11

BAB 2

LANDASAN TEORI

2.1 Teori-teori umum

2.1.1 Pengertian data

Menurut Peter Rob, Carlos Coronel (2009, p5), data adalah fakta

mentah. Kata “mentah” menunjukkan bahwa fakta-fakta tersebut belum

diproses untuk mengungkapkan makna mereka.

Menurut O’brien (2005, p38), data adalah fakta atau observasi

mentah yang biasanya mengenai fenomena fisik atau transaksi bisnis.

Sedangkan menurut Connolly (2005, p19), data adalah komponen

yang paling penting dalam DBMS dari sudut pandang end-user. Data

bertindak sebagai jembatan yang menghubungkan antara mesin dengan

pengguna.

2.1.2 Pengertian metadata

Menurut Inmon (2005, p500), metadata adalah data dari sebuah data

yang mendeskripsikan struktur, isi, kunci, index, dan lain-lain mengenai data

tersebut.

Sedangkan menurut Connolly (2002, p1055), metadata memiliki

beberapa tujuan dalam data warehouse yaitu:

1. Proses extraction dan loading

12

Metadata digunakan untuk memetakan sumber data ke pandangan

umum dari data yang berbeda dalam warehouse.

2. Proses manajemen warehouse

Metadata digunakan untuk mengotomatisasi produksi dari tabel

ringkasan.

3. Bagian dari proses manajemen query

Metadata digunakan untuk menghubungkan suatu query ke sumber data

yang paling sesuai.

Struktur dari metadata berbeda pada masing-masing proses karena

tujuannya juga berbeda. Ini menunjukkan bahwa beberapa metadata yang

mendeskripsikan data yang sama disimpan ke dalam data warehouse.

2.1.3 Pengertian informasi

Menurut Peter Rob, Carlos Coronel (2009, p6), informasi adalah

hasil pengolahan data mentah untuk mengungkapkan artinya. Pengolahan

data dapat sesederhana seperti mengorganisasi data untuk mengungkapkan

suatu pola atau serumit seperti membuat perkiraan atau menarik kesimpulan

menggunakan pemodelan statistik.

Sedangkan menurut O’brien (2005, p38), informasi merupakan data

yang telah diubah menjadi konteks yang berarti dan berguna bagi pemakai

akhir tertentu.

Informasi dapat diklasifikasikan ke dalam 4 dimensi antara lain:

1. Ketepatan waktu – suatu informasi harus tersedia tepat pada waktunya

dan tidak boleh terlambat.

13

2. Kelengkapan – suatu informasi haruslah dapat memberikan gambaran

dengan lengkap dari suatu permasalahan maupun penyelesaian.

3. Akurasi – suatu informasi haruslah akurat atau bebas dari kesalahan dan

tidak menyesatkan.

4. Relevansi – suatu informasi haruslah relevan dengan situasi yang ada

dan dapat memberikan manfaat bagi pemakainya.

2.1.4 Pengertian sistem

Menurut Carlo Vercellis (2009, p21), sistem adalah entitas-entitas

yang mana masing-masing terdiri dari satu set komponen yang dalam

beberapa cara terhubung satu sama lain sehingga memberikan hasil kolektif

tunggal dan tujuan yang sama.

Sedangkan menurut O’brien (2005, p5), sistem merupakan

sekelompok dari elemen-elemen yang saling berhubungan atau saling

mempengaruhi yang membentuk kesatuan.

2.1.5 Pengertian sistem informasi

Menurut Karl Eugen Kurbel (2008, p4), sistem informasi adalah

suatu sistem berbasis komputer yang memproses informasi dan data yang

diinput, menyimpan informasi, mengambil informasi, dan menghasilkan

informasi baru untuk menyelesaikan beberapa tugas secara otomatis atau

untuk mendukung manusia dalam hal mengontrol, mengoperasikan, dan

mengambil keputusan organisasi.

14

Sedangkan menurut O’brien (2005, p5), sistem informasi memiliki

pengertian sebagai suatu kesatuan dari manusia, software, hardware,

jaringan komunikasi, dan sumber data melalui pengumpulan, pengubahan,

dan penyebaran informasi dalam suatu organisasi. Aktivitas dari sistem

informasi terbagi menjadi lima, yaitu: input, processing, output, storage,

control.

2.1.6 Pengertian basis data

Menurut Peter Rob, Carlos Coronel (2009, p6), basis data adalah

struktur komputer yang terpadu dan bersama yang menyimpan:

1. Kumpulan data end-user, yaitu fakta-fakta mentah yang menarik bagi

end-user.

2. Metadata, data tentang data, yang mana data end-user terintegrasi dan

dikelola.

Menurut O’brien (2005, p211), basis data adalah kumpulan

terintegrasi dari elemen data yang saling berhubungan secara logikal.

Sedangkan menurut Connoly (2005, p2), basis data adalah kumpulan

data yang terhubung secara logikal, dan deskripsi dari data tersebut, yang

dirancang untuk memenuhi kebutuhan informasi dari suatu organisasi.

2.1.7 Pengertian sistem basis data

Menurut Peter Rob, Carlos Coronel (2009, p19), sistem basis data

adalah sebuah komponen organisasi yang mendefinisikan dan mengatur

15

pengumpulan, penyimpanan, manajemen, dan penggunaan data dalam

lingkungan database.

2.1.8 Pengertian DBMS (database management system)

Menurut Peter Rob, Carlos Coronel (2009, p7), DBMS adalah

kumpulan program yang mengelola struktur database dan mengontrol akses

ke data yang disimpan ke dalam database.

Sedangkan menurut Connoly (2005, p16), DBMS adalah sebuah

sistem perangkat lunak yang memungkinkan pengguna untuk

mendefinisikan (define), membuat (create), memelihara (maintain), dan

mengontrol (control) akses ke database.

2.1.9 Pengertian STD (State Transition Diagram)

Menurut Whitten (2007, p663), state transition diagram digunakan

untuk memodelkan siklus hidup dari sebuah obyek. Diagram ini

menggambarkan state-state yang berbeda yang dapat dimiliki oleh sebuah

obyek, event-event yang dapat menyebabkan state dari obyek berubah pada

waktu tertentu, dan sejumlah peraturan yang mengatur transisi obyek dari

state yang satu ke state yang lainnya. Dengan kata lain, diagram ini

menspesifikasikan dari state mana sebuah obyek diijinkan untuk melakukan

transisi ke state yang lainnya serta kondisi-kondisi yang harus dipenuhi.

Notasi yang terdapat pada state transition diagram yaitu:

16

Tabel 2.1 Notasi pada state transition diagram

Lambang Pengertian Penjelasan

Initial Object State

Kondisi awal dari

sebuah obyek selama

masa hidupnya

End Object State

Kondisi akhir dari

sebuah obyek selama

masa hidupnya

State Transition Event

Kejadian yang

membuat suatu

perubahan pada obyek

state

Activity

Aktivitas yang

dilakukan oleh obyek

setelah menerima

transisi

17

Gambar 2.1 Contoh state transition diagram

(Sumber: Whitten dan Bentley, 2007, p664)

2.1.10 Pengertian DFD (Data Flow Diagram)

Menurut Whitten (2007, p317), data flow diagram adalah sebuah

model proses yang digunakan untuk menggambarkan aliran data yang ada

dalam sebuah sistem atau proses yang dijalankan oleh sistem. Yang

membedakan data flow diagram dengan flowchart adalah data flow

diagram menunjukkan aliran dari data sedangkan flowchart menunjukkan

18

aliran kontrol dari suatu program. Sebuah data flow diagram dapat juga

digunakan untuk visualisasi dari proses data.

Notasi yang terdapat pada data flow diagram yaitu:

Tabel 2.2 Notasi pada data flow diagram

Lambang Pengertian Penjelasan

External Agent

Manusia, organisasi,

atau unit organisasi

yang berinteraksi

dengan sistem

Process Name

Nama proses yang

dikerjakan oleh sistem

Data Flow

Arus data yang keluar

dan yang masuk dalam

sistem

Data Store

Tempat penyimpanan

data

19

Gambar 2.2 Contoh data flow diagram

(Sumber: Whitten dan Bentley, 2007, p318)

2.1.11 Pengertian data mart

Menurut Inmon (2005, p494), data mart merupakan struktur data

yang berpusat pada departemen-departemen tertentu. Data tersebut

diambil dari data warehouse dimana data sudah didenormalisasikan

untuk memenuhi kebutuhan informasi dari suatu departemen.

20

Menurut Kimball (2002, p396), data mart merupakan himpunan

bagian logikal dan fisikal dari presentation area data warehouse. Tujuan

dari data mart adalah untuk menjawab masalah-masalah khusus yang

terdapat dalam sebuah bisnis.

Sedangkan menurut Connolly (2002, p1067), data mart

merupakan himpunan bagian dari sebuah data warehouse yang

mendukung kebutuhan dari departemen atau fungsi bisnis tertentu.

Bentuk dari data mart bisa berdiri sendiri atau terhubung ke data

warehouse pusat perusahaan.

2.1.12 Pengertian data warehouse

Menurut Turban (2008, p209), data warehouse adalah kumpulan

data yang dihasilkan untuk mendukung pengambilan keputusan serta

merupakan sebuah gudang data baik data sekarang maupun data historis

yang menarik bagi para manajer di seluruh organisasi. Data biasanya

terstruktur dan tersedia dalam bentuk yang sudah siap dipakai untuk

kegiatan proses analisis (misalnya proses analisis online (OLAP), data

mining, querying, reporting, dan aplikasi decision support lainnya).

Sebuah data warehouse adalah koleksi data yang subject-oriented,

integrated, time-variant, dan nonvolatile dalam mendukung proses

pengambilan keputusan manajemen.

Menurut Kimball dan Caserta (2004, p23), data warehouse adalah

sebuah sistem yang mengekstrak, membersihkan, menyesuaikan diri, dan

mengirimkan sumber data ke dalam sebuah penyimpanan data

21

dimensional dan mendukung serta mengimplementasikan query dan

analisis untuk tujuan pengambilan keputusan.

Sedangkan menurut Inmon (2005, p495), data warehouse adalah

sebuah kumpulan dari database-database yang saling terintegrasi,

berorientasi pada subyek yang dirancang untuk mendukung fungsi DSS

(decision support system), dimana masing-masing unit dari data saling

berkaitan pada waktu tertentu. Data warehouse terdiri dari data-data yang

bersifat atomik dan berisi kesimpulan-kesimpulan.

2.1.13 Pengertian OLAP (Online Analytical Processing)

Menurut Michael Schrader (2009, p4), OLAP adalah teknologi

yang mendukung kegiatan mulai dari self-service reporting dan analisis

dengan manajemen aplikasi yang dibuat seperti sistem perencanaan dan

penganggaran.

Menurut Turban (2007, p262), OLAP memiliki beberapa tipe

yaitu:

1. Multidimensional OLAP (MOLAP)

MOLAP meringkas transaksi menjadi gambaran multidimensional.

Data diorganisasi ke dalam cube yang dapat dirotasi oleh user.

Dengan MOLAP, query dapat dilakukan dengan cepat karena

konsolidasi data telah dilakukan.

2. Relational OLAP (ROLAP)

ROLAP adalah ketika basis data OLAP diimplementasikan pada basis

data relasional yang sudah ada. ROLAP mengambil data dari basis

22

data relasional. ROLAP lebih sering digunakan pada data dengan

atribut yang banyak, yang tidak dapat dipindahkan ke struktur cube.

3. Database OLAP dan Web OLAP

Database OLAP mengacu pada sistem manajemen basis data

relasional yang didesain untuk menyediakan struktur OLAP dan

menjalankan perhitungan OLAP. Web OLAP mengacu pada data

OLAP yang dapat diakses dari web browser.

4. Desktop OLAP

Desktop OLAP menyangkut tools OLAP yang biayanya rendah dan

sederhana yang dapat melakukan analisis multidimensional lokal dan

presentasi data ke mesin klien dari basis data relasional dan

multidimensional.

2.1.14 Diagram

Menurut Richard Lungan (2006, p21), diagram merupakan

gambaran visual data yang disajikan dalam bentuk gambar-gambar.

Manfaat diagram yaitu:

1. Lebih mudah ditanggapi dibandingkan dengan tabel.

2. Lebih sederhana.

3. Memberi gambaran permasalahan yang mengesankan dan tidak

menjemukan.

4. Lebih mudah menarik perhatian.

5. Dapat diinterpretasikan dengan lebih cepat.

6. Lebih efektif digunakan untuk membandingkan beberapa keadaan.

23

Selain manfaatnya diagram mempunyai beberapa kelemahan

antara lain:

1. Diagram hanya merupakan gambaran atau pendekatan visual, oleh

karena itu diagram tidak dapat digunakan untuk hal-hal yang

memerlukan tingkat ketelitian tinggi.

2. Informasi yang ditampilkannya sangat terbatas.

3. Perbedaan-perbedaan yang kecil tidak tampak.

4. Diagram yang berdimensi lebih dari dua sukar untuk digambarkan.

Diagram dapat dibedakan atas:

1. Diagram batang (bar chart)

Gambar 2.3 Diagram batang

(Sumber: Richard Lungan, 2006, p22)

Jika nama data cukup panjang sehingga balok-balok pada

diagram batang berjauhan, sebaiknya balok-balok tersebut tidak

dibuat mendatar. Diagram batang dua komponen digunakan untuk

membandingkan dua kasus. Sedangkan diagram batang dua arah

0

1

2

3

4

5

6

Category 1

Category 2

Category 3

Category 4

Series 1

Series 2

Series 3

24

digunakan untuk membandingkan dua kejadian atau kasus yang

saling berlawanan.

2. Diagram lingkar (pie chart)

Diagram lingkar digunakan untuk membandingkan beberapa

kasus atau beberapa kelompok data. Misalnya, pada saat kita ingin

membandingkan keuntungan dari beberapa usaha, jumlah penduduk

di beberapa daerah, dan jumlah mahasiswa di beberapa perguruan

tinggi.

Masing-masing kelompok data dapat dibandingkan dengan

kelompok lainnya dengan cara membandingkan besarnya luas sektor

atau besarnya sudut pusat lingkaran yang mewakili masing-masing

kelompok data.

Gambar 2.4 Diagram lingkar

(Sumber: Richard Lungan, 2006, p24)

Sales

1st Qtr

2nd Qtr

3rd Qtr

4th Qtr

25

3. Diagram lambang (pictograph)

Diagram lambang menampilkan data dalam bentuk lambang-

lambang sesuai dengan jenis dan nilai data. Misalnya kita ingin

menyajikan data perkembangan produksi TV dari tahun ke tahun,

dimana setiap 100.000 buah TV ditampilkan dengan sebuah gambar

TV. Atau perkembangan jumlah penduduk Indonesia dari tahun ke

tahun, di mana setiap 1.000.000 orang ditampilkan dengan satu

gambar orang.

Gambar 2.5 Diagram lambang

(Sumber: Dini Afriyanti, 2007, p37)

4. Diagram peta (kartogram)

Diagram peta merupakan keterangan statistik berupa lambang-

lambang pada peta. Diagram peta sering dijumpai pada peta ilmu

bumi atau pada pameran-pameran pembangunan, di mana beberapa

wilayah pada peta diberi lambang-lambang untuk menandai

kekhususan dari wilayah yang bersangkutan. Misalnya suatu wilayah

pada peta diberi gambar pohon kelapa, menandakan bahwa wilayah

yang bersangkutan merupakan wilayah penghasil kelapa.

26

Gambar 2.6 Diagram peta

(Sumber: Judith A. Tyner, 2010, p196)

5. Diagram garis (line chart)

Diagram garis digunakan untuk mengetahui perkembangan

satu atau beberapa kelompok data dari waktu ke waktu.

Gambar 2.7 Diagram garis

(Sumber: Richard Lungan, 2006, p27)

0123456

Series 1

Series 2

Series 3

27

6. Diagram wilayah (range chart)

Diagram wilayah atau diagram ulas dapat digunakan untuk

memperkirakan atau membandingkan beberapa hal dalam periode

tertentu. Misalkan kita ingin mengetahui suhu kota Jakarta selama 24

jam terakhir. Untuk maksud tersebut, suhu udara minimum dan

maksimum dapat dicatat setiap jam. Titik-titik selama 24 jam

dihubungkan sehingga diperoleh grafik suhu maksimum. Wilayah

yang dibatasi grafik suhu minimum dan maksimum dinamakan

diagram wilayah.

Gambar 2.8 Diagram wilayah

(Sumber: Richard Lungan, 2006, p28)

2.1.15 Pengertian business intelligence

Menurut Steve Williams (2007, p2), business intelligence

mengkombinasikan produk, teknologi, dan metode untuk mengorganisir

informasi kunci yang dibutuhkan manajemen untuk meningkatkan

keuntungan dan performa. Lebih umumnya, business intelligence adalah

informasi bisnis dan analisis bisnis di antara konteks dari proses bisnis

05101520253035

Series 1

Series 2

28

utama yang menentukan keputusan dan tindakan dan semua itu

menghasilkan performa bisnis yang meningkat. Secara khusus, business

intelligence artinya meningkatkan aset informasi di antara proses-proses

bisnis utama untuk mencapai performa bisnis yang meningkat. Semua itu

melibatkan informasi bisnis dan analisis yang:

1. Digunakan di antara konteks proses-proses bisnis utama.

2. Mendukung keputusan dan tindakan.

3. Menuntun pengembangan performa bisnis.

Gambar 2.9 What business intelligence means in practice

(Sumber: Steve dan Nancy, 2007, p3)

Bagi bisnis, fokus utamanya adalah meningkatkan pendapatan dan

mengurangi biaya, dengan demikian akan meningkatkan performa dan

29

meningkatkan penghasilan. Bagi sektor publik, fokus utamanya adalah

pelayanan bagi masyarakat, mengatasi keterbatasan anggaran, dan

menggunakan segala sumber daya dengan bijaksana dalam mendukung

misi kantor.

Menurut Robert Stackowiak (2007, p3), business intelligence

dapat didefinisikan sebagai akses yang tepat ke data atau informasi yang

dibutuhkan untuk membuat keputusan bisnis yang tepat pada saat yang

tepat. Data tersebut dapat berupa data mentah ataupun data yang telah

dianalisis sebelumnya. Dengan adanya akses informasi semacam ini,

memungkinkan pengelolaan bisnis dilakukan berdasarkan fakta, bukan

dengan mengandalkan intuisi.

2.1.16 Pengertian portal

Menurut Efraim Turban (2006, p46), portal adalah sebuah titik

akses melalui web browser untuk informasi bisnis di dalam atau di luar

organisasi.

Ada enam tipe portal (Efraim Turban, 2006, p47) yaitu:

• Commercial (public) portals. Portal ini menawarkan beragam konten

untuk komunitas dan merupakan portal paling popular di internet.

Contohnya adalah yahoo.com.

• Corporate portals. Portal perusahaan menyediakan akses ke konten

yang kaya hanya untuk perusahaan-perusahaan tertentu dan partner-

partnernya, biasanya dikenal dengan sebutan enterprise portals atau

30

enterprise information portals. Contohnya adalah intra.garuda-

indonesia.com (corporate portal milik PT.Garuda Indonesia).

• Publishing portals. Portal ini ditujukan bagi komunitas dengan

kepentingan tertentu. Contohnya adalah indonesiakreatif.net.

• Personal portals. Portal yang menyediakan informasi spesifik yang

telah disaring untuk individu. Contohnya adalah igoogle.

• Mobile portals. Portal yang diakses melalui mobile device. Contohnya

adalah i-mode.

• Voice portals. Portal yang diakses melalui telepon atau ponsel.

Contohnya adalah voice portal Bakrie Telecom pada Esia dan

Wifone.

2.2 Teori-teori khusus

2.2.1 Pendekatan data warehouse

2.2.1.1 Karakteristik data warehouse

Menurut Inmon (2995, p29), data warehouse memiliki

empat karakteristik utama, yaitu sebagai berikut:

1. Subject-Oriented

Pengertian dari subject-oriented adalah data warehouse

didesain untuk menganalisis data berdasarkan subyek-subyek

tertentu yang terdapat dalam organisasi, bukan pada proses atau

fungsi aplikasi tertentu.

31

Data warehouse diorganisasikan di sekitar subyek-

subyek utama dari perusahaan, dan tidak diorganisasikan pada

area-area aplikasi utama. Hal ini dikarenakan kebutuhan dari

data warehouse untuk menyimpan data-data yang bersifat

sebagai penunjang suatu keputusan daripada aplikasi yang

berorientasi terhadap data. Sebagai contoh, subyek utama untuk

perusahaan asuransi terdiri dari nasabah, kebijakan atau

peraturan, premi, dan klaim. Untuk perusahaan manufaktur,

subyek utama terdiri dari produk, pesanan, vendor, dan bahan

baku. Untuk perusahaan retail, subyek utama terdiri dari produk,

penjualan, vendor, dan sebagainya. Setiap jenis perusahaan

memiliki kelompok subyeknya masing-masing yang bersifat

unik. Jadi dengan kata lain, data yang disimpan adalah

berorientasi kepada subyek, bukan terhadap proses.

Gambar 2.10 Contoh orientasi subyek terhadap data

(Sumber: Inmon, 2005, p30)

32

2. Integrated

Data warehouse dapat menyimpan data-data yang

berasal dari sumber-sumber yang terpisah ke dalam suatu

format yang konsisten dan saling terintegrasi antara satu dengan

yang lainnya. Dengan demikian, data yang terdapat dalam data

warehouse tidak dapat memiliki bentuk yang bermacam-macam

walaupun memiliki maksud dan tujuan yang sama. Dengan

adanya data yang bersifat konsisten, maka para pengguna dapat

mengakses data yang seragam atau sama.

Gambar 2.11 Persoalan mengenai integrasi data

(Sumber: Inmon, 2005, p31)

33

3. Time Variant

Time variant memberikan pengertian bahwa setiap unit

dari data yang terdapat dalam data warehouse bersifat akurat

pada satu waktu tertentu. Dalam beberapa kasus, sebuah record

menujukkan data yang berhubungan dengan waktu. Pada kasus

lain, sebuah record menunjukkan data yang berupa tanggal

transaksi. Tetapi dalam setiap kasus, ada beberapa bentuk yang

memperlihatkan kapan suatu data yang terdapat dalam record

bersifat akurat.

Gambar 2.12 Persoalan mengenai time variant

(Sumber: Inmon, 2005, p32)

4. Nonvolatile

Karakteristik terakhir dari data warehouse adalah non-

volatile. Pada data operasional, data secara berkala diakses dan

dimanipulasi setiap record pada waktu tertentu. Data-data

tersebut diupdate pada lingkungan operasional untuk

menunjang tugas-tugas operasional, tetapi data yang terdapat

34

dalam data warehouse memiliki karakterisktik yang berbeda

dengan data operasional. Data yang terdapat dalam data

warehouse dipanggil dan diakses, tetapi data tersebut tidak

diperbaharui. Jadi ketika dipanggil, data tersebut dipanggil

dalam bentuk yang statis. Ketika ada beberapa perubahan pada

data terjadi, sebuah snapshot baru dari data disimpan sehingga

data-data yang bersifat historis disimpan dalam data warehouse.

Gambar 2.13 Persoalan mengenai nonvolatile

(Sumber: Inmon, 2005, p32)

2.2.1.2 Komponen data warehouse

Menurut Kimball (2002, p7), ada 4 komponen terpisah dan

berbeda yang terdapat dalam lingkungan data warehouse yaitu

operational source systems, data staging area, data presentation

area, dan data access tools.

35

Gambar 2.14 Elemen-elemen dasar dari data warehouse

(Sumber: Kimball dan Ross, 2002, p7)

1. Operational Source Systems

Operational source systems adalah sistem yang

menyimpan transaksi sehari-hari dari sebuah bisnis. Source

systems berada di luar lingkungan data warehouse karena kita

tidak memiliki kontrol terhadap konten dan format dari data di

dalam sistem yang sedang berjalan. Tujuan utama dari source

systems adalah untuk mendapatkan processing performance dan

availability. Source systems hanya mempertahankan sedikit

data-data yang bersifat historis. Query-query yang terdapat

dalam source systems memiliki skala yang terbatas, yang

merupakan bagian dari alur transaksi normal dan terkadang

dibatasi oleh permintaan dari sistem operasional yang sedang

berjalan.

36

2. Data Staging Area

Data staging area dari data warehouse terdiri dari area

penyimpanan dan sejumlah proses yang dikenal sebagai ETL

(extract, transformation, load). Data staging area merupakan

jembatan antara operational source systems dan data

presentation area.

Extraction adalah langkah pertama dalam sebuah proses

untuk memasukkan data ke dalam lingkungan data warehouse

dimana sumber data dibaca dan data-data yang diperlukan untuk

data warehouse diduplikasi ke dalam staging area untuk

diproses lebih jauh.

Setelah data diekstrak ke dalam staging area, ada

sejumlah transformasi yang dilakukan seperti membersihkan

data, menggabungkan data dari berbagai sumber,

menghilangkan data-data duplikat, dan menentukan warehouse

keys. Transformasi ini adalah sebuah langkah awal dalam

memasukkan data ke dalam data warehouse presentation area.

3. Data Presentation

Data presentation area adalah sebuah tempat dimana

data diorganisir, disimpan, dan disediakan aksesnya agar user

dapat melakukan query secara langsung, membuat report serta

aplikasi-aplikasi lainnya untuk keperluan analisis.

37

4. Data Access Tools

Data access tools merupakan tools yang dipergunakan

untuk melakukan query terhadap data yang terdapat dalam data

warehouse presentation area. Sebuah data access tool bisa

terdiri dari ad hoc query tool yang sederhana atau aplikasi data

mining yang kompleks. Beberapa dari data access tools dapat

dipakai untuk mengirimkan kembali hasil analisisnya ke

operational source systems atau staging presentation area dari

data warehouse.

2.2.1.3 ETL (Extract, Transform, Load)

ETL merupakan singkatan dari extract, transform, load yang

berfungsi untuk melakukan ekstraksi data dari data source, dan

kemudian melakukan transformasi data, sebelum mengirimkannya

ke data store tujuan. Dimensional data store adalah data source

tujuan yang akan dijadikan basis pengolahan data analitis berupa

business intelligence, data mining, CRM, dan lain-lain.

Dari fungsi ETL di atas dapat kita simpulkan bahwa extract

adalah suatu pengambilan atau perpindahan data yang dilakukan dari

suatu tempat data awal ke tempat data sementara. Kemudian

transform adalah suatu perubahan bentuk yang dilakukan untuk

memenuhi kebutuhan. Sedangkan load adalah suatu pengiriman atau

perpindahan data dari tempat data sementara atau variabel tertentu ke

38

tempat penampungan akhir sebelum data tersebut ditampilkan atau

diolah kembali.

Hal ini dijelaskan oleh Kimball (2002, p401) yang

menyatakan bahwa Extract Transform Load (ETL) adalah kumpulan

dari proses dimana sumber data operasional disiapkan untuk

dimasukan ke dalam data warehouse. Ini merupakan proses utama

dari proses latar belakang (backroom process) staging area dari data

warehouse, sebelum data dipresentasikan atau diquery. Proses ini

terdiri dari proses ekstraksi (extracting) data operasional dari sumber

aplikasi, mengubah bentuknya (transforming), mengeluarkan

(loading) dan membuat index dari data itu untuk menjamin kualitas

dari data tersebut dan menerbitkannya.

2.2.1.4 Dimensional modeling

1. Tabel fakta (fact table)

Tabel fakta merupakan tabel utama dalam model

dimensional dimana ukuran dari performa suatu bisnis disimpan.

Tabel fakta umumnya mengandung angka dan data history yang

terdiri dari foreign key yang merupakan primary key dari

beberapa dimension table yang saling berhubungan. Tabel fakta

sering disebut juga dengan major table.

39

Gambar 2.15 Contoh tabel fakta

(Sumber: Kimball dan Ross, 2002, p17)

2. Tabel dimensi (dimension table)

Tabel dimensi berisi deskripsi yang bersifat tekstual dari

sebuah bisnis. Dalam sebuah data model dimensional, tabel

dimensi memiliki banyak kolom atau atribut dimana atribut ini

mendeskripsikan row yang terdapat dalam tabel dimensi.

Atribut-atribut yang terdapat pada tabel dimensi merupakan

sumber utama untuk query constraints, grouping, dan report

labels. Sebagai contoh, penjualan berdasarkan dimensi waktu

mingguan, dimana mingguan merupakan atribut yang terdapat

dalam tabel dimensi. Tabel dimensi sering disebut juga dengan

minor table.

40

Gambar 2.16 Contoh tabel dimensi

(Sumber: Kimball dan Ross, 2002, p20)

2.2.1.5 Skema bintang (star schema)

Menurut Connolly (2002, p1079), skema bintang adalah

struktur logikal yang mempunyai sebuah tabel fakta yang berisi data

fakta di tengah dan dikelilingi oleh tabel-tabel dimensi yang berisi

data referensi atau keterangan yang biasanya dapat didenormalisasi.

Menurut Inmon (2005, 128), skema bintang adalah struktur

desain yang dibutuhkan untuk mengatur data dengan cara

denormalisasi dalam jumlah yang besar ke dalam sebuah entity

dalam sebuah data mart untuk mengoptimalkan akses data.

41

Menurut Robert Stackowiak (2007, p56), skema bintang ada

di dalam database sebagai sebuah tabel fakta yang besar dikelilingi

oleh beberapa tabel dimensi (juga dikenal sebagai tabel look-up)

dengan hubungan foreign key. Biasanya time adalah salah satu

dimensi yang membuat skema menghasilkan sebuah query yang

menampilkan sejumlah transaksi yang terjadi pada periode waktu

tertentu, lokasi tertentu, atau dimensi lainnya.

Gambar 2.17 Illustration of a simple star schema

(Sumber: Stackowiak, Rayman, dan Greenwald, 2007, p57)

2.2.1.6 Jenis-jenis skema bintang

Ada beberapa macam jenis dari 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.

42

Gambar 2.18 Simple star schema

(Sumber: Poe, 1996, p124)

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.

43

Gambar 2.19 Multiple fact star schema

(Sumber: Poe, 1996, p126)

2.2.1.7 Variasi skema bintang

1. Skema snowflake

Skema snowflake merupakan sebuah variasi dari skema

bintang dimana tabel-tabel dimensi tidak mengandung data yang

didenormalisasikan (Connolly, 2002, p1080).

Skema snowflake menggunakan beberapa tabel fakta dan

tabel dimensi yang sudah mengalami normalisasi, sedangkan

skema bintang biasa menggunakan tabel dimensi yang masih

didenormalisasi. Skema snowflake dibuat berdasarkan OLTP

44

(Online Transaction Processing) sehingga semua data akan

termuat detail dalam setiap tabel fakta dan tabel dimensi.

Gambar 2.20 Contoh skema snowflake

(Sumber: Rajiv Parida, 2006, p249)

2. Skema starflake

Skema starflake merupakan skema campuran yang

mengandung kombinasi antara antara skema bintang biasa dan

skema snowflake (Connolly, 2002, p1081).

Skema starflake merupakan skema yang paling sesuai

untuk database karena skema ini menggabungkan data yang

didenormalisasi dan data yang dinormalisasi. Beberapa dimensi

bisa muncul dalam bentuk normalisasi dan denormalisasi untuk

memenuhi kebutuhan query yang berbeda.

45

2.2.2 Corporate portal

Corporate portal adalah sebuah pintu gerbang ke situs web

perusahaan yang memungkinkan komunikasi, kolaborasi, dan akses ke

informasi perusahaan.

Corporate portal menawarkan para karyawan, rekan bisnis, dan para

pelanggan sebuah fokus yang terorganisir yang menunjang interaksi mereka

dengan perusahaan.

Banyak organisasi yang telah mengimplementasikan corporate

portal. Alasannya adalah untuk memotong biaya dan menghemat waktu para

eksekutif dan manajer yang sibuk.

Ada beberapa tipe corporate portal yaitu:

• Portal for Suppliers and Other Partners. Dengan menggunakan portal

ini, suppliers dapat mengatur inventori online mereka. Mereka dapat

menampilkan apa yang mereka jual pada pemilik portal dengan harga

jual tertentu. Mereka dapat melihat level inventori pemilik portal dan

mengirim materi dan persediaan ketika telah mencapai level pemesanan,

dan mereka dapat berkolaborasi dengan pembeli-pembeli dari

perusahaan dan staff lainnya.

• Customer Portals. Portal untuk pelanggan dapat melayani baik bisnis

maupun pelanggan individu. Pelanggan dapat menggunakan customer-

facing portals mereka untuk menampilkan produk dan layanan dan

untuk memesan, yang nantinya mereka dapat melihat daftar pesanannya

kembali. Mereka dapat menampilkan account mereka sendiri dan

46

melihat apa yang terjadi pada account mereka secara real-time. Mereka

dapat membayar produk dan layanan, serta meminta garansi dan

pengiriman.

• Employee Portals. Portal ini digunakan untuk pelatihan, penyebaran

berita dan informasi perusahaan, diskusi grup, dan lainnya. Portal

pegawai juga digunakan untuk aktivitas pelayanan pribadi, terutama di

daerah personal. Portal pegawai juga kadang-kadang dipaketkan dengan

portal supervisor yang dikenal dengan workforce portals.

• Executive and Supervisor Portals. Portal ini memungkinkan manajer

dan supervisor mengontrol seluruh proses manajemen tenaga kerja dari

pembiayaan hingga jadwal tenaga kerja. Sebagai contoh, Pharmacia

(perusahaan Pfizer) membangun sebuah portal bagi eksekutif dan

manajernya di seluruh dunia, yang bernama Global Field Force Action

Planner, yang menyediakan tampilan performa dan finansial dari

perusahaan. Business goals dan sales figures dengan mudah tersedia,

yang mengijinkan manajemen perusahaan mengevaluasi dan mendukung

kantor-kantor cabang dengan lebih efektif. Manajer suatu negara dapat

membagikan pengalaman praktek terbaik dengan sesamanya dan belajar

dari pengalaman lainnya, membantu mereka membuat keputusan yang

lebih baik.

• Mobile Portals. Mobile portal adalah portal yang diakses melalui mobile

device, terutama ponsel dan PDA.

47

2.2.3 Pendekatan business intelligence

2.2.3.1 Arsitektur business intelligence

Menurut Vercellis (2009, p9), arsitektur dari sebuah business

intelligence system, terdiri dari enam komponen utama yaitu:

1. Data sources

Pada tahap pertama, diperlukan suatu proses untuk

mengumpulkan dan mengintegrasikan data-data yang disimpan

dalam berbagai sumber yang bervariasi, yang mana saling

berbeda baik itu asal maupun jenisnya. Sumber ini kebanyakan

berasal dari data-data yang terdapat pada operational systems,

tetapi bisa juga berasal dari dokumen yang tidak terstruktur

seperti email dan data-data yang dikirimkan oleh pihak luar.

2. Data warehouse dan data marts

Dengan menggunakan extraction dan transformation

tools yang dikenal sebagai ETL (extract, transform, load), data

yang berasal dari berbagai sumber yang berbeda disimpan ke

dalam database yang ditujukan untuk mendukung analisis

business intelligence. Database inilah yang biasanya dikenal

dengan sebutan data warehouses dan data marts.

3. Data exploration

Pada level ketiga ini, tools-tools yang berfungsi untuk

keperluan analisis business intelligence pasif digunakan. Tools-

tools ini terdiri dari query dan reporting systems, serta statistical

methods. Metodologi ini bersifat pasif karena para pengambil

48

keputusan harus mengambil keputusan berdasarkan hipotesa

mereka sendiri atau mendefinisikan kriteria dari data extraction,

kemudian menggunakan tools analisis untuk menemukan

jawaban dan mencocokkannya dengan hipotesa awal mereka.

4. Data mining

Level keempat ini terdiri dari sejumlah metodologi

business intelligence yang bersifat aktif yang tujuannya adalah

untuk mengekstrak informasi dan pengetahuan dari data.

Metodologi ini berisi sejumlah model matematika untuk

pengenalan pola, pembelajaran mesin, dan teknik data mining.

Tidak seperti tools yang digunakan pada level sebelumnya,

model dari business intelligence yang bersifat aktif ini tidak

mengharuskan para pengambil keputusan untuk mengeluarkan

hipotesa apapun.

5. Optimization

Pada level ini, solusi terbaik harus dipilih dari sekian

alternatif yang ada, yang biasanya sangat banyak dan beragam.

6. Decisions

Pada level terakhir ini yang menjadi persoalan utama

adalah bagaimana menentukan keputusan akhir yang akan

diambil yang dikenal sebagai decision making process.

Walaupun metodologi business intelligence berhasil diterapkan,

pilihan untuk mengambil sebuah keputusan ada pada para

pengambil keputusan. Pertimbangan untuk mengambil keputusan

49

ini biasanya diambil juga dari informasi yang tidak terstruktur

serta tidak formal dan memodifikasi rekomendasi serta

kesimpulan yang dicapai melalui penggunaan model matematika.

Gambar 2.21 Komponen utama dari business intelligence

(Sumber: Vercellis, 2009, p10)

2.2.3.2 Jenis-jenis business intelligence

Menurut Turban (2007, p257), business intelligence terbagi

ke dalam lima jenis yaitu:

1. Enterprise reporting

Enterprise reporting digunakan untuk menghasilkan laporan-

laporan statis yang didistribusikan ke banyak orang. Jenis

laporan seperti ini sangat sesuai untuk laporan operasional dan

dashboard.

50

2. Cube analysis

Tools cube yang berbasis pada business intelligence digunakan

untuk menyediakan analisis OLAP multidimensional yang

ditujukan untuk manajer bisnis dalam lingkungan yang terbatas.

3. Ad hoc querying and analysis

Tools relational OLAP digunakan untuk memberikan akses

kepada user agar dapat melakukan query pada database, dan

menggali informasi sampai pada tingkat paling dasar dari

informasi transaksional. Query ini berfungsi untuk mengeksplor

informasi yang dilakukan oleh user.

4. Statistical analysis and data mining

Tools statistik, matematis, dan data mining digunakan untuk

melakukan analisis prediksi atau untuk menentukan korelasi

sebab akibat diantara dua matrik. Analisis keuangan serta

ramalan juga dilakukan pada jenis ini.

5. Report delivery and alerting

Mesin distribusi laporan digunakan secara proaktif untuk

mengirimkan laporan secara lengkap atau memberikan

peringatan kepada populasi user yang besar (internal dan

eksternal). Distribusi ini berdasarkan pada jadwal dan event yang

disimpan dalam database.

51

2.2.3.3 Siklus hidup business intelligence

Menurut www.athena-solutions.com, siklus hidup untuk

pengembangan dan implementasi untuk business intelligence, data

warehousing, dan corporate performance management yaitu:

1. Perencanaan proyek, organisasi dan manajemen.

2. Bekerja dengan bisnisnya untuk mengumpulkan dan menemukan

kebutuhan bisnisnya, membuat model data berdasarkan pada

kebutuhannya dan mendesain fungsional business intelligence

dari kebutuhan yang telah ditemukan ini.

3. Mendesain model data dan basis data untuk

mengimplementasikan model ini.

4. Mengintegrasikan data dari aplikasi yang lain seperti CRM

(Customer Relationship Management), ERP (Enterprise

Resource Planning), dan Web.

5. Memilih dan menggunakan tools ETL (Extract, Transform &

Load) kepada database yang dibutuhkan.

6. Memilih dan menggunakan tools Business Intelligence dan

OLAP (Online Analytical Processing) untuk menyediakan fungsi

bisnis yang berguna bagi perusahaan.

2.2.3.4 Manfaat business intelligence

Menurut Williams (2007, p38), business intelligence dapat

digunakan untuk memberikan manfaat bagi sebuah bisnis secara

52

umum serta menghasilkan contoh-contoh nyata yang berhubungan

dengan fungsi bisnis tersebut. Manfaat tersebut yaitu:

1. Efisiensi Transaksi

Efisiensi transaksi ini dapat dicapai karena dapat

mengubah proses-proses yang tidak terstruktur menjadi proses-

proses yang terstruktur dan berulang-ulang. Contohnya adalah

model optimisasi pendapatan yang digunakan pada industri hotel

dan penerbangan, model optimisasi jaringan logistik dan rantai

suplai yang digunakan pada industri penyaluran dan jasa.

2. Otomatisasi proses manual

Proses-proses yang tadinya dilakukan secara manual

dapat dibuat menjadi otomatis karena keberadaan manusia dapat

dihilangkan atau digantikan dalam sebuah proses. Contohnya

adalah perencanaan operasi dan penjualan, segmentasi

pelanggan, perencanaan anggaran, analisis perubahan, laporan

kinerja, analisis produktivitas.

3. Penerapan teknik analisis

Sejumlah metode analisis yang kompleks dapat

diintegrasikan ke dalam proses-proses yang ada. Metode analisis

ini memiliki kemampuan analisis yang dapat dipercaya untuk

dapat digunakan oleh user dengan hanya membutuhkan kurva

pembelajaran yang singkat. Contohnya adalah dashboard dan

scorecard eksekutif, aplikasi pendeteksi kecurangan dan

53

penilaian kredit, analisis pengaturan kampanye penjualan,

ramalan penjualan, segmentasi pelanggan.

4. Pengiriman informasi

Business intelligence dapat mengirimkan rincian

informasi dalam jumlah yang besar ke dalam sebuah proses.

Kumpulan informasi transaksional yang ada pada perusahaan

dapat dimanfaatkan untuk mendeteksi penjualan serta

mengurangi biaya. Contohnya adalah pengenalan pola dan data

mining, analisis rantai suplai, analisis operasi, analisis trend

pendapatan, aplikasi manajemen retail.

5. Pelacakan

Business intelligence memberikan kebebasan untuk

melacak status, input, dan output dari sebuah pekerjaan atau

proses secara terperinci. Sistem pelacakan yang dilakukan secara

manual berdasarkan pada lembar kerja dapat digantikan oleh

sistem yang bersifat otomatis. Contohnya adalah dashboard,

scorecard pemasok, manajemen inventori.

54

Gambar 2.22 Tabel manfaat business intelligence

(Sumber: Steve dan Nancy, 2007, p39)

2.2.4 Executive dashboard

Setiap executive di sebuah perusahaan setiap harinya berhadapan

dengan banyak karyawan dan berbagai macam data. Mereka pun diharuskan

untuk membuat keputusan yang cepat berdasarkan informasi-informasi

tersebut. Ketika transaksi semakin banyak terjadi maka informasi yang

dihasilkanpun semakin detail sehingga semakin sulit pula dalam

pengambilan keputusan strategis dalam waktu yang cepat. Seorang

pemimpin bisnis perlu mengetahui bagaimana performa bisnisnya secara

menyeluruh walaupun cakupan area dari perusahaan sangat luas. Dashboard

dan scorecard yang berisi charts (kurva), grafik, diagram, dan lain-lain yang

menggambarkan tren dan perbedaan berdasarkan pada kumpulan data yang

55

besar merupakan jawaban atas kebutuhan para executive perusahaan (Turley,

Bryant, Counihan, DuVarney, 2006, p290).

Dashboard juga menyediakan gambaran visual yang lengkap

mengenai ukuran, trend, dan eksepsi performa korporasi. Dashboard

mengintegrasikan informasi dari berbagai area bisnis. Dashboard juga

memperlihatkan grafik yang menggambarkan performa aktual dibandingkan

dengan satuan yang diinginkan (Turban, 2007).

2.2.5 Pengertian sistem prepaid

Sistem prepaid dalam industri telekomunikasi adalah sebuah layanan

telekomunikasi berbayar yang berdasarkan kepada pembayaran secara

langsung. Dengan adanya sistem prepaid, para pengguna bisa mendapatkan

layanan komunikasi dengan membayar secara langsung ketika ingin

mendapatkan pulsa di tempat yang menyediakan penjualan pulsa. Dengan

pulsa yang didapatkan oleh pengguna, maka sejumlah layanan

telekomunikasi yang disediakan oleh perusahaan telekomunikasi bisa

diakses oleh pengguna.

Ketika pengguna memanfaatkan layanan telekomunikasi yang

disediakan, maka pulsa yang dimiliki akan berkurang sejumlah harga dari

layanan tersebut. Harga untuk masing-masing layanan bergantung pada jenis

perusahaan telekomunikasi yang dipiih dan bisa bervariasi antara satu

dengan yang lainnya. Jadi, perusahaan telekomunikasi mendapatkan

pemasukan setiap kali ada pengguna yang memakai layanan yang

disediakan.

2.2.6 B

2

Bisnis telek

2.2.6.1 Jenis

1. G

s

T

k

g

w

t

s

d

(Sumbe

omunikasi

s-jenis tekn

GSM (Globa

GSM

sebuah tekn

Teknologi G

khususnya p

gelombang m

waktu, sehin

tujuan. GSM

sekaligus s

digunakan or

Gambar 2.

er: Wikipedi

ologi teleko

al System for

M (global sys

nologi kom

GSM banyak

pada telepon

mikro dan pe

ngga sinyal i

M dijadikan

sebagai tek

rang di selur

23 Struktur

ia.org, diaks

omunikasi

r Mobile Com

stem for mo

munikasi sel

k diterapkan

n genggam. T

engiriman sin

nformasi ya

standar glob

knologi selu

ruh dunia.

r jaringan G

ses tanggal 2

mmunication

obile commu

luler yang

n pada komu

Teknologi in

nyal yang di

ang dikirim a

bal untuk ko

uler yang

GSM

20-10-2010)

n)

unication) a

bersifat di

unikasi berg

ni memanfa

ibagi berdas

akan sampai

omunikasi se

paling ba

)

56

adalah

igital.

gerak,

aatkan

arkan

i pada

elular

anyak

57

2. CDMA (Code Division Multiple Access)

CDMA (code division multiple access) adalah sebuah

bentuk pemultipleksan dan sebuah metode akses secara bersama

yang membagi kanal tidak berdasarkan waktu, namun dengan

cara mengkodekan data dengan sebuah kode khusus yang

diasosiasikan dengan tiap kanal yang ada dan menggunakan

sifat-sifat interferensi konstruktif dari kode-kode khusus itu

untuk melakukan pemultipleksan.

Gambar 2.24 Struktur jaringan CDMA

(Sumber: Nurrahmihidayati, 2008)

2.2.6.2 Jenis-jenis layanan telekomunikasi

1. SMS (Short Message Service)

SMS (short message service) adalah sebuah layanan yang

dilaksanakan dengan sebuah telepon genggam untuk mengirim

atau menerima pesan-pesan pendek. Sebuah pesan SMS

58

maksimal terdiri dari 140 bytes, dengan kata lain sebuah pesan

bisa memuat 140 karakter 8-bit, 160 karakter 7-bit atau 70

karakter 16-bit.

2. MMS (Multimedia Messaging Service)

MMS (multimedia messaging service) adalah sebuah

standar layanan pesan telepon yang memungkinkan untuk

mengirim pesan yang mengandung obyek multimedia seperti

gambar, audio, video, dan rich text. Layanan ini berbeda dengan

SMS (short messaging service) yang hanya dapat mengirim

pesan teks saja. MMS digunakan bersama-sama dalam sebuah

jaringan selular dengan sistem perpesanan lainnya seperti SMS,

mobile instant messaging, dan mobile e-mail.

2.2.6.3 Generasi teknologi telekomunikasi

1. Generasi I

Telepon seluler generasi pertama disebut juga dengan 1G.

1-G merupakan telepon seluler pertama yang sebenarnya.

Teknologi yang digunakan 1-G masih bersifat analog dan dikenal

dengan istilah AMPS. AMPS merupakan frekuensi antara 825

Mhz – 894 Mhz dan dioperasikan pada Band 800 Mhz.

2. Generasi II

Telepon seluler generasi kedua disebut juga dengan 2G.

Teknologi seluler ini hadir menggantikan teknologi seluler

pertama, 1G yang menggunakan sistem analog seperti AMPS

59

(advanced mobile phone system). 2G merupakan jaringan

telekomunikasi selular yang diluncurkan secara komersial pada

jaringan GSM standar di Finlandia. Berbeda dengan 1G, 2G

menggunakan sistem digital. Selain melayani komunikasi suara,

2G juga dapat melayani komunikasi teks, yakni SMS (short

messaging service).

3. Generasi III

Telepon seluler generasi ketiga disebut juga dengan 3G.

3G merupakan sebuah standar yang ditetapkan oleh ITU

(international telecommunication union) yang diadopsi dari

IMT-2000 untuk diaplikasikan pada jaringan telepon seluler.

Melalui 3G, pengguna telepon seluler dapat memiliki akses cepat

ke internet dengan bandwidth sampai 384 kilobit setiap detik

ketika alat tersebut berada pada kondisi diam atau bergerak

secepat pejalan kaki. Akses yang cepat ini merupakan andalan

dari 3G yang tentunya mampu memberikan fasilitas yang

beragam pada pengguna seperti menonton video secara langsung

dari internet atau berbicara dengan orang lain menggunakan

video.

4. Generasi IV

Telepon seluler generasi keempat disebut juga dengan

4G. 4G merupakan sistem telepon seluler yang menawarkan

pendekatan baru dan solusi infrastruktur yang mengintegrasikan

teknologi wireless yang telah ada termasuk WiBro (wireless

60

broadband), 802.16e, CDMA, wireless LAN, Bluetooth, dan

lain-lain. Sistem 4G berdasarkan heterogenitas jaringan IP yang

memungkinkan pengguna untuk menggunakan beragam sistem

kapan saja dan dimana saja. 4G memberikan pelayanan

pengiriman data cepat untuk mengakomodasi berbagai aplikasi

multimedia seperti video conferencing, game online, dan lain-

lain.

2.2.7 Oracle

Oracle adalah salah satu perusahaan utama pengembang sistem

manajemen basis data (database management system), perangkat lunak

untuk mengembangkan basis data, perangkat lunak manajemen hubungan

pelanggan, enterprise resource planning, dan perangkat lunak manajemen

rantai pasokan. Oracle didirikan pada tahun 1977 (www.oracle.com).

Software yang digunakan dalam pengembangan aplikasi business

intelligence pada penulisan ini adalah OBIEE (oracle business intelligence

enterprise Edition) 10g.

2.2.7.1 Definisi OBIEE

Oracle business intelligence enterprise edition merupakan

rangkaian produk business intelligence yang komprehensif untuk

skala perusahaan. Produk ini memiliki sejumlah kemampuan yang

dibutuhkan dalam business intelligence seperti dashboard interaktif,

full ad hoc, alert dan intelligence yang proaktif, laporan keuangan

61

dan perusahaan, kemampuan memprediksi secara real time, analisis

yang tidak dibatasi oleh jaringan, dan lain-lain. Untuk dapat

membuat produk ini menyediakan fungsionalitas business

intelligence yang luas, platform OBIEE berdasarkan pada arsitektur

yang berorientasi pada layanan web modern (www.oracle.com).

2.2.7.2 Arsitektur OBIEE

Arsitektur yang terdapat pada OBIEE terdiri dari

(www.gerardnico.com) :

1. Oracle Business Intelligence Presentation Services

Oracle business intelligence presentation services menyediakan

framework dan interface untuk presentasi dari data business

intelligence kepada web clients. Services ini memelihara sebuah

layanan presentation catalog yang terdapat dalam file sistem

agar framework dari presentasi ini dapat dikostumisasi.

2. Oracle Business Intelligence Server

Oracle business intelligence server adalah proses yang berdiri

sendiri yang memelihara model data logikal yang akan dikirim

ke BI presentation services menggunakan ODBC. Metadata

diupdate secara terus menerus untuk model data dalam sebuah

file lokal yang sesuai, yang disebut dengan rpd (repository file).

Pada proses yang berjalan di belakang, BI server berhubungan

dengan tempat penyimpanan data pelanggan melalui data source

adaptors.

62

3. Oracle Business Intelligence Publisher

Oracle business intelligence publisher berfungsi untuk

menghasilkan laporan dengan format yang sangat sesuai untuk

skala perusahaan.

4. Oracle Business Intelligence Java Host

Oracle business intelligence java host menyediakan layanan

kepada BI presentation services untuk menghasilkan grafik,

ukuran, serta file PDF. Layanan ini disediakan berdasar pada

model request-response.

5. Oracle Business Intelligence Presentation Services Plug-in

Oracle business intelligence presentation services plug-in

merupakan titik awal dalam sebuah proses dimana web client

melakukan request ke BI presentation services. Ada 2 jenis dari

BI presentation services plug-in. Untuk oracle business

intelligence yang dilayani oleh J2EE application servers, yang

akan menjadi plug-in adalah java servlet. Sedangkan untuk

oracle business intelligence dimana web server yang digunakan

adalah IIS (Microsoft Internet Information Services), yang akan

menjadi plug-in adalah ISAPI plug-in.

63

Gambar 2.25 Arsitektur OBIEE

(Sumber: Nicolas Gerard, 2010)

64

2.2.7.3 Komponen OBIEE

Komponen-komponen yang terdapat pada OBIEE yaitu

(www. ealliancebusinessintelligence.com):

1. BI Server

Mengijinkan user untuk mengakses fungsionalitas dari

semua komponen built-in yang ada pada OBIEE.

2. Oracle BI Stack Component, yang terdiri dari:

a. BI Answer

Menyajikan grafik yang interaktif, pivot table serta

laporan yang dapat dibuat oleh pengguna bisnis dengan

menggunakan logical view dari informasi, bukan dengan

menggunakan struktur database yang kompleks.

b. BI Interactive Dashboard

Mengelompokkan konten dan aplikasi yang ditampilkan

melalui dashboard interaktif yang secara dinamis bisa

dipersonalisasikan sesuai dengan identitas serta peranan user.

c. BI Delivers

Mendukung pengawasan aktivitas bisnis melalui

sejumlah saluran seperti email, dashboard, dan mobile.

d. Disconnected Analytics

Memungkinkan fungsi analisis yang menyeluruh bagi

para profesional yang sering bepergian, yang tidak terhubung

dengan jaringan perusahaan.

65

e. BI Publisher

Komponen ini adalah sebuah tool enterprise reporting

dan distribution dimana laporan yang dirancang untuk MS

Word ataupun adobe acrobat dapat dikirim melalui printer,

email, fax, webDAV atau dipublikasikan ke portal.

f. Briefing Books

Tool ini memungkinkan user untuk membuat snapshot

agar dapat dilihat secara offline atau dibagikan dengan orang

lain. Snapshot ini memiliki kontrol paging dan sesuai untuk

dapat menyajikan informasi kepada yang lain.

3. Hyperion Stack Component, yang terdiri dari:

a. Interactive Reporting

Menyediakan kemampuan analisis dan user-directed

query untuk eksekutif, pengguna bisnis, dan analis.

b. SQR Production Reporting

Menyediakan laporan dengan volume yang tinggi serta

format yang berkualitas.

c. Financial Reporting

Menyediakan laporan manajemen dan keuangan yang

sesuai dengan standar perusahaan serta fitur-fitur seperti

penerjemahan nilai mata uang, GAAP, IFRS, dan standar

keuangan lainnya.

66

d. Web Analysis

Menyediakan kemampuan untuk melakukan analisis

OLTP (Online Transaction Processing) berbasis web,

presentasi, dan membuat laporan.

Gambar 2.26 Komponen OBIEE

(Sumber: eAlliance Business Intelligence, diakses tanggal 20-10-2010)

2.2.8 Konsep data modeling pada OBIEE

Konsep data modeling yang terdapat pada OBIEE terdiri dari

physical layer, business model layer, dan presentation layer

(www.ealliancebusinessintelligence.com).

67

Gambar 2.27 Data modeling pada OBIEE

(Sumber: eAlliance Business Intelligence, diakses tanggal 20-10-2010)

2.2.8.1 Physical Layer

Physical layer mengandung informasi tentang sumber data

fisikal. Cara umum yang digunakan untuk membuat schema pada

physical layer adalah dengan mengimpor metadata dari database

dan sumber data lainnya. Layer ini mendukung federated query,

contohnya berupa operasi query database yang dapat menyertakan

data set dari dua sumber data yang berbeda pada OBIEE.

68

2.2.8.2 Business Model Layer

Business model layer mengorganisir informasi berdasarkan

model bisnis. Setiap model bisnis mengandung tabel logikal. Tabel

logikal ini dipetakan pada sumber data yang terdapat pada physical

layer. Proses pemetaan ini bisa terdiri dari tranformasi serta

perhitungan yang kompleks. Layer ini mendefinisikan arti dan

konten dari setiap sumber fisikal yang diterjemahkan ke dalam

istilah model bisnis.

2.2.8.3 Presentation Layer

Presentation layer menampilkan informasi kepada para

eksekutif atau pihak yang memiliki wewenang untuk mengambil

keputusan. Informasi ini ditampilkan dalam bentuk dashboard yang

berisi grafik, pivot table, dan bentuk informasi lainnya. Melalui layer

ini, para pengambil keputusan dapat menjalankan analisis ad-hoc,

menampilkan laporan berdasarkan model bisnis yang sedang

berjalan sekarang. Semua informasi yang ditampilkan pada layer

bersumber dari business model layer.