bab 2 tinjauan pustaka -...
TRANSCRIPT
9
BAB 2
TINJAUAN PUSTAKA
2. 1 Teori Umum
2.1. 1 Pengertian Data
Inmon (2005:p493) menyatakan bahwa data adalah rekaman dari
fakta, konsep atau pun instruksi yang disimpan, diolah dalam suatu media
rekaman secara otomatis untuk berkomunikasi dan presentasi sebagai
informasi yang dapat dimengerti oleh manusia.
McLeod dan Schell menyatakan bahwa (2007:p9) data adalah
sekumpulan fakta dan gambaran yang secara umum tidak dapat digunakan
karena belum diolah.
Berdasarkan definisi menurut para ahli di atas dapat disimpulkan
bahwa data adalah kumpulan fakta yang belum dapat digunakan karena
belum diolah dan diproses menjadi informasi melalui suatu media,
sehingga dapat dimengerti oleh manusia.
2.1. 2 Pengertian Informasi
Inmon (2005:p498) menyatakan bahwa informasi adalah kumpulan
data yang telah diolah dan dievaluasi sehingga dapat digunakan untuk
penyelesaian masalah maupun membantu dalam membuat keputusan.
Whitten (2007:p21) mendefinisikan informasi sebagai data yang
diproses atau diorganisasikan menjadi bentuk yang memiliki arti untuk
penggunaanya. Informasi diharapkan mengandung makna bagi
penggunanya karena sudah dikombinasikan dengan berbagai macam data.
O’Brien et al. (2010:p565) mengatakan bahwa informasi adalah
data yang telah diubah menjadi konteks yang berarti dan berguna bagi para
pemakai akhir tertentu.
10
Berdasarkan definisi yang dijelaskan para ahli di atas dapat diambil
kesimpulan informasi adalah kumpulan dari data yang sudah diolah
sedemikian rupa sehingga dapat diambil sebagai pedoman untuk
membantu dalam mengambil keputusan oleh penggunanya.
2.1. 3 Pengertian Sistem Informasi
O’Brien et al. (2010:p4) mengatakan bahwa sistem informasi
merupakan kombinasi teratur apapun dari orang-orang, perangkat keras,
perangkat lunak, jaringan komunikasi, dan sumber daya data yang
mengumpulkan, mengubah, dan menyebarkan informasi dalam sebuah
organisasi.
Satzinger et al. (2012:p4) mendefinisikan sistem informasi sebagai
merupakan satu set komponen komputer yang saling terkait untuk
mengumpulkan, memroses, menyimpan dan menyediakan sebagai bentuk
output yang diperlukan untuk menyelesaikan tugas-tugas bisnis.
Dalam jurnal Choirul Huda, Bram Pangestu dan Jimmy Lai
(2010:p437) Peran teknologi pada era saat ini semakin penting dalam
kehidupan sehari-hari. Namun kurangnya penyajian informasi secara
dinamis dan lintas waktu sering menjadi masalah dalam menganalisis
kondisi perusahaan. Rekaman data yang semakin lama semakin berlimpah
dapat menimbulkan ketidakfokusan dalam menganalisa data, serta
memerlukan waktu yang cukup lama untuk dapat membantu pengambilan
keputusan.
Data warehouse sebagai salah aspek teknologi informasi,
merupakan sebuah solusi yang tepat bagi perusahaan dalam pengambilann
keputusan. Dengan data warehouse, data-data terkait dalam pengambilan
keputusan dapat disimpan dalam lintas waktu yang mencukupi, serta dapat
menghasilkan media penyajjian informasi yang lengkap, dinamis, dan
cepat. Data warehouse merupakan sebuah kumpulan data yang bersifat
subject oriented, integrated, time variant, dan non-volatile yang dapat
mendukung proses pembuatan keputusan manajemen. Metode yang
digunakan dalam penelitian ini meliputi analisis, perancangan, dilanjutkan
dengan pembuatan program, pengujian dan evaluasi. Analisis dilakukan
11
terhadap kondisi perusahaan, analisa kekuatan, kelemahan, peluang, dan
ancaman sehingga dapat diidentifikasi kebutuhan perusahaan.
Dari evaluasi yang dilakukan, aplikasi data warehouse memiliki
fungsi-fungsi yang mampu menampilkan informasi terkait pembelian,
penjualan, produksi, dalam format grafikal maupun tabel dengan
kemampuan drill down dan drill up, dan dapat dikaji lintas dimensional.
Dengan adanya aplikasi data warehouse ini, pengambil keputusan dapat
memperoleh informasi yang labih lengkap, format yang lebih mudah
dipahami dan variatif, informasi dapat dikaji dari beraneka dimensi sesuai
yang dibutuhkan, lintas waktu, beragam skala dari tingkatan kumulatif
hingga detail.
Berdasarkan definisi yang dijabarkan oleh para ahli dan jurnal di
atas, maka dapat disimpulkan sistem informasi adalah kumpulan dari
komponen (hardware, software, brainware, prosedur, dan aturan) yang
sudah terintegrasi dan dapat digunakan untuk mengelola data menjadi
informasi, sehingga bermanfaat untuk memecahkan masalah dan
pengambilan keputusan.
2.1. 4 Pengertian Database
Connolly dan Begg (2010:p65) mangatakan bahwa database adalah
sekumpulan data tersebar yang berhubungan secara logis, dan penjelasan
dari data ini dirancang untuk memenuhi kebutuhan informasi dari suatu
perusahaan.
Inmon (2005:p493) menyatakan bahwa database adalah
sekumpulan data yang tersimpan dan saling berhubungan (biasanya
dengan redudansi yang terkontrol dan terbatas) berdasarkan skema. Sebuah
database dapat melayani single atau multiple applications.
Berdasarkan definisi yang dijabarkan oleh para ahli di atas, maka
dapat disimpulkan database adalah sekumpulan data yang saling
berhubungan dan terorganisir secara logis yang disimpan berdasarkan data
terpusat dalam bentuk skema dan mengontrol data redundant untuk
memenuhi kebutuhan informasi dari suatu organisasi.
12
2.1. 5 Pengertian Database Management System (DBMS)
Connolly dan Begg (2010:p66) menyatakan bahwa Database
Management System (DBMS) adalah sebuah sistem software yang
memungkinkan pengguna untuk mendefinisikan, membuat, me-maintain,
dan mengontrol akses ke database.
Kimball dan Ross (2002:p398) menyatakan bahwa, Database
Management System (DBMS) adalah sebuah aplikasi komputer yang
bertujuan untuk menyimpan, mengambil, dan memodifikasi data dengan
cara yang sangat terstruktur.
2.1.5. 1 Fasilitas Database Management System (DBMS)
DBMS menyediakan fasilitas – fasilitas sebagai berikut :
1. Data Definition Language (DDL), berguna untuk menentukan
spesifikasi tipe data, struktur, dan constraint data yang akan
disimpan dalam sebuah database.
2. Data Manipulation Language (DML), berguna untuk
melakukan aktifitas insert, update, delete dan mengembalikan
data dengan memberikan fasilitas data query berupa query
language. Query language yang sering digunakan adalah
Structured Query Language (SQL).
3. Pengendalian akses database, antara lain :
a. Sistem keamanan, supaya user yang tidak memiliki hak
akses tidak dapat mengakses database yang ada.
b. Sistem integrasi, menjaga konsistensi data yang disimpan.
c. Sistem kontrol konkurensi, memungkinkan berbagi akses
database.
d. Pengendalian Recovery System, pemulihan untuk database
setelah mengalami kegagalan perangkat keras atau
perangkat lunak.
e. Katalog akses user, berisi deskripsi data pada sebuah
database.
13
2.1.5. 2 Komponen Database Management System (DBMS)
Mengacu pada pendapat Connolly et al. (2010), ada lima
komponen utama dalam DBMS, yaitu :
1. Perangkat keras (hardware), DBMS dan aplikasi memerlukan
perangkat keras untuk menjalankannya. Perangkat keras dapat
berupa single personal computer, single mainframe atau
jaringan komputer.
2. Perangkat lunak (software), komponen perangkat lunak terdiri
dari DBMS, aplikasi program, sistem operasi, dan perangkat
lunak jaringan (jika diperlukan untuk membuat suatu jaringan).
3. Data yang merupakan data operasional dan metadata yang
digunakan perusahaan.
4. Procedur, yaitu instruksi, aturan dan fungsi yang harus ada
pada desain dari database dan DBMS.
5. People, dapat digolongkan menjadi 4 bagian, antara lain :
a. Data Administrator (DA)
Data Administrator mengatur sumber daya data, meliputi
perencanaan database, pengembangan dan pemeliharaan
standar, kebijakan dan prosedur, dan desain database
logical dan konseptual.
b. Database Administrator
Database Administrator mengatur bentuk fisik dari aplikasi
database yang meliputi desain fisik database dan
implementasi, pengaturan, keamanan dan kontrol integritas,
pengawasan performa sistem dan pengaturan ulang
database.
14
c. Database Designer (Physical and Logical)
Designer database logical melakukan identifikasi data
(entitas dan atribut), hubungan antar data, dan batasan data
yang disimpan dalam database. Desainer database fisikal
memutuskan bagaimana desain database logical
diimplementasikan.
d. Application Developer
Application Developer mengimplementasikan program
aplikasi yang menyediakan kebutuhan bagi end user.
e. End – User
End – User dapat digolong menjadi dua bagian, yaitu :
• Native users, adalah user yang tidak perlu
mengetahui tentang DBMS. User hanya mengetahui
bagaimana cara mengoperasikan dengan perintah
sederhana dan memilih dari menu.
• Sophisticated users, user yang mengetahui struktur
database dan fasilitas DBMS yang tersedia.
2.1.5. 3 Keuntungan dan Kerugian Database Management System
(DBMS)
Mengacu pada pendapat Connolly et al. (2010) 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. Berbagi data
5. Meningkatkan integritas data
6. Meningkatkan keamanan
7. Standar pelaksanaan
15
8. Skala ekonomi (data operasional perusahaan dijadikan satu
database dan membuat aplikasi dengan menggunakan satu
sumber data sehingga lebih hemat biaya).
9. Keseimbangan aksesbilitas dan responsibilitas pada data
10. Meningkatkan produktifitas
11. Menigkatkan pemeliharaan melalui indepedensi data
12. Meningkatkan konkurensi (mengurangi kehilangan informasi
dan kehilangan integrasi)
13. Meningkatkan layanan back up dan recovery
Sementara itu kerugian DBMS menurut Connolly et al. (2010)
adalah sebagai berikut :
1. Komplesitas
2. Ukuran
3. Biaya DBMS
4. Biaya penambahan perangakat keras
5. Biaya konversi (biaya staff spesialis, biaya pelatihan)
6. Performance (tidak dapat berjalan secepat yang diinginkan)
7. Resiko kesalahan yang lebih.
2.1. 6 Pengertian Online Transaction Processing (OLTP)
Hoffer et al. (2009:p431) menyatakan bahwa OLTP atau Online
Transaction Processing adalah sebuah sistem yang digunakan dalam
aplikasi berorientasi transaksi yang melibatkan pemrosesan transakasi
SQL secara real-time. Hal ini ditandai dengan entri data dan pemanggilan
data kembali secara cepat dalam lingkungan multiuser.
Menurut Connolly dan Begg (2010:p1196), sistem yang
didesain untuk menangani aliran data transaksi yang tinggi, namun
transaksi biasanya membuat perubahan kecil data operasional organisasi
dan data yang harus ditangani oleh perusahaan adalah data operasional
sehari-hari. Sistem ini disebut Online Transaction Processing (OLTP).
16
Berdasarkan definisi-definisi yang dijabarkan oleh para ahli di
atas, maka dapat disimpulkan Online Transaction Processing (OLTP)
adalah sistem yang digunakan dalam aplikasi yang berorientasi pada
penanganan transaksi dengan aliran data yang sangat tinggi dan data yang
ditangani adalah data operasional sehari-hari.
2.1. 7 Pengertian Online Analytical Processing (OLAP)
Hoffer et al. (2009:p431) menyatakan bahwa Online Analytical
Processing (OLAP) merupakan seperangkat alat grafis yang menyajikan
pengguna dengan tampilan data secara multidimensional dan
memungkinkan pengguna untuk menganalisis data menggunakan teknik
windowing sederhana.
Menurut Connolly dan Begg (2010:p1250), Online Analytical
Processing (OLAP) adalah perpaduan dinamis analisis dan gabungan dari
data multidimensional dalam jumlah besar.
Menurut jurnal Walldorf (2012:p1124) Pengolahan analisis
online (OLAP) adalah bagian penting dari sebagian besar data warehouse
dan analisis sistem bisnis. Jasa OLAP menyediakan analisis informasi
multi-dimensi yang cepat. Untuk tujuan ini, jasa OLAP menyediakan
akses multi-dimensi dan navigasi data dengan cara yang intuitif dan alami,
memberikan pandangan global data yang dapat di drilled down ke dalam
data tertentu yang diinginkan. Kecepatan dan waktu respon merupakan
atribut penting dari layanan OLAP yang memungkinkan pengguna untuk
mencari dan menganalisis data secara online dengan cara yang efisien.
Selanjutnya, jasa OLAP biasanya menyediakan alat-alat analisis untuk
menentukan peringkat, agregat, dan menghitung lead dan lag indikator
untuk data yang sedang dianalisis.
Sebuah OLAP cube adalah representasi multi-dimensi dari satu
set data. Cube tersebut adalah basis untuk penyimpanan data transaksi
dalam prior art data warehouse systems. Hal yang sama berlaku analog
sejauh OLAP cube classes yang bersangkutan. Misalnya, ketika pengguna
memilih salah satu cube OLAP, OLAP cube yang dipilih harus dipetakan
17
ke salah satu dari yang telah ditetapkan OLAP cube classes. Hal ini dapat
dilakukan dengan memasukkan nama OLAP cube diberikan ke tabel
pemetaan. OLAP cube dapat diambil dari sumber data internal maupun
eksternal. OLAP cube juga dapat digenerate oleh komputer atau didefinisi
oleh user. Pemetaan tabel database ke jenis entitas kelas mungkin
merupakan pemetaan n:1, yakni antara satu dan n tabel database dapat
dipetakan ke tipe entitas kelas yang sama. Tabel database, yang dipetakan
ke jenis entitas kelas yang sama, digabung untuk diproses oleh aplikasi
yang dipilih. Sebaliknya, pemetaan OLAP cube ke OLAP cube clasess
adalah pemetaan 1:1.
Berdasarkan definisi-definisi yang dijabarkan oleh para ahli di
atas, maka dapat disimpulkan Online Analytical Processing (OLAP)
adalah perpaduan analisis dan gabungan dari data multidimensional dalam
jumlah besar yang memungkinkan pengguna untuk menganalisis data
dengan menggunakan teknik windowing sederhana.
2.1. 8 Entity Relationship Diagram (ERD)
Connolly et al. (2010:p473) mengatakan bahwa ERD digunakan
untuk menggambarkan hubungan antara satu entitas dengan entitas yang
lain.
Menurut jurnal Geiger, J. G. (2011:p34) Model validasi oleh
komunitas bisnis dapat dilakukan dalam beberapa cara. Dari perspektif
analis, pendekatan yang paling mudah adalah dengan membuat suatu
diagram dan menelusurinya dengan business representatives.
Pendekatan ini memerlukan pelaku bisnis untuk memahami
diagram yang berorientasi IT, dan hal harus sesuai ketika validasi
dilakukan oleh dewan kepengurusan data atau orang yang terlibat langsung
dalam proyek-proyek IT. Untuk beberapa pengusaha, diagram hubungan
entitas sama halnya dengan bahasa asing. Orang-orang ini cenderung
untuk menolak belajar cara membaca diagram, dan dibutuhkan pendekatan
khusus untuk memvalidasi model. Seorang analis perlu mengidentifikasi
bagian model dari tiap orang untuk memvalidasi dan menginterpretasikan
18
secara lisan informasi dalam model dan aturan bisnis yang terkait. Sebagai
contoh, jika model berisi entitas dan hubungan, pengusaha harus diminta
untuk mengkonfirmasi bahwa seseorang selalu ditugaskan untuk
departemen tertentu , tetapi beberapa departemen mungkin tidak memiliki
karyawan dalam diri mereka. Selanjutnya, karena metadata mencakup
definisi, definisi untuk departemen dan karyawan harus dikonfirmasi.
Selain itu, elemen data termasuk dalam masing-masing dua
entitas harus tercantum, dan pengusaha harus ditanya apakah tidak ada
yang signifikan telah dihilangkan. Sementara representasi data dapat
divalidasi oleh perwakilan dari manajemen data, konten harus divalidasi
oleh pengusaha. Tinjauan Proses itu sendiri harus disesuaikan dengan
resensi dan alternatif untuk pemeriksaan diagram yang sebenarnya
mungkin diperlukan jika resensi tidak familiar dengan notasi.
Berdasarkan hal diatas, dapat disimpulkan bahwa informasi data
yang didapat berdasarkan sudut pandang client diterjemahkan oleh sistem
analis menjadi suatu model konseptual data yang dalam hal ini berupa
ERD yang nantinya digunakan oleh programer sebagai pedoman dalam
membangun database. Untuk mencegah pemahaman yang salah dari data
perusahaan makan dibutuhkan sebuah bentuk komunikasi non-teknis
sebagai berikut :
2.1.8. 1 Entity Type
Connolly et al. (2010:p372) menyatakan bahwa entitas
merupakan kumpulan dari objek-objek. Dan objek tersebut
diidentifikasi oleh sebuah organisasi memiliki karakteristik yang
sama.
19
2.1.8. 2 Relationship type
Connolly et al. (2010:p374) menyatakan bahwa relationship
type adalah sekumpulan hubungan antara satu atau lebih entitas.
Sebuah entitas berderajat dua disebut binary, berderajat tiga disebut
ternary dan berderajat empat disebut quarternary.
2.1.8. 3 Attribute
Connolly et al. (2010:p379) menyatakan bahwa atribut adalah
sifat dari sebuah entitas atau sebuah tipe relasi. Contohnya yaitu,
sebuah entitas Pelanggan yang dijelaskan oleh atribut
Kode_Pelanggan, Nama_Pelanggan, Status, dan Gender.
Attribute domain adalah sejumlah nilai yang diperkenankan
untuk satu atau lebih nilai atribut. Setiap atribut yang dihubungkan
dengan sejumlah nilai disebut domain. Domain mendefinisikan nilai-
nilai yang dimiliki sebuat atribut. Misalnya, atribut Kode_Pelanggan
didefinisikan dengan tipe data integer dengan range diantara 1 (satu)
sampai dengan 15 (lima belas).
Mengacu pada pendapat Connolly et al. (2010), atribut dapat
diklasifikasikan menjadi beberapa bagian, yaitu :
1. Simple Attribute dan Composite Attribute
Simple Attribute adalah atribut yang terdiri dari
sebuah komponen tunggal dengan keberadaan yang
bebas, atributnya tidak bisa dibagi lagi ke dalam
komponen yang lebih kecil. Contoh simple attribute,
misalnya atribut Status dan Gender dari sebuah entitas
Pelanggan.
Composite attribute adalah sebuah atribut yang
tersusun dari beberapa komponen, masing-masing dapat
menjadi atribut yang dapat berdiri sendiri. Contoh
Composite Attribute, misalnya atribut Alamat (contoh : Jl.
20
Raya Centex, Ciracas, 141142) yang dapat dibagi menjadi
beberapa atribut Jalan (contoh : Jl. Raya Centex), Kota
(contoh : Ciracas), Kode_Pos (contoh : 141142).
2. Single value Attribute dan Multi value Attribute
Single value adalah atribut yang menyimpan nilai
tunggal untuk suatu sifat dari entitas. Misalnya, entitas
Pelanggan memiliki single value untuk atribut
Kode_Pelanggan (contoh: P001), yang hanya memiliki
satu nilai tunggal untuk pelanggan.
Multi value attribute adalah atribut yang
menyimpan nilai lebih dari satu untuk suatu sifat entitas.
Misalnya, entitas Pelanggan memiliki multi value untuk
atribut No_Telp (contoh : 021-72024500 dan 021-
72024600). Jadi untuk setiap pelanggan dapat memiliki
lebih dari 1 (satu) nomor telepon.
3. Derived Attribute
Derived attribute adalah atribut yang
menunjukkan nilai yang diperoleh dari atribut yang
berhubungan, dimana atribut tersebut diperoleh dari satu
entitas yang sama atau entitas yang berbeda. Misalnya,
atribut Total_Pelanggan diperoleh dari hasil perhitungan
banyaknya Kode_Pelanggan tersebut.
2.1.8. 4 Keys
Mengacu pada pendapat Connolly et al. (2010),
terdapat macam-macam kunci relasi, antara lain :
1. Candidate key adalah atribut yang mengidentifikasi
secara unik suatu kejadian dalam sebuah tipe entitas.
2. Primary key adalah candidate key yang dipilih untuk
mengidentifikasikan secara unik dalam sebuah tipe
21
entitas.
3. Composite key adalah candidate key yang terdiri dari dua
atau lebih atribut.
2.1. 9 Rich Picture
Menurut Whitten (2007 : p489) rich picture merupakan gambaran
alur mengenai proses kegiatan bisnis yang berlangsung.
2.1. 10 SWOT (Strengths, Weakness, Opportunity, Threat)
Jogiyanto (2005:p46) menyatakan bahwa SWOT adalah analisis
yang digunakan untuk menilai kekuatan dan kelemahan dari sumber-
sumber daya yang dimiliki perusahaan, kesempatan eksternal dan
tantangan yang dihadapi.
2.1. 11 CSF (Critical Success Factor)
Menurut Ward (2002, p209), analisis critical success factor (CSF)
merupakan area terbatas dalam suatu bisnis yang apabila terpenuhi maka
akan menjamin kesuksesan kinerja kompetitif bagi perusahaan.
2.1. 12 Data Warehouse
Dalam jurnal Dewi Kania Widyawati (2012:p1-6) Belum banyak
perusahaan yang mengembangkan dan menerapkan data warehouse serta
memanfaatkannya guna menunjang berbagai hal penting didalam
organisasi. Data warehouse merupakan salah satu bentuk basis data yang
memiliki data berskala besar. Data warehouse bukan merupakan basis
data operasional, melainkan basis data yang berisi data dalam dimensi
waktu tertentu yang sangat berguna untuk keperluan evaluasi, analisis dan
perencanaan yang dilakukan oleh pihak manajemen dalam sebuah
perusahaan.
Dengan dibangunnya data warehouse, maka penelusuran
informasi terkait dapat dilakukan dengan mudah dan lebih fleksibel.
Informasi yang disajikan dari data warehouse pemasaran produk dapat
dipergunakan untuk membantu pimpinan perusahaan dalam proses
22
evaluasi dan perencanaan dan proses evaluasi kinerja pemasaran agen
pemasaran produk pada wilayah pemasaran tertentu. Juga membantu
perusahaan dalam mencermati trend barang yang diminati pada masing-
masing wilayah pemasaran. Penerapan data warehouse membutuhkan
populasi data yang besar agar informasi yang ditampilkan dapat beragam
dan dapat membentuk pola-pola informasi yang potensial. Hal tersebut
menjadi penting agar perusahaan yang mengembangkan data warehouse
ini dapat dengan mudah mengevaluasi jenis barang, segmen pasar dan
waktu pemasaran produk yang tepat sehingga dapat meminimasi kerugian
dan meningkatkan keuntungan perusahaan.
Implementasi data warehouse dapat mempermudah pihak
manajemen perusahaan dalam mengolah dan menyajikan informasi yang
dibutuhkan dalam proses evaluasi dan perencanaan pemasaran produk.
Berikut p enjelasan mengenai da ta warehouse :
2.1.12. 1 Definisi Data Warehouse
Inmon (2005:p29) menyatakan bahwa data warehouse
adalah koleksi data yang berorientasi pada subjek, terintegrasi,
bervariasi berdasarkan waktu, dan koleksi datanya tidak
mengalami perubahan yang mendukung proses pengambilan
keputusan manajemen. Selain itu juga dapat digunakan dalam
berbagai macam tujuan termasuk untuk kebutuhan masa depan
yang belum diketahui.
2.1.12. 2 Karakteristik Data Warehouse
Mengacu pada pendapat Inmon (2005:p29), data
warehouse memiliki empat karakteristik utama, antara lain :
1. Subject – Oriented
Subject – Oriented merupakan data diorganisir
berdasarkan subjek utama dalam lingkungan perusahaan,
bukan berorientasi pada proses atau fungsi aplikasi seperti
yang terjadi pada lingkungan operasional. Berdasarkan teori
23
tersebut, contoh yang sesuai dengan aplikasi pada skripsi ini
yaitu : Agreement, Asset, Inventory dan Repossess.
Agreement merupakan salah satu subject oriented yang
terdapat dalam data warehouse yang dibuat karena dapat
menunjukkan status kontrak dari tagihan yang menjadi
informasi untuk report yang dibutuhkan oleh pihak
eksekutif.
Gambar 2. 1 Karateristik Data Warehouse : Subject Oriented
(Sumber : W.H Inmon, 2005:p30)
2. Integrated
Integrated adalah dapat menyimpan data yang berasal
dari sumber yang terpisah dalam suatu format yang
konsisten dan saling terintegrasi satu sama lain. Sebuah unit
tunggal, bukan sebagai kumpulan file-file yang mungkin
mempunyai struktur atau pengturan yang berbeda. Integrasi
merupakan aspek yang paling penting pada perancangan
data warehouse. Data yang digunakan dalam data
24
warehouse diambil dari sumber beragam yang terpisah. Saat
data tersebut diambil, data diubah, dibentuk ulang, diringkas,
dirangkai ulang dan seterusnya. Kemudian akan
menghasilkan suatu data warehouse, yang memiliki
gambaran fisik terpadu yang tunggal.
Berdasarkan teori tersebut contoh yang sesuai dengan
aplikasi pada skripsi ini dengan menyamakan format tipe
data misalnya tipe data pada sumber database operasional
BranchID char (3) menjadi BranchID nvarchar (3) pada data
warehouse, sehingga dapat terintegrasi pada saat
transformasi data.
Gambar 2. 2 Karakteristik Data Warehouse : Integrated
(Sumber : W.H Inmon, 2005:p31)
25
3. Non – Volatile
Non-volatile artinya data tidak terus menerus berubah.
Data baru dapat ditambahkan, tetapi data lama tidak
terhapus. Sebagaimana mestinya, data dalam lingkungan
operasional diperbaharui, tetapi data dalam data warehouse
menunjukkan serangkaian karakteristik yang berbeda. Data
dalam data warehouse biasanya diisi dan diakses tetapi tidak
diperbaharui.
Berdasarkan teori tersebut contoh yang sesuai dengan
aplikasi pada skripsi ini dengan menggunakan SCD (Slowly
Changing Dimension) tipe 2 dimana apabila terjadi
perubahan pada database operasional yang akan masuk ke
dalam data warehouse akan menjadi data baru sedangkan
data sebelumnya tidak akan terhapus.
Gambar 2. 3 Karakteristik Data warehouse : Non volatile
(Sumber : W.H Inmon, 2005:p32)
4. Time – Variant
Karakteritik terakhir yang menonjol dari data
warehouse adalah time variant. Time variant artinya dimensi
waktu secara eksplisit termasuk dalam data sehingga
kecenderungan dan perubahan seiring waktu dapat dipelajari
untuk mengenal kecenderungan dan pola dari suatu data.
26
Berdasarkan teori tersebut contoh yang sesuai dengan
aplikasi pada skripsi ini dengan adanya dimensi waktu yang
terdiri dari tahun, semester, kuarter dan bulan.
Gambar 2. 4 Karateristik Data Warehouse : Time Variant
(Sumber : W.H Inmon, 2005:p35)
2.1.12. 3 Perbandingan Data Warehouse dengan OLTP
Connolly et al. (2010) menyatakan bahwa sebuah
organisasi biasanya mempunyai beberapa sistem Online
Transaction Processing (OLTP) yang berbeda untuk setiap
proses bisnis, seperti pengawasan persediaan (inventory control),
pesanan pelanggan (invoice customer) dan tingkat penjualan.
Sistem tersebut menghasilkan data operasional rinci yang
terbaru, dan selalu berubah. Sistem OLTP akan optimal apabila
digunakan untuk sejumlah transaksi yang dapat diramalkan
(predictabel), berulang (repetitive), dan sering diperbaharui
(update intensive).
Data OLTP merupakan data yang digunakan sehari-hari
untuk proses bisnis yang mengelola data yang besar sekitar
ratusan sampai ribuan. OLTP memiliki desain bersifat Entity
Relational atau database yang dinormalisasi dulu sebelum
27
digunakan dan dikelola oleh IT profesional. Pada umumnya
suatu organisasi hanya mempunyai satu data warehouse yang
menyimpan data secara historis, terperinci, dan ringkas dengan
beberapa tingkatan dan sangat jarang berubah. Data warehouse
didesain untuk mendukung transaksi yang tidak diprediksi
(unpreditabel), dan memerlukan jawaban untuk query khusus,
tidak terstruktur dan heuristic, selain itu data warehouse
digunakan atau diorganisasikan oleh para knowledge worker
yaitu, seseorang yang bertindak dalam subyek tertentu, atau
eksekutif dalam suatu perusahaan.
2.1.12. 4 Anatomi Data Warehouse
Connolly et al. (2010) menyatakan bahwa bentuk umum
yang sering digunakan pada data warehouse terbagi atas 3
bentuk, yaitu :
1. Functional data warehouse
Functional data warehouse adalah data warehouse
yang dibuat lebih dari satu dan dikelompokkan berdasarkan
masing-masing fungsi yang ada dalam perusahaan, seperti
fungsi keuangan (financial), fungsi pemasaran (marketing),
fungsi kinerja personalia, dan lain-lain. Keuntungan yang
diperoleh adalah sistem akan lebih mudah dibangun dengan
biaya yang relative murah. Fungsi bentuk ini adalah resiko
kehilangan konsistensi data dan terbatasnya kemampuan
pengguna dalam pengumpulan data.
28
Gambar 2. 5 Functional Data warehouse
2. Centralized data warehouse
Centralized data warehouse merupakan database
fisikal tunggal yang memuat semua data untuk area
fungsional yang khusus, departemen, divisi, atau perusahaan.
Bentuk tersebut digunaan jika terdapat kebutuhan data yang
informatif dan terdapat banyak end-user yang sudah
terhubung ke kantor pusat atau cabang.
Sumber data yang digunakan lebih dahulu
dikumpulkan atau diintegrasikan pada suatu tempat terpusat,
baru kemudian data tersebut dibagi berdasarkan fungsi-
fungsi yang diperlukan oleh perusahaan, akan tetapi
bentuknya menyerupai functional data warehouse. Bentuk
data warehouse terpusat belum mempunyai jaringan
eksternal. Keuntungan bentuk ini adalah data memiliki
konsistensi yang tinggi sehingga data benar-benar terpadu.
Namun, membutuhkan waktu yang lama dan biaya yang
mahal dalam membangun data warehouse seperti ini.
Berdasarkan teori tersebut dapat menggambarkan
bahwa anatomi aplikasi data warehouse pada skripsi ini
adalah centralized data warehouse karena semua sumber
ditempatkan dalam satu server yang terpusat.
29
Gambar 2. 6 C entralized Data warehouse
3. Distributed data warehouse
Distribute data warehouse merupakan komponen data
tertentu yang didistribusikan melalui sebuh physical
database yang berbeda. Distributed data warehouse
biasanya melibatkan data yang paling redudansi, dan sebagai
akibatnya, dapat menimbulkan proses load dan update yang
sangat kompleks.
Bentuk ini menggunakan query yang berfungsi sebagai
jembatan antara lokasi data warehouse dengan workstation
yang menggunakan sistem yang beraneka ragam, sehingga
memungkinkan perusahaan untuk mengakses sumber data
yang terdapat diluar lokasi perusahaan. Kelebihan bentuk
data warehouse ini adalah tetap terjaga konsistensinya dan
dalam hal pengaksesan data dari luar perusahaan telah
mengalami sinkronisasi terlebih dahulu. Kekurangan nya
yaitu bentuk ini paling mahal dan paling kompleks untuk
diterapkan karena sistem operasinya dikelola secara terpisah.
30
Gambar 2. 7 Distributed Data warehouse
2.1.12. 5 Arsitektur Data Warehouse
Connolly dan Begg (2010:p1204), menyatakan bahwa
suatu gambaran typical arsitektur dari data warehouse, yaitu :
Gambar 2. 8 Arsitektur Data Warehouse
(Sumber Connolly dan Begg, 2010:p1204)
Connolly et al. (2010) menyatakan bahwa ada sepuluh
komponen utama yang dimiliki oleh data warehouse, antara lain:
31
1. Operasional Data
Connolly dan Begg (2010:p1203) menyatakan bahwa,
sumber data untuk data warehouse bersumber dari data –
data berikut :
a. Mainframe data operasional berada dalam hierarki dan
jarigan database generasi pertama. Diperkirakan bahwa
sebagian besar data operasional perusahaan disimpan dalam
sistem ini.
b. Data departemen disimpan dalam file sistem yang
dimiliki seperti VSAM, RMS, dan DBMS relasional
seperti Informix dan Oracle.
c. Data privasi yang disimpan di dalam server pribadi
dan workstation
d. Sistem external, seperti internet, atau database yang
terkait dengan customer dan suppliers.
2. Operasional Datastore
Sebuah Operational Data Store (ODS) adalah subject
oriented, volatile, penyimpanan data operasional yang
aktual dan terintegrasi yang digunakan untuk analisis. ODS
diisi dengan data pada cara yang sama seperti data
warehouse, tapi pada faktanya secara sederhana sebagai
staging area untuk data yang akan dipindahkan ke dalam
data warehouse.
ODS dibuat saat sistem operasional tidak mampu
menyediakan persyaratan pelaporan. ODS dapat
menyediakan data yang telah di extract dari sistem sumber
dan sudah dibersihkan sehingga dapat membantu dalam
pembangunan data warehouse.
32
3. Extract Transform Load (ETL) Manager
ETL manager melakukan dan mengatur berbagai
aktifitas atau semua aplikasi yang terkait dengan data
ETL ke dalam data warehouse. Data akan diekstraksi
secara langsung dari sumber data atau dari sumber data
operasional.
4. Data Warehouse Manager
Data warehouse manager akan menangani semua
operasi yang berhubungan dengan data management dalam
data warehouse. Operasi-operasi yang dijalankan oleh data
warehouse manager, mencakup :
a. Menganalisis data untuk menjaga konsistensi.
b. Melakukan transformasi dan penggabungan sumber
data dari tempat penyimpanan sementara ke dalam
tabel – tabel data warehouse.
c. Membentuk indeks dan tampilan berbasis tabel.
d. Melakukan denormalisasi, jika dibutuhkan.
e. Melakukan aggregasi.
f. Menyimpan data dan melakukan backup data
5. Query Manager
Connolly dan Begg (2010:p1205) menyatakan bahwa,
query manager atau disebut juga sebagai komponen
backend yang dapat menjalankan semua operasi yang
berhubungan dengan manajemen query dari end-user.
Komponen ini secara khusus dibangun menggunakan tools
data akses backend dari vendor, tools monitoring data
warehouse, fasilitas database, dan program yang dibuat
berdasarkan user requirement.
33
6. Detailed Da ta
Detailed data merupakan penyimpan rincian semua
data dalam skema database dengan mengagregasi setiap
detail yang umumnya tidak disimpan secara online.
7. Lightly and Highly Summarized Data
Dengan tujuan untuk meningkatkan kecepatan
performa dari query. Data warehouse menyimpan semua
ringkasan data yang dihasilkan oleh manager warehouse
secara lightly dan highly.
8. Archive dan Backup Data
Dengan tujuan untuk menyimpan (archiving) dan
backup. Data warehouse menyimpan data yang terperinci
dan data yang telah diringkas.
9. Metadata
Data warehouse menyimpan semua data. Metadata ini
digunakan untuk berbagai tujuan, meliputi :
a. Melakukan proses penarikan dan penyimpanan
b. Melakukan proses management data warehouse
c. Merupakan bagian dari proses management query
10. End – user access tools
Tujuan dari data warehouse adalah menyediakan
informasi yang dapat berguna untuk para eksekutif dalam
melakukan analisis bisnis dan dapat menentukan strategi
dalam pengambilan keputusan. End-user acces tools dapat
dikategorikan menjadi 5 (lima) golongan utama, yaitu :
a. Reporting and Query Tools
Reporting tools meliputi report writer dan
production reporting tools. Query tools merupakan
34
relasional data warehouse yang didesain untuk
menerima SQL dan sintaksnya, untuk query
peminjaman data untuk data warehouse. Tools ini
melindungi end-user dari komplesitas SQL dan
struktur database. Production reporting tools
digunakan untuk menghasilkan laporan operasional
regular. Seperti order customer, invoice.
b. Application Development Tools
Kebutuhan menganalisis dan interaksi user
membutuhkan tingkat professional yang tinggi.
Sehingga application development tools mampu
memenuhi kebutuhan end-user untuk membuat
laporan yang built-in dan tools query yang tidak
tercukupi.
c. Executive Information System (EIS)
Executive Information System digunakan untuk
mengambil keputusan tingkat tinggi. Namun, sekarang
ini meluas untuk mendukung semua tingkat
manajemen. EIS mempunyai tools yang terhubung
dengan mainframe yang memungkinkan pengguna
membuat aplikasi untuk mengakses sumber data
eksternal dan aplikasi pendukung pengambilan
keputusan untuk menyajikan data organisasi.
d. Online Analitical Proccessing (OLAP) Tools
OLAP tools memungkinkan end-users untuk
menganalisis data yang kompleks dan tampilan yang
bersifat multidimensi berdasarkan konsep dari database
multidimensional.
35
e. Data Mining Tools
Data mining adalah proses pengumpulan,
pemakaian data historis untuk menemukan keteraturan
,pola dan hubungan set data yang berkururan besar.
Data mining memiliki potensi untuk menggantikan
kemampuan dari OLAP tools, sebagai tampilan utama
data mining memiliki kemampuan untuk membangun
prediksi.
Gambar 2. 9 The Basic Elements of the Data Warehoue
(Sumber Ralph Kimball et .al ,2010:p51)
Berikut penjelasan untuk elemen yang untuk mendesain
data warehouse :
1. Source System
Operasional sistem yang berfungsi mencatat transaksi
dari suatu bisnis. Source system biasa disebut juga
sebagai legacy system.
36
2. Data Staging Area
Data staging area adalah tempat penyimpanan data
sementara, untuk melakukan proses clean, transform,
combine, deduplicate, household, archive, dan
menyiapkan sumber data untuk digunakan data
warehouse. Staging area tidak diperuntukkan sebagai
sumber data untuk reporting karena datanya masih
kotor dan bersifat sementara.
3. Presentation Server
Presentation server adalah mesin dimana data dari
data warehouse di organisasikan dan disimpan untuk
dilakukan query oleh end user, reporting dan aplikasi
yang lain. Disini data disimpan dengan framework
dimmensional. Jika menggunakan relational database
maka tabel akan diorganisasikan dalam bentuk star
schema, namun jika tidak menggunakan relational
database maka akan disimpan dalam bentuk OLAP.
4. Dimensional Model
Dimension model adalah data modeling yang khusus
dipakai pada data warehouse, sebagai alternatif lain
dari E/R modeling yang biasanya dipakai pada sistem
transaksional.
5. Business Process
Business process adalah mengelompokkan sumber data
menurut kesamaan temanya. Misalnya finance,
marketing, production dan lain - lain. Setiap business
process akan diimplementasikan sebagai data marts.
37
6. Data mart
Data mart adalah potongan logika dari data warehouse
secara keseluruhan. Data mart bisa juga dilihat sebagai
potongan logika dari data warehouse terhadap suatu
business process tertentu.
7. Data warehouse
Data warehouse adalah sumber data yang bisa di query
dalam suatu perusahaan. Sebenarnya data warehouse
adalah gabungan dari beberapa data marts.
8. Operational Data Store
ODS adalah titik integrasi dari berbagai operasional
sistem karena, ODS juga mendukung access
operasional dan bisa di update maka ODS seharusnya
ditempatkan diluar data warehouse. Pada akhirnya
fungsi ODS juga berkembang menjadi semacam
desicision support karena ODS mengandung detail data
yang telah terintegrasi dari berbagai sumber data.
9. OLAP
OLAP juga disebut sebagai multidimensional database
(MDDB). OLAP sengaja dirancang untuk memudahkan
dan mempercepat query yang dilakukan pada MDDB.
Karakteristik dan sifat OLAP sangat berbeda dengan
OLTP karena memang mempunyai tugas dan fungsi
yang berbeda.
10. ROLAP (Relational OLAP)
Satu set antarmuka pengguna dan aplikasi yang
memberikan database relasional dimensi.
38
11. MOLAP (Multidimensional OLAP)
Satu set antarmuka pengguna, aplikasi, dan teknologi
multidimensi.
12. End User Application
End User Application adalah sekumpulan tool yang
bisa melakukan query, analisa data, dan menampilkan
informasi untuk mendukung kepentingan bisnis. Tool
juga dilengkapi dengan kemampuan untuk akses data,
fungsi spreatsheet, fungsi grafik, dan ada fasilitas
untuk menampilkan prompt dan menyederhanakan
tampilan screen pada end user.
13. End User Data Access Tool
Pada relational data warehouse, client dapat
mengirimkan SQL request ke server. End user data
access tool akan selesai pada SQL session untuk
menampilkan data dari suatu report, grafik, atau form.
14. Ad Hoc Query Tool
End user data access tool yang dibuat khusus sehingga
memungkinkan user untuk membuat query sendiri
secara langsung dengan cara memanipulasi relational
tables dan join pada tabel. Biasanya ad hoc query tool
dipaket menjadi satu dengan reporting tool.
15. Modeling Application
Data warehouse client yang canggih dengan
kemampuan analisis yang dapat merubah bentuk atau
menjadikan intisari dari output data warehouse.
Modeling ini termasuk didalamnya adalah:
39
1. Forecasting model, dapat digunakan untuk
memperkirakan masa depan.
2. Behaviour scoring model, dapat
mengklasifikasikan perilaku belanja customer.
3. Allocation model, dapat mengambil data cost dari
data warehouse lalu membagikan cost tersebut ke
semua product group atau customer group.
4. Terutama data mining tools.
16. Meta data
Meta data adalah semua informasi dalam lingkungan
data warehouse namun bukan hanya data itu sendiri,
misalnya informasi mengenai asal data source dari
aplikasi apa, tabel apa, field apa, formula bisnis
bagaimana, dan sebagainya. Meta data perlu dibuatkan
catalog, diberi version stamp, di dokumentasikan dan
di backup.
2.1.12. 6 Aliran Data Dalam Data Warehouse
Connolly dan Begg et al. (2010) menyatakan bahwa,
aliran data (data flows) yang ada pada data warehouse terdiri
dari 5 (lima) bagian, yaitu :
1. Inflow
Proses yang berhubungan dengan penarikan, pembersihan,
dan mengisi data dari sumber sistem ke dalam data
warehouse.
2. Upflow
Proses yang terhubung dengan menambahkan nilai ke data di
dalam data warehouse, melewati ringkasan pengepakan, dan
penyebaran data.
40
3. Downflow
Proses yang berhubungan dengan penyimpanan dan backup
data dalam data warehouse.
4. Outflow
Proses yang berhubungan dengan pembuatan data yang
tersedia untuk end-users.
5. Metaflow
Proses yang berkaitan dengan manajemen metadata.
2.1.12. 7 Tahapan Membangun Data Warehouse
Mengacu pada pendapat Kimball dan Ross (2010:p210)
ada sembilan langkah dalam membangun data warehouse yang
disebut dengan ‘Nine – Step Methodoly’, yaitu :
1. Memilih proses (Choose the process)
Memilih proses yang tepat akan mengacu pada pokok
data mart tertentu. Data mart yang pertama dibangun harus
tepat waktu, sesuai dengan anggaran dan mampu menjawab
berbagai macam permasalahan bisnis yang penting secara
komersial.
2. Memilih grain (Choose the grain)
Pemilihan grain yaitu menentukan apa saja yang akan
ditampilkan pada tabel fakta. Saat memilih grain untuk tabel
fakta, kita dapat mengidentifikasi tabel dimensi. Keputusan
grain untuk tabel fakta juga akan menentukan grain untuk
masing-masing tabel dimensi.
3. Mengidentifikasi dan menyesuaikan dimensi (Identify and
conform the dimensions)
Tahap selanjutnya adalah mengidentifikasi dimensi
sesuai dengan kebutuhan user. Dimensi mengatur konteks
untuk memberikan pernyataan tentang fakta di dalam tabel
41
fakta. Sebuah set dimensi yang dibangun dengan baik
membuat data mart menjadi lebih mudah dimengerti dan
digunakan.
4. Memilih fakta (Choose the fact)
Grain dari tabel fakta menentukan fakta mana yang
akan digunakan untuk data mart. Semua fakta harus
diekspresikan pada tingkat yang diajukan oleh grain. Fakta
tambahan dapat ditambahkan ke dalam tabel fakta kapan
pun, selama grain konsisten dengan tabel.
5. Menyimpan Pre-Calculation di dalam tabel fakta (Store
precalculations in the fact table)
Ketika tabel fakta sudah dipilih, masing-masing tabel
fakta tersebut harus dikaji ulang untuk menentukan apakah
masih ada peluang untuk melakukan suatu perhitungan atau
pre-calculations. Sebuah contoh dari kebutuhan umum untuk
menyimpan pre-calculation terjadi ketika fakta-fakta terdiri
dari keuntungan dan kerugian.
6. Melengkapi tabel dimensi (Round out the dimension tables)
Dalam tahap ini, kembali pada tabel dimensi dan
menambah sebanyak mungkin teks deskripsi ke dalam tabel
dimensi. Teks deksripsi sebaiknya intuitif dan mudah
dimenegerti oleh user.
7. Memilih durasi dari database (Choose the duration of the
database)
Durasi mengukur seberapa lama dan jauh untuk
kembali ke tabel fakta. Banyak perusahaan membutuhkan
untuk melihat jangka waktu yang sama selama satu atau dua
tahun sebelumnya.
42
8. Menentukan kebutuhan untuk melacak secara perlahan
perubahan dari dimensi (Determine the need to track slowly
changing dimensions)
Perubahan dimensi dapat terjadi seiring dengan
berjalannya waktu pada tabel dimensi. Perubahan yang
dimaksud adalah penambahan data ataupun perubahan data.
Ada 3 (tiga) jenis slowly changing dimensions :
a. Atribut dari dimensi yang berubah ditulis ulang.
b. Atribut dari dimensi yang berubah menyebabkan sebuah
record dimensi baru dibuat.
c. Atribut dari dimensi yang berubah menyebabkan sebuah
atribut alternative dibuat sehingga keduanya dapat
diakses di dalam record dimensi yang sama.
9. Menentukan desain fisik (Decide the physical design)
Dalam tahap ini kita akan membahas masalah desain
fisik. Desain fisik yang paling penting dan berpengaruh bagi
end-user terhadap data mart adalah urutan fisik dari tabel
fakta pada disk dan kehadiran disimpan pre-store atau
aggregations. Selain masalah-masalah tersebut ada masalah
desain fisik yang mempengaruhi administrasi, backup,
indexing performance dan keamanan.
2.1.12. 8 Faktor Manusia Terukur
Menurut Shneiderman dan Plaisant (2010:p32) untuk
membuat sistem perancangan antarmuka yang efisien, efektif
dan memuaskan, ada faktor-faktor pengukur yang dijadikan
sebagai evaluasi, yaitu :
1. Waktu pembelajaran
Lamanya waktu yang diperlukan user untuk mempelajari
cara penggunaan aksi yang berhubungan dengan tugas.
43
2. Kecepatan kinerja
Lamanya waktu yang diperlukan user untuk menyelesaikan
tugas.
3. Tingkat kesalahan yang dibuat User
Tingkat banyaknya kesalahan dan jenis kesalahan apa yang
dilakukan oleh user. Pengendalian kesalahan merupakan
komponen kritis dalam pembuatan interface.
4. Daya ingat
Bagaimana user dapat mempertahankan daya ingat mereka
mengenai interface setelah jangka waktu tertentu. Frekuensi
penggunaan interface akan meningkatkan daya ingat.
5. Tingkat kepuasan
Tingkat kepuasan user akan beberapa aspek interface yang
dapat diketahui dengan melakukan kuesioner dan interview.
2.1.12. 9 Model Dimensional
Connolly et al. (2010, p1227) menyatakan bahwa model
dimensional adalah sebuah perancangan logikal yang bertujuan
untuk menampilkan data dalam sajian yang sederhana dan
intuitif yang bisa diakses dengan performa yang tinggi dengan
konsep model hubungan antar entitas dengan beberapa batasan
yang penting.
Model dimensional yang sering digunakan adalah desain
bintang (star schema) atau snowflake yang mudah untuk
dimengerti dan sesuai dengan kebutuhan bisnis, mendukung
query sederhana dari bisnis, dan menyediakan performa query
yang superior dengan meminimalisasi tabel-tabel join.
Setiap model dimensi terdiri dari sebuah tabel dengan
sebuah composite key yang disebut dengan tabel fakta.
Sedangkan untuk set tabel yang lebih kecil disebut tabel
dimensi. Struktur karakteristik inilah yang disebut dengan skema
bintang atau join bintang. primary key dari sebuah tabel fakta
44
terdiri atas dua atau lebih foreign key dimana pada tiap tabel
dimensi terdapat sebuah simple primary key yang merespon
tepat pada satu komponen composite key di tabel fakta.
Hal penting lainnya dari sebuah model dimensional
adalah semua natural keys diganti dengan kunci pengganti
(surrogate key). Ini berarti bahwa setiap kali join antar tabel
fakta dengan tabel dimensi berdasarkan kunci pengganti, bukan
natural keys. Kegunaan dari kunci pengganti ini adalah
memperbolehkan data pada data warehouse untuk memiliki
kebebasan dalam penggunaan data.
2.1.12. 10 Extract, Transform and Load (ETL)
Inmon (2005:p497) menyatakan ETL merupakan proses
pencarian data, mengitegrasikannya, dan menempatkannya pada
sebuah data warehouse. Kimbal dan Ross (2002:p401) lebih
menjelaskan bahwa ETL merupakan proses yang menyiapkan
data dari operational source untuk data warehouse.
Kita ketahui bahwa baris data pada DW pada suatu
perusahaan biasanya berasal dari unit dan bagian yang berbeda
dan menggunakan sumber data yang berbeda seperti SQL
Server, MS Access, spreadsheets, ataupun notepads. Untuk
melakukan analisis pada sumber data yang berbeda-beda kita
perlu menyamakan format dari data dengan relasi yang tetap
utuh. Hal inilah yang menjadi konsep dari data warehouse.
Untuk menyamakan format data dari sumber yang berbeda-beda
kita melakukan proses ETL sebelum akhirnya memasukkan
semua data kedalam data warehouse. Setelah data bersifat
homogen, akan mudah untuk melakukan analisis pada data
tersebut.
ETL merupakan proses utama yang terjadi di belakang
staging area pada data warehouse, lebih diutamakan dari
presentasi atau proses query apapun. Proses ini terdiri dari
45
proses extracting, transforming, loading dan warehousing.
Berikut proses yang terjadi pada ETL :
1. Extract
Inmon (2005:p497) yang menyatakan bahwa proses
memilih data dari suatu environment dan memindahkannya
ke environtment lain. Extraction adalah proses ekstraksi data
dari source system untuk pemakaian lebih lanjut pada data
warehouse.
Extract merupakan langkah pertama dari ETL
dimana proses ini berperan untuk memilih data dari source
system (database dari Aplikasi OLTP) dan kemudian
memindahkannya ke staging area (STG) sebagai tempat
proses ETL selanjutnya berjalan. Hal yang perlu
diperhatikan pada proses ekstraksi ini adalah waktu, dan
tingkat kompleksitas data yang ada pada source system.
2. Transform
Transform pada proses ETL data warehouse adalah
proses memilih, merapikan, menyesuaikan, dan memberikan
atribut tambahan pada data agar data yang telah melalui
proses ekstraksi sebelumnya dapat masuk dan sesuai dengan
skema data warehouse yang ada. Adapun hal yang dilakukan
pada proses transform ini antara lain :
a. Cleansing. Tujuannya untuk menjaga konsistensi dan
integrity dari data pada masing-masing tabel karena data
pada data warehouse berasal dari berbagai sumber.
b. Melakukan perhitungan atau summarize sebagai nilai
baru untuk mengisi tabel fakta pada data warehouse.
c. Membuat Surrogate key dan Foreign key yang
berhubungan dengan Surrogate key yang bersesuaian.
d. Menggunakan berbagai bentuk validasi data baik yang
sederhana maupun yang kompleks.
46
e. Memisahkan atau memecah sebuah kolom menjadi
beberapa kolom terpisah.
3. Load
Tujuan dari proses load adalah agar data yang
sebelumnya sudah di transformasi dapat masuk ke dalam
data warehouse. Proses load baru akan berjalan apabila data
yang dihasilkan telah sesuai dengan kondisi pada data
warehouse.
2.1.12. 11 Skema Bintang (Star Schema) atau Star Join
Inmon (2005:p503) menjelaskan bahwa skema bintang
adalah sebuah struktur data dimana data didenormalisasi untuk
mengoptimalkan akses terhadap data. Skema bintang
merupakan dasar dari rancangan data mart multidimensi.
Skema bintang merupakan model data dimensional yang
memiliki sebuah tabel fakta pada posisi ditengah dikelilingi
oleh tabel dimensi yang telah didenormalisasi. Skema bintang
terdiri dari beberapa jenis, antara lain :
1. Skema bintang sederhana
Dalam simple star schema atau skema bintang sedehana,
tabel fakta atau tabel yang merupakan hasil summarized
sebagai masukan data warehouse, terdiri dari satu atau
beberapa foreign key. Sebuah foreign key adalah sebuah
kolom dalam suatu tabel yang nilainya ditentukan oleh
primary key dari tabel lain.
47
Gambar 2. 10 S kema Bintang Sederhana
(Sumber : Connolly dan Begg, 2010, p1228)
2. Skema bintang dengan beberapa tabel fakta
Pada skema bintang tabel fakta yang ada bisa lebih dari satu
dan table-tabel fakta tersebut bisa saja tidak saling
berhubungan.
48
Gambar 2. 11 Skema Bintang dengan Beberapa Tabel Fakta
3. Skema bintang majemuk
Salah satu ciri dari skema bintang ini adalah Primary key
dan Foreign Key yang berbeda. Foreign key bisa saja
terdapat dalam tabel dimensi yang mereferensikan primary
key di tabel dimensi lain. Tabel dimensi yang direferensikan
ini dinamakan outboard atau secondary dimension table.
Gambar 2. 12 Skema Bintang dengan Tabel Dimensi Tambahan
49
2.1.12. 12 Skema Snowflake
Connolly et al. (2010:p1229) mengemukakan bahwa
skema snowflake merupakan bentuk lain dari skema bintang
dimana tabel dimensi tidak bergantung data yang telah
dinormalisasi. Pada skema ini suatu tabel dimensi dapat
memiliki relasi dengan tabel dimensi lainnya. Tabel dimensi
dinormalisasi dengan dekomposisi pada tingkat atribut pada
hirarki dimensi. Kunci tingkat terendah menghubungkan tabel
dimensi dengan tabel fakta dan tabel atribut bertingkat rendah.
Keuntungan dari skema snowflake, antara lain: kecepatan
dalam memindahkan data dari OLTP ke dalam metadata,
sebagai kebutuhan dari alat pengambil keputusan tingkat tinggi
karena seluruh struktur dapar digunakan sepenuhnya, dan juga
kebanyakan orang beranggapan bahwa akan lebih nyaman jika
merancang dalam bentuk normal ketiga.
Kerugiannya adalah mempunyai masalah dalam hal
performance. Hal ini disebabkan oleh banyaknya join antar
tabel-tabel yang harus dilakukan dalam skema ini sehingga
kinerjanya lambat.
Gambar 2. 13 S kema Snowflake
(Sumber : Connolly dan Begg, 2010 p1229)
50
2.1.12. 13 Komponen Jaringan
Menurut Iwan Sofana(2012) dan Williams / Sawyer (2009), ada
beberapa komponen perangkat yang mendukung suatu jaringan, diantaranya:
• Router
Router adalah computer khusus yang bertugas untuk mengantarkan
pesan komunikasi ketika beberapa jaringan terhubung bersama.
Router berkecepatan tinggi bisa dipakai pada backbone internet atau
jalur transmisi lain untuk menangani lalu lintas data yang padat.
Router bekerja pada layer 3 (model OSI) atau layer Network. Router
juga Merupakan perangkat yang sering digunakan untuk
menghubungkan beberapa jaringan yang sama maupun berbeda dari
segi teknologinya, seperti menghubungkan jaringan yang
menggunakan topologi Bus,Star dan Ring serta digunakan untuk
membagi jaringan besar menjadi beberapa buah subnetwork (jaringan-
jaringan kecil). Setiap subnetwork seolah-olah terisolir dari jaringan
lain.
• Bridge
Bridge adalah sebuah antarmuka untuk menghubungkan jaringan yang
jenisnya sama. Misalnya, dua LAN yang serupa bisa digabungkan
untuk membentuk LAN yang lebih besar. Bridge bekerja pada layer 2
(model OSI) atau layer Data Link.
Pada bridge tidak dikenal istilah subnet.Semua segmen yang
dihubungkan oleh bridge akan dipandang sebagai sebuah subnet.
Bridge juga tidak membedakan network protocol address. Jadi, apa
pun protokol yang digunakan akan dapat diloloskan oleh bridge.
Bridge dapat mengenali alamat fisik host yang disebut MAC address
(Media Access Control) atau hardware address.Contoh MAC address
yaitu 00:16:d4:c9:e8:48.
51
Setiap host menggunakan NIC (Network Interface Card) yang
memiliki alamat hardware atau MAC address. MAC address bersifat
unik, artinya setiap hardware akan menggunakan alamat yang
berbeda. Bridge dapat “mencatat” MAC address setiap host yang
terhubung dengannya, sehingga dapat mengetahui host mana yang
satu segmen dan mana yang berbeda segmen. Perlu diingat bahwa
sebuah bridge hanya dapat menghubungkan dua buah segmen saja.
Jika kita ingin menghubungkan banyak segmen maka kita harus
menggunakan multiport bridge (switch).
Tabel 2. 1 Perbedaan Router dengan Bridge (Sumber :Iwan Sofana, 2012)
Router Bridge
Mendukung berbagai network protokol
address, seperti IP, IPX, AppleTalk.
Tidak mendukung network
protokol address. Hanya
mengenali MAC address.
Dapat mengubungkan beberapa subnet yang
menggunakan teknologi berbeda-beda.
Menghubungkan dua buah
segmen. Semua segmen dipandang
sebagai sebuah subnet.
Mampu memblok traffic antar-subnet. Tidak dapat memblok traffic
antar-subnet.
Cocok digunakan pada sembarang protokol
network.
Cocok digunakan pada protokol
non-routable seperti NetBIOS dan
DECnet.
Instalasi dan konfigurasi memerlukan keahlian
khusus.
Instalasi relatif mudah, dipasang
dan dinyalakan.
Cocok digunakan pada Internet dan Intranet. Cocok digunakan pada LAN atau
Intranet.
• Hub
Hub merupakan komponen utama dari sebuah roda sebagai tempat
untuk menyatukan jari-jari roda. Dalam istilah komputer, hub
52
merupakan titik koneksi semua peranti di jaringan-lokasi
mengumpulnya data yang datang dari satu arah atau lebih dan
diteruskan ke satu arah yang lain atau lebih. Dengan adanya hub,
bandwidth dibagi ke semua komponen. Hub bekerja pada layer 1
(model OSI) atau layer Physical. Hub sering digunakan untuk
menghubungkan segmen-segmen LAN. Sebuah hub berisi banyak
port. Ketika semua paket datang pada salah satu port, paket tersebut
disalin ke port lain sehingga semua segmen LAN dapat melihat semua
paket. Hub disebut peranti half-duplex yang berarti bahwa hub bisa
mentransmisikan data dalam dua arah, tetapi dalam satu waktu hanya
bisa melayani satu arah.
• Switch
Switch merupakan peranti yang menghubungkan komputer ke
jaringan. Tidak seperti hub, switch hanya mengirim pesan pada
komputer yang memang dituju. Switch merupakan peranti full-duplex
yang berarti bahwa data bisa dikirim dalam dua arah pada saat
bersamaan sehingga kinerja jaringan menjadi lebih baik. Switch juga
memungkinkan setiap komponen bisa memakai bandwidth secara
penuh. Switch biasanya hanya digunakan dalam konfigurasi tertentu;
hub dan switch bisa dipakai bersama-sama. Switch juga bekerja pada
layer 2.
• Gateway
Gateway merupakan antarmuka yang memungkinkan komunikasi
antar jaringan yang tidak sama-misalnya, antara LAN dan WAN atau
antardua LAN yang memiliki sistem operasi jaringan atau struktur
berbeda. Gateway bisa berupa perangkat keras, perangkat lunak, atau
kombinasi keduanya.
53
• Backbone
Backbone terdiri dari “jalan raya” utama-termasuk gateway, router,
dan peralatan komunikasi lain-yang menghubungkan seluruh jaringan
komputer dalam sebuah organisasi. Orang-orang menyebutnya
backbone internet karena merupakan struktur utama yang
menghubungkan elemen-elemen internet yang lain.
2. 2 Teori Khusus
2.2. 1 Dashboard
Menurut Turban (2011:p 137), Dashboard adalah komponen
yang umumnya memiliki Performance Management Systems,
Performance Measurement Systems, BPM Suites, dan BI Pla tforms.
Dashboard menyediakan tampilan visual dar i informasi p enting y ang
disatukan dan diatur dalam sebuah layar tunggal sehin gga infor masi dapat
dipahami cukup dengan sekali lih at, serta mudah untuk dieksplorasi.
2.2. 2 Dashboard Design
Turban (2011:p 138), mengutip dari Eckerson (2006) pakar yang
terkenal dalam bidang BI dan dashboard secara umum, fitur yang paling
dapat dibedakan dari sebuah dashboard adalah tiga lapisan informasinya,
yaitu:
• Monitoring
Data abstrak dan grafis untuk memonitor key performance
metrics.
• Analysis
Dimensi data yang dirangkum untuk dianalisis akar
permasalahanny a.
• Management
Data operasional yang terperinci y ang men gidentifikas i tentang
tindakan yang harus dilakuk an untuk meny elesaikan masalah.
2.2. 3 Karakteristik Dashboard
54
Menurut Turban (2011:p139), semua dashboard y ang dirancan g
den gan baik akam memiliki k arakteristik sebagai b erikut:
• Dashboard menggunakan komponen visual untuk menggaris
bawahi secara sekilas, data dan pengecualian yang
membutuhkan tindakan.
• Dashboard bersifat transparan terhadap pengguna, yang artinya
pengguna cukup membutuhkan sedikit pelatihan dan mudah
untuk menggunakan dashboard tersebut.
• Dashboard menggabungkan data dari berbagai macam sistem
menjadi sebuah tampilan bisnis y ang tunggal, ringkas, tergabung
menjadi satu.
• Dashboard memungkinkan drill-down atau drill-through
terhadap sumber data atau laporan yang ada dan menyediakan
konteks yang dapat dibandingkan dan dievaluasi secara lebih
terperinci.
• Dashboard menyediakan sebuah tampilan dinamis dan nyata
dari data yang diperbaharui secara berkala.
• Dashboard memungkinkan pengguna untuk tetap mendapatkan
informasi baru tentang setiap perubahan di dalam bisnis.
• Dashboard membutuhkan sedikit perubahan kode program
untuk dikirim, diimplementasikan, dan dirawat.
2.2. 4 Inventory
Menurut Freddy Rangkuti (2004, p1) bahwa persediaan (inventory)
adalah merupakan bahan-bahan, bagian yang disediakan, dan bahan-bahan
dalam proses yang terdapat dalam perusahaan untuk proses produksi, serta
barang-barang jadi atau produksi yang disediakan untuk memenuhi
permintaan dari konsumen atau pelanggan setiap waktu. Invetory memiliki
beberapa faktor untuk dipertahankan, antara lain :
55
1. Demand Surges
Merupakan lonjakan permintaan yang melebihi kapasitas produksi.
2. Economies of Scale
Skala ekonomi yang akan digunakan pada proses produksi dan di
transportasi.
3. Transportation takes time
Jarak antara titik produksi dan titik konsumsi menunjukkan bahwa
transportasi membutuhkan waktu.
4. Uncertainty
Baik penawaran dan permintaan merupakan hal yang tidak pasti tetapi,
pembeli menggunakan safety stock sebagai perlindungan nilai terhadap
resiko ketidakpastian.
5. Inventory Holding Costs. Menggunakan persediaan, kemudian,
menghemat uang, tetapi juga memiliki biaya pada:
a. Capital : biaya internal dana dikalikan dengan nilai persediaan.
b. Storage : kontrol iklim, keamanan, asuransi, dan sejenisnya.
c. Obsolescence : kehilangan nilai karena produk sudah usang. Hal ini
dapat disebabkan oleh perubahan selera konsumen.
d. Quality : Penurunan kualitas
2.2. 5 Persediaan (Asset)
Mulyadi (2001:p553) menyatakan bahwa, Dalam perusahaan dagang,
persediaan hanya terdiri dari satu golongan, yaitu persediaan barang dagangan,
yang merupakan barang yang dibeli untuk tujuan dijual kembali. Persediaan
adalah nilai dari sesuatu yang dimiliki oleh perusahaan. Salah satu yang
termasuk asset adalah gedung atau bangunan yang dimiliki oleh perusahaan.
Jadi, apabila suatu perusahaan memiliki gedung senilai satu miliar rupiah,
maka asset yang dihitung adalah satu miliar rupiah tersebut.
2.2. 6 Kredit
Mulyadi (2001:p202) menyatakan bahwa, transaksi penjualan kredit,
jika order dari pelanggan telah dipenuhi dengan pengiriman barang atau
penyerahan jasa,untuk jangka waktu tertentu perusahaan memiliki piutang
56
kepada pelanggannya. Pengertian kredit sering disamakan dengan pinjaman,
yaitu apabila seseorang mendapat kredit berarti mendapat pinjaman. Dengan
demikian, kredit dapat diartikan sebagai tiap-tiap perjanjian suatu jasa dan
adanya balas jasa di masa yang akan datang. Seseorang atau perusahaan yang
akan melakukan kredit harus mempunyai kredibilitas, atau kelayakan
seseorang untuk memperoleh kredit.
2.2. 7 Kontrak
Menurut Kamus Besar Bahasa Indosisa (2008:p751), kredit adalah
perjanjian yang dilakukan secara tertulis antara dua pihak dalam
perdagangan, sewa-menyewa dan sebagainya.
2.2. 8 Report
Menurut Mulyadi (2001:p5), laporan merupakan hasil akhir dari
sebuah proses yang berisi informasi yang keluar dari sebuah sistem.
Laporan dapat berbentuk hasil cetak komputer dan tayangan pada layar
monitor komputer.
2.2. 9 SQL Server Management Studio (SSMS)
SQL Server termasuk SQL Server Management Studio, sebuah suite
terintegrasi baru alat manajemen dengan fungsi untuk mengembangkan,
menyebarkan, dan atasi masalah database SQL Server, serta perangkat
tambahan untuk fungsi sebelumnya.
2.2. 10 SQL Server Analysis Server (SSAS)
Basis dari solusi intelijen bisnis yang ampuh (powerful), dan
mendukung aplikasi-aplikasi OLAP (Online Analytical Processing), serta data
minning.
2.2. 11 SQL Server Report Service (SSRS)
SSRS merupakan kelanjutan proses dari SSIS dan SSAS. SSRS adalah
Reporting services proses penyajian data menjadi sebuah bentuk report yang
berguna kepada user.
57
Dalam jurnal Sulistyo heripracoyo (2011:p262) Sebuah model laporan
sama sekali berbeda. Laporan dari definisi yang user friendly dapat dibangun
tanpa harus memiliki pengetahuan tentang struktur tabel, nama field, aturan
bisnis dan join (tentu saja model harus didefinisikan terlebih dahulu oleh
seseorang yang melakukan) yang kemudian meninggalkan pembuatan laporan
di tangan analis, bukan programmer.
Reporting Services (SQL Server Reporting Services/SSRS) adalah suatu
sistem yang dikembangkan oleh Microsoft untuk membantu dalam pembuatan
laporan. SSRS adalah murni piranti (tool) pelaporan; abstrak dari sebuah
sumber data. Laporan dapat dibuat langsung terhadap database OLTP yang
aktif. Untuk maksud laporan juga dapat dibangun terhadap data warehouse
(SQL) atau terhadap cubes yang sudah ditetapkan. Selain itu, laporan juga
dapat dibangun langsung terhadap datasources lain seperti Oracle, Access dan
sebagainya.SSRS mencakup semua bagian pengembangan dan manajemen
yang perlu untukmem-publish laporan pemakai akhir (end user) dalam bentuk
HTML, PDF, Excel, CSV, MS WORD,dan jenis lainnya. Reporting services
mempunyai arsitektur yang cukup komplek. Mencakup development
tools,administration tools, report viewers. SSRS awalnya dirilis sebagai
tambahan terpisah pada SQL Server 2000, saat ini semua bagian reporting
server dipaketkan (bundled) dalam SQL Server 2005 dan 2008.
2.2. 12 SQL Server Integration Service (SSIS)
SQL Server Integration Services (SSIS) adalah suatu platform untuk
membangun sistem yang handal untuk integrasi data, solusi workflow
termasuk extraction, transformation, dan loading (ETL) yang banyak
digunakan pada data warehousing.