Tipe data SMALLINT ini juga mirip dengan tipe data
INT , hanya saja nilai yang diterima lebih kecil dari tipe data INT. Tipe
data ini dapat menerima nilai mulai dari -215 hingga 215-1.
3. BIGINT : Tipe data BIGINT ini mirip dengan tipe data INT , hanya saja
nilai yang diterima lebih besar dari pada tipe data INT.
4. DECIMAL : Tipe data DECIMAL ini menerima nilai yang lebih presisi
dibanding tipe data integer yang telah dibahas sebelumnya. Tipe data ini
menggunakan 2 parameter untuk menentukan tingkat presisi nilai yang
diterima precision dan scale.
5. NUMERIC : Tipe data NUMERIC ini pada dasarnya sama dengan tipe
data DECIMAL. Jadi tipe data ini bisa disebut sinonim dari desimal.
Fungsinya adalah untuk mendefinisikan angka pecahan baik fixed
88
desimal ataupun floating point. Nilai n adalah jumlah bytes total dan p
adalah presisi angka dibelakang koma.
6. DATETIME : Tipe data DATETIME ini dapat menerima nilai tanggal
dan waktu. Berfungsi untuk mendefinisikan tanggal, menyimpan
tahu,bulan,hari,jam,menit,detik dan seperseribu detik (milliseconds).
7. MONEY : Tipe data MONEY merupakan bilangan pecahan dengan 4
angka dibelakang koma. Digunakan untuk perhitungan moneter. Tipe
data ini menghabiskan 8 bytes untuk menyimpan data pada harddisk.
8. TEXT : Tipe data TEXT dapat Menyimpan teks sampai dengan 2 GB.
Text disebut juga dengan binary large objects (BLOBs).
9. IMAGE : Tipe data IMAGE berfungsi untuk mendefinisikan binary data
untuk menyimpan image seperti GIF, JPG, TIFF.
10. CHAR : Tipe data CHAR berfungsi untuk Mendefinisikan string
sepanjang dan mempunyai karakter.
11. VARCHAR : Tipe data VARCHAR ini dapat Mendefinisikan string
sepanjang variabel n.
12. FLOAT : Tipe data FLOAT ini mirip dengan tipe data DECIMAL, hanya
saja paramater scale pada tipe data ini bisa menerima nilai yang tak
terhingga, seperti pada nilai pi. Berfungsi untuk mendefinisikan angka
pecahan (floating point).
13. Datetime : Tipe data ini menyimpan data tanggal dan waktu dalam
bentuk integer dengan panjang 4 byte. Data tanggal dan waktu pada tipe
ini disimpan secara terpisah. Data tanggalnya memiliki jangkauan dari
89
01-01-1753 hingga 31-12-9999. Sedangkan data waktunya disimpan
pada 4 byte kedua dalam satuan detik dihitung mulai lewat tengah
malam.
14. Time : Tipe data ini digunakan hanya untuk menyimpan waktu,
membutuhkan 3-5 byte untuk menyimpan data bergantung pada tingkat
ketepatan waktu yang diinginkan. Dan dapat menghitung waktu hingga
ketepatan 100 nanosecond.
15. Null : Null adalah sebuah nilai yang paling spesial yang dapat
dimasukan dalam sebuah field. Nilai ini biasanya digunakan jika
informasi dalam field tersebut tidak dikenal atau n/a (not applicable).
2.8.2 Fitur Data Quality Services (DQS)
Data Quality Services (DQS) adalah suatu solusi untuk
mengintegrasikan dan menjamin keakuratan suatu data dari sumbernya yang
berbasis ‘Knowledge’. Data Quality Services mengizinkan data (orang yang
memiliki keputusan dari suatu bisnis) dan IT Profesional untuk mengurus
data tersebut. Data Quality Services me-cleansing dan matching data yang di
kolaborasikan dengan ‘Knowledge’. Pada dasarnya Data Quality Services
dapat digunakan untuk mengkoreksi dan mengurangi duplikasi data. Bahkan
fitur MSSQL Server Integration Services dapat berkolaborasi dengan
komponen Data Quality Services.
Proses penggunaan DQS dapat dilakukan pada DQS Client adalah
aplikasi mandiri, yang dirancang untuk pelayan data dan DQS administrator
90
yang membantu untuk melakukan manajemen pengetahuan, manajemen
domain penuh, cocok pembuatan kebijakan, pembersihan data, pencocokan,
pemantauan, proyek kualitas data, dan administrasi dalam satu user
interface.
91
BAB III
METODOLOGI PENELITIAN
Dalam bab ini dijelaskan mengenai tempat dan waktu penelitian, bahan dan
alat, metodologi penelitian yang digunakan penulis, dan metode pengembangan
sistem yang akan digunakan.
3.1 Tempat dan Waktu Penelitian
Berikut adalah deskripsi lokasi dan tempat penelitian dalam
pengembangan aplikasi ini :
Tempat Penelitian : PT. Gerbang Multindo Nusantara (GMN)
Waktu Penelitian : Juni 2011 – Agustus 2012
Alamat : Jl. Raya meruya illir, ruko taman Kebon Jeruk Blok
A, XI/21 Srengseng Kembangan – Jakarta Barat.
Tel : (021) 765-1824
Fax : (021) 759-12023
Email : [email protected]
3.2 Bahan dan Perangkat Penelitian
Metodologi penelitian yang akan disusun harus didukung oleh alat dan
bahan yang memadai sehingga target yang diinginkan dapat tercapai.
3.2.1 Bahan
92
Bahan yang digunakan untuk membangun apilkasi bisnis
inteeligence ini yaitu database yang bersumber dari departemen-
departemen yang terkait dengan pembuatan aplikasi bisnis
intelligence ini, database ini meliputi data proyek, pemberi kerja,
penjualan, gudang dan pemasok.
Database tersebut beruba metadata yang akan diolah agar
dapat memilki pengetahuan terhadap data dari data yang sudah
lampau (data mining) dan yang akan datang (forcasting).
3.2.2 Perangkat
Perangkat yang digunakan untuk membangun aplikasi katalog
metadata Business Intelligence ini diantaranya :
• Perangkat keras (hardware) yang digunakan yaitu:
o Spesifikasi : Processor 2.40 GHz.
o Memory : RAM 1.10 GB.
o Graphic VGA : VGA Card 128 MB.
o HardDisk : 40 GB, DVD-RW.
• Perangkat lunak (software) yang digunakan yaitu:
o Operation System : Windows 7 Seven.
o Microsoft Excel sebagai tools untuk database.
o Qlikview sebagai aplikasi pengolah database.
o Microsoft Visio sebagai tools untuk perancangan sistem.
3.3 Metode Penelitian
93
3.3.1 Metode Pengumpulan Data
Pada penyusunan skripsi ini terdapat data - data pendukung
yang digunakan oleh penulis. Dan data - data informasi tersebut
sebagai bahan dalam mendukung kebenaran akan materi yang
disampaikan pada penulisan skripsi ini didapatkan dengan berbagai
cara dan proses, diantaranya adalah :
1. Studi Pustaka
Pada tahapan pengumpulan data dengan cara studi pustaka,
penulis mencari referensi-referensi yang relevan dengan objek
yang akan diteliti. Pencarian referensi dilakukan di perpustakaan,
toko buku, maupun secara online melalui internet. Beberapa
diantaranya adalah :
1. Business Intelligence Roadmap: “The Complete Project
Lifecycle for Decision Support Applications” 2003. Larrisa
Terpeluk Moss and Shaku Atre.
2. Business Intelligence : Data Mining and Optimization for
Decision Making. 2009 : Carlo Vercellis
Setelah mendapatkan referensi-referensi yang relevan
tersebut, penulis lalu mencari informasi-informasi yang
dibutuhkan dalam penelitian ini. Informasi yang telah didapat
akan digunakan dalam penulisan landasan teori, metodologi
penelitian serta pengembangan aplikasinya secara langsung.
94
Pustaka-pustaka yang dijadikan acuan dapat dilihat di daftar
pustaka.
2. Observasi
Pelaksanaan penelitian dilakukan pada PT. Gerbang
Multindo Nusantara, Jl. Raya meruya illir, ruko taman Kebon
Jeruk Blok A XI/21 Srengseng Kembangan – Jakarta Barat.
Penulis terjun langsung ke lapangan untuk mengetahui sistem
yang sedang berjalan saat ini. Hal ini perlu dilakukan agar
penulis dapat melakukan analisa terhadap sistem yang telah
berjalan serta menentukan rancangan sistem Business
Intelligence yang akan dibangun agar tetap sinkron dengan
sistem yang sudah ada. Selain kebutuhan sistem, pada langkah
ini penulis juga mengumpulkan data-data yang diperlukan untuk
pembangunan aplikasi.
3. Wawancara
Selain melakukan pengumpulan data dengan metode
observasi dan studi pustaka, penulis juga melakukan pertemuan
dan wawancara kepada pihak-pihak yang nantinya akan
berhubungan dengan sistem yang akan dikembangkan ini.
Wawancara dilakukan dengan direktur operasional dan keuangan
yaitu bapak Suyud subakti, manajer produksi yaitu bapak
95
Jumirin, dan beberapa bagian lainnya yang terkait secara tidak
langsung dalam pengolahan database.
4. Kusioner
Kusioner dilakukan dengan memberikan beberapa pertanyaan
yang diajukan kepada beberapa responden. Kusioner ini bertujuan
untuk mendapatkan hasil yang lebih objektif berupa CSF (Critical
Success Factor). Kebutuhan bagi pengolahan data pada Business
Intelligence adalah dengan menemukan beberapa kesimpulan
dasar dari hubungan sebuah informasi yang besar, oleh karena itu
proses untuk mendapatkan analisa SWOT (Stregth Weak
Opotunity Threats), dan CSF sangat berberan penting sebagai
acuan data. Hasil kuesioner dapat dilihat pada bagian lampiran.
3.4 Metodologi Analisa dan Perancangan
Metodologi yang digunakan adalah metodologi Business Intelligence
dengan menggunakan metodologi Larissa T.moss. Adapun gambaran
metodologi Business Intelligence yang akan dijalankan pada penelitian ini
dapat dilihat dari gambar berikut :
96
Gambar 3.1 Engineering stages
(Sumber Business Intelligence Roadmap, 2003)
A. Tahapan analisa dapat dibagi menjadi 3 bagian :
• Stage 1. Justification (Mengukur kebutuhan bisnis yang
menimbulkan proyek pembangunan baru).
o Step 1 : Business Case Assessment. Masalah bisnis atau peluang
bisnis di definisikan dan sebuah solusi BI diusulkan. Setiap
aplikasi BI harus disesuaikan dengan biaya dan menjelaskan
keuntungan secara jelas tentang penyelesaian masalah bisnis atau
97
mengambil keuntungan dari peluang bisnis, yang terdiri dari
aktivitas yaitu:
- Menentukan kebutuhan bisnis.
- Mengukur solusi dari sistem pendukung.
- Mengukur sumber operasional dan prosedur-prosedur.
- Mengukur pesaing BI pendukung keputusan.
- Determinasi sasaran aplikasi BI.
- Mengajukan solusi BI.
- Menampilkan analisis biaya – keuntungan.
- Menampilkan pengukuran resiko.
• Stage 2. Planning (mengembangkan strategi dan rencana taktis,
dimana tampilan engineering project akan diselesaikan dan
disebarkan).
o Step 2: Enterprise Infrastructure Evaluation Sebuah
infrastruktur perusahaan harus mendukung aplikasi BI. Beberapa
komponen infrastruktur harus sudah siap sebelum projek BI
pertama dimulai. Komponen infrastruktur yang lain harus
dikembangkan sepanjang waktu sebagai bagian dari projek BI.
Sebuah infrastruktur perusahaan mempunyai dua komponen:
98
1. Infrastruktur teknikal, dimana termasuk perangkat keras,
perangkat lunak, middleware, database management
systems, sistem operasi, komponen–komponen jaringan,
penyimpanan metadata, alat pendukung, dan lainnya.
Terdiri dari aktivitas yaitu:
- Mengukur platform yang ada.
- Mengevaluasi dan memilih produk baru.
- Menulis laporan pengukuran infrastruktur teknikal.
- Memperluas platform sekarang ini.
2. Infrastruktur nonteknikal, dimana termasuk standar–
standar metadata, standart penamaan data, model data-
data logical perusahaan, metodologi, panduan prosedur
pengujian, proses pengawasan perubahan, prosedur untuk
masalah–masalah managemen dan penyelesaian masalah,
dan lain–lain. Terdiri dari aktivitas yaitu:
- Mengukur keefektivitasan komponen infrastruktur
non teknikal yang ada.
- Menulis laporan pengukuran infrastruktur non
teknikal.
- Mengembangkan infrastruktur nonteknikal.
99
o Step 3 : Project Planning, Projek pengambilan keputusan BI
sangat dinamis. Mengubah ruang lingkup, staff, anggaran,
teknologi, gambaran bisnis, dan sponsor–sponsor bisa sangat
berdampak pada kesuksesan sebuah projek. Karena itu
perencanaan projek harus rinci dan perkembangan sesungguhnya
harus dengan dekat diawasi dan dilaporkan. Terdiri dari aktivitas
yaitu:
- Menentukan kebutuhan proyek.
- Menentukan kondisi sumber file dan database.
- Menentukan atau revisi estimasi biaya.
- Revisi pengukuran resiko.
- Identifikasi factor sukses utama.
- Membuat rencana proyek tingkat tinggi.
- Kerjakan proyek.
• Stage 3. Business Analysis. Menampilkan rincian analisis dari
masalah bisnis atau kesempatan bisnis untuk memperoleh sebuah
pengertian penuh dari kebutuhan bisnis sebagai sebuah solusi yang
potensial (produk).
o Step 4 : Project Requirements Definition. Mengelola batasan
projek adalah salah satu pekerjaan yang paling sulit dalam projek
100
pengambilan keputusan BI. Keinginan untuk memiliki segalanya
dengan cepat sulit untuk dibatasi, namun membatasi keinginan
adalah salah satu aspek penting dari negosiasi kebutuhan yang
dapat disampaikan. Tim–tim proyek seharusnya mengharapkan
kebutuhan– kebutuhan ini mengubah seluruh siklus
pengembangan seperti orang–orang bisnis belajar lebih tentang
kemungkinan– kemungkinan dan batasan–batasan dari teknologi
BI selama proyek. Terdiri dari aktivitas yaitu:
- Mendefinisikan kebutuhan tambahan infrastruktur teknikal.
- Mendefinisikan kebutuhan tambahan infrastruktur non
teknikal.
- Mendefinisikan kebutuhan laporan.
- Mendefinisikan kebutuhan sumber data.
- Meninjau ruang lingkup proyek.
- Memperluas logical data model.
- Mendefinisikan persetujuan preliminary service level.
- Menulis dokumen kebutuhan aplikasi.
o Step 5 : Data Analysis. Tantangan terbesar dari keseluruhan
projek pengambilan keputusan BI adalah kualitas dari sumber
data. Kebiasaan buruk dikembangkan lebih dari beberapa dekade
101
sulit untuk dipatahkan dan hasil kerusakan dari kebiasaan buruk
itu sangat mahal, memakan waktu, dan melelahkan untuk
ditemukan dan di betulkan. Sebagai tambahan analisis data di
masa lalu dibatasi pada satu pandangan bisnis dan tidak pernah
digabungkan atau diselesaikan dengan pandangan lain pada
organisasi. Langkah ini mengambil sebuah presentaasi signifikan
dari waktu yang diberikan untuk seluruh jadwal proyek. Terdiri
dari aktivitas yaitu:
- Menganalisis sumber data eksternal.
- Memperbaiki logical data model.
- Menganalisis kualitas sumber data.
- Memperluas enterprise logical data model.
- Menyelesaikan perbedaan data.
- Menulis spesifikasi pembersihan data.
o Step 6 : Application Prototyping. Analisis dari penyampaian
fungsional, dimana digunakan untuk bisa disebut sebagai analisis
sistem adalah yang terbaik selama prototyping sehingga bisa
digabungkan dengan perancangan aplikasi. Peralatan baru dan
bahasa pemrograman memungkinkan pengembang membuktikan
secara relatif cepat atau menyanggah sebuah konsep atau ide.
Prototyping juga mengijinkan orang–orang bisnis untuk melihat
102
potensi dan keterbatasan dari teknologi, dimana memberikan
mereka sebuah peluang untuk menyesuaikan kebutuhan proyek
dan harapannya. Terdiri dari aktivitas yaitu:
- Menganalisis kebutuhan akses.
- Menentukan ruang lingkup prototype.
- Memilih tools untuk prototype.
- Menyiapkan prototype charter.
- Merancang laporan dan queries.
- Membangun prototype.
- Menampilkan prototype.
o Step 7 : Meta Data Repository Analysis. Mempunyai peralatan
yang lebih banyak berarti mempunyai teknik meta data yang
lebih banyak sebagai tambahan business meta data, yang mana
biasa ditangkap dalam sebuah perangkat pemodelan Computer
Aided Software Engineering (CASE). Teknik metadata perlu
digambarkan pada bisnis metadata dan semua metadata harus
disimpan pada sebuah penyimpanan metadata. Penyimpanan
metadata bisa diijinkan atau dibangun. Dalam kasus lainnya,
kebutuhan–kebutuhan untuk tipe metadata yang diperoleh dan
disimpan seharusnya didokumentasikan didalam sebuah logical
103
meta model. Saat mengijinkan produk penyimpanan metadata,
kebutuhan–kebutuhan tersebut didokumentasikan pada logical
meta model harus dibandingkan dengan meta model milik
vendor, jika vendor menyediakan. Sebagai tambahan kebutuhan–
kebutuhan penyampaian metadata kepada komunitas bisnis
harus dianalisa (contoh, fungsi bantuan online). Terdiri dari
aktivitas yaitu:
- Menganalisis kebutuhan metadata repository.
- Menganalisis kebutuhan interface untuk metadata
repository.
- Menganalisis akses metadata repository kebutuhan laporan.
- Membuat logical data model.
- Membuat meta data.
B. Tahapan perancangan dapat dibagi menjadi 2 bagian :
• Stage 4. Design (memahami produk yang menyelesaikan masalah
bisnis atau memungkinkan peluang bisnis).
o Step 8 : Database Design. Satu atau lebih target database BI
akan menyimpan data bisnis dalam bentuk rinci atau kumpulan,
bergantung pada kebutuhan laporan dari komunitas bisnis. Tidak
104
semua laporan kebutuhan strategis, dan tidak semua
multidimensional. Skema perancangan database harus
mencocokkan kebutuhan– kebutuhan pengaksesan informasi dari
komunitas bisnis. Terdiri dari aktivitas yaitu:
- Meninjau lagi kebutuhan data akses.
- Menentukan agregasi dan ringkasan kebutuhan.
- Merancang BI target database.
- Merancang struktur database physical.
- Mengembangkan perawatan prosedur database.
- Menyiapkan monitor dan tune rancangan database.
o Step 9 : Extract/Transform/Load Design. Proses ETL adalah
proses paling rumit dari seluruh proyek pendukung keputusan
BI. Itu juga salah satu yang paling tidak menarik. Kualitas yang
buruk dari sumber data biasanya memerlukan banyak waktu
untuk menjalankan transformasi dan program pembersihan.
Menyelesaikan proses ETL dengan sejumlah window yang
tersedia adalah sebuah tantangan bagi kebanyakan organisasi.
Terdiri dari aktivitas yaitu:
- Membuat dokumentasi pemetaan sumber ke target.
- Mencoba fungsi tool ETL.
105
- Merancang aliran proses ETL.
- Merancang program ETL.
- Set up ETL staging area.
o Step 10 : Metadata Repository Design. Jika sebuah
penyimpanan meta data diizinkan, mungkin kebanyakan harus
ditingkatkan dengan fitur yang didokumentasikan pada logical
meta model tapi tidak disediakan oleh produk. Jika sebuah
penyimpanan meta data dibangun, keputusan harus dibuat
apakah perancangan database penyimpanan metadata akan
berdasarkan entity-relationsip atau object-oriented. Pada kasus
lain, perancangan harus memenuhi kebutuhan-kebutuhan dari
logical meta model. Terdiri dari aktivitas yaitu:
- Merancang meta data repository database.
- Install dan test produk meta data repository.
- Merancang proses migrasi meta data.
- Merancang aplikasi meta data.
• Stage 5. Construction (membangun produk dimana harus
menyediakan sebuah return of investment dengan kerangka waktu
yang sudah ditetapkan).
106
o Step 11 : Extract/Transform/Load Development. Banyak alat
tersedia untuk proses ETL, beberapa ada yang canggih dan
beberapa sederhana. Bergantung pada kebutuhan untuk
membersihkan data dan menggubah data dibangun selama step
5, analisa data, dan step 9, merancang ETL, sebuah alat ETL bisa
atau tidak bisa menjadi solusi terbaik. Dalam kasus lainnya,
pemrosesan awal data dan penulisan tambahan untuk
mendukung kemampuan dari alat ETL sering dibutuhkan. Terdiri
dari aktivitas yaitu :
- Membangun dan uji coba unit proses ETL.
- Integrasi dan regresi proses ETL.
- Menampilkan uji coba proses ETL.
- Jaminan kualitas uji coba proses ETL.
- Pesetujuan uji coba proses ETL.
o Step 12 : Application Development. Usaha dari proses
prototyping menguatkan kebutuhan – kebutuhan fungsional,
pengembangan yang benar dari mengakses dan menganalisa
aplikasi bisa dimulai. Mengembangkan aplikasi bisa menjadi
sebuah hal yang sederhana dari menyelesaikan sebuah
pemodelan operasional atau itu bisa menjadi sebuah
pengembangan yang lebih rumit dengan usaha yang berbeda,
107
akses dan alat analisa yang lebih kuat. Pada kasus lain, aktifitas
pengembangan aplikasi front-end ditampilkan paralel dengan
aktifitas pengembangan back-end ETL dan pengembangan
penyimpanan metadata. Terdiri dari aktivitas yaitu:
- Menentukan kebutuhan final proyek.
- Merancang program aplikasi.
- Membangun dan uji coba unit program aplikasi.
- Uji coba program aplikasi.
- Menyediakan akses data dan analysis training.
o Step 13 : Data mining. Banyak organisasi tidak menggunakan
spesifikasi pengambilan keputusan BI dengan jangkuan terluas.
Aplikasi BI seringkali dibatasi dengan laporan – laporan tertulis,
beberapa dari itu bukan merupakan tipe laporan yang baru
melainkan menggantikan laporan lama. Masa pengembalian
sebenarnya datang dari informasi tersembunyi di dalam data–
data organisasi, yang bisa diketahui dengan peralatan data
mining. Terdiri dari aktivitas yaitu :
- Mengelompokan masalah bisnis.
- Mengumpulkan data.
- Konsolidasi dan membersihkan data.
108
- Menyiapkan data.
- Membangun model data analytical.
- Menginterpretasikan hasil data mining.
- Menampilkan hasil validasi eksternal.
- Mengawasi waktu analisis data model.
o Step 14 : Meta Data Repository Development. Jika keputusan
untuk membangun sebuah tempat penyimpanan meta data dari
pada yang berlisensi, sebuah team terpisah biasanya ditugaskan
dengan proses pengembangan. Ini menjadi sebuah sub-proyek
yang cukup besar dalam keseluruhan projek BI. Terdiri dari
aktivitas yaitu :
- Membangun database meta data repository.
- Membangun dan uji coba unit proses migrasi meta data.
- Membangun dan uji coba unit meta data proses migrasi.
- Membangun dan uji coba unit aplikasi meta data.
- Uji coba program meta data repository atau fungsi produk.
- Menyiapkan meta data repository untuk produksi.
- Menyediakan pelatihan meta data repository.
109
• Stage 6. Deployment (proses penerapan aplikasi business intelligence
yang meliputi penyesuaian terhadap pengguna aplikasi dari alat yang
di gunakan dan user yang akan menggunakannya).
o Step 15 : Implementation. Agar aplikasi ini dapat berjalan
dengan baik maka akan dilakukan penyesuaian dan percobaan
sebelum pada akhirnya benar-benar digunakan, pada tahapan ini
penyesuaian meliputi media yang akan digunakan oleh aplikasi
dan terhadap user yang terkait yang telah ikut serta dalam proses
pembuatan aplikasi dan user yang akan menggunakan aplikasi
business intelligence.
o Step 16 : Release Evaluation. Aplikasi Business intellience tidak
dapat secara langsung digunakan oleh user tanpa ada evaluasi
terhadap proses yang sudah dibuat untuk perancangan ini.
Karena aplikasi business intelligence sangat penting dalam
perannya untuk membuat keputusan bisnis bagi perusahaan.
Maka akan di lakukan proses wawancara dan pelatihan bagi
perusahaan sebagai evaluasi penggunaan aplikasi business
intelligence ini.
110
Gambar 3.2 Steps of Business Intelligence (Larissa T.Moss, 2003)
111
3.4.1 Kerangka Berpikir Skripsi
Step 1 Justification
1. Business case assessment/
Mengevaluasi strategi perusahaan.
2. Mengevaluasi kebutuhan perusahaan :
- Sasaran Aplikasi Business Intelligence.
- Menentukan Risk Assesment/Resiko
Pada proses perancangan aplikasi.
Step 2 Planning
1. Mengevaluasi komponen "teknikal infrastruktur" Perusahaan, meliputi : Software, Haradware, dan Jaringan.
2. Mengevaluasi "non- teknikal" infrastructure, meliputi :
- Struktur data
- Standar perusahaan.
- Sejauh mana metodologi di terapkan
3. Project Planning
- Menentukan Sasaran aplikasi Business Intelligence yang tepat untuk kebutuhan user.
- Menentukan solusi BI yang diajukan untuk perusahaan.
- Memetakaan Aktivitas Proyek BI.
Step 3 Business Analysis
1. Project Requirements Definition/ Definisi kebutuhan pada aplikasi.
2. Data Analysis/ Analisa data kebutuhan aplikasi meliputi: Normalisasi data
3. Application Prototyping, tampilan awal dari rancangan dashboard yang kan dibuat.
4. Meta Data Repository Analysis / Menggambarkan Entity-Relationship Meta Model dari data yang akan diolah.
Step 4 Design
1. Database Design/ Mendisain star schema database dari database yang ada.
2. Extract,Transform,Load (ETL) Design/ Memaparakan disain ETL data yang lalui.
3. Meta Data Repository Design/ Mendisain ER data model dari ER data yang sudah di analisa sebelumnya.
Step 6 Deployment
1. Implementation : Mengimplementasikan aplikasi dan melakukan tahapan testing baik black box maupun white box.
2. Release Evaluation : Tahapan mengevaluasi dari hasil pekerjaaan aplikasi setelah di implementasikan, sebagai tahapan dari pemeliharaan bagi aplikasi dan penyesuaian aplikasi bagi user.
Step 5 Construction
1. ETL Development (Extract/Trasform/Load) : Menampilkan ETL program dengan menampilkan screen shoot proses ETL.
2. Aplication Development : Proses membuat design dashboard aplikasi sesuai dengan rancangan yang sudah di rumuskan sebelumnya.
3. Data mining : Menerapkan teknik data mining yaitu teknik forcasting berupa trend projection.
4. Metadata Repository Development : Memaparkan metadata dari hasil perancangan aplikasi yang telah
Gambar 3.3 Kerangka Berfikir
112
BAB IV
HASIL DAN PEMBAHASAN
4.1 Justification
4.1.1 Gambaran Umum Perusahaan
4.1.1.1 Profil Perusahaan
PT. Gerbang Multindo Nusantara (GMN) adalah perusahaan swasta
nasional yang bergerak dalam bidang energi, mekanikal dan elektrikal,
khususnya yang berkaitan dengan system teknologi alternative energi dan
energi terbarukan.
GMN dibentuk pada tanggal 2 september 1994 atas dasar prakarsa
para ahli dan professional yang sebagain besar telah meiti karir dan
berpengalaman didalam bidangnnya lebih dari 15 tahun. Ruang lingkup
pekerjaan GMN meliputi kegiatan rancang bangun,
pengadaan/pemasangan peralatan, konstruksi dan pembangunan berbagai
sistem : teknologi konversi, pembangkit, dan konservasi energi.
4.1.1.2 Visi dan Misi
Visi PT. Gerbang Multindo Nusantara adalah membangun
lingkungan yang nyaman dan energi yang berkelanjutan “Care for
Environment and Sustainable Energy”, dan misi GMN adalah :
113
1. Mengembangkan usaha di sektor energi baru dan terbarukan
untuk melayani masyarakat, pemerintah, swasta, maupun
lembaga internasional melalui kegiatan-kegiatan:
• Rancang bangun.
• Fabrikasi dan assembling.
• Pengadaan, integrasi dan pemasangan peralatan.
• Konstruksi dan pembangunan sistem teknologi energi
baru dan terbarukan.
• Pelayanan manajemen dan akutansi energi, audit dan
konservasi energi.
• Sosialisasi, kelembagaan dan pemberdayaan masyarakat
dalam pemanfaatan energi terbarukan dan konservasi
energi.
2. Melakukan upaya pembinaan sumberdaya manusia untuk
meningkatkan kemampuan dibidang teknologi energi
terbarukan, serta mutu layanan jasa dan produk melalui:
• Pelatihan praktis spesifik dan on the job training.
• Pendidikan berjenjang baik didalam maupun luar negeri.
• Partisipasi didalam berbagai acara yang terkait, seperti:
seminar dan lokakarya.
114
3. Memberikan kontribusi didalam upaya diseminasi
keberhasilan pemanfaatan energi baru-terbarukan kepada
masyarakat luas melalui:
• Kontribusi didalam berbagai acara terkait: pameran,
seminar dan lokakarya.
• Peningkatan kapasitas (capacity building) kepada
masyarakat untuk pengelolaan teknologi energi
terbarukan yang baik dan benar.
4.1.1.3 Produk
Produk utama PT. Gerbang Multindo Nusantara adalah Solar Home
System (SHS) adalah sistem PLTS (Pembangkit Listrik Tenaga Surya)
yang sangat sederhana. PLTS-SHS ini diperuntukan bagi penduduk di
pedesaan yang belum mendapatkan jaringan listrik PLN. Didesain untuk
pemakaian rumah-rumah di pedesaan untuk penerangan dan untuk
menyuplai peralatan elektronik sederhana. Selain itu PT. Gerbang
Multindo Nusantara juga melayani jasa pengembangan untuk teknologi
yang memanfaat potensi energi yang sudah ada agar dapat bisa
dioptimalkan kembali dan menghasilkan energi baru bagi lingkungan.
4.1.1.4 Kegiatan Usaha
115
PT. Gerbang Multindo Nusantara bergerak dibidang renewable
energy/energi terbarukan, yang meliputi pembangunan Sistem Pompa Air
Fotovoltaik (SPAF), Pembangkit Listrik Tenaga Surya (PLTS), Pompa
Air Tenaga Surya (PATS), Pembangkit Listrik Tenaga Mikro Hidro
(PLTMH), Sistem Energi Surya Fotovoltaik (SESF), dan Solar Home
System (SHS). Baik menjadi pelaksanaan utama pada proyek maupun
sebagai sub-kontaraktor pada pembangunan produk energi yang ada.
4.1.1.5 Struktur Organisasi
116
Gambar 4.1 Struktur organisasi
4.1.1.6 Tugas dan Tanggung Jawab
Tugas dan tanggung jawab dari :
1. Direktur utama adalah sebagai berikut :
• Bertanggung jawab kepada pimpinan umum dari PT. Gerbang
Multindo Nusantara.
• Bertugas memimpin divisi consumer business dari PT. Gerbang
Multindo Nusantara.
• Merencanakan tujuan dan sasaran perusahaan baik jangka pendek
maupun jangka panjang.
• Menetapkan berbagai kebijaksanaan perusahaan.
117
2. Direktur keuangan adalah sebagai berikut :
• Mengawasi dan bertanggung jawab atas semua operasi
keuangan dan akuntansi yang berjalan dalam perusahaan.
• Mengevaluasi dan mengotorisasi semua standar, kebijakan dan
prosedur keuangan.
• Mempersiapkan anggaran, laporan anggaran bulanan untuk
setiap departemen dan melaporkan implikasi bagi anggaran
perusahaan secara keseluruhan.
Direktur keuangan yang membawahi 5 (lima) bagian yaitu :
a. Administrasi dan keuangan :
o Mengatur arus keuangan perusahaan
o Mengatur besarnya pengeluaran
o Mencatat pengeluaran dan pemasukan keuangan
perusahaan
o Membuat laporan keuangan
o Pembayaran gaji staf
b. Logistik :
o Mencatat segala transaksi yang berhubungan dengan
segala kegiatan perusahaan.
118
o Membuat laporan bulanan termasuk rugi laba dan
neraca.
o Membuat laporan terhadap kebutuhan logistik
perusahaan.
c. Pemasaran :
o Merencanakan strategi pemasaran.
o Mengevaluasi hasil pemasaran dan aktifitas pesaing
pada setiap divisi.
o Bertugas memantau, meningkatkan dan menjalankan
proses penjualan serta pemasaran disetiap divisi.
d. Penjualan :
o Analisa pasar.
o Merencanakan strategi penjualan.
o Memenuhi pesanan pelanggan.
o Memahami kebutuhan pelanggan.
o Membuat laporan penjualan.
e. Promosi
o Mencatat kebutuhan pasar.
o Melaksanakan pemasaran produk.
o Membuat rancangan promosi untuk produk.
119
o Melakukan kegiatan promosi pada setiap media terkait
3. Direktur operasional adalah sebagai berikut :
• Mengawasi dan bertanggung jawab atas segala sesuatu yang
berhubungan dengan sumber daya manusia dari perusahaan.
• Bertanggung jawab dalam pengembangan proyek energi
terbarukan.
Departemen operasional dipimpin oleh seorang direktur yang
membawahi 2 (dua) departemen yaitu :
a. Konservasi :
o Bertugas untuk mengatur, melaksanakan dan memantau
proses peningkatan mutu proyek energi.
o Mengadakan dan mengawasi peningkatan mutu
karyawan dengan mengadakan pelatihan.
b. Project development :
o Merencanakan pengembangan terhadap energi baru.
o Memantau, menganalisa, dan membuat laporan dari
pekerjaan di setiap divisi pengembangan energi.
120
c. Photovoltaic adalah sebagai berikut :
o Merencanakan pengembangan terhadap energi
photovoltaic .
o Membuat laporan terhadap proyek photovoltaic.
d. Photothermic dan biomass adalah sebagai berikut :
o Merencanakan penerapan proyek yang berkaitan dengan
photothermic dan biomass.
o Membuat laporan terhadap proyek photothermic dan
biomass.
e. Wind adalah sebagai berikut :
o Merencanakan pengembangan proyek yang berkaitan
dengan wind.
o Membuat laporan terhadap proyek wind.
f. Hydro adalah sebagai berikut :
o Merencanakan pengembangan proyek yang berkaitan
dengan hydro.
o Membuat laporan terhadap proyek hydro.
4. Kepala divisi informasi :
121
• Mengawasi dan bertanggung jawab atas segala sesuatu yang
berhubungan dengan pemanfaatan sumber daya informasi dari
perusahaan.
• Bertanggung jawab terhadap pengolahan databse perusahaan.
a. Pengembangan Teknologi Informasi adalah sebagai berikut
:
o Merencanakan pengembangan pada teknologi informasi
perusahaan.
o Membuat laporan terhadap kegiatan pengembangan
teknologi informasi.
122
4.1.2. Proses Bisnis
Gambar 4.2 Proses bisnis PT Gerbang Multindo Nusantara
4.1.3 Analisis SWOT
Adapun SWOT pada PT. Gerbang Multindo Nusantara adalah :
a. Strength :
• Sebagai perusahaan manufaktur & distribusi consumer produk
dengan barang -barang yang sudah dikenal baik dan
dikonsumsi oleh masyarakat.
PELANGGAN
MARKETING
ENGINEERING
P R O J E C T
LOGISTIK & WORKSHOP
PEMASOK
FINANCE ADMINISTRASI
& UMUM
PERSONALIA
KEBIJAKAN/ TARGET
TINJAUAN PEMANTAUAN
DAN PENGAWASAN
(MR & QC)
PEMASOK
PEMASOK
OPERASIONAL
PENDUKUNG
ACTION PLAN
CHECK
D O
PURCHASING
123
• Memiliki pabrik atau gudang didua kota besar, seperti : Jakarta
dan Surabaya, dengan ini penyaluran barang ke pelanggan
menjadi lebih cepat.
b. Weakness :
• Perusahaan kurang dapat melihat potensi dan kesempatan yang
ada untuk memperluas sasaran pengadaaan proyek.
c. Opportunity :
• Dapat menjadi pemimpin pasar penjualan consumer produk
terutama produk energi terbarukan / renewable energy.
d. Threats :
• Produk yang ditawarkan sudah banyak pesaingannya dengan
produk perusahaan lain dengan merek dan bentuk yang
bermacam-macam.
Table 4.1 Table Matrik SWOT
Internal
Eksternal Strength (S) Weakness (W)
Opportunity (O)
Strategi SO Memaksimalkan pengintegrasian data sehingga kegiatan manipulasi data dapat berlangsung lebih cepat, serta menjaga kualitas produk dan pelayanan dalam menjaga kepercayaan pelanggan.
Strategi WO Perusahaan kurang dapat melihat potensi dan kesempatan yang ada untuk memperluas sasaran pengadaaan proyek.
124
Threats (T)
Strategi ST Menciptakan inovasi baru pada produk yang sudah ada dengan cara memberikan variasi harga dan dengan tidak mengurangi.
Strategi WT Memberi jaminan control kualitas terhadap produk yang dijual, menyediakan jasa pengiriman yang baik dan pelayanan paska penjualan yang baik.
4.1.4 Analisis Critical Success Factor (CSF)
Critical Success Factor (CSF) pada PT. Gerbang Multindo Nusantara
merupakan sejumlah faktor dari area atau ruang lingkup tertentu yang
diprediksi dapat memberikan hasil yang dapat diukur baik secara individual,
departemen, maupun organisasi. Pada perusahaan analisis CSF perlu
dilakukan untuk menganalisa hasil yang telah dicapai oleh perusahaan.
Berdasarkan faktor-faktor yang dimiliki oleh perusahaan dapat dijadikan
sebagai bahan analisis bagi kemajuan dan perkembangan perusahaan. Dari
analisa Critical Success Factor (CSF) maka didapat pula Key Performance
Indicator (KPI), yakni dapat dilihat pada tabel dibawah ini.
Table 4.2 Table Critical Success Factor (CSF) dan Key Performance
Indicator (KPI)
Divisi
Critical Success Factor (CSF) Key Performance Indicator (KPI) Target Jenis Bentuk
Marketing Performa penjualan
Laporan akhir data penjualan ≥100 Bar chart Data akhir status pengiriman barang dari juli 2004 sampai 2010data akhir
20hr Bar chart
Data penjualan per-sales ≥25 Table pivot
125
Margin penjualan Laporan akhir data margin ≥60% Text (Actual
Value).
Performa supplier Data supplier vs. data total penjualan
Max/Min Bar chart
Operational Performa pengerjaan proyek terhadap target waktu
Laporan akhir data proyek ≥15 Bar chart
Performa kategori proyek Max/Min Bar chart
Manajemen Kepatuhan Hukum Menerapkan ISO 50001 2010 Yes/No Menerapkan ISO 9001:2008 2008 Yes/No
4.1.5. Analisis Sistem Berjalan
• Pada tahap pelaporan kinerja tahunan data yang olah untuk
ditampilkan tidak akurat.
• Dalam proses produksi, bagian penjualan mengumpulkan dan
menganalisa laporan hasil penjualan secara manual untuk
mengontrol jumlah barang dalam gudang agar tidak terjadi
overload sehingga dapat memprediksi jumlah roduksi barang yang
akan diproduksi dan memprediksi agar tidak terjadi kekurangan
terhadap permintaan pasar.
• Sistem informasi yang berjalan secara operasional mendukung
kinerja perusahaan tetapi sistem informasi ini masih belum dapat
menunjang solusi pengambilan keputusan bagi eksekutif.
4.1.6 Kebutuhan Bisnis PT. Gerbang Multindo Nusantara
126
Kebutuhan bisnis pada PT. Gerbang Multindo Nusantara adalah
bagaimana perusahaan dapat memahami target penentuan harga terhadap
penjualan agar lebih kompetitif dan memahami berbagai trend yang terkait
dengan lingkup bisnis energi yang telah di lakukan perusahaan.
Proses pembuatan dan analisa report merupakan salah satu kebutuhan
penting pada perusahaan. PT. Gerbang Multindo Nusantara membutuhkan
report antara lain report yang menyajikan jumlah laporan penjualan dan
proyek, beserta trend dan analisa forecasting dan skenario analisa yang
dapat diakses dengan mudah cepat dan akurat, sehingga dapat menunjang
penganbilan keputusan yang lebih baik.
4.1.7 Sasaran Aplikasi Business Intelligence
Dengan mengimplementasikan Business Intelligence, proses pembuatan
dan penganalisaan report akan lebih mudah. Report yang akan dirancang
yaitu laporan yang berdasarkan laporan akhir pada data laporan penjualan
dan proyek, kemudian data yang diolah dalam perancangan adalah data valid
sehingga bisa digunakan untuk membantu proses pengambilan keputusan di
masa depan. Aplikasi Business Intelligence ini dapat diakses oleh pihak PT.
Gerbang Multindo Nusantara yang meliputi posisi manajer dan direksi
perusahaan dan tanpa adanya ketergantungan kepada pihak tertentu.
127
4.1.8 Risk Assessment
Dalam proses perancangan dan pengimplementasian aplikasi, mungkin
saja memiliki beberapa resiko yang akan terjadi. Penulis membuat tabel
resiko untuk proses perancangan aplikasi Business Intelligence. Warna yang
digunakan mengindikasikan : Hijau : Resiko rendah – maju melanjutkan
proyek. Kuning : Resiko medium – hati-hati, waspada. Merah : Resiko tinggi
– evaluasi ulang sebelum melanjutkan.
Tabel 4.3 Risk Assessment
128
4.1.9 Masalah yang dihadapi
Setelah dilakukan survei dan wawancara, ditemukan adanya beberapa
masalah yang dihadapi antara lain :
• Para eksekutif PT. Gerbang Multindo Nusantara membutuhkan
suatu aplikasi yang dapat membantu dan memudahkan dalam
pengambilan keputusan.
• Sistem basis data yang ada hanya dilakukan untuk penyimpanan
data, sehingga terjadi penumpukan data yang besar, akan tetapi
belum dapat menghasilkan informasi yang berguna.
• Laporan yang disajikan masih belum dalam bentuk daftar atau list,
sehingga sulit bagi eksekutif bagian operasional dan pemasaran &
penjualan untuk menganalisa kondisi dalam perusahaan.
4.1.10 Sistem Yang Diusulkan
Setelah menganalisa kebutuhan user akan informasi dan
permasalahan yang dihadapi, maka sistem yang diusulkan adalah
membangun sebuah aplikasi Business Intelligence dengan menggunakan
Qlikview pada PT. Gerbang Multindo Nusantara sebagai pendukung dalam
kegiatan analisis infrastruktur teknologi informasi perusahaan khususnya
ketika laporan akhir tahun. Aplikasi Business Intelligence yang diusulkan
akan memberikan beberapa keuntungan diantaranya adalah :
1. Suatu laporan mengenai penjualan dan proyek yang di rangkum
selama 8 tahun dari tahun 2003 hingga tahun 2011.
129
2. Membentuk pattern dan model untuk menampilkan laporan
penjualan yang diperoleh.
3. Membentuk pattern dan model untuk menampilkan laporan produk
yang terjual berdasarkan kurun waktu 8 tahun dari tahun 2003
hingga 2011.
4. Membentuk pattern dan model untuk menampilkan laporan produk
yang terjual berdasarkan kurun waktu 8 tahun dari setiap sales atau
penjual.
5. Membentuk pattern dan model untuk menampilkan laporan margin
dari hasil penjualan selam 8 tahun.
6. Membentuk pattern dan model untuk menampilkan laporan
kategori produk terhadap penjualan.
7. Membentuk pattern dan model untuk menampilkan laporan
pekerjaaan proyek selama 8 tahun.
8. Membentuk pattern dan model untuk menampilkan laporan
pekerjaaan proyek selama 8 tahun berdasarkan kategori jenis
pekerjaannya.
9. Membentuk pattern dan model untuk menampilkan laporan
pekerjaaan proyek selama 8 tahun berdasarkan investasi dari
perkerjaaan dari perusahaan investor.
10. Membentuk pattern dan model untuk menampilkan laporan proyek
selama 8 tahun berdasarkan pada lokasi pekerjaan.
130
11. Membentuk pattern dan model untuk menampilkan skenario
penetapan harga terhadap margin yang akan didapat.
131
Gambar 4.3 Diagram Konteks BI
132
4.2 Planning
4.2.1. Enterprise Infrastructure Evaluation
Untuk membangun aplikasi Business Intelligence diperlukan berbagai
infrastruktur untuk menunjang keberhasilan implementasi. Infrastruktur yang
dibutuhkan oleh perusahaan terdiri dari 2 komponen yaitu Infrastruktur
Teknikal dan Infrastruktur Non-Teknikal.
4.2.1.1 Technical Infrastructure Evaluation
Hardware yang digunakan oleh PT. Gerbang Multindo Nusantara adalah :
• Perangkat keras (hardware) yang digunakan yaitu:
o Spesifikasi : Processor 2.40 GHz.
o Memory : RAM 1.10 GB.
o Graphic VGA : VGA Card 128 MB.
o HardDisk : 40 GB, DVD-RW.
Spesifikasi software PT. Gerbang Multindo Nusantara yang ada seperti berikut :
• Perangkat lunak (software) yang digunakan yaitu:
o Operation System : Windows 7 Seven.
o Microsoft Excel sebagai tools untuk database.
133
o Microsoft SQLServer sebagai tools untuk database.
o Qlikview sebagai aplikasi pengolahan dan perancangan dashboard.
o Microsoft Visio sebagai tools untuk perancangan diagram sistem.
Dari data spesifikasi hardware dan software yang dimiliki oleh PT.
Gerbang Multindo Nusantara, spesifikasi tersebut sudah cukup
memenuhi untuk pengimplemetasian aplikasi Business Intelligence.
4.2.1.2 Nontechnical Infrastructure Evaluation
4.2.1.2.1 Struktur Data PT. Gerbang Multindo Nusantara
Di bawah ini merupakan tabel – tabel dari datamart pada PT.
Gerbang Multindo Nusantara.
1. Tabel Barang Primary Key: ID_barang Foreign Key(s): -
Tabel 4.3 Basis data Barang.
Nama Field Tipe Data Ukuran ID_Barang Integer 4 Nama_Barang Varchar 50 Model_Barang Varchar 50 Cell type Varchar 50 Rated power @ STC (W) Varchar 50 Rated power @ PTC (W) Varchar 50 Rated power tolerance (%) Varchar 50 Rated power per sq. ft. (W) Varchar 50 Module efficiency (%) Varchar 50 Cell efficiency (%) Numeric 10 Max. power voltage (Vmp) Numeric 10 Max. power current (Imp) Numeric 10
134
Open-circuit voltage (Voc) Numeric 10 Short-circuit current (Isc) Numeric 10 Pmp temp. coefficinet (%/°C) Numeric 10 Voc temp. coefficient (%/°C) Numeric 10 Isc temp. coefficient (%/ºC) Numeric 10 Nominal operating cell temp. (°C) Numeric 10 Series fuse rating (A) Numeric 10 Connector type Varchar 50 Frame color Varchar 50 Backsheet color Varchar 50 Length (In.) Numeric 10 Width (In.) Numeric 10 Depth (In.) Numeric 10 Weight (Lbs.) Numeric 10 Materials warranty (Yrs.) Numeric 10 Power warranty (Yrs.) 90%/80% Numeric 10 Harga Money 8
2. Tabel Investor Primary Key : ID_Investor Foreign Key(s) : -
Tabel 4.4 Basis data Investor.
Nama Field Tipe Data Ukuran ID_Investor Integer 4 Nama_Perusahaan_Investor Varchar 50 Alamat_Perusahaan Varchar 50 Kode_Pos Varchar 50 Jenis_Perusahaan Varchar 50 Negara_Asal Varchar 50 Mata_Uang Money 8
3. Tabel Pegawai
Primary Key : NIP Foreign Key(s) : -
Tabel 4.5 Basis data Pegawai.
Nama Field Tipe Data Ukuran NIP Integer 4 Nama_Singkat_Pegawai Varchar 50 Nama_Lengkap_Pegawai Varchar 50 Title Varchar 5 Jenis_Kelamin Varchar 50
135
Tempat_Lahir Varchar 50 Tanggal_Lahir Varchar 50 Status_Menikah Varchar 50 Alamat_Tinggal Varchar 50 No_Telp Varchar 50 No_HP Varchar 50 E-mail Varchar 50
4. Tabel Pelanggan Primary Key : ID_Pelanggan Foreign Key(s) : -
Tabel 4.6 Basis data Pelanggan.
Nama Field Tipe Data Ukuran ID_Pelanggan Integer 4 Nama_Pelanggan Varchar 50 ID_Jenis_Perusahaan Varchar 50 Jenis_Perusahaan Varchar 50 Legal_Status Varchar 50 Alamat_Pelanggan Varchar 50 ID_Kab_Kota Varchar 50 Nama_Kab_Kota Varchar 50 ID_Provinsi Varchar 50 Nama_Provinsi Varchar 50 Kode_Pos Varchar 50 No_Telp_1 Varchar 50 No_Telp_2 Varchar 50 No_Fax_1 Varchar 50 No_Fax_2 Varchar 50 Nama_Kontak Varchar 50 No_Hp_Partner Varchar 50 Email Varchar 50 Jabatan Varchar 50
5. Tabel Supplier
Primary Key : ID_Supplier Foreign Key(s) : -
Tabel 4.7 Basis data Supplier. Nama Field Tipe Data Ukuran ID_Supplier Integer 4 Nama_Supplier Varchar 50 No_Telp_Supplier Varchar 50 No_Fax_Supplier Varchar 50 Alamat_Supplier Varchar 50 Provinsi_Supplier Varchar 50 Kontak_Supplier Varchar 50
136
Email_Supplier Varchar 50 No_HP_Supplier Varchar 50
6. Tabel Jenis Perusahaan
Primary Key : ID_Jenis_Perusahaan Foreign Key(s) : -
Tabel 4.8 Basis data Jenis Perusahaan.
Nama Field Tipe Data Ukuran ID_Jenis_Perusahaan Integer 4 Jenis_Perusahaan Varchar 50
7. Tabel Kab_Kota
Primary Key : ID_Kab_Kota Foreign Key(s) : -
Tabel 4.9 Basis data Kab Kota. Nama Field Tipe Data Panjang Field ID_Kab_Kota Integer 4 Nama_Kab_Kota Varchar 50
8. Tabel Provinsi
Primary Key : ID_Provinsi Foreign Key(s) : -
Tabel 4.10 Basis data Provinsi.
Nama Field Tipe Data Panjang Field ID_Provinsi Integer 4 Nama_Provinsi Varchar 50
9. Tabel Status Proyek
Primary Key : ID_Status_Proyek Foreign Key(s) : -
Tabel 4.11 Basis data Status Proyek.
Nama Field Tipe Data Panjang Field ID_Status_Proyek Integer 4 Target_Status_Proyek Varchar 50 Deskripsi_Status Varchar 50
10. Tabel Kategori Proyek
Primary Key : ID_Kategori_Proyek Foreign Key(s) : -
137
Tabel 4.12 Basis data Kategori Proyek. Nama Field Tipe Data Panjang Field ID_Kategori_Proyek Integer 4 Kategori_Proyek Varchar 50 Deskripsi_Kategori_Proyek Varchar 50
11. Tabel Proyek Primary Key : ID_Proyek Foreign Key(s) : -
Tabel 4.13 Basis data Proyek.
Nama Field Tipe Data Panjang Field ID_Proyek Integer 4 ID_Kategori_Proyek Integer 4 Kategori_Proyek Varchar 50 Deskripsi_Kategori_Proyek Varchar 50 Tanggal_Mulai_Proyek Date 3 Nilai_kontrak Numeric 9 ID_Kab_Kota Integer 4 Nama_Kab_Kota Varchar 50 Tanggal_Selesai_Proyek Date 3 ID_Pelanggan Integer 4 Tanggal_Target_Proyek Date 3 ID_Status_Proyek Integer 3 Target_Status_Proyek Date 4 No_Spk Numeric 9 No_Spk_Ekstern Numeric 9 ID_Investor Integer 3 Nama_Perusahaan_Investor Varchar 50 Negara_Asal Varchar 50 Mata_Uang Varchar 5 Tanggal_Add Date 3 Tanggal_Edit Date 3
12. Tabel Penjualan
Primary Key : PO_Penjualan Foreign Key(s) : -
Tabel 4.14 Basis data Penjualan.
Nama Field Tipe Data Panjang Field PO_Penjualan Integer 4 Tanggal_Penjualan Date 3 NIP Integer 4
138
Nama_Singkat_Pegawai Varchar 50 Nama_Lengkap_Pegawai Varchar 50 ID_Pelanggan Integer 4 Nama_Pelanggan Varchar 50 ID_Jenis_Perusahaan Integer 4 Legal_Status Numeric 9 Jenis_Perusahaan Numeric 9 ID_Supplier Integer 4 Nama_Supplier Varchar 50 Target_Pengiriman Varchar 50 Tanggal_Kirim Date 3 Status Numeric 9 ID_Barang Integer 4 Nama_Barang Varchar 50 Model_Barang Varchar 50 Harga Money 8 Total_Qty Numeric 9 Total_Penjualan Numeric 9 Biaya_Penjualan Numeric 9 Total_Biaya_Penjualan Numeric 9
4.2.1.2.2 Use of The Development Methodology
PT. Gerbang Multindo Nusantara dipersiapkan untuk proyek BI.
Dalam proyek ini menggunakan metodologi Business Intelligence
Roadmap, dengan aktivitas–aktivitas yang akan dilalui dari justification
sampai construction. Dimana aktivitasnya yaitu mengevaluasi,
menganalisa data, merancang target BI database dan membangun
aplikasi BI .
4.2.1.2.3 Data Naming and Abbreviations
139
Sebuah proyek BI diperlukan juga istilah-istilah data yang
konsistens. Hal ini PT. Gerbang Multindo Nusantara memiliki istilah
dalam proses bisnisnya dan harus dipahami agar aplikasi BI sesuai
dengan proses bisnis yang ada. Adapun pemiliahan nama tabel juga
akan berkaitan dengan proses data cleansing, maka pemilihan nama
pada tabel sudah di setujui dengan memberikan nama-nama yang mudah
di pahami, seperti pemisahan nama tanggal pada data-data yang di
peroleh dari beberapa bagian, contohnya tahun_jual, tahun_proyek, dan
tahun_barang. Dengan penamaan ini diharapkan dapat memudahkan
proses perancangan aplikasi business intelligence pada saat ini dan pada
proses pemeliharan aplikasi ketika aplikasi ini sudah digunakan.
4.2.2 Project Planning
Dalam merancang aplikasi Business Intelligence kita perlu
membuat perencanaan proyek sehingga aplikasi bisa selesai dengan tepat
waktu dan tidak menemui kendala berarti. Pada tahapan ini penulis akan
merinci solusi utama dari pembuatan aplikasi business intelligence ini,
pada tahapan apa business intelligence ini berpengaruh pada proses bisnis
yang telah ada pada perusahaan.
4.2.2.1 Proposed BI Solution
140
Solusi yang kami tawarkan untuk mengatasi permasalahan dari PT.
Gerbang Multindo Nusantara adalah membuat sebuah aplikasi Business
Intelligence yang membantu user untuk mendapatkan laporan bisnis akhir
tahun agar lebih mudah, lebih cepat dan lebih rinci sehingga bisa
membantu proses pengambilan keputusan.
4.2.2.3 Project Constraints
• Project Scope
Aplikasi Business Intelligence yang penulis rancang sebatas
perancangan untuk laporan perusahaan secara berkala baik itu per-
bulan, per-kuartal maupun per-tahun, berikut ini adalah yang
flowchart pembuatan laporan pada perusahaan.
141
Gambar 4.4 flowchart pembuatan laporan perusahaan
Berikut ini adalah flowchart pembuatan laporan ketika aplikasi
business intelligence ini diterapkan pada perusahaan.
142
Gambar 4.5 flowchart pembuatan laporan perusahaan
• Effort
Perkiraan waktu untuk perancangan aplikasi Business
Intelligence dimulai dari proses analisa sampai perancangan
aplikasi adalah 6 bulan, dimulai dari bulan Agustus 2011 dan
selesai pada bulan Januari 2012.
• Budget
Tidak ada anggaran dalam perancangan aplikasi Business
Intelligence ini karena semua infrastruktur sudah dimiliki oleh PT.
143
GMN untuk dapat menerapkan sistem Business Intelligence yang
baru dengan Microsoft SQL Server dan Qlikview.
4.2.2.4 Pemetaan Waktu Pengerjaan
Tabel 4.15 Time Mapping Pembuatan Aplikasi Business Intteligence
4.3 Business Analysis
4.3.1 Project Requirements Definition/Definisi Kebutuhan Pada Aplikasi
Fokus utama pada perusahaan PT. Gerbang Multindo Nusantara
adalah pada penjualan dan kinerja dalam pengerjaan proyek, kedua data pada
divisi ini sangat mempengaruhi pembuatan keputusan pada langkah-langkah
besar perusahaan dalam melakukan bisnis, sehingga perusahaan sangat
menitik beratkan analisa yang tepat pada data penjualan dan proyek.
Aplikasi ini dibuat dengan persyaratan technical infrastructure
seperti harus dijalankan di MS.Excel, MSSQL dan Qlikview. Pada saat
pengumpulan data, data keseluruhan yang sudah diberikan maka akan
dianalisis untuk mendapatkan hubungan antar tabel. Setelah semua tabel
144
sudah terhubung maka kita akan memilah pada tabel yang mana saja yang
dapat digunakan untuk kebutuhan aplikasi ini. Berikut adalah tabel-tabel
yang kan digunakan pada proses perancangan aplikasi :
a. Informasi mengenai trend penjualan menggunakan beberapa
tabel sebagai berikut :
• Tabel DataPelanggan
• Tabel DataBarang
• Tabel DataPegawai
• Tabel DataStatus_target
b. Informasi mengenai trend proyek menggunakan beberapa tabel
sebagai berikut :
• Tabel DataKategori_Proyek
• Tabel DataSupplier
• Tabel DataInvestor
• Tabel DataProvinsi
• Tabel DataKab_Kota
4.3.2 Data Analysis
145
Tahap ini pada dasarnya menampilkan analisa sistem yang
disesuaikan terhadap sebuah rancangan yang akan dibangun sistem. Tahap
ini menampilkan aktivitas selama analisa data yang disesuaikan untuk
mengerti dan mengoreksi perbedaan yang ada pada data bisnis.
Tahap ini akan dilakukan analisis terhadap kualitas dari sumber data
yang digunakan dalam proyek. Sumber data berasal dari administrasi dan
operaional dan data eksternal. Pada data internal nama atribut dalam satu
tabel dengan tabel lain berbeda, dimana sebenarnya atribut yang
dimaksudkan mempunyai pengertian yang sama.
4.3.2.1 Pemberisahan Format Penulisan Sentence Case Pada Database
Pada tahapan data analysis ini terdapat tahapan cleansing data atau
tahapan pembersihan database sebelum data akan diolah lebih lanjut,
tahapan yang pertama daalam pembersihan data ini ialah tahapan
pembersihan dengan menyamakan format penulisan menjadi format
penulisan Sentencecase dari data yang memiliki format berbeda-beda
seperti huruf besar (Uppercase) dan huruf kecil (Lowercase), adapun data
yang akan melalui tahapan pembersihan ini adalah data yang memiliki
format tipe data varchar dan char dari setiap table yang ada berikut adalah
daftar table yang akan melalui tahapan pembersihan menjadi format
Sentence case :
1. Tabel Barang
146
Tabel 4.16 Target pembersihan data pada table Barang.
Nama Field Tipe Data Ukuran Nama_Barang Varchar 50 Model_Barang Varchar 50
2. Tabel Investor
Tabel 4.17 Target pembersihan data pada table Investor. Nama Field Tipe Data Ukuran
Nama_Perusahaan_Investor Varchar 50 Alamat_Perusahaan Varchar 50 Jenis_Perusahaan Varchar 50 Negara_Asal Varchar 50
3. Tabel Pegawai
Tabel 4.18 Target pembersihan data pada table Pegawai.
Nama Field Tipe Data Ukuran Nama_Singkat_Pegawai Varchar 50
4. Tabel Pelanggan
Tabel 4.19 Target pembersihan data pada table Pelanggan. Nama Field Tipe Data Ukuran
Nama_Pelanggan Varchar 50 Alamat_Pelanggan Varchar 50 Nama_Kontak Varchar 50 Email Varchar 50
5. Tabel Supplier
Tabel 4.20 Target pembersihan data pada table Supplier. Nama Field Tipe Data Ukuran Nama_Supplier Varchar 50 Alamat_Supplier Varchar 50
6. Tabel Proyek
Tabel 4.21 Target pembersihan data pada table Proyek. Nama Field Tipe Data Panjang Field Kategori_Proyek Varchar 50 Deskripsi_Kategori_Proyek Varchar 50
147
Nama_Kab_Kota Varchar 50 Nama_Perusahaan_Investor Varchar 50 Negara_Asal Varchar 50
7. Tabel Penjualan
Tabel 4.22 Target pembersihan data pada table Penjualan.
Nama Field Tipe Data Panjang Field Tanggal_Penjualan Date 3 Nama_Singkat_Pegawai Varchar 50 Nama_Pelanggan Varchar 50 Nama_Supplier Varchar 50 Target_Pengiriman Varchar 50 Nama_Barang Varchar 50 Model_Barang Varchar 50
4.3.2.2 Pemberisahan format pattern pada nomor kontak
1. Tabel Pegawai
Tabel 4.23 Target pattern telphone Pegawai.
Nama Field Tipe Data Ukuran No_Telp Varchar 50 No_HP Varchar 50
2. Tabel Pelanggan
Tabel 4.24 Target pattern telphone Pelanggan. Nama Field Tipe Data Ukuran
No_Hp_Partner Varchar 50
3. Tabel Supplier
Tabel 4.25 Target pattern telphone Supplier. Nama Field Tipe Data Ukuran No_HP_Supplier Varchar 50
4.3.2.3 Normalisasi
148
Setelah membuat perancangan database, selanjutnya dibuat
normalisasi dengan tujuan membentuk tabel normal untuk menghindari
redudansi data.
1. Bentuk Tidak Normal (Unnormalized)
Bentuk ini merupakan kumpulan data-data yang akan
direkam, tidak ada keharusan mengikuti format tertentu. Data
dikumpulkan apa adanya sesuai dengan saat meng-input.
149
DIM Supplier
PK ID_Supplier
Nama_Supplier No_Telp_Supplier No_Fax_Supplier Alamat_Supplier Provinsi_Supplier Kontak_Supplier Email_Supplier No_HP_Supplier
DIM_Pelanggan
PK ID_PelangganPK,FK1 ID_Jenis_PerusahaanPK,FK2 ID_Kab_KotaPK,FK3 ID_Provinsi
Nama_Pelanggan Jenis_Pelanggan Alamat_Pelanggan Kode_Pos_Pelanggan No_Telp_1 No_Telp_2 No_Fax_1 No_Fax_2 Nama_Kontak No_Hp_Partner Email Jabatan Nama_Kab_Kota Nama_Provinsi
DIM_Pegawai
PK NIP
Nama_Pegawai GBN Jenis_Kelamin Tempat_Lahir Tanggal_Lahir Status_Menikah Alamat_Tinggal No_Telp No_HP E-‐mail
DIM_Barang
PK ID_Barang
Nama_Barang Model_Barang Cell type Rated power @ STC (W) Rated power @ PTC (W) Rated power tolerance (%) Rated power per sq. ft. (W) Module efficiency (%) Cell efficiency (%) Max. power voltage (Vmp) Max. power current (Imp) Open-‐circuit voltage (Voc) Short-‐circuit current (Isc) Pmp temp. coefficinet (%/°C) Voc temp. coefficient (%/°C) Isc temp. coefficient (%/ºC) Nominal operating cell temp. (°C) Series fuse rating (A) Connector type Frame color Backsheet color Length (In.) Width (In.) Depth (In.) Weight (Lbs.) Materials warranty (Yrs.) Power warranty (Yrs.) 90%/80% Harga
DIM_Investor
PK ID_InvestorPK,FK1 ID_Jenis_Perusahaan
Nama_Perusahaan_Investor Alamat_Perusahaan Kode_Pos Jenis_Perusahaan Negara_Asal
Tbl_Proyek
PK ID_ProyekPK,FK2 ID_Status_ProyekPK,FK1 ID_Kategori_ProyekPK,FK3 ID_Kab_KotaPK,FK4 ID_InvestorPK,FK4 ID_Jenis_Perusahaan
Tanggal_Mulai_Proyek Tanggal_Selesai_Proyek Nilai_kontrak Kategori_Proyek Tanggal_Target_Proyek Target_Status_Proyek No_Spk No_Spk_Ekstern Nama_Perusahaan Mata_Uang Tanggal_add Tanggal_edit Nama_Perusahaan_Investor
Tbl_Penjualan
PK PO_PenjualanPK,FK2 NIPPK,FK3 ID_ProvinsiPK,FK3 ID_PelangganPK,FK1 ID_SupplierPK,FK4 ID_BarangPK,FK3 ID_Jenis_PerusahaanPK,FK3 ID_Kab_Kota
Tanggal_Penjualan Target_Pengiriman Tanggal_Kirim Status Nama_Barang Model_Barang Harga Total_Qty Total_Penjualan Biaya_Penjualan Total_Biaya_Penjualan Margin Legal_Status Jenis_Perusahaan
DIM Kota
PK ID_Kab_Kota
Nama_Kab_Kota
DIM Status proyek
PK ID_Status_Proyek
Target_Status_Proyek Deskripsi_Status
DIM Kategori Proyek
PK ID_Kategori_Proyek
Kategori_Proyek Deskripsi_Kategori_Proyek
DIM Jenis Perusahaan
PK ID_Jenis_Perusahaan
Jenis_Perusahaan
DIM Provinsi
PK ID_Provinsi
Nama_Provinsi
Gambar 4.6 Normalized and Fully Atributed Logical Data Model
150
Tabel 4.26 Bentuk Unnormal
ID_Pelanggan Nama_Pelanggan Jenis_Pelanggan Alamat_Pelanggan Pelanggan_Provinsi Kode_Pos_Pelanggan No_Telp_1 No_Telp_2 No_Fax_1 No_Fax_2 Nama_Kontak No_Hp_Partner Email Jabatan ID_Supplier Nama_Supplier No_Telp_Supplier No_Fax_Supplier Alamat_Supplier Provinsi_Supplier Kontak_Supplier Email_Supplier No_HP_Supplier NIP Nama_Pegawai GBN Jenis_Kelamin Tempat_Lahir Tanggal_Lahir Status_Menikah Alamat_Tinggal No_Telp No_HP E-mail ID_Barang Nama_Barang Model_Barang Cell type Rated power @ STC (W) Rated power @ PTC (W) Rated power tolerance (%) Rated power per sq. ft. (W) Module efficiency (%) Cell efficiency (%) Max. power voltage (Vmp) Max. power current (Imp) Open-circuit voltage (Voc) Short-circuit current (Isc) Pmp temp. coefficinet (%/°C) Voc temp. coefficient (%/°C)
Isc temp. coefficient (%/ºC) Nominal operating cell temp. (°C)
Series fuse rating (A) Connector type Frame color Backsheet color Width (In.) Depth (In.) Weight (Lbs.) Materials warranty (Yrs.) Power warranty (Yrs.) 90%/80% Harga
ID_Provinsi Nama_Kabupaten Nama_Provinsi ID_Proyek Tanggal_Mulai_Proyek Tanggal_Selesai_Proyek Nilai_kontrak Kategori_Proyek ID_Provinsi ID_Pelanggan Tanggal_Target_Proyek Target_Status_Proyek
151
No_Spk No_Spk_Ekstern ID_Pemberi_Pekerjaan Nama_Perusahaan Mata_Uang Tanggal_Add Tanggal_Edit ID_Pemberi_Pekerjaan Nama_Perusahaan Alamat_Perusahaan Kode_Pos Jenis_Perusahaan Negara_Asal PO_Penjualan Tanggal_Penjualan NIP ID_Pelanggan ID_Supplier Target_Pengiriman Tanggal_Kirim Status ID_Barang Nama_Barang Model_Barang Harga Total_Qty Total_Penjualan Biaya_Penjualan Total_Biaya_Penjualan Margin
2. Bentuk Normal Pertama (1-NF)
Pada tahap ini dilakukan penghilangan
beberapa group elemen yang berulang agar menjadi
satu harga tunggal yang berinteraks diantara setiap
baris pada suatu tabel. Ketentuan bentuk normal
pertama (1-NF) adalah tidak ada atribut yang
berulang, telah ditentukannya primary key untuk
tabel/relasi tersebut, dan setiap atribut hanya
memiliki satu pengertian.
.
152
Tabel 4.27 Tabel Penjualan Normalisasi Tahap 1
Tbl Penjualan
PO_Penjualan
Tanggal_Penjualan
NIP
Nama_Singkat_Pegawai
Nama_Lengkap_Pegawai
ID_Pelanggan
Nama_Pelanggan
Legal_Status
Jenis_Perusahaan
Nama_Supplier
Target_Pengiriman
Tanggal_Kirim
Status
Nama_Barang
Model_Barang
Harga
Total_Qty
Total_Penjualan
Biaya_Penjualan
Total_Biaya_Penjualan
Tbl Penjualan
PO_Penjualan
Tanggal_Penjualan
NIP
Nama_Pegawai
ID_Pelanggan
Nama_Pelanggan
Nama_Supplier
Target_Pengiriman
Tanggal_Kirim
Status
Nama_Barang
Model_Barang
Harga
Total_Qty
Total_Penjualan
Biaya_Penjualan
Total_Biaya_Penjualan
153
Tabel 4.28 Tabel Proyek Normalisasi Tahap 1
Tbl_Proyek
ID_Proyek
Deskripsi_Proyek
Tanggal_Mulai_Proyek
Nilai_kontrak
Tanggal_Selesai_Proyek
Nama_Kab_Kota
ID_Pelanggan
Tanggal_Target_Proyek
Target_Status_Proyek
No_Spk
No_Spk_Ekstern
Nama_Perusahaan
Mata_Uang
Tanggal_Add
Tanggal_Edit
Tbl_Proyek
ID_Proyek
Kategori_Proyek
Deskripsi_Kategori_Proyek
Tanggal_Mulai_Proyek
Nilai_kontrak
Nama_Kab_Kota
Tanggal_Selesai_Proyek
ID_Pelanggan
Tanggal_Target_Proyek
Target_Status_Proyek
No_Spk
No_Spk_Ekstern
Nama_Perusahaan
Negara_Asal
154
Tabel 4.29 Tabel Pelanggan Normalisasi Tahap 1
Mata_Uang
Tanggal_Add
Tanggal_Edit
Tbl_Pelanggan
155
Tabel 4.30 Tabel Pegawai Normalisasi Tahap 1
ID_Pelanggan
Nama_Pelanggan
Jenis_Perusahaan
Legal_Status
Alamat_Pelanggan
Nama_Kab_Kota
Nama_Provinsi
Kode_Pos
No_Telp_1
No_Telp_2
No_Fax_1
No_Fax_2
Nama_Kontak
No_Hp_Partner
Jabatan
Tbl_Pelanggan
ID_Pelanggan
Nama_Pelanggan
Jenis_Perusahaan
Alamat_Pelanggan
No_Telp
No_Fax
Nama_Kontak
No_Hp_Partner
Jabatan
Tbl.Pegawai
156
3. Bentuk Normal Kedua (2-NF)
Bentuk normal kedua didasari atas konsep
full functional dependency (ketergantungan
fungsional sepenuhnya). Ketentuan dari bentuk
NIP
Nama_Pegawai
GBN
Jenis_Kelamin
Tempat_Lahir
Tanggal_Lahir
Status_Menikah
Alamat_Tinggal
No_Telp
No_HP
Tbl.Pegawai
NIP
Nama_Singkat_Pegawai
Nama_Lengkap_Pegawai
GBN
Jenis_Kelamin
Tempat_Lahir
Tanggal_Lahir
Status_Menikah
Alamat_Tinggal
No_Telp
No_HP
157
normal kedua (2-NF) adalah bentuk data telah
memenuhi kriteria bentuk normal kesatu, atribut
bukan kunci (non-key) haruslah memiliki
ketergantungan fungsional sepenuhnya pada
kunci utama/primary key.
Tabel 4.31 Tabel Pelanggan Normalisasi Tahap 2
Tbl_Pelanggan
ID_Pelanggan
Nama_Pelanggan
Jenis_Perusahaan
Legal_Status
Alamat_Pelanggan
Nama_Kab_Kota
Nama_Provinsi
Kode_Pos
No_Telp_1
No_Telp_2
No_Fax_1
No_Fax_2
Nama_Kontak
No_Hp_Partner
Jabatan
Tbl_Pelanggan
ID_Pelanggan
Nama_Pelanggan
ID_Jenis_Perusahaan
Jenis_Perusahaan
Legal_Status
Alamat_Pelanggan
ID_Kab_Kota
Nama_Kab_Kota
ID_Provinsi
Nama_Provinsi
Kode_Pos
No_Telp_1
No_Telp_2
No_Fax_1
No_Fax_2
Nama_Kontak
No_Hp_Partner
158
Tabel 4.32 Tabel Penjualan Normalisasi Tahap 2
Jabatan
DIM_JenisPerusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
DIM_Provinsi
ID_Provinsi
Nama_Provinsi
DIM_Kota
ID_Kab_Kota
Nama_Kab_Kota
Tbl Penjualan
PO_Penjualan
Tanggal_Penjualan
NIP
Nama_Singkat_Pegawai
Nama_Lengkap_Pegawai
ID_Pelanggan
159
Nama_Pelanggan
Legal_Status
Jenis_Perusahaan
Nama_Supplier
Target_Pengiriman
Tanggal_Kirim
Status
Nama_Barang
Model_Barang
Harga
Total_Qty
Total_Penjualan
Biaya_Penjualan
Total_Biaya_Penjualan
Margin
Tbl Penjualan PO_Penjualan Tanggal_Penjualan NIP Nama_Singkat_Pegawai Nama_Lengkap_Pegawai ID_Pelanggan Nama_Pelanggan ID_Jenis_Perusahaan Legal_Status Jenis_Perusahaan ID_Supplier Nama_Supplier Target_Pengiriman Tanggal_Kirim Status ID_Barang Nama_Barang Model_Barang Harga Total_Qty Total_Penjualan Biaya_Penjualan Total_Biaya_Penjualan Margin
DIM Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
DIM Barang
ID_Barang
Nama_Barang
Model_Barang
Cell type
Rated power @ STC (W)
Rated power @ PTC (W)
Rated power tolerance (%)
Rated power per sq. ft. (W)
Module efficiency (%)
Cell efficiency (%)
Max. power voltage (Vmp)
Max. power current (Imp)
Open-circuit voltage (Voc)
Short-circuit current (Isc)
Pmp temp. coefficinet (%/°C)
Voc temp. coefficient (%/°C)
Isc temp. coefficient (%/ºC)
Nominal operating cell temp. (°C)
Series fuse rating (A)
Connector type
Frame color
Backsheet color
Length (In.)
Width (In.)
Depth (In.)
Weight (Lbs.)
Materials warranty (Yrs.)
Power warranty (Yrs.) 90%/80%
Harga
DIM Supplier
ID_Supplier Nama_Supplier No_Telp_Supplier No_Fax_Supplier Alamat_Supplier Provinsi_Supplier Kontak_Supplier Email_Supplier No_HP_Supplier
Tbl. Jenis Perusahaan Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan ID_Jenis_Perusahaan
Jenis_Perusahaan Jenis_Perusahaan
Tbl. Jenis Perusahaan Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan ID_Jenis_Perusahaan
Jenis_Perusahaan Jenis_Perusahaan
Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
160
Tabel 4.33 Tabel Proyek Normalisasi Tahap 2
Tbl_Proyek ID_Proyek Kategori_Proyek Deskripsi_Kategori_Proyek Tanggal_Mulai_Proyek Nilai_kontrak Nama_Kab_Kota Tanggal_Selesai_Proyek ID_Pelanggan Tanggal_Target_Proyek Target_Status_Proyek No_Spk No_Spk_Ekstern Nama_Perusahaan Negara_Asal Mata_Uang Tanggal_Add Tanggal_Edit
Tbl_Proyek
ID_Proyek
ID_Kategori_Proyek
Kategori_Proyek
Deskripsi_Kategori_Proyek
Tanggal_Mulai_Proyek
Nilai_kontrak
ID_Kab_Kota
Tanggal_Selesai_Proyek
ID_Pelanggan
Tanggal_Target_Proyek
ID_Status_Proyek
Target_Status_Proyek
No_Spk
No_Spk_Ekstern
ID_Investor
Nama_Perusahaan_Investor
Negara_Asal
Mata_Uang
Tanggal_add
Tanggal_edit
DIM Kategori Proyek
ID_Kategori_Proyek
Kategori_Proyek
Deskripsi_Kategori_Proyek
DIM Status Proyek
ID_Status_Proyek
Target_Status_Proyek
Deskripsi_Status
DIM_Perusahaan
ID_Investor
Nama_Perusahaan_Investor
Alamat_Perusahaan
Kode_Pos
Jenis_Perusahaan
Negara_Asal
Mata_Uang
DIM_Kota
ID_Kab_Kota
Nama_Kab_Kota
Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
161
4. Bentuk Normal Ketiga (3NF)
Ketentuan bentuk normal ketiga (3-NF)
adalah bentuk data telah memenuhi kriteria
bentuk normal kedua, atribut bukan kunci (non-
key) haruslah tidak memiliki ketergantungan
transitif dengan kata lain suatu atribut bukan
kunci tidak boleh memiliki ketergantungan
fungsional terhadap atribut bukan kunci lainnya.
Harus bergantung penuh pada kunci utama
(primary-key), caranya yaitu dengan
menghilangkan field yang kebergantungan
transitif tersebut.
Tbl_Pelanggan
ID_Pelanggan
Nama_Pelanggan
ID_Jenis_Perusahaan
Jenis_Perusahaan
Legal_Status
Alamat_Pelanggan
ID_Kab_Kota
Nama_Kab_Kota
162
Tabel 4.34 Tabel Pelanggan
Normalisasi Tahap 3
ID_Provinsi
Nama_Provinsi
Tbl_Pelanggan ID_Pelanggan Nama_Pelanggan ID_Jenis_Perusahaan Jenis_Perusahaan Legal_Status Alamat_Pelanggan ID_Kab_Kota Nama_Kab_Kota ID_Provinsi Nama_Provinsi Kode_Pos No_Telp_1 No_Telp_2 No_Fax_1 No_Fax_2 Nama_Kontak No_Hp_Partner Email
Tbl Penjualan
PO_Penjualan
Tanggal_Penjualan
NIP
Nama_Singkat_Pegawai
Nama_Lengkap_Pegawai
ID_Pelanggan
Nama_Pelanggan
ID_Jenis_Perusahaan
Legal_Status
Jenis_Perusahaan
Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
163
Tabel 4.35 Tabel Penjualan Normalisasi Tahap 3
ID_Supplier
Nama_Supplier
Target_Pengiriman
Tanggal_Kirim
Status
ID_Barang
Nama_Barang
Model_Barang
Harga
Total_Qty
Total_Penjualan
Biaya_Penjualan
Total_Biaya_Penjualan
Margin
Tbl Penjualan
PO_Penjualan
Tanggal_Penjualan
NIP
Nama_Singkat_Pegawai
ID_Pelanggan
Nama_Pelanggan
ID_Jenis_Perusahaan
Legal_Status
Jenis_Perusahaan
ID_Supplier
Nama_Supplier
Status
ID_Barang
Model_Barang
Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
164
Tabel 4.36 Tabel Proyek Normalisasi Tahap 3
Tbl_Proyek
ID_Proyek
ID_Kategori_Proyek
Kategori_Proyek
Deskripsi_Kategori_Proyek
Tanggal_Mulai_Proyek
Nilai_kontrak
ID_Kab_Kota
Tanggal_Selesai_Proyek
ID_Pelanggan
Tanggal_Target_Proyek
ID_Status_Proyek
Target_Status_Proyek
No_Spk
No_Spk_Ekstern
ID_Investor
Nama_Perusahaan_Investor
Negara_Asal
Mata_Uang
Tanggal_add
Tanggal_edit
Tbl_Proyek
ID_Proyek
ID_Kategori_Proyek
Kategori_Proyek
ID_Kab_Kota
ID_Pelanggan
ID_Status_Proyek
Target_Status_Proyek
ID_Investor
Nama_Perusahaan_Investor
Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
Tbl. Jenis Perusahaan
ID_Jenis_Perusahaan
Jenis_Perusahaan
165
4.3.3 Aplication Prototyping
Perancangan aplikasi business intelligence ini akan menghasilkan
laporan mengenai informasi trend penjualan dan trend proyek terhadap
waktu yang ditampilkan dalam bentuk dashboard. Laporan tersebut dapat
diakses oleh user setiap manajer melalui aplikasi qlikview yang telah
dirancang oleh tim perancang. pihak-pihak yang terlibat dalam pembuatan
prototype adalah tim proyek, bagian administrasi, bagian marketing dan
bagian operasional.
Tujuan utama dari adanya prototype adalah prototype digunakan
sebagai metode yang efektif untuk memvalidasi persyaratan proyek dan
menemukan bagian yang hilang dan perbedaan dalam persyaratan yang
diinginkan oleh user. Apabila terdapat perbedaan hasil output yang tidak
sesuai dengan keinginan user, maka tim perancang dapat melakukan proses
modifikasi sebelum melangkah ke tahap yang lebih jauh. Tujuan lain dari
prototyping adalah menjalin interaksi yang baik antara tim proyek dengan
user dan user juga berperan aktif dalam pembuatan aplikasi.
Prototype sendiri adalah sebuah teknik komunikasi visual yang
digunakan untuk membantu tim perancang Business Intelligence dalam
mengerti dan memperbaiki persyaratan ruang lingkup proyek. Ada beberapa
tipe dalam membuat prototype, setiap tipe mempunyai tujuan yang berbeda
dan harapan yang berbeda.
166
Penelitian ini menggunakan teknik Mock-Up Prototype pada pembuatan
aplikasi. Tujuan dari Mock-Up Prototype adalah untuk mengerti akses dan
analisa persyaratan dan aktivitas bisnis. Sebab itu, Mock-Up Prototype
diselesaikan dalam waktu yang sangat singkat. Tujuan dari Mock-Up
Prototype adalah untuk mengerti persyaratan aplikasi, mengerti aktivitas
bisnis, memulai fungsi sistem.
4.3.3.1 Reporting Requirement
Dari proses wawancara dengan pihak PT. Gerbang Multindo
Nusantara, maka definisi dari report yang dibutuhkan oleh PT. Gerbang
Multindo Nusantara untuk membantu kegiatan operasional adalah report
mengenai penjualan dan kinerja pekerjaan proyek yang dilakukan oleh
perusahaan PT. Gerbang Multindo Nusantara yang ditinjau dari waktu dan
trend terhadap penjualan dan kinerja yang telah dilakukan, serta perusahaan
yang bekerjasama dan melalui proses bisnis perusahaan, seperti data
perusahaan supplier dan data perusahaan investor.
Data yang penulis gunakan dalam perancangan aplikasi
Business Intelligence ini diperoleh langsung dari database PT. Gerbang
Multindo Nusantara dan berbentuk xls, serta ditentukan dari periode
sekarang hingga 8 tahun yang lalu.
167
4.3.3.1.1 Struktur Menu
Manu Utama Dashboard Business Intelligence
Halaman Proyek Halaman Pemberi pekerjaan
Halaman PenjualanHalaman CSF
(Critical Success Factor)
Halaman Gudang
Gambar 4.6 Struktur Menu Halaman Dashboard Home
Halaman Proyek
Detail Dimensi Proyek
Chart Trend Proyek Berdasarkan Tahun
Chart Trend Proyek Berdasarkan Bulan
Chart Trend ProyekBerdasarkan Lokasi
Detail Dimensi Perusahaan
Gambar 4.7 Struktur Menu Halaman Proyek
168
Halaman Pemberi Kerja
Ditail Dimensi Perusahaan
Chart Trend Pemberi kerja
Chart Pemberi Kerja Nasional
Chart Pemberi kerja Internasional
Detail Dimensi Waktu
Gambar 4.8 Struktur Menu Halaman Pemberi Kerja
Halaman Penjualan
Ditail Dimensi Tahun
Detail Kategori Costumers
Table Barang Dengan Costumers
Chart Trend Penjualan Terhadap Kategori
Barang
Detail Deskripsi Barang
Chart Trend Penjualan Detail Deskripsi Barang
Pie Chart Barang Dengan Costumers
Table Trend Penjualan Terhadap Sales
Gambar 4.9 Struktur Menu Halaman Penjualan
4.3.3.1.2 State Transition Diagram
169
Halaman Dashboard Utama
Halaman Dashboard Utama
Halaman Proyek
Halaman Pemberi Kerja
Halaman Penjualan
Halaman Gudang
Klik Tombol Penjualan
Klik Tombol Pemberi Kerja
Klik Tombol Proyek
Klik Tombol Gudang
Tampilkan Halaman Proyek
Tampilkan Halaman Pemberi
Kerja
Tampilkan Halaman Penjualan
Tampilkan Halaman Gudang
Klik Tombol CSF
Halaman CSFTampilkan Halaman
Critical Success Factor
Klik Tombol Dashboard Home
Tampilkan Halaman Dasboard Home
Gambar 4.10 State Transition Diagram
4.3.3.1.3 Prototype Tampilan
1. Dashboard Report
170
Halaman Pemberi kerja
Halaman Proyek Halaman Penjualan
PT. Gerbang Multindo nusantara
Reset Data
Halaman Gudang
Halaman CSF (Critical Success Factor)
Chart Keseluruhan Performa Perusahaan
Gambar 4.11 Prototype dashboard
• KPI Transaction Count : Indikator yang menunjukkan jumlah
transaksi setiap tahun dan bulan, KPI dibuat untuk melihat jumlah
transaksi per tahun dan bulan dibandingkan dengan tahun dan bulan
sebelumnya.
• Grid transaction : melihat jumlah transaksi yang dilakukan setiap
organization type (Pemerintah, Intenational, atau National
Company) pada bagian column dan tahun transaksi pada bagian
barisnya.
• Count Income Transaction : menghitung jumlah pendapatan setiap
tahunnya, sumbu y untuk jumlah transaction, sumbu x untuk
tahunnya.
171
2. Penjualan report
Chart Trend Penjualan Detail Deskripsi Barang
Dimensi TahunChart Trend Penjualan
Terhadap Kategori Barang
Deskripsi Barang
Table Trend Penjualan Terhadap Sales
PT. Gerbang Multindo nusantara
Reset Data
Pie Chart Barang Dengan Costumers
Table Barang Dengan Costumers
Kategori Costumers
Gambar 4.12 Penjualan dashboard
Report ini hasil dari penerapan statistik trend projection pada
table Fact_penjualan, dimana mencari pola keterkaitan antara retur
penjualan, sales dan barang. Dari hasil ini makan akan disimpulkan
tren yang dapat dilihat dari pengolahan data dalam bentuk bar chart
dan pie chart.
• Count purcahse order : Indikator yang menunjukkan jumlah
penjualan setiap tahun dan bulan, KPI dibuat untuk melihat jumlah
transaksi per tahun dan bulan dibandingkan dengan tahun dan bulan
sebelumnya.
172
• Compare penjualan dengan waktu : untuk melihat hasil penjualan
dari tahun dan bulan selama tujuh tahun yang lalu.
• List table Sales : untuk melihat hasil penjualan dari setiap sales dan
apa saja yang terjual olehnya.
3. Proyek report
Pada report proyek maka akan dilihan total proyek yang sudah
di kerjakan, dan meliputi pemberi kerja. Detail mengenai nama proyek
biaya dan kapan mulai proyek di kerjakan serta tren yang juga
meliputi data perusahaan sebagai pemberi proyek.
Chart Trend Proyek Berdasarkan Bulan
Dimensi Perusahaan
Chart Trend Proyek Berdasarkan Tahun
Dimensi Proyek
Chart Trend ProyekBerdasarkan Lokasi
PT. Gerbang Multindo nusantara
Reset Data
Gambar 4.13 Proyek dashboard
• Count proyek : Indikator yang menunjukkan jumlah proyek yang
sudah dikerjakan setiap tahun dan bulan,
173
• Compare proyek dangan pemberi kerja : untuk melihat tren
pengadaan proyek yang sudah dilalui dari perusahaan yang
memberikan kerja, serta tren asal negara pada perusahaan tersebut
selama tujuh tahun yang lalu.
4.3.2.1 Meta Data Repository Analysis
Tempat penyimpanan metadata adalah sebuah database. Tetapi tidak
seperti database pada biasanya, sebuah penyimpanan metadata tidak
dirancang untuk menyimpan data untuk aplikasi bisnis. Metadata
dirancang untuk menyimpan informasi kontekstual tentang data bisnis.
Metadata sangat penting dalam aplikasi Business Intelligence karena
membantu merubah bentuk data ke informasi. Perbedaan antara data dan
informasi adalah informasi adalah data mentah dengan konteks bisnis.
Metadata menyediakan keadaan bisnis; metadata menjamin penafsiran
yang benar (berdasarkan aktivitas, objek, hubungan, dan rule) dari data
bisnis sebenarnya.
174
Gambar 4.14 Entity Relationship Meta Model
175
4.3.2.2 Metadata analysis
Dalam tahap analisa terhadap perancangan aplikasi Bussiness
Intelligence ini maka di simpulkan bahwa metadata yang dibutuhkan
adalah perancangan metadata untuk pembuatan tabel fakta pada proyek dan
penjualan, berikut adalah deskripsi dari metadata tersebut :
Table 4.37 Target Perancangan Metadata Nama DBMS Nama Tabel Fakta Nama Tabel Dimensi Nama Field
OLAP_BI
Fact_Penjualan
Dim_Pelanggan ID_Pelanggan Nama_Pelanggan
Dim_Barang ID_Barang Nama_Barang Model_Barang
Dim_Pegawai NIP Nama_Singkat_Pegawai
Fact_Proyek
Dim_Status_Proyek ID_Status_Proyek Target_Status_Proyek
Dim_KatProyek ID_Kategori_Proyek Deskripsi_Kategori_Proyek
Dim_Supplier ID_Supplier Nama_Supplier
Dim_Investor ID_Investor Nama_Perusahaan_Investor Negara_Asal
Dim_Provinsi ID_Provinsi Nama_Provinsi
Dim_Kab_Kota ID_Kab_Kota Nama_Kab_Kota
4.4 Design
4.4.1 Database Design
Kemudian dilakukan rancangan database dengan merancang skema
terdiri dari star schema dan snowflake schema untuk memenuhi kebutuhan
176
informasi yang dibutuhkan manajer terhadap aplikasi BI. Berikut ini adalah
star schema dari Fact_Proyek dan snowflake schema dari Fact_penjualan.
Gambar 4.16 Star Schema Table Fact_Proyek
177
Gambar 4.16 Snowflake Schema Table Fact_penjualan
178
1. Fact_Penjualan. Menggambarkan data penjualan yang telah
dilakukan oleh perusahaaan. Dari skema ini dapat terlihat
jumlah dimensi tabel yang terkait seperti tabel dimensi
DIM_Barang, DIM_Supplier, DIM_Pelanggan, DIM_Pegawai,
DIM_Perusahaan, DIM_Jenis_Perusahaan, DIM_Provinsi dan
DIM_Kab_Kota.
2. Fact_Proyek. Menggambarkan data proyek yang telah
dikerjakan oleh perusahaaan. Dari skema ini dapat terlihat
jumlah dimensi tabel yang terkait seperti tabel dimensi
DIM_Kategori_Proyek, DIM_Status_Proyek, DIM_Provinsi,
DIM_Investor dan DIM_Jenis_Perusahaan.
4.4.2 Extract/Transform/Load Design
4.4.2.1 Design Transform Cleansing Sentence Case
Berikut ini adalah prosedur transformasi text menjadi sentence case
yang akan dijalankan pada aplikasi SQLServer :
Table 4.37 Prosedur transformasi Sentense Case
create function ProperCase(@Text as varchar(8000)) returns varchar(8000) as begin declare @Reset bit; declare @Ret varchar(8000); declare @i int;
179
declare @c char(1); select @Reset = 1, @i=1, @Ret = ''; while (@i <= len(@Text)) select @c= substring(@Text,@i,1), @Ret = @Ret + case when @Reset=1 then
UPPER(@c) else LOWER(@c) end, @Reset = case when @c like '[a-zA-Z]' then 0 else
1 end, @i = @i +1 return @Ret end
4.4.2.2 Design for Transform Pattern Phone dan Email
Berikut ini adalah prosedur dari tahapan cleansing pattern data,
tahapan ini dilakukan pada aplikasi SQLServer pada fitur DQS (Data
Quality Services), berikut adalah prosedur pattern data dengan (Regular
Expression) untuk menyeragamkan nomor kontak dan nama email :
1. Telephone Number :
^\(?([0-9]{3})\)?[-. ]?([0-9]{3})[-. ]?([0-9]{4})$
2. Mobile Phone Number :
^(\+62\s?8\d{2}|\(?08\d{2}\)?)\s?\d{4}\s?\d{4}$
3. Email format :
180
^[_A-Za-z0-9-\\+]+(\\.[_A-Za-z0-9-]+)*@[A-Za-z0-9-]+(\\.[A-Za-
z0-9]+)*(\\.[A-Za-z]{2,})$;
4.4.2.3 Transformasi Penarikan Data OLTP ke OLAP
Berikut ini adalah prosedur transformasi untuk penarikan data
dari OLTP ke OLAP yang akan dijalakan dari aplikasi SQLServer :
Table 4.38 Tabel deskripsi transformasi table
Penjualan
Nama Prosedur Proc_ambilPenjualan
Deskripsi Store procedure ini kan menjalankan untuk
mengambil data OLTP Penjulan ke OLAP BI
Code CREATE PROC [ambilPenjualan] AS BEGIN BEGIN TRY SELECT a.[PO_Penjualan], a.[Tanggal_Penjualan], a.[NIP], a.[Nama_Lengkap_Pegawai], a.[ID_Pelanggan], a.[Nama_Pelanggan], a.[ID_Jenis_Perusahaan], a.[Legal_Status], a.[Jenis_Perusahaan], a.[ID_Supplier], a.[Nama_Supplier], a.[Target_Pengiriman], a.[Tanggal_Kirim], a.[Target_Hari], a.[Status],a.[ID_Barang], a.[Nama_Barang], a.[Model_Barang], a.[Harga], a.[Total_Qty], a.[Total_Penjualan], a.[Biaya_Penjualan], a.[Total_Biaya_Penjualan] FROM OLTP_BI.dbo.DataPenjualan a WHERE a.[PO_Penjualan] != '' EXEC Update_Log @nama ='DataPenjualan',@jml =@@ROWCOUNT
181
END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END
Table 4.39 Tabel deskripsi transformasi table Proyek
Nama
Prosedur
Proc_ambilProyek
Deskripsi Store procedure ini kan menjalankan untuk
mengambil data OLTP Proyek ke OLAP BI
Code CREATE PROC [ambilProyek] AS BEGIN BEGIN TRY
SELECT a.[ ID_Proyek], a.[ID_Kategori_Proyek], a.[Kategori_Proyek], a.[Deskripsi_Kategori_Proyek], a.[Tanggal_Mulai_Proyek] , a.[Nilai_kontrak], a.[ID_Kab_Kota], a.[Nama_Kab_Kota], a.[Tanggal_Selesai_Proyek], a.[ID_Pelanggan], a.[Tanggal_Target_Proyek], a.[ID_Status_Proyek], a.[Target_Status_Proyek], a.[No_Spk], a.[No_Spk_Ekstern], a.[ID_Investor], a.[Nama_Perusahaan_Investor], a.[Negara_Asal], a.[Mata_Uang], a.[Tanggal_Add], a.[Tanggal_Edit]
FROM OLTP_BI.dbo.DataProyek a WHERE a.[ID_Proyek] != '' EXEC Update_Log @nama
182
='DataProyek',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END
Table 4.40 Tabel deskripsi transformasi table Barang
Nama Prosedur Proc_ambilBarang
Deskripsi Store procedure ini kan menjalankan untuk
mengambil data OLTP Barang ke OLAP BI
Code CREATE PROC [ambilBarang] AS BEGIN BEGIN TRY SELECT a.[ID_Barang], a.[Nama_Barang], a.[Model_Barang] FROM OLTP_BI .dbo.DataBarang a WHERE a.[ ID_Barang] != '' EXEC Update_Log @nama ='DataBarang',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END
Table 4.41 Tabel deskripsi transformasi table
Supplier
Nama Prosedur Proc_ambilSupplier
183
Deskripsi Store procedure ini kan menjalankan untuk
mengambil data OLTP Supplier ke OLAP BI
Code CREATE PROC [ambilSupplier] AS BEGIN BEGIN TRY SELECT a.[ID_Supplier], a.[Nama_Supplier] FROM BiData2.dbo.DIM_Supplier a WHERE a.[ID_Supplier] != '' EXEC Update_Log @nama ='DIM_Supplier',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END
Table 4.42 Tabel deskripsi transformasi table
Investor
Nama
Prosedur
Proc_ambilInvestor
Deskripsi Store procedure ini kan menjalankan untuk
mengambil data OLTP Investor ke OLAP BI
Code CREATE PROC [ambilInvestor] AS BEGIN BEGIN TRY SELECT a.[ ID_Investor], a.[Nama_Perusahaan_Investor] FROM OLTP_BI.dbo.DataInvestor a WHERE a.[ ID_Investor] != '' EXEC Update_Log @nama ='DataInvestor',@jml =@@ROWCOUNT END TRY
184
BEGIN CATCH print @@ROWCOUNT END CATCH END
Table 4.43 Tabel deskripsi transformasi table
Pelanggan
Nama Prosedur Proc_ambilPelanggan
Deskripsi Store procedure ini kan menjalankan untuk
mengambil data OLTP Pelanggan ke OLAP BI
Code CREATE PROC [ambilPelanggan] AS BEGIN BEGIN TRY SELECT a.[ID_Pelanggan], a.[Nama_Pelanggan] FROM OLTP_BI.dbo.DataPelanggan a WHERE a.[ ID_Pelanggan] != '' EXEC Update_Log @nama ='DataPelanggan',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END
Table 4.44 Tabel deskripsi transformasi table
Pegawai
Nama Prosedur Proc_ambilPegawai
185
Deskripsi Store procedure ini kan menjalankan untuk
mengambil data OLTP Pegawai ke OLAP BI
Code CREATE PROC [ambilPegawai] AS BEGIN BEGIN TRY SELECT a.[NIP], a.[Nama_Singkat_Pegawai] FROM OLTP_BI .dbo.DataPegawai a WHERE a.[NIP] != '' EXEC Update_Log @nama ='DataPegawai',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END
4.4.2.4 Transformasi Penarikan Data dari SQLServer ke Qlikview
Berikut ini adalah prosedur transformasi untuk penarikan data dari
dari MSSQL Server ke aplikasi Qlikview untuk pembuatan dashboard.
Table 4.45 Tabel Transformasi data ke Qlikview
SET MoneyFormat='$#,##0.00;($#,##0.00)';
SET TimeFormat='h:mm:ss TT';
SET DateFormat='M/D/YYYY';
SET TimestampFormat='M/D/YYYY h:mm:ss[.fff] TT';
186
SQL SELECT *
FROM "OLTP_BI".dbo.DIM_Pegawai;
SQL SELECT *
FROM "OLTP_BI".dbo.DIM_Barang;
SQL SELECT *
FROM "OLTP_BI".dbo.DIM_Perusahaan;
SQL SELECT *
FROM "OLTP_BI".dbo.DIM_Jenis_Perusahaan;
SQL SELECT *
FROM "OLTP_BI".dbo.DIM_Pelanggan;
SQL SELECT *
FROM "OLTP_BI".dbo.DIM_Supplier;
SQL SELECT *
FROM "OLTP_BI".dbo.DIM_Kategori_Proyek;
SQL SELECT *
FROM "OLTP_BI".dbo.DIM_Status_Proyek;
SQL SELECT *
FROM "OLTP_BI".dbo.DIM_Provinsi;
187
SQL SELECT *
FROM "OLTP_BI".dbo.DIM_Kab_Kota;
SQL SELECT *
FROM "OLTP_BI".dbo.DIM_Investor;
SQL SELECT *
FROM "OLTP_BI".dbo.Fact_Penjualan;
SQL SELECT *
FROM "OLTP_BI".dbo.Fact_Proyek;
4.4.3 Metadata Repository Design
Berikut ini adalah tabel-tabel metadata repository design
berdasarkan dari analisa metadata yang telah dirumuskan sebelumnya pada
tahapan sebelumnya.
188
189
190
191
192
193
194
4.5 Construction
4.5.1 Extract, Transform, Load development
4.5.1.1 Transform Cleanse Sentence Case
Tahap ini akan menggambarkan mengenai proses transformasi dari
pembersihan data menjadi sentence case pada database, yang akan
dilakukan pada aplikasi SQLServer.
Gambar 4.18 Tampilan SQLServer Management Studio 2012
Langkah pertama yaitu dengan membuka SQLServer
Management Studio 2012, kemudian klik new query lalu masukan
query untuk merupah format penulisan.
195
Gambar 4.19 Tampilan query merubah data menjadi sentence case.
Kemudian memilih nama database yang akan dimasukan
function pada query yang sudah dimasukan lalu klik execute.
Setelah itu function akan tersimpan di dalam lokasi database yaitu
Programmability – Function – Scalar-valued Function.
4.5.1.2 Transform Pattern Phone dan Email
Tahap ini akan menggambarkan mengenai proses transformasi
dari pembersihan data dengan pattern bagi nomor kontak, proses
pembersihan ini akan dilakukan pada aplikasi SQLServer pada fitur DQS
(Data Quality Services).
196
Gambar 4.20 Tampilan Halaman Awal DQS (Data Quality Services).
. Langkah pertama yaitu dengan membuka aplikasi DQS
yang terletak pada folder SQLServer 2012 – Data Quality Services
- Data Quality Client, setelah itu klik New Knowledge Base.
Gambar 4.21 Tampilan Halaman Awal DQS (Data Quality Services).
197
Langkah kedua adalah dengan membuat nama domain
yang akan dibuat yaitu dengan meng-klik Create Domain.
Gambar 4.22 Tampilan Halaman Create Domain.
Setelah itu memasukan pattern dengan klik domain rules
lalu masukan nama prosedur pilih value matching pattern dan
memberi nama rules.
198
Gambar 4.23 Tampilan Halaman Domain Rules.
Setelah itu memasukan pattern dengan klik domain rules
lalu masukan nama prosedur dengan memilih value matching
pattern dan memberi nama rules.
Gambar 4.24 Tampilan Halaman Publish Domain.
Setelah semua proses pembuatan pattern dilalui kemudian
domain di publish dengan mengklik tombol finish pada akhir
proses.
199
Gambar 4.25 Tampilan Halaman Awal DQS
Tahapan berikutnya adalah menggunakan domain yang
sudah dirancang untuk membersihkan data, langkah awalnya
adalah dengan mengklik New Data Quality Project pada kolom
Data Quality Project pada halaman awal aplikasi DQS (Data
Quality Services).
Gambar 4.26 Tampilan Halaman Awal Data Quality Project.
Kemudian memberikan nama Project dan menentukan
aktivitas Cleasing yang akan dikerjakan yaitu pada menu Select
Activity – Cleansing. Tahapan berikutnya adalah mapping target
database yang akan dibersihkan, dengan menentukan sumber
200
koneksi pada data source, menentukan target database dan nama
table, kemudian di mapping data yang akan di cleansing pada
source column dan menentukan domain apa yang digunakan untuk
membersihkan data pada target database tersebut.
Gambar 4.27 Tampilan Halaman Mapping Database.
Tahapan berikutnya adalah tahapan menjalakan proses
cleansing, dengan mengklik start, pada tahap akan terlihat jumlah
data yang melalui proses ini pada dialog profile.
201
Gambar 4.28 Tampilan Halaman Cleanse Database.
Gambar 4.29 Tampilan Proses Cleanse Database.
Pada tahan selanjutnya yaitu pada tahapan Manage and
View Resul akan terlihat data yang benar dan yang salah, yang
sesuai dari pattern yang dipilih.
202
Gambar 4.30 Tampilan Halaman Result Project.
Tahapan terakhir pada proses cleansing ini yaitu export,
yaitu tahapan menentukan bahwa hasil dari proses cleansing
tersebut disimpan dalam bentuk file apa.
203
Gambar 4.31 Tampilan Proses Akhir dari Cleanse Database.
4.5.1.3 Transform OLTP ke OLAP
Tahap ini akan menggambarkan mengenai proses transformasi
data dari OLTP database ke database OLAP, langkah pertama dari proses
adalah dengan membuat pembuatan stored procedures yang akan
dilakukan pada pada aplikasi SQLServer 2012, kemudian melakukan
transformasi data dari OLTP ke OLAP yang akan dilakukan pada aplikasi
SQLServer Data Tools yang tersedia didalam SQLServer 2012.
Gambar 4.32 Tampilan SQLServer Management Studio 2012
204
Langkah pertama untuk membuat Stored Procedures adalah
meng klik tombol query pada halaman aplikasi SQLServer
Management Studio 2012, lalu masukan query untuk membuat
Stored Procedures, kemudian pilih lokasi database yang akan di
berikan function, lalu klik execute, maka Stored Procedures telah
selesai dibangun. Untuk melihat apakah Stored Procedures telah
berhasil dibangun adalah dengan melihat pada database yang telah
dipilih untuk diberikan function kemudian klik Programmability –
Stored Procedures, jika terdapat pada lokasi tersebut, maka proses
pembuatan Stored Procedures telah sesuai.
Gambar 4.33 Tampilan Query Dialog
Langkah berikutnya adalah dengan membuat proses
bagaimana menarik data OLTP ke database OLAP, langkah
205
pertama adalah membuka SQLServer Microsoft Visual Studio
2010, kemudian klik New Project dan memberi nama pada project.
Gambar 4.34 Tampilan New Project
Langkah berikutnya adalah klik dan drag data flow task ke
dalam diagram, kemudian klik 2 kali pada data flow task, lalu pada
tampilan halaman sebelah kiri terdapat tools Source Assistant,
kemudian klik dan drag Source Assistant kedalam diagram.
206
Gambar 4.35 Tampilan Data Flow Task
Setelah itu akan muncul dialog untuk connection manager,
isilah nama server yang sesuai dengan lokasi database yang akan
dianalisa kemudian klik ok pada connection manager.
Gambar 4.36 Tampilan Connection Manager
Setelah tahap connection manager dilakukan, lalu klik 2 kali
pada OLE DB Source, pada dialog OLE DB Source klik pada
menu data Access Mode menjadi SQL Command, lalu masukan
nama Stored Procedures yang telah dibangun sebelumnya.
207
Gambar 4.37 Tampilan Data Flow Task Source to Destination
Gambar 4.38 Tampilan Proses SQL Command pada OLE DB Source.
Langkah selanjutnya adalah melihat target lokasi database
pada Destination diagram dengan mengklik 2 kali, lalu akan
muncul dialog Destination Editor, pada halaman ini klik Mapping
208
pada menu yang terdapat di sebelah kiri dialog, pada halaman
Mapping dapat dilihat bahwa data yang akan di tarik menuju target
database baru yang akan dilakukan. Setelah semua langkah telah di
lalui, kemudian klik execute.
Gambar 4.39 Tampilan Mapping Destination
Gambar 4.40 Tampilan Execute
4.5.1.4 Transform SQLServer ke Qlikview
209
Tahap ini akan menggambarkan mengenai proses
pengembangan ETL yang dilakukan dalam pembuatan aplikasi
business intelligence ini adalah dengan proses pentransferan tabel-
tabel dari Microsoft Excel ke program Qlikview :
1. Basis data yang asli dalam format Microsoft Excel tersebut
dipecah ke dalam bentuk tabel-tabel yang sesuai dengan analisa
untuk pembuatan database yang akan di analisa dalam aplikasi
Business Intelligence.
Gambar 4.41 Tampilan Qlikview halaman baru.
210
2. Aktifkan Qlikview lalu pilih edit script.
Gambar 4.42 Tampilan edit script.
3. Lalu pada ruang kerja edit script terdapat tab menu data from file
kemudian pilih.
211
Gambar 4.43 Tampilan data from file
4. Pada table files pilih Select OLE DB, kemudian pilih Table yang akan
dimasukan, lalu ikuti petunjuk wizard hingga selesai lalu klik finish.
Gambar 4.44 Tampilan menu untuk memilih table file
.
5. Maka pada tampilan edit script akan muncul nama – nama field data
yang terdapat pada table yang sudah dipilih.
212
Gambar 4.45 Tampilan sesudah table dipilih.
6. Ulangi tahapan load data from files hingga semua table dapat
dimasukan kedalam tampilan edit script.
Gambar 4.46 Semua file tables setelah dimasukan.
7. Setelah files data telah dimasukan kedalam edit script lalu klik reload.
Gambar 4.47 Proses execute script setelah reload .
213
Gambar di atas adalah hasil transfer yang sukses, jika transfer
gagal maka pada tampilan execute akan keluar tampilan error. Setelah
relational table sukses di load maka selanjutnya adalah pembuatan
tampilan reporting dasar bagi PT. Gerbang Multindo Nusantara.
4.5.2 Application Development
Pada tahap ini akan menjelaskan langkah-langkah pembuatan
dashboard dan menampilkan hasil dari langkah-langkah yang telah
dijalankan. Dapat dilihat ada gambar sebagai berikut :
4.5.2.1 Struktur Menu
Manu Utama Dashboard Business Intelligence
Halaman Proyek Halaman Pemberi pekerjaan
Halaman PenjualanHalaman CSF
(Critical Success Factor)
Halaman Gudang
Gambar 4.48 Struktur Menu Halaman Dashboard Home
214
Halaman Proyek
Detail Dimensi Proyek
Chart Trend Proyek Berdasarkan Tahun
Chart Trend Proyek Berdasarkan Bulan
Chart Trend ProyekBerdasarkan Lokasi
Detail Dimensi Perusahaan
Gambar 4.49 Struktur Menu Halaman Proyek
Halaman Pemberi Kerja
Ditail Dimensi Perusahaan
Chart Trend Pemberi kerja
Chart Pemberi Kerja Nasional
Chart Pemberi kerja Internasional
Detail Dimensi Waktu
Gambar 4.50 Struktur Menu Halaman Pemberi Kerja
Halaman Penjualan
Ditail Dimensi Tahun
Detail Kategori Costumers
Table Barang Dengan Costumers
Chart Trend Penjualan Terhadap Kategori
Barang
Detail Deskripsi Barang
Chart Trend Penjualan Detail Deskripsi Barang
Pie Chart Barang Dengan Costumers
Table Trend Penjualan Terhadap Sales
Gambar 4.51 Struktur Menu Halaman Penjualan
215
4.5.2.2 State Transition Diagram
216
Halaman Dashboard Utama
Halaman Dashboard Utama
Halaman Proyek
Halaman Pemberi Kerja
Halaman Penjualan
Halaman Gudang
Klik Tombol Penjualan
Klik Tombol Pemberi Kerja
Klik Tombol Proyek
Klik Tombol Gudang
Tampilkan Halaman Proyek
Tampilkan Halaman Pemberi
Kerja
Tampilkan Halaman Penjualan
Tampilkan Halaman Gudang
Klik Tombol CSF
Halaman CSFTampilkan Halaman
Critical Success Factor
Klik Tombol Dashboard Home
Tampilkan Halaman Dasboard Home
Gambar 4.52 State Transition Diagram
4.5.2.3 Dashboard design
217
1. Membuat Dashboard KPI
Gambar 4.53 Membuat dashboard KPI
Pada analytic table KPI terdapat analisa dari
penilaian performa dari data yang meliputi aspek
operational, marketing dan manajemen. Terdapat nilai
yang sudah disesuaikan dengan data KPI, jika nilai
mendekati target yang diinginkan maka data akan
berwarna hijau, jika data tidak sesuai dengan target KPI
yang diharapkan maka nilai data akan berwarna merah
2. Membuat Dashboard Penjualan
218
Gambar 4.54 Membuat dashboard penjualan
Pada analytic bar chart penjualan terdapat
analisa penjualan terhadap sales, tahun dan bulan. Dan
pada dashboard ini terdapat chart mengenai tren
penjualan yang dapat dilihat dengan pemilihan tahun
dan bulan serta sales, yang kemudian chart akan
menyesuaikan secara langsung terhadap pemilihan
dimensi yang dipilih.
219
3. Membuat Dashboard Proyek
Gambar 4.55 Membuat Analytic Bar Chart proyek dan perusahaan
Pada analytic bar chart penjualan terdapat
analisa proyek terhadap kategori proyek yang telah di
kerjakan selama 7 tahun. Dan pada dashboard ini
220
terdapat chart mengenai tren proyek dan negara yang
memberikan proyek kepada perusahaan dalam bentuk
persen. Pada dashboard ini juga terdapat pemilihan
dimensi berdasarkan tahun dan bulan.
4.5.3 Data Mining
Data mining merupakan teknik untuk menemukan
pola yang tersembunyi dari data yang dimiliki oleh
perusahaan. Teknik data mining yang digunakan adalah
teknik forcasting yaitu trend projection. Pada report ini akan
menampilkan hasil dari data mining berupa analysis chart.
forcasting diterapkan untuk mengetahui trend yang terjadi
pada penjualan pembelian dan harga. Dengan demikian akan
didapatkan hasil untuk diolah kembali menjadi keputusan
bagi para menejer.
Gambar 4.56 tren forcasting pada penjualan
4.6 Deployment
221
Proses penerapan aplikasi business intelligence ini meliputi
apakah hasil akhirdari aplikasi ini sudah sesuai dengan tujuan yang
diharapkan, baik dari kebutuhan user pengguna maupun dari device
atau media yang akan digunakan, kegiatannya meliputi :
4.6.1 Implementation.
Pada proses implementasi tim perancang aplikasi
melakukan proses installasi terhadap media-media yang akan
digunakan, mengatur jaringan apa saja yang terkait dengan
media pengguna aplikasi dan melakukan percobaan terhadap
aplikasi business intelligence ini, dan pengujian yang dilakukan
dengan dua cara yaitu dengan menggunakan metode black box
dan white box.
a. Metode Black box
Metode ini biasa dilakukan pada interface suatu sistem agar
dapat diketahui apakah proses yang dibuat sesuai dengan
rancangan yang telah dibuat.
b. Metode White Box
Metode white box ini dilakukan pada sistem dengan lebih
memperhatikan source code dan melihat bagaimana struktur
internal software agar dapat mengidentifikasikan suatu
software. Selain itu, metode white box juga berfungsi untuk
222
mengetahui jalannya sistem yang normal di dalam web
browser.
Tabel 4.56 Tabel Pengujian Metode Black Box
Hardware Pengujian
Intel pentium Core 2 Duo 2.50
GHz, Memori 2.0 GB, hardisk
320GB monitor 14 inchi dan
resolusi layar 1024 x 768 pixels
Sistem Operasi Windows 7 Seven
,Qlikview.
Sistem Operasi Macintosh Lion 10.7,
Qlikview.
c. Spesifikasi Minimum yang dibutuhkan
Spesifikasi minimum hardware dan software yang digunakan
untuk dapat menjalankan program aplikasi dengan baik adalah
sebagai berikut :
1. Perangkat Keras (Hardware)
a. Prosesor berkapasitas 2,50 GHz.
b. Memory RAM berkapasitas 256 MB.
c. Hard Disk berkapasitas 60 GB.
d. Layar monitor 15” 1024 x 768 pixel.
e. Mouse dan keyboard PS2/USB.
f. Printer.
2. Perangkat Lunak (Software)
a. OS Windows Seven 7.
223
b. Browser IE Explorer 6.0, Mozilla Firefox 3.0, Google
Chrome 2.0 atau diatasnya.
c. Java Runtime Environtment ver 1.5 atau diatasnya.
d. Xampp 1.7.2.
Setelah proses pengujian dilakukan maka proses berikutnya
adalah pelatihan terhadap penggunaan aplikasi, kemudian setelah
melalui tahapan pelatihan maka aplikasi diserahkan sepenuhnya
kepada perusahaan yaitu user yang akan menggunakannya, yang
meliputi menejer operasional, menejer keuangan dan pemilik
perusahaan.
4.6.2 Release Evaluation.
Pada tahapan Release Evaluation tim perancang
aplikasi melakukan wawancara terhadap user terkait yang
akan menggunakan aplikasi business intelligence ini, yang
meliputi menejer operasional, menejer keuangan serta
pemilik perusahaan. Tahapan ini dilakukan karena sebuah
aplikasi business intelligence memiliki peran yang sangat
penting bagi perusahaan dalam pengambilan keputusan.
Hasil yang di dapatkan pada proses ini adalah wawancara
mengenai penggunaan aplikasi sepenuhnya yang juga
224
meliputi sejauhmana tahapan pemeliharaan aplikasi terhadap
arah bisnis perusahaan yang baru nantinya.
225
BAB V
PENUTUP
5.1 Kesimpulan
Dari hasil analisia dan perancangan aplikasi Business intelligence di
perusahaan Gerbang Multindo Nusantara, dapat diambil kesimpulan bahwa
perancangan aplikasi Business Intelligence ini dapat diimplementasikan dan
dapat memperbaiki laporan akhir tahun perusahaan agar lebih baik dan mudah
dipahami dengan memberikan pola-pola pengambilan data dari data
warehouse kemudian ditampilkan dengan bentuk dashborad dan grafik
melalui pengolahan dari data kegiatan penjualan dan pelaksanaan proyek..
Selain itu, kesimpulan yang dapat diperoleh dari Skripsi ini adalah :
1. Aplikasi Business Intelligence dapat menampilkan performa kegiatan
perusahaan dalam penjualan barang, yang nantinya dapat digunakan
sebagai dasar dalam pengambilan keputusan pada penjualan.
2. Aplikasi Business Intelligence dapat menampilkan performa kinerja
perusahaan dalam pelaksanaan proyek, yang nantinya dapat digunakan
sebagai dasar dalam pengambilan keputusan pada kinerja proyek.
3. Tampilan informasi yang ditampilkan adalah dalam bentuk grafis
maupun laporan, yang dapat mewakili hubungan atau pola-pola
informasi yang penting yang terdapat pada basis data yang historikal
226
pada data warehouse perusahaan, yang nantinya dapat digunakan
sebagai dasar dalam pengambilan keputusan yang akurat.
5.2 Saran
Business intelligence, harus diterapkan secara cepat dan tepat agar
perusahaan dapat terus berjalan dengan baik. perancangan aplikasi Business
intelligence ini bukan untuk mengotomatisasikan pengambilan keputusan
tetapi memberikan tampilan yang interaktif yang memungkinkan pengambil
keputusan untuk melakukan berbagai analisa. Perancangan aplikasi Business
intelligence ini juga bukan hanya untuk mempersingkat waktu pengambilan
keputusan, tetapi agar keputusan yang dihasilkan dapat lebih tepat dan akurat,
karena berdasarkan pola keterhubungan pada database. Saran-saran yang
dapat diberikan untuk pengembangan sistem ini antara lain :
1. Aplikasi Business Intelligence ini dapat dikembangkan lebih lanjut agar
dapat digunakan oleh divisi lain, seperti divisi manufacturing dan
divisi-divisi lainnya.
2. Aplikasi Business Intelligence ini dapat diperluas cakupannya agar
informasi yang diperoleh dapat digali lebih dalam, seperti
menggunakan pola keterkaitan data dengan data market share yang ada
pada pola keterkaitan penjualan, maupun data dari standarisasi ISO
terbaru dengan menemukan pola keterkaitan pada peraturan
pelaksanaan pekerjaan proyek yang nantinya akan diterapkan pada
perusahaan ini dimasa mendatang.
227
3. Aplikasi Business Intelligence ini juga dapat diterapkan pada
perusahaan-perusahaan lain yang memiliki historikal data yang cukup
lama dan dengan jumlah data yang banyak, metode perancangan
Business Intelligence ini dapat sangat membantu dalam menemukan
pola-pola kertekaitan data agar lebih efesien untuk dianalisa dalam
proses perumusan sebuah keputusan atau pembuatan laporan agar lebih
akurat.
228
DAFTAR PUSTAKA
Vercellis, Carlo.(2009).Business Intelligence : Data Mining and
Optimization for Decision Making. (1st edition ). United Kingdom : .John Wiley &
Sons Ltd.
Connolly, Thomas M., Begg, Carolyn E. (2005). Database Systems : A
practical approach to design, implamentation, and management. USA : Pearson
Education Limited.
English,Larry P. (1999). Improving Data Warehouse and Business
Information Quality. New York :John Wiley & Sons.Inc.
Hoffer, Jeffrey A.,Prescott,Mary B.,& Topi, Heikki.(2009). Modern
Database Management. Ninth Edition.New Jersey : Pearson Education.
Inmon, William H. (2002). Building The Data Warehouse. (3rd Edition) .
USA: John Wiley & Sons,Inc.
Inmon , William H.,(2005).Building The Data Warehouse. (4thEdition).
Indiana: Wiley Publishing.
Kimball,Ralph dan Ross, Margy.(2002).The Data Warehouse Toolkit The
Complete Guide To Dimensional Modeling. (2nd Edition). New York : John
Wiley&Sons,Inc.
Turban, Efraim.,Sharda, Ramesh., Delen, Dursun .(2011). Decision support
and BusinessIintelligence Systems. (9th edition). New Jersey : Pearson Education.
Brannon, Nadia . “Business Intelligence and E-Discovery”.July 2010.Intellectual
Property & Technology Law Journal Vol. 22
229
M ulyadi. (2001). Sistem Akuntansi. Edisi Ke-3. Salemba Empat, Jakarta.
Moss, Larissa T., Atre,Shaku (2003). Business intelligence roadmap : The
Complete Project Lifecycle For Decision-Support Applications. USA : Addison-
Wesley.
Whitten, Jeffery L, Bentley, Lonnie D, Ditman & Kevin C.(2004).System
Analysis and Design Method, Sixth Edition. McGraw-Hill, Inc., USA.
230
WAWANCARA I
Narasumber : Suyud Subakti
Jabatan : Direksi Keuangan
Tanya : Hashemi Rafsanjani
Tanggal : 15 Mei 2012
Tema : Pengelolaan & permasalahan database pada perusahaan.
Tujuan : Mengetahui sistem pengelolaan database serta alur
keuangan infrastruktur alur data untuk pengelolaan data
keuangan.
Hasil Wawancara :
Tanya : Bagaimana alur pengelolaan database pada perusahaan?
Narasumber : Pengelolaan database pada perusahaan adalah dengan
menggunakan aplikasi SQL Server 2005 R2, MS.Word
2007 dan Ms.Excel 2007, pengelolaan database dilakukan
oleh database administrator perusahaan yaitu pada posisi
Information Technology (IT).
Tanya : Kendala apa yang dihadapi pada perusahaan dalam
pengelolaan database?
Narasumber : Kendala yang dihadapai sekarang ini adalah bagaimana
perusahaan dapat meningkatkan produktifitas perusahaan
dengan mengetahui dan memahami laporan pekerjaan
dengan jelas dan akurat, yang kemudian dapat menjadiakan
suatu usulan untuk pengambilan keputusan pada rapat
akhir tahun perusahaan, khususnya pada pengelolan
database penjualan dan proyek. Sejak kami menerapkan
SQL Server 2005 R2 kami tahu bahwa terdapat fitur
231
Business intelligence, namun kami tidak dapat
menggunakannya sebagai salah satu sistem pengelolaan
database untuk kegiatan operasional perusahaan setiap
hari.
Tanya : Apa yang diharapkan dengan terimplementasinya
business intelligence bagi perusahaan?
Narasumber : Kami memiliki data transaksi yang cukup besar pada
kegiatan penjulaan dan pelaksanaan proyek, kami
mengharapkan dengan diimlementasikannya business
intelligence khusunya untuk memantau kegiatan penjualan
dan pelaksanaan proyek, kami dapat dengan baik
meningkatkan kinerja perusahaan melalui data laporan
yang akurat dan mudah dipahami dari transaksi yang telah
kami jalani.
Tanya : Pembuatan laporan apa yang dibutuhkan pada
perusahaan?
Narasumber : Pembuatan laporan yang sangat dibutuhkan pada
perusahaan adalah laporan akhir tahun, karena pada akhir
tahun kami melaksanakan perbaikan yang besar untuk
memperbaiki kinerja perusahaan, khususnya dengan
memahami laporan dari kinerja penjualan dan pelaksaan
proyek.
Intisari wawancara
Berdasarkan dari pertanyaan - pertanyaan tersebut, maka penulis
menyimpulkan bahwa terdapatnya kesuliatan dalam pengambilan keputusan pada
rapat akhir tahun sehingga perusahaan mengalami kesulitan dalam meningkatkan
kinerja khususnya pada kinerja penjualan dan pelaksanaan proyek, serta penulis
menyimpulkan bahwa terdapatnya fitur business intelligence yang tidak dapat
232
dimanfaatkan pada perusahaan dikaerankan kurangnya sumberdaya manusia dalam
menerapkannya.
Berdasarkan hal tersebut maka perusahaan membutuhkan suatu penerapan
business intelligence khusunya untuk mengelola database penjualan dan proyek
agar dapat terpantau dengan baik sehingga dapat memberikan hasil yang akurat,
yang kemudian dapat dirangkum untuk pembuatan laporan akhir tahun perusahaan
sebagai bagian dari proses pengambilan keputusan peusahaan.
Responden
Suyud Subakti
233
WAWANCARA II
HASIL AKHIR
Narasumber : Nobon Novrizal
Jabatan : Manajer Operational
Tanya : Hasemi Rafsanjani
Tanggal : 26 Oktober 2012
Tema : Hasil Seminar Aplikasi Business Intelligence
Tanya : Bagaimana Alur pengelolaan database pada perusahaan?
Narasumber : Pengelolaan database pada perusahaan adalah dengan
menggunakan aplikasi SQL Server 2005 R2, MS.Word dan
Ms.Excel 2007, pengelolaan database dilakukan oleh
database administrator perusahaan yaitu pada posisi
Information Technology (IT).
Tanya : Kendala apa yang dihadapi pada perusahaan dalam
pengelolaan database?
Narasumber : Kendala yang dihadapi sekarang ini adalah bagaimana
perusahaan dapat meningkatkan produktifitas perusahaan
dengan mengetahui dan memahami laporan pekerjaan
dengan jelas dan akurat, yang kemudian dapat menjadiakan
suatu usulan untuk pengambilan keputusan pada rapat akhir
tahun, yang khususnya pada pengelolan database penjualan
dan proyek. Sejak kami menerapkan SQL Server 2005 R2
kami tahu bahwa terdapat fitur business intelligence, namun
kami tidak dapat menggunakannya sebagai salah satu sistem
pengelolaan database untuk kegiatan operasional perusahaan
setiap hari.
234
Tanya : Apa yang diharapkan dengan terimplementasinya business
intelligence bagi perusahaan?
Narasumber : Kami memiliki data transaksi yang cukup besar pada
kegiatan penjulaan dan pelaksanaan proyek, kami
mengharapkan dengan diimlementasikannya business
intelligence khusunya untuk memantau kegiatan penjualan
dan pelaksanaan proyek, kami dapat dengan baik
meningkatkan kinerja perusahaan melalui data laporan yang
akurat dan mudah dipahami dari transaksi yang telah kami
jalani,
Tanya : Pembuatan laporan apa yang dibutuhkan pada perusahaan?
Narasumber : Pembuatan laporan yang sangat dibutuhkan pada
perusahaan adalah laporan akhir tahun, karena pada akhir
tahun kami melaksanakan perbaikan yang besar untuk
memperbaiki kinerja perusahaan, dengan memahami
database pada laporan kinerja penjualan dan pelaksaan
proyek.
Responden
Nobon Novrizal
235
1. Analisa Margin
2. Main Dashboard
236
3. Dashboard Penjualan
4. Dashboard Proyek
237
5. Forecasting
238
Store Procedure SQL Server 2012 //Data Penjualan USE [OLTP_BI] GO /****** Object: StoredProcedure [dbo].[ambilPenjualan] Script Date: 9/25/2013 6:27:53 AM ******/ SET ANSI_NULLS ON GO SET QUOTED_IDENTIFIER ON GO ALTER PROC [dbo].[ambilPenjualan] AS BEGIN BEGIN TRY SELECT a.[PO_Penjualan], a.[Tanggal_Penjualan], a.[NIP], a.[Nama_Lengkap_Pegawai], a.[ID_Pelanggan], a.[Nama_Pelanggan], a.[ID_Jenis_Perusahaan], a.[Legal_Status], a.[Jenis_Perusahaan], a.[ID_Supplier], a.[Nama_Supplier], a.[Target_Pengiriman], a.[Tanggal_Kirim], a.[Target_Hari], a.[Status],a.[ID_Barang], a.[Nama_Barang], a.[Model_Barang], a.[Harga], a.[Total_Qty], a.[Total_Penjualan], a.[Biaya_Penjualan], a.[Total_Biaya_Penjualan] FROM OLTP_BI.dbo.DataPenjualan a WHERE a.[PO_Penjualan] != '' EXEC Update_Log @nama ='DataPenjualan',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END //Data Proyek USE [OLTP_BI] GO /****** Object: StoredProcedure [dbo].[ambilProyek] Script Date: 9/25/2013 6:27:56 AM ******/ SET ANSI_NULLS ON GO SET QUOTED_IDENTIFIER ON GO ALTER PROC [dbo].[ambilProyek] AS BEGIN BEGIN TRY SELECT a.[ID_Proyek], a.[ID_Kategori_Proyek], a.[Kategori_Proyek], a.[Deskripsi_Kategori_Proyek], a.[Tanggal_Mulai_Proyek], a.[Nilai_kontrak], a.[ID_Kab_Kota], a.[Nama_Kab_Kota], a.[Tanggal_Selesai_Proyek], a.[ID_Pelanggan], a.[Tanggal_Target_Proyek], a.[ID_Status_Proyek], a.[Target_Status_Proyek], a.[No_Spk], a.[No_Spk_Ekstern], a.[ID_Investor], a.[Nama_Perusahaan_Investor], a.[Negara_Asal], a.[Mata_Uang], a.[Tanggal_Add], a.[Tanggal_Edit] FROM OLTP_BI.dbo.DataProyek a WHERE a.[ID_Proyek] != '' EXEC Update_Log @nama ='DataProyek',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH
239
END //Data Barang USE [OLTP_BI] GO /****** Object: StoredProcedure [dbo].[ambilBarang] ******/ SET ANSI_NULLS ON GO SET QUOTED_IDENTIFIER ON GO ALTER PROC [dbo].[ambilBarang] AS BEGIN BEGIN TRY SELECT a.[ID_Barang], a.[Nama_Barang], a.[Model_Barang] FROM OLTP_BI.dbo.DataBarang a WHERE a.[ID_Barang] != '' EXEC Update_Log @nama ='DataBarang',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END // Data investor USE [OLTP_BI] GO /****** Object: StoredProcedure [dbo].[ambilInvestor] ******/ SET ANSI_NULLS ON GO SET QUOTED_IDENTIFIER ON GO ALTER PROC [dbo].[ambilInvestor] AS BEGIN BEGIN TRY SELECT a.[ID_Investor], a.[Nama_Perusahaan_Investor] FROM OLTP_BI.dbo.DataInvestor a WHERE a.[ID_Investor] != '' EXEC Update_Log @nama ='DataInvestor',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END //Data Pegawai USE [OLTP_BI] GO /****** Object: StoredProcedure [dbo].[ambilPegawai] Script Date: 9/25/2013 6:27:22 AM ******/ SET ANSI_NULLS ON GO SET QUOTED_IDENTIFIER ON GO ALTER PROC [dbo].[ambilPegawai] AS BEGIN BEGIN TRY
240
SELECT a.[NIP], a.[Nama_Singkat_Pegawai] FROM OLTP_BI .dbo.DataPegawai a WHERE a.[NIP] != '' EXEC Update_Log @nama ='DataPegawai',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END //Data Pelanggan USE [OLTP_BI] GO /****** Object: StoredProcedure [dbo].[ambilPelanggan] Script Date: 9/25/2013 6:27:48 AM ******/ SET ANSI_NULLS ON GO SET QUOTED_IDENTIFIER ON GO ALTER PROC [dbo].[ambilPelanggan] AS BEGIN BEGIN TRY SELECT a.[ID_Pelanggan], a.[Nama_Pelanggan] FROM OLTP_BI.dbo.DataPelanggan a WHERE a.[ID_Pelanggan] != '' EXEC Update_Log @nama ='DataPelanggan',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END //Data Supplier USE [OLTP_BI] GO /****** Object: StoredProcedure [dbo].[ambilSupplier] Script Date: 9/25/2013 6:27:59 AM ******/ SET ANSI_NULLS ON GO SET QUOTED_IDENTIFIER ON GO ALTER PROC [dbo].[ambilSupplier] AS BEGIN BEGIN TRY SELECT a.[ID_Supplier], a.[Nama_Supplier] FROM OLTP_BI.dbo.DataSupplier a WHERE a.[ID_Supplier] != '' EXEC Update_Log @nama ='DataSupplier',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END
241
Source Code Qlikview SET ThousandSep=','; SET DecimalSep='.'; SET MoneyThousandSep=','; SET MoneyDecimalSep='.'; SET MoneyFormat='$#,##0.00;($#,##0.00)'; SET TimeFormat='h:mm:ss TT'; SET DateFormat='M/D/YYYY'; SET TimestampFormat='M/D/YYYY h:mm:ss[.fff] TT'; SET MonthNames='Jan;Feb;Mar;Apr;May;Jun;Jul;Aug;Sep;Oct;Nov;Dec'; SET DayNames='Mon;Tue;Wed;Thu;Fri;Sat;Sun'; LOAD PO_Penjualan, Year (Tanggal_Penjualan) as Tahun_jual, Month (Tanggal_Penjualan) as Bulan_jual, 'T' & Ceil(Month (Tanggal_Penjualan)/3) as Quarter_jual, Dual(Year (Tanggal_Penjualan) & 'T' & Ceil(Month (Tanggal_Penjualan)/3), Year(Tanggal_Penjualan) & Ceil(Month (Tanggal_Penjualan)/3)) as Qtr_Tahun_jual, Date(Monthstart(Tanggal_Penjualan), 'MMM-YYYY') as Qtr_Month_jual, NIP, ID_Pelanggan, ID_Supplier, Target_Pengiriman, Tanggal_Kirim, Status, ID_Barang, Nama_Barang, Model_Barang, Harga, Total_Qty, Total_Penjualan, Biaya_Penjualan, Total_Biaya_Penjualan, Margin FROM [C:\Users\Win_Sam\Documents\✦Yang lg di Kerjain✦\`Applikasi SIdang Qlikview\rev1_primaryfix_xx2.xlsx] (ooxml, embedded labels, table is Fact_Penjualan_Margin); LOAD ID_Proyek, Year (Tanggal_Mulai_Proyek) as Tahun_Mulai_Proyek, Month (Tanggal_Mulai_Proyek) as Bulan_Mulai_Proyek, 'T' & Ceil(Month (Tanggal_Mulai_Proyek)/3) as Quarter_Proyek, Dual(Year (Tanggal_Mulai_Proyek) & 'T' & Ceil(Month (Tanggal_Mulai_Proyek)/3), Year(Tanggal_Mulai_Proyek) & Ceil(Month (Tanggal_Mulai_Proyek)/3)) as Qtr_Tahun_pry, Date(Monthstart(Tanggal_Mulai_Proyek), 'MMM-YYYY') as Qtr_Month_pry, Tanggal_Selesai_Proyek, Nilai_kontrak, Kategori_Proyek, ID_Provinsi, ID_Pelanggan, Tanggal_Target_Proyek, Target_Status_Proyek, No_Spk, No_Spk_Ekstern, ID_Pemberi_Pekerjaan, Nama_Perusahaan, Mata_Uang, tanggal_add, tanggal_edit
242
FROM [C:\Users\Win_Sam\Documents\✦Yang lg di Kerjain✦\`Applikasi SIdang Qlikview\rev1_primaryfix_xx2.xlsx] (ooxml, embedded labels, table is Fact_Proyek); LOAD ID_Barang, Nama_Barang, Model_Barang, [Cell type], [Rated power @ STC (W)], [Rated power @ PTC (W)], [Rated power tolerance (%)], [Rated power per sq. ft. (W)], [Module efficiency (%)], [Cell efficiency (%)], [Max. power voltage (Vmp)], [Max. power current (Imp)], [Open-circuit voltage (Voc)], [Short-circuit current (Isc)], [Pmp temp. coefficinet (%/°C)], [Voc temp. coefficient (%/°C)], [Isc temp. coefficient (%/ºC)], [Nominal operating cell temp. (°C)], [Series fuse rating (A)], [Connector type], [Frame color], [Backsheet color], [Length (In.)], [Width (In.)], [Depth (In.)], [Weight (Lbs.)], [Materials warranty (Yrs.)], [Power warranty (Yrs.) 90%/80%], Harga FROM [C:\Users\Win_Sam\Documents\✦Yang lg di Kerjain✦\`Applikasi SIdang Qlikview\rev1_primaryfix_xx2.xlsx] (ooxml, embedded labels, table is DIM_Barang); LOAD ID_Provinsi, Nama_Kabupaten, Nama_Provinsi FROM [C:\Users\Win_Sam\Documents\✦Yang lg di Kerjain✦\`Applikasi SIdang Qlikview\rev1_primaryfix_xx2.xlsx] (ooxml, embedded labels, table is DIM_Daerah); LOAD NIP, Nama_Pegawai, GBN, Jenis_Kelamin, Tempat_Lahir, Tanggal_Lahir, Status_Menikah, Alamat_Tinggal, No_Telp, No_HP, [E-mail] FROM [C:\Users\Win_Sam\Documents\✦Yang lg di Kerjain✦\`Applikasi SIdang Qlikview\rev1_primaryfix_xx2.xlsx] (ooxml, embedded labels, table is DIM_Pegawai); LOAD ID_Pelanggan, Nama_Pelanggan, Jenis_Pelanggan,
243
Alamat_Pelanggan, Pelanggan_Provinsi, Kode_Pos_Pelanggan, No_Telp_1, No_Telp_2, No_Fax_1, No_Fax_2, Nama_Kontak, No_Hp_Partner, Email, Jabatan FROM [C:\Users\Win_Sam\Documents\✦Yang lg di Kerjain✦\`Applikasi SIdang Qlikview\rev1_primaryfix_xx2.xlsx] (ooxml, embedded labels, table is DIM_Pelanggan); LOAD ID_Pemberi_Pekerjaan, Nama_Perusahaan, Alamat_Perusahaan, Kode_Pos, Jenis_Perusahaan, Negara_Asal FROM [C:\Users\Win_Sam\Documents\✦Yang lg di Kerjain✦\`Applikasi SIdang Qlikview\rev1_primaryfix_xx2.xlsx] (ooxml, embedded labels, table is DIM_Pemberi_Pekerjaan); LOAD ID_Supplier, Nama_Supplier, No_Telp_Supplier, No_Fax_Supplier, Alamat_Supplier, Provinsi_Supplier, Kontak_Supplier, Email_Supplier, No_HP_Supplier FROM [C:\Users\Win_Sam\Documents\✦Yang lg di Kerjain✦\`Applikasi SIdang Qlikview\rev1_primaryfix_xx2.xlsx] (ooxml, embedded labels, table is DIM_Supplier); LOAD Analysis_Quantity FROM [C:\Users\Win_Sam\Documents\✦Yang lg di Kerjain✦\`Applikasi SIdang Qlikview\rev1_primaryfix_xx2.xlsx] (ooxml, embedded labels, table is Analysis);
Analisa Margin //Wi Volume round(Sum([Total_Qty])+(Sum([Total_Qty])*vQty)) //Wi price round(Sum([Harga])+(Sum([Harga])*vHarga)) //Wi Revenue (Sum(([Total_Qty]+([Total_Qty]*($(vQty)/100)))*([Harga]+([Harga]*($(vHarga)/100)))))/1000 //Wi Margin (Sum(([Total_Qty]+([Total_Qty]*$(vQty)/100))*([Harga]+([Harga]*$(vHarga)/100))) - Sum([Biaya_Penjualan]+([Biaya_Penjualan]*$(vBiaya)/100)))/1000
244
//Perubahan Margin =num((Sum(([Total_Qty]+([Total_Qty]*$(vQty)/100))*([Harga]+([Harga]*$(vHarga)/100)))- Sum([Biaya_Penjualan]+([Biaya_Penjualan]*$(vBiaya)/100)))/(Sum([Total_Qty]*[Harga])-(Sum([Biaya_Penjualan]))) - 1,'#.0%') //Perkiraan Pendapatan =num((Sum(([Total_Qty]+([Total_Qty]*$(vQty)/100))*([Harga]+([Harga]*$(vHarga)/100))) - Sum([Biaya_Penjualan]+([Biaya_Penjualan]*$(vBiaya)/100)))/1000,'Rp #,###.;(Rp #' , '.' , ',')
Forecasting data penjualan dan proyek //Aggregate Trend Penjualan linest_m(totalaggr(if(sum(Total_Penjualan),sum(Total_Penjualan)),Bulan_jual),Bulan_jual)*only({1}Bulan_jual) +linest_b(totalaggr(if(sum(Total_Penjualan),sum(Total_Penjualan)),Bulan_jual),Bulan_jual) //Avarage avg(total aggr(if(sum(Total_Penjualan),sum(Total_Penjualan)),Bulan_jual)) //Trend if not if(notsum(Total_Penjualan),linest_m(totalaggr(if(sum(Total_Penjualan),sum(Total_Penjualan)),Bulan_jual),Bulan_jual)*only ({1}Bulan_jual ) +linest_b(total aggr(if(sum(Total_Penjualan),sum(Total_Penjualan)),Bulan_jual),Bulan_jual)) //Equation ='Forecast Equation = ' & round(linest_m(total aggr(if(sum(Total_Penjualan),sum (Total_Penjualan)),Bulan_jual),Bulan_jual),.0001) & '*Bulan_jual + ' & round(linest_b(total aggr(if(sum(Total_Penjualan),sum(Total_Penjualan)),Bulan_jual),Bulan_jual),.0001) //Linier Regresion or Multi-variable regression //Aggregate Trend Proyek linest_m(total aggr(if(Sum(Nilai_kontrak),Sum (Nilai_kontrak)),Bulan_Mulai_Proyek),Bulan_Mulai_Proyek)*only({1}Bulan_Mulai_Proyek) +linest_b(total aggr(if(Sum(Nilai_kontrak),Sum (Nilai_kontrak)),Bulan_Mulai_Proyek),Bulan_Mulai_Proyek) //Avarage avg(total aggr(if(Sum(Nilai_kontrak),Sum(Nilai_kontrak)),Bulan_Mulai_Proyek))
245
//Trend if not if(not sum(Nilai_kontrak), linest_m(total aggr(if(sum(Nilai_kontrak),sum (Nilai_kontrak)),Bulan_Mulai_Proyek),Bulan_Mulai_Proyek)*only({1}Bulan_Mulai_Proyek ) +linest_b(total aggr(if(sum(Nilai_kontrak),sum (Nilai_kontrak)),Bulan_Mulai_Proyek),Bulan_Mulai_Proyek)) //Proyek Equation ='Forecast Equation = ' & round(linest_m(total aggr(if(sum(Nilai_kontrak),sum (Nilai_kontrak)),Bulan_Mulai_Proyek),Bulan_Mulai_Proyek),.0001) & '*Bulan_Proyek + ' & round(linest_b(total aggr(if(sum(Nilai_kontrak),sum (Nilai_kontrak)),Bulan_Mulai_Proyek),Bulan_Mulai_Proyek),.0001) // Multi-variable regression