BAB 2 LANDASAN TEORI peristiwa, aktivitas, dan transaksi...
Transcript of BAB 2 LANDASAN TEORI peristiwa, aktivitas, dan transaksi...
8
BAB 2
LANDASAN TEORI
2.1 Data
Data merupakan fakta yang mendeskripsikan secara mendasar benda,
peristiwa, aktivitas, dan transaksi yang ada lalu disimpan yang belum mampu
menyampaikan arti-arti yang spesifik. Pengertian tersebut didukung oleh pendapat
Turban, Rainer, Potter, & Cegielski (2010 : 6), yang mana data adalah deskripsi
dasar dari benda, peristiwa, aktivitas dan transaksi yang didapat atau disimpan serta
diklasifikasikan tetapi belum terorganisir dengan baik sehingga belum mampu
menyampaikan arti-arti yang spesifik untuk pemiliknya. Sedangkan menurut William
dan Sawyer (2011 : 25) data adalah fakta dan gambaran mentah yang harus melalui
sebuah proses tertentu untuk dapat menjadi sebuah informasi. Secara lebih spesifik
lagi data merupakan atribut dari setiap entitas seperti benda, tempat, dan kejadian.
Tabel 2.1- Tabel Data Jakarta 12 Maret 1990
Bandung 24 April 1998
Tabel di atas (tabel 2.1) tidak memiliki arti atau makna bagi pembacanya,
tetapi sebenarnya data di atas adalah data yang menunjukan tempat dan tanggal lahir
seseorang. berdasarkan contoh diatas dapat diartikan bahwa data akan memiliki arti
bagi penggunanya setelah memiliki pengolahan lebih lanjut dan menghasilkan
informasi.
2.2 Database
Database merupakan sekumpulan data yang memiliki hubungan yang
disimpan dalam satu tempat yang sama, dimana menurut Inmon (2005 : 493)
9
database adalah kumpulan data yang saling berhubungan dan disimpan (biasanya
telah dikendalikan dan memiliki redudansi yang terbatas) berdasarkan skema.
Pendapat ini juga didukung dengan pendapat dari Connolly & Begg (2010 : 65)
dimana database merupakan kumpulan relasi data yang logis dan deskripsi dari data
tersebut, yang di desain untuk memenuhi kebutuhan sebuah organisasi atau
perusahaan. Sedangkan menurut Williams & Sawyer (2011 : 164), database
merupakan semua koleksi data yang disimpan secara berkelompok dalam teknologi
yang sudah terkomputerisasi. Secara spesifik dapat diartikan bahwa database adalah
kumpulan file yang saling terkait dalam suatu sistem komputer. Semua file ini diatur
menurut elemen umum masing-masing seingga dapat dengan mudah diambil ketika
dibutuhkan. Database sangat berperan penting dalam bisnis dan organisasi karena
dapat membantu sebuah bisnis untuk melakukan evaluasi catatan yang lalu untuk
menghadapi masalah kedepannya. Sebagai contoh sebuah database yang menyimpan
kumpulan nama, alamat,dan nomor telepon dari konsumen dari sebuah unit usaha.
Database memiliki tiga jenis bentuk dasar penyimpanan data (Connolly &
Begg, 2010 : 96) yaitu : relational data model, network data model, dan hierarchical
data model. Tetapi bentuk paling umum yang digunakan adalah relational data
model. Konsep ini menampilkan data secara fisik dalam bentuk tabel. Pada relational
model setiap data yang tersimpan memiliki kode atau key yang unik yang berfungsi
dalam mengidentifikasi setiap tuple data yang ada. Terdapat beberapa jenis key
antara lain :
• Super key
Super key adalah atribut yang secara unik dibuat untuk mengidentifikasi sebuah
tuple didalam relasi.
10
• Primary key
Primary key adalah salah satu candidate key yang terpilih atau dipilih untuk
mewakili sebuah tuple sehingga membantu identifikasi data didalam sebuah table.
• Candidate key
Candidate key merupakan kumpulan antribut yang memiliki keunikan dan tidak
terdapat di relasi lain. candidate key juga menjadi pilihan dalam menentukan
primary key.
• Composite key
Composite key merupakan candidate key yang atributnya lebih dari satu.
• Foreign Key
Foreign key merupakan atribut yang berasal dari relasi lain. Biasanya foreign key
merupakan primary key pada sebuah tabel lain yang masih memiliki hubungan
dengan tabel tersebut.
Berdasarkan kutipan di atas dapat disimpulkan bahwa database (basis data)
merupakan kumpulan data yang memiliki relasi atau hubungan secara logis yang
mampu diproses untuk menampilkan informasi setelah melalui proses-proses dalam
sistem.
2.3 Database Management Systems (DBMS)
DBMS biasanya digunakan sebagai penghubung antara user untuk mengatur
sistem berbasis data, seperti pengertian dari O’Brien & Marakas (2009 : 196)
Database Management System (DBMS) adalah perangkat lunak yang utama dari
database management karena DBMS mengatur pembuatan, pemeliharaan, dan
penggunaan database dari sebuah organisasi dan penguna akhirnya. Hal ini diperkuat
dengan pendapat dari Satzinger, Jackson, & Burd (2004,p398), database
11
management systems (DBMS) merupakan sebuah sistem perangkat lunak yang
mengelola dan mengontrol akses ke database.
Komponen yang terdapat pada DBMS adalah :
• Physical data store
Physical data store adalah area penyimpanan yang digunakan oleh sebuah
database management system untuk menyimpan bits dan bytes dari sebuah
database.
• Schema
Schema adalah sebuah deskripsi dari struktur, isi, dan kontrol akses dari sebuah
penyimpanan data fisik atau database.
Sedangkan menurut Connolly & Begg (2010, p66), DBMS adalah sebuah
sistem perangkat lunak yang memungkin user untuk mendefinisikan, menciptakan,
memelihara, dan mengontrol akses terhadap sistem basis data.
Gambar 2.1- Komponen-Komponen DMBS
(Sumber : Connolly & Begg, 2010 : 68)
Berikut adalah penjabaran komponen-komponen DBMS pada gambar 2.1 (Connolly
& Begg, 2010 : 68-71) diantaranya :
• Hardware
DBMS dan aplikasi membutuhkan perangkat keras sebagai media untuk
menjalankan semua fungsi-fungsi yang ada.
12
• Software
Komponen perangkat lunak terdiri atas DBMS dan program aplikasi, tidak luput
juga sistem operasi dan perangkat lunak jaringan (jika ada) merupakan bagian dari
perangkat lunak.
• Data
Merupakan jembatan penghubung antaran mesin (hardware dan software) dan
manusia (procedure and people) serta merupakan komponen bahan baku dalam
lingkungan DBMS.
• Procedure
Merupakan aturan ataupun instruksi yang akan menentukan kegunaan dari sistem
basis data.
• People
Orang merupakan komponen penggerak yang harus terlibat secara langsung
dengan sistem.
Hubungan DMBS dan database dapat di gambarkan sebagai berikut :
Gambar 2.2- Hubungan DBMS dan Database
(Sumber : Connolly & Begg, 2010 : 67)
Berdasarkan gambar 2.2 dapat dilihat bahwa DBMS merupakan sebuah
sistem perangkat lunak yang membantu user agar mampu mengontrol dan
13
mengakses sistem berbasis data termasuk didalamnya perangkat keras, perangkat
lunak, data, prosedur, dan orang.
2.4 Data Warehouse
2.4.1 Pengertian Data Warehouse
Data warehouse juga berguna sebagai tempat penyimpanan data terbaru
(real time) dan data historikal untuk kepentingan manajer dalam sebuah organisasi.
Hal ini didukung oleh pendapat Coronel, Morris, & Rob (2010 : 495) yang
mengartikan bahwa Data warehouse adalah database relasional yang dirancang
untuk query dan analisis bukan untuk proses transaksi. Biasanya berisi data historis
yang berasal dari data transaksi, tetapi bisa termasuk data dari sumber lain.
Sedangkan hal yang berbeda disampaikan oleh Turban, Sharda, Delen, & King
(2011 : 52), data warehouse adalah kumpulan data yang dibuat khusus untuk
mendukung proses pengambilan keputusan. Data warehouse juga berguna sebagai
tempat penyimpanan data terbaru (real time) dan data historikal untuk kepentingan
manajer dalam sebuah organisasi.
Data warehouse memiliki beban kerja yang terpisah dari beban kerja
transaksi (secara prosesnya) dan memungkinkan organisasi untuk
mengkonsolidasikan data dari beberapa sumber. Data warehouse memiliki beberapa
karakteristik (Connolly & Begg, 2010 : 1197) yaitu sebagai berikut :
• Subject Oriented
Subject oriented memiliki arti sebagai data yang diatur dan disesuaikan dengan
subjek yang detail sehingga dapat membantu mendukung pengambilan
keputusan. Orientasi ini memberikan pandangan yang lebih komprehensif dari
sebuah organisasi karena tidak hanya menentukan cara sebuah proses bisnis
dapat berjalan melainkan juga mengapa sebuah proses bisnis dijalankan.
14
• Integrated
Integrated atau terintegrasi artinya sebuah data warehouse haruslah terintegrasi
dengan baik untuk mendapatkan proses yang tepat. Karena sumber data pada data
warehouse berasal dari berbgai sumber sehingga integrasi adalah salah satu hal
yang paling penting.
• Time variant
Data warehouse merupakan koleksi data historis dimana data terus di tambah
dari masa ke masa untuk digunakan dalam menganalisis tren, deviasi, dan
hubungan jangka panjang lainnya yang bertujuan untuk pengambilan keputusan
dimasa mendatang. Hal ini lah yang membuat waktu merupakan dimensi yang
penting yang harus didukung oleh setiap data warehouse.
• Nonvolatile
Nonvolatile adalah karakteristik lain dari data warehouse yaitu dimana setelah
semua data yang masuk kedalam data warehouse tidak ada user yang dapat
mengubah data tersebut.
Berdasarkan kutipan di atas dapat disimpulkan bahwa data warehouse
merupakan kumpulan data historikal dan juga data saat ini yang berorientasi subjek,
terintegrasi berdasarkan waktu, dan tidak dapat mengalami perubahan secara
langsung dimana dalam pengolahannya datanya terdapat proses extract, transform,
dan loading yang digunakan agar dapat mendukung proses pengambilan keputusan.
2.4.2 Arsitektur Data Warehouse
Data warehouse tersusun atas beberapa komponen didalam arsitekturnya.
Masing-masing komponen didalamnya sangat penting dalam mendukung
15
terbentuknya data warehouse. Berikut adalah arsitektur data warehouse menurut
Connolly & Begg (2010 : 1203-1206) :
Gambar 2.3-Arsitektur Data Warehouse
(Sumber : Connolly & Begg, 2010 : 1204)
- Operational Data
Data operasional merupakan sumber data untuk data warehouse. Sumber data
ini didapat dari data yang dipegang secara departemen atau perbagian
perangkat kerja, serta data-data pribadi yang di simpan dalam perangkat kerja
masing-masing bagian.
- Operational Data Store
ODS adalah tempat penyimpanan terbaru dan data operasional yang
terintegrasi yang digunakan untuk menganalisis. Biasanya bentunya terstruktur
dan menyuplai data seperti data warehouse tetapi terkadang bersifat sederhana
sebagai staging area untuk data sebelum dipindahkan ke data warehouse.
16
- ETL Manager
ETL manager bekerja pada semua kegiatan yang berhubungan dengan ETL
data dalam data warehouse. ETL manager memastikan semua data terekstrak
dari sumbernya.
- Warehouse Manager
Warehouse manager menampilkan semua pengoperasian yang berhubungan
dengan manajemen data didalam data warehouse.
- Query Manager
Query manager menampilkan semua pengoperasian yang berhubungan dengan
manajemen dari query user.
- Detailed Data
Pada bagian data warehouse ini menyimpan semua data yang detil dalam
skema database. Data detil ini hanya tersedia semata-mata dengan tujuan untuk
dihubungkan dengan tingkat kedetilan data berikutnya.
- Lightly and Highly Summarized Data
Pada bagian ini merupakan tempat tersimpannya data yang telah di rangkum
yang di buat oleh warehouse manager. Tempat ini menjadi tempat transit data
yang masih mengalami proses perubahan query.
- Archive/Backup Data
Merupakan tempat penyimpanan detail dan rangkuman data dengan tujuan
sebagai data cadangan.
- Metadata
Pada bagian ini menyimpan semua metadata, dengan penggunaan untuk semua
proses yang ada didalam data warehouse.
17
- End-User Access Tools
Merupakan alat yang digunakan oleh seorang user untuk berhubungan dengan
data warehouse. Tujuannya adalah menampilkan informasi yang ingin di
ketahui oleh user sehingga mampu mendukung keputusan user. Terdapat
beberapa jenis access tool yang dapat digunakan antara lain : EIS, data mining
tools, dan reporting and query tool.
Pada gambar diatas (gambar 2.3) merupakan arsitektur data warehouse pada
umumnya namun terdapat beberapa kondisi yang memungkin terbentuknya arsitektur
lain yang dibuat khusus untuk mendukung sebuah sistem tertentu. Menurut
Ariyachandra & Watson (2006 : 4-6) ada beberapa jenis arsitektur yang menjadi
alternatif pembangunan data warehouse yang digambarkan pada gambar 2.4.
18
Gambar 2.4-Arsitektur Alternatif Data Warehouse
(Sumber : Ariyachandra & Watson, 2006 : 5)
19
Pada gambar 2.4 terdapat 5 arsitektur alternatif yang dapat digunakan untuk
membangun sebuah data warehouse ataupun data mart. walaupun arsitektur itu tidak
murni berasal dari enterprise data warehouse maupun data mart tetapi arsitektur
tersebut cukup mampu menuhi kebutuhan informasi yang dibutuhkan access tools.
• Independent data mart architecture
Pada arsitektur ini pengembangan yang dilakukan adalah membangun data mart,
data mart yang dibangun ditunjukan untuk dapat beroperasi secara independen
antara satu sama lain dalam menghadapi kebutuhan kasusnya masing-masing.
• Data mart bus architecture with linked dimensional data marts
Arsitektur ini terdiri dari satu set data mart yang terintegrasi dan mendapatkan
kemampuannya dari dimensi dan tabel fakta yang sesuai. Jadi tabel fakta dan
tabel dimensi hanya di bentuk satu kali dan harus mampu memenuhi seluruh
kebutuhan dimanapun digunakan.
• Hub-and-spoke architecture
Pada arsitektur ini, arsitektur hub-and-spoke memiliki salah satu fungsi data
warehouse yaitu sebagai clearing house untuk semua data aplikasi perusahaan.
Pendekatan bisa menjadi salah satu yang paling tepat jika kebutuhan data telah
didefinisikan dengan baik, dapat diprediksi, dan homogen di seluruh aplikasi dan
jika data latensi tidak masalah.
• Centralized data warehouse architecture
Arsitektur yang dikembangkan menyerupai dengan arsitektur pada hub-and-
spoke architecture tetapi terdapat perbedaan pada centralized data warehouse
architecture tidak terdapat data mart dependen dikarenakan pada arsiktektur ini
menggunakan data warehouse. Penggunaan data warehouse dengan tujuan agar
saat dibangun dapat menyediakan akses tanpa batasan tertentu kepada user.
20
• Federated architecture
Arsitektur ini memiliki banyak cara untuk dapat melakukan integrasi sumber
daya analitikal dari berbagai sumber sehingga mampu memenuhi kebutuhan dan
kondisi bisnis yang tidak menentu.
2.4.3 Dimensional Modeling
Dimensional modeling merupakan teknik dasar pengembangan sebuah data
warehouse secara logika. Hal ini di perkuat oleh Connolly & Begg (2010 : 1227),
dimana dikatakan bahwa dimensional modeling adalah teknik desain logika yang
bertujuan untuk menampilkan data dalam bentuk standar, intuitif yang
memungkinkan akses cepat oleh penggunanya. Dimensional modeling tidak selalu
melibatkan database relasional dan berbeda dengan model entitas relasional.
Ada beberapa jenis dimensional modeling, yaitu :
1. Star schema
Star schema merupakan skema data warehouse yang paling mudah diantara
yang lain, bentuknya yang menyerupai bintang dengan tabel fakta berada di tengah
dan tabel-tabel dimensi yang mengelilingi tabel fakta membuat skema bintang paling
mudah di buat. Menurut Connolly & Begg (2010 : 1227), star schema adalah sebuah
struktur logika yang mempunyai fact table yang tersusun atas factual data yang di
posisikan di tengah, lalu disekitar fact table ini dikelilingi oleh dimension table(dapat
dilihat pada contoh gambar 2.5).
21
Gambar 2.5- Star Schema (Sumber : Connolly & Begg, 2010 : 1228)
2. Snowflake
Menurut Connolly & Begg (2010 : 1229), snowflake merupakan salah satu
variasi dari skema bintang tetapi yang membedakan dengan skema bintang adalah
pada snowflake tabel dimensinya telah ternormalisasi. Hal lain yang membuat
snowflake berbeda adalah terjadinya pengabungan tabel dimensi dengan tabel
dimensi lain yang berhubungan, sebelum terhubung atau tergabung dengan tabel
fakta(dapat dilihat pada contoh gambar 2.6).
22
Gambar 2.6-Snowflake Schema (Sumber : Connolly & Begg, 2010 : 1228)
3. Starflake
Starflake merupakan gabungan skema bintang dan snowflake dimana
membentuk sebuah jenis skema baru yang memiliki tampilan menyerupai kedua
skema sebelumnya. Menurut Connolly dan Begg (2010 : 1230) starflake merupakan
sebuah skruktur hybrid yang muncul dari penggabungan antara skema bintang dan
snowflake(dapat dilihat pada contoh gambar 2.7).
Gambar 2.7-Starflake Schema
(Sumber : Connolly & Begg, 2010 : 1228)
23
2.4.4 Data Mart
Menurut Inmon (2005 : 494) Data mart adalah struktur data yang tersusun
rapi yang dikumpulkan dari data warehouse dimana data telah didenormalisasikan
berdasarkan kebutuhan informasi departemen. Sedangkan menurut Connolly & Begg
(2010 : 1214) Data mart adalah sebuah database yang berisi sebagian kecil dari data
perusahaan untuk mendukung kebutuhan analisis dari sebuah departemen atau fungsi
bisnis tertentu, selain itu dapat juga digunakan untuk mendukung user yang ingin
berbagi kebutuhan yang sama untuk menganalisis proses bisnis perdepartemen.
Berikut adalah karakteristik yang membedakan antara data mart dengan
data warehouse :
• Data mart berfokus pada kebutuhan pengguna yang berhubungan hanya
dengan suatu bagian departemen atau fungsi bisnis.
• Data mart tidak berisi data operasional yang bersifat detil.
• Data mart lebih mudah dimengerti dan digunakan karena berisi data yang lebih
sedikit dan spesifik dibandingkan dengan data warehouse.
Data mart terbagi menjadi dua jenis (Turban, Sharda, & Delen, 2010 : 330)
yaitu independent dan dependent data mart. Independent data mart (gambar 2.8)
merupakan sebuah tempat penyimpanan kecil yang di rancang khusus untuk sebuah
departemen atau unit bisnis atau lebih sering disebut sebagai mini data warehouse.
Sedangkan dependent data mart (gambar 2.9) adalah data mart yang dibangun
berdasarkan data warehouse yang ada atau dengan kata lain dependent data mart
tidak dapat berdiri sendiri dan sangat tergantung pada data warehouse.
24
Gambar 2.8- Contoh Independent Data Mart
Gambar 2.9-Contoh Dependent Data Mart
2.4.5 Metadata
Menurut Turban, Sharda, & Delen (2010 : 334) Metadata termasuk program
perangkat lunak tentang data dan aturan untuk mengatur ringkasan data yang mudah
untuk indeks dan pencarian, terutama dengan alat halaman Web. Metadata juga
diartikan sebagai data tentang data, yang memberikan infromasi tentang karakteristik
dari data atau sumber informasi.
25
Tabel 2.2-Tabel Metadata Database : TokoABC_Database
Nama Tabel : TransaksiJual
Keterangan : Tabel ini berisi data transaksi penjualan
Primary Key : ID_Transaksi
Foreign Key : ID_Konsumen
Nama Field Tipe Data Panjang Keterangan
ID_Transaksi Integer 5 Kode transaksi
ID_Konsumen Integer 5 Kode konsumen
Jumlah Integer 4 Jumlah pemesanan
Connolly & Begg (2010 : 1206) menyatakan bahwa metadata didalam
sebuah data warehouse sangat membantu dalam proses-proses penting didalamnya
sehingga metadata sangat dibutuhkan dalam proses pembentukan data warehouse.
Berikut adalah beberapa tujuan metadata dalam sebuah data warehouse :
• Membantu proses ekstrasi dan loading
Fungsi metadata pada proses ini adalah metadata harus mendeskripsikan sumber
data dan setiap perubahan yang terjadi terhadap data.
• Membantu proses manajemen warehouse
Fungsi metadata pada proses ini sebagai penghasil summary yang ditampilkan
dalam bentuk tabel secara langsung yang bertujuan untuk menjelaskan data yang
ada di dalam data warehouse.
• Sebagai bagian dari proses manajemen query
Fungsi metadata pada proses ini sebagai pengarah query ke sumber data yang
tepat.
Dari kutipan diatas dapat disimpulkan bahwa metadata adalah data yang
menjelaskan isi data yang digunakan dalam keperluan manajemen data. Bentuk dari
26
metadata biasanya berbentuk field yang nama field, panjang field, dan tipe field
(integer, character, date,dll).
2.4.6 Extract, Transform, Load (ETL)
Sebuah data warehouse memiliki susunan data yang saling terintegrasi satu
sama lain, sumber data yang berada didalamnya berasa dari berbagai sumber data
(data operasional). Sumber data yang lebih dikenal dengan OLTP (Online
Transactional Processing) pada masing-masing departemen dalam sebuah organisasi
memiliki bentuknya masing-masing, sehingga untuk menyatukannya agar dapat
saling terintegrasi didalam data warehouse maka dibutuhkan ETL (Extract,
Transform, Loading) (Kimball, 2010 : 430). Sehingga Kimball (2010 : 430)
menyatakan bahwa ETL adalah sebuah proses dimana mengambil semua data asli
yang dibutuhkan dari sumber data (OLTP), lalu dilakukan suatu proses terhadap
data-data tersebut, dan tahap terakhir adalah mengeluarkan hasil proses data tersebut
kedalam sebuah hasil akhir dalam bentuk tabel untuk di query-kan oleh
penggunanya. Sedangkan menurut Inmon (2005 : 497) ETL adalah sebuah proses
dari menemukan data, mengintegrasikan data, dan menempatkan data tersebut dalam
sebuah tempat penampung seperti data warehouse.
ETL terbagi didalamnya menjadi tiga proses besar (Kimball, 2010 : 430-
432) yaitu :
• Extraction
Proses extract merupakan tahap awal dari kegiatan ETL, dimana mengambil
semua data yang dibutuhkan dari sumber data yang ada lalu di lakukan proses
ekstrasi data. terdapat tiga tahapan didalam melakukan extract :
27
1. Data profiling system
Merupakan kolom properti analisis termasuk didalamnya penemuan domain
yang disimpulkan, dan analisis struktur termasuk juga kandidat foreign key atau
hubungan primary key, analisis aturan data, dan analisis aturan nilai.
2. Change data capture system
Melakukan pembacaan sumber file log, sumber tanggal dan filterisasi nomor
urutan, dan melakukan perbandingan record yang berdasarkan pada algoritma cyclic
redundancy checksum (CRC).
3. Extract System
Merupakan adapter sumber data, mendorong/menarik/menggiring jadwal
kerja, penyaringan dan pemilahan pada sumber data, melakukan konversi format
data, dan staging data setelah di transfer ke lingkungan ETL.
• Transform
Hasil data yang telah di extract akan menjalani proses transformasi, proses
yang terjadi adalah mengubah kode-kode yang ada menjadi kode-kode yang
merupakan standarisasi yang ditetapkan dari awal sehingga semua data yang keluar
dari proses ini akan memiliki standarisasi yang sama untuk mendukung pembuatan
laporan yang lebih mudah.
• Load
Load adalah tahap terakhir dari proses ETL, merupakan proses mengirim
seluruh data yang telah melalui proses transformasi ketempat penampungan akhir
(data warehouse). Seluruh data yang telah melalui proses ini artinya telah siap
digunakan dan di akses untuk kepentingan strategis bagi perusahaan.
Jadi proses extract, transform, dan loading (ETL) didalam sebuah rangkaian
proses yang saling berkenjutan dari proses pengambilan data, lalu mengubah kode-
28
kode yang ada menjadi standarisasi untuk kemudian di kirimkan kedalam tempat
penampung yang disebut data warehouse.
2.5 Business Intelligence
2.5.1 Pengertian Business Intelligence
Business Intelligence merupakan suatu konsep pengetahuan yang
didapatkan dari hasil analisis data yang mendalam serta pelaporan informasi secara
grafis yang mudah dipahami bagi para eksekutif, hal ini diperkuat oleh Scheps (2008
: 12) dimana BI merupakan pengetahuan bisnis yang tepat waktu, sangat akurat, dan
bernilai tinggi yang dapat digunakan dalam membantu proses kerja dan pengambilan
keputusan yang strategis dengan semua teknologi yang digunakan untuk
mendapatkannya. BI terdiri dari architectures, databases, application, dan
methodologies untuk transformasi data menjadi informasi, kemudian menghasilkan
suatu keputusan, dan akhirnya menjadi tindakan. Tetapi hal berbeda disampaikan
oleh Connolly & Begg (2010 : 1195) BI diibaratkan sebagai sebuah payung yang
menaungi aturan yang berdasarkan pada proses untuk mengumpulkan dan menganilis
data, teknologi yang ini digunakan dalam proses-proses dan informasi yang
ditemukan dari keseluruhan proses untuk memfasilitasi pengambilan keputusan
perusahaan. Sedangkan menurut Kroenke & Auer (2011 : 549) Business Intelligence
adalah sebuah sistem informasi yang membantu manajer dan para profesional dalam
menganalisis kegiatan saat ini ataupun masa lalu dan membuat prediksi kejadian di
masa depan. Tidak sama dengan OLTP, BI tidak digunakan untuk mendukung
aktivitas operasional seperti menyimpan dan mengolah transaksi. Sistem BI dibagun
dengan tujuan mendukung manajer dalam menganalisis, perencanaan, control, dan
pengambilan keputusan.
29
Gambar 2.10-Arsitektur Business Intelligence (Sumber : Kroenke dan Auer, 2011 : 32)
BI mampu menyediakan suatu informasi ataupun pengetahuan kompleks
yang diringkas dalam bentuk visualisasi yang mudah dipahami oleh para eksekutif
mengenai kinerja perusahaan dan pengetahuan-pengetahuan strategis lain yang
mendukung kemajuan perusahaan.
Dari beberapa pernyataan di atas dapat disimpulan bahwa Business
Intelligence merupakan segala kegiatan, teknologi, atau proses pembuatan
pengetahuan strategis yang berguna untuk mendukung eksekutif dalam pengambilan
keputusan sehingga perusahaan memiliki keunggulan dan kemampuan bersaing
dengan perusahaan lain.
2.5.2 Business Intelligence Tools
Business intelligence tools atau sering juga di sebut end-user access tools
merupakan bagian yang menampilkan laporan dan kebutuhan untuk analisis lebih
lanjut dalam mendukung pengambilan keputusan. Sebagian besar dari business
intelligence tools menghasilkan laporan-laporan yang strategis dan prediksi kedepan
untuk mendukung pengambilan keputusan yang datanya bersumber dari data
warehouse ataupun dari data mart (Connolly & Begg, 2010 : 1206).
30
2.5.2.1 Online Analytical Processing (OLAP)
OLAP merupakan salah satu business intelligence tools yang memiliki
kemampuan untuk melakukan perhitungan, penjumlahan, rata-rata dan bekerja pada
perhitungan aritmatikan sederhana lainnya pada sekumpulan data (Kroenke & Auer,
2011 : 572). Menurut Connolly & Begg (2010 : 1250) OLAP adalah istilah yang
menggambarkan sebuah teknologi yang menggunakan gambaran multidimensi
sejumlah data untuk menyediakan akses yang lebih cepat bagi informasi strategis
untuk keperluan analisis lanjutan.
OLAP memungkinkan pengguna untuk mendapatkan pemahaman yang
lebih dalam dan pengetahuan tentang berbagai aspek data perusahaan mereka dengan
cepat, konsisten dan akses yang interaktif ke berbagai kemungkinan pandangan data.
OLAP memungkinkan pengguna untuk melihat data perusahaan sedemikian rupa
bahwa itu adalah model yang lebih baik dari dimensi perusahaan yang sebenarnya.
Sementara OLAP sistem dapat dengan mudah menjawab pertanyaan ‘siapa’ dan
‘apa’, itu adalah kemampuan mereka untuk menjawab jenis pertanyaan ‘apa jika’ dan
‘mengapa’ yang membedakan mereka dari query tools yang umum. (Connolly &
Begg, 2010 : 1250-1251).
Menurut Scheps (2008 : 68) OLAP memiliki arti sebagai sebuah konsep
multidimensional data dengan melakukan konseptualisasi data transaksional
perusahaan. Selain memberikan tampilan yang lebih ringkas, OLAP juga
memberikan cara baru dalam melihat data pada sistem business intelligence. Salah
satu sistem OLAP yang paling unggul adalah OLAP cube, dimana menurut Scheps
(2008 : 77) OLAP cube adalah penyimpanan data yang dirancang secara spesial
untuk menghadapi data secara spesifik yang berbentuk ringkasan multidimensional.
OLAP cube dapat ditampilkan dalam struktur dua dimensi (gambar 2.11) atau juga
31
tiga dimensi(gambar 2.12) spreadsheet dimana data cube disimpan di cells. OLAP
juga memberikan access tools dimana pengguna dapat melakukan percobaan untuk
melihat data dari berbagai sudut pandang yang menghasilkan business intelligence
yang interaktif.
Gambar 2.11-OLAP Cube Dua Dimensi
(Sumber : Connolly & Begg , 2010 : 1254)
Gambar 2.12-OLAP Cube Tiga Dimensi
(sumber : Connolly & Begg , 2010 : 1254)
32
2.5.2.2 Dashboard
Dasboard merupakan tampilan antar muka (user interface) yang
menampilkan laporan secara singkat dan mudah dimengerti, dashboard digunakan
untuk menampilkan informasi-informasi dalam bentuk grafik, kurva, diagram, dan
lain-lain dari berbagai macam data yang telah telah teringkas sesuai dengan
kebutuhan manajer tingkat atas (Coronel, Morris, & Rob, 2010 : 520). Hal ini
didukung dengan pendapat Turban (2011 : 201) Dashboard mampu menyediakan
gambaran visual yang lengkap mengenai ukuran, tren, dan eksepsi performa
korporasi. Selain itu juga dashboard mengitegrasi informasi dari berbagai area bisnis
dan juga memperlihatkan grafik yang menggambarkan perfoma aktual dibandingkan
dengan satuan yang diinginkan.
Gambar 2.13-Dashboard BI
(sumber : www.idashboard.com, 2012)
Berdasarkan kutipan diatas dapat disimpulkan bahwa dashboard adalah
sebuah tampilan untuk para pengguna (user interface) yang interaktif yang
menampilkan informasi dari proses pengolahan data-data yang telah diringkas untuk
33
membantu mendukung para manajer dan pengambil keputusan dalam menentukan
startegi kedepan.
2.5.2.3 Key Perfomance Indicator (KPI)
Key performance indicator biasanya digunakan sebagai alat pengukur yang
mengindikasikan keberhasilan pencapaian terhadap apa yang akan diukur. Hal ini
didukung dengan pendapat dari Ramos & Layton (2009 : 8) KPI adalah sebuah alat
yang dapat melakukan pengukuran performa terhadap target dari bisnis yang
berjalan. Dengan begitu seorang manajer dapat mengetahui dimana posisi
perusahaan pada saat itu berbanding dengan target yang telah di tetapkan.
KPI biasanya menempel pada komponen BI sebagaimana asset BI lainnya
sebagai komponen pengukur tingkat keberhasilan dari komponen BI (Miller, 2007).
Gambar 2.14- Contoh KPI Dalam Bentuk Gauge
(sumber : www.idashboard.com, 2012 )
Sebagian besar KPI yang ditampilkan pada tampilah antar muka atau user
access tools dalam bentuk diagram gauge untuk mempermudah membaca performa
dari unit yang di ukur. Gambar 2.14 menampilkan pengukuran tingkat performa dari
proses internal pada bulan Desember dari beberapa sudut pandang. Indikasi yang
diberikan adalah merah sebagai tanda diatas rata-rata, kuning memiliki arti sedang-
sedang, dan hijau memiliki arti renda. Tingkat performa ini di tentukan bedasarkan
34
perhitungan tertentu didalam perusahaan sehingga setiap perusahaan memiliki
batasan performanya masing-masing sesuai dengan target yang ditentukan.
Berdasarkan kutipan diatas dapat disimpulkan bahwa KPI adalah metrik
yang dapat mengindikasikan kemajuan pencapaian target, dimana metrik ini sebagai
alat pengukur proses yang memiliki nilai.
2.6 Analisis dan Perancangan
2.6.1 Proses Modelling
2.6.1.1 Rich Picture
Rich picture merupakan salah satu komponen penting dalam melakukan
perancangan, karena rich picture merupakan model berfikir mengenai sebuah sistem
dalam sebuah bidang. Rich picture digunakan sebagai representasi bagaimana
seorang analis melihat dan berpikir mengenai sistem atau masalah yang dihadapi.
Sifatnya yang tidak statis membuat rich picture dapat diperbaharui atau diperbaiki
ketika pemahanan mengenai sistem atau masalah yang ada menjadi jelas. Menurut
Mathiassen, Munk-Madsen, Nielsen, & Stage (2006 : 26) Rich picture adalah sebuah
gambar yang tidak formal yang menjelaskan ilustrasi berdasarkan situasi sebenarnya.
Pada umumnya digunakan dalam mengambarkan proses bisnis ataupun kegiatan
yang terjadi dalam sebuah perusahaan.
Berdasarkan kutipan di atas dapat disimpulkan bahwa rich picture
merupakan sebuah model yang merepresentasikan sistem dan masalah yang dihadapi
oleh sebuah organisasi. Rich picture sangat membantu para pengembang dalam
menganalisis masalah yang ada (contoh rich picture pada gambar 2.15).
35
Gambar 2.15-Contoh Rich picture
2.6.1.2 Data Flow Diagram
Menurut Whitten, Bentley, & Dittman (2004 : 344) data flow diagram
(DFD) dapat diartikan sebagai sebuah proses yang di modelkan yang digunakan
untuk menggambarkan aliran data yang melalui sebuah sistem dan cara kerjanya atau
proses yang ditampilkan oleh sistem. Sedangkan menurut Satzinger, Jackson, & Burd
(2010 : p206) data flow diagram adalah sebuah diagram model yang
merepresentasikan kebutuhan sistem sebagai sebuah sebuah proses, komponen luar,
aliran data, dan tempat penyimpanan data. DFD juga digunakan sebagai tampilan
untuk setiap orang dalam pembangunan proyek sistem sehingga masing-masing
dapat bekerja dengan satu pandangan yang sama. Berikut adalah penggambaran DFD
menurut Satzinger, Jackson, & Burd (2010 : 208) :
36
Gambar 2.16-Data Flow Diagram
(sumber : Satzinger, Jackson, & Burd, 2010 : 208)
Gambar di atas (gambar 2.16) menjelaskan komponen-komponen dari DFD
yang terdiri dari external agent (bisa berupa actor ataupun sistem lain), proses, dan
juga data store. Berdasarkan kutipan diatas data flow diagram dapat diartikan
sebagai sebuah diagram yang menggambarkan aliran data dalam sebuah sistem baik
input maupun output dan proses penghasilnya.
DFD terbagi menjadi 3 jenis (Satzinger, Jackson, & Burd, 2010 : 209) antara lain :
37
Gambar 2.17-Data Flow Diagram(Context Diagram, Diagram 0, Diagram 1)
(sumber : Satzinger, Jackson, & Burd, 2010 : 209)
1. Diagram konteks
Diagram konteks adalah sebuah diagram yang merangkum seluruh proses
kegiatan yang ada dalam sistem dengan sebuah simbol proses.
2. Diagram 0
Diagram 0 adalah sebuah DFD yang memodelkan kebutuhan sistem dengan
sebuah proses untuk masing-masing event dalam sebuah sistem ataupun sub
sistem.
38
3. Diagram 1 (Diagram Rinci)
Diagram 1 atau dikenal juga sebagai diagram rinci adalah DFD yang
memodelkan event-event yang masih terdapat beberapa proses didalamnya,
sehingga sebuah proses akan di tampilkan dalam bentuk yang paling rinci
atau primitif.
2.6.2 Unified Modeling Language (UML)
2.6.2.1 Use Case
Use case diagram merupakan diagram yang digunakan untuk
menggambarkan serangkaian tindakan bahwa beberapa sistem (subjek) harus atau
dapat melakukan atau bekerja sama dengan satu atau lebih pengguna di luar dari
sistem (aktor). Setiap use case harus menyediakan beberapa hasil yang dapat diamati
dan memiliki nilai kepada pelaku atau pihak-pihak yang berkepentingan dari sistem.
Sedangkan menurut Bennett, McRobb, & Farmer (2010 : 154), use case adalah
sebuah deskripsi fungsional dari sebuah sistem dari sudut pandang seorang user,
selain itu use case juga menggambarkan user mana yang berinteraksi dengan sistem.
Menurut Satzinger, Jackson, & Burd (2004 : 214), use case merupakan kegiatan yang
dilakukan oleh sistem, biasanya dalam menanggapi permintaan oleh user.
Penerapannya pengambaran use case diagram dapat dilihat pada gambar
dibawah ini (gambar 2.18) :
39
Gambar 2.18-Use Case Diagram
(Sumber : Satzinger, Jackson, & Burd (2010 : 244)
Dari kutipan diatas, dapat disimpulkan bahwa use case diagram merupakan
diagram yang menggambarkan proses-proses yang ada pada sistem, dimana setiap
sistem berhubungan dengan aktor-aktor dari proses tersebut.
2.6.2.2 Class Diagram
Class diagram adalah sebuah model grafik yang digunakan dalam
pendekatan object-oriented yang menampilkan class dari obyek-obyek di dalam
sistem (Satzinger, Jackson, & Burd, 2010 : 60). Class diagram terbagi menjadi 3
bagian yaitu bagian paling atas yang berisi nama class, bagian tengan berisi atribut,
dan bagian bawah merupakan bagian method. Antara satu class dengan class lain
dihubungkan dengan sebuah garis yang disebut dengan garis asosiasi. Garis asosiasi
memiliki beberapa jenis seperti one to one dan one to many. Sedangkan garis
penghubung antara super class dengan sub class disebut dengan generalisasi.
40
Gambar 2.19-Class Diagram
(Sumber : Satzinger, Jackson, & Burd, 2010 : 60) Gambar 2.19 merupakan contoh class diagram sederhana, terdapat empat class
diagram yaitu class Customer, class Account, class SavingAccount, class
CheckingAccount dengan attribute dan method nya masing-masing. Asosiasi yang
terbentuk antara class Customer dengan class Account adalah one to many yg
memiliki arti seorang customer dapat memiliki banyak account di bank tersebut.
Sedangkan class SavingAccount dan CheckingAccount (sub class) adalah class
turunan dari class Account (super class)yang menyimpan data detil dari Account.
2.6.2.3 Sequence Diagram
Sequence diagram merupakan diagram yang menggambarkan interaksi
dengan berfokus pada urutan pertukaran pesan atau informasi berdsarkan waktu dari
satu obyek ke obyek lainnya. Pendapat ini di dukung oleh pernyataan Satzinger,
41
Jackson, & Burd (2004 : 226) yang menyatakan bahwa sequence diagram adalah
diagram yang digunakan untuk menggambarkan masuk dan keluarnya aliran
informasi di dalam sistem dan bagaimana sebuah obyek berinteraksi dengan obyek
lain. Sedangkan menurut Bennett, McRobb, & Farmer (2010 : 262), sequence
diagram adalah sebuah diagram yang menampilkan interaksi antara objek yang
teratur dalam urutan waktu dalam sebuah sistem yang berjalan.
Dari pengertian diatas, sequence diagram dapat disimpulkan Sequence
diagram adalah menggambarkan bagaimana obyek berinteraksi satu sama lain
melalui pesan dalam eksekusi dari use case atau operasi. Diagram ini
menggambarkan bagaimana pesan dikirim dan diterima antara obyek dan dalam
suatu sequence.
Gambar 2.20- Sequence Diagram Dengan Loop
(sumber : Bennett, McRobb, & Farmer (2010 : 263)
Terdapat beberapa aktivitas yang sering terjadi dalam sebuah sistem
berjalan dalam kurun waktu tertentu, didalam sequence diagram digambarkan
menjadi beberapa notasi khusus dalam kegiatan tersebut diantaranya (Bennett,
McRobb, & Farmer 2010 : 279) :
42
1. Looping (perulangan)
Looping merupakan kegiatan yang terjadi secara berulang atau sering juga
di sebut iteration. Kegiatan yang terjadi adalah pesan yang berulang atau dapat
terjadi lebih dari satu kali dalam sebuah frame. Penggambaran notasi ini dituliskan
pada kiri atas dengan tulisan “loop”(contoh pada gambar 2.20).
2. Alternatif
Alternatif merupakan kegiatan yang ada pada sequence diagram yang terjadi
adanya beberapa pilihan pada kondisi tertentu. Setiap pilihan ditunjukan pada
operator yang terpisah sehingga setiap pilihan akan dipaksa menjadi nilai eksekusi
yang benar. Pengambaran notasi ditulis pada kiri atas dengan tulisan “alt”(contoh
pada gambar 2.21).
43
Gambar 2.21-Penggunaan Alternative
(Sumber : Pilone & Pitman, 2005 : 154)
3. Option (pilihan)
Option atau pilihan merupakan pilihan yang menjelaskan bahwa pilihan
tersebut dipilih dari operan sebagai hanya operan itu yang di eksekusi saat di pilih.
Pengambaran notasi dituliskan pada kiri atas dengan tulisan “opt”(contoh pada
gambar 2.22).
44
Gambar 2.22-Penggunaan Option
(sumber: Chonoles & Schardt, 2003 : 208)
4. Reference
Penggunaan ref ditunjukan sebagai tanda bahwa ada penyisipan perilakukan
yang direfensikan ke diagram yang lebih besar. Penggunaannya dapat dilihat pada
gambar 2.23.
45
Gambar 2.23-Pengunaan Refrence
(sumber: chonoles &Schardt, 2003 : 206) 2.6.2.4 Navigation Diagram
Menurut Mathiassen, Munk-Madsen, Nielsen, & Stage (2006 : 159),
navigation diagram merupakan sebuah diagram yang menampilkan gambaran umum
dari seluruh komponen tampilan antar muka (user interface) dan gambaran umum
bagaimana proses transisi tampilan antar muka. Navigation diagram digambarkan
menjadi serangkaian navigasi antara satu tampilan ke tampilan lain. Tanda panah
digunakan sebagai penunjuk bagaimana penggunaan tombol-tombol tertentu agar
dapat mengaktifkan ataupun mengakses fungsi tertentu dalam aplikasi yang
berhubungan.
Gambar 2.24-Contoh Navigation Diagram
46
Pada gambar 2.24 digambarkan bahwa setelah berhasil melakukan login, user akan
diarahkan menuju ke tampilan window pendaftaran.
2.6.2.5 Deployment Diagram
Menurut Satzinger, Jackson, & Burd (2010 : 401) Deployment diagram
adalah diagram yang mengambarkan cara penempatan komponen yang berbentuk
fisik pada lokasi yang berbeda. Diagram ini digunakan untuk menggambarkan proses
sistem terjadi pada lokasi-lokasi masing-masing (client dan server).
Gambar 2.25- Deployment Diagram
(Sumber : Satzinger, Jackson, & Burd, 2010, p402)
Pada gambar 2.23 terdapat sebuah deployment diagram yang menjelaskan
bahwa artifact browser bekerja didalam komputer bagian client sedangkan internet
server dan application server bekerja didalam server. Deployment diagram bertujuan
untuk memodelkan konfigurasi implementasi sebuah sistem untuk membantu
mempermudah dalam tahap implementasi.
2.7 Network Design
Network design adalah sebuah gambaran jaringan komputer yang terdiri
dari perlengkapan, dan prosedur hubungan antara satu komponen dengan komponen
lain untuk dapat saling berbagi informasi dan sumber daya (Satzinger, Jackson, &
Burd, 2010 : 335). Didalam desain jaringan ini menampilkan bagaimana antara
47
komputer dengan komputer lain terhubung (user dengan user lain ataupun client dan
server). Terdapat beberapa jenis penghubung yang dapat digunakan antara lain :
• Local Area Network (LAN)
Merupakan jaringan yang jangkauannya kurang dari satu kilometer dan hubungan
antara komputernya terdapat dalam satu bangunan yang sama.
• Wide Area Network (WAN)
Merupakan jaringan ekstra luas yang biasanya digambarkan dengan jaringan
yang mampu terhubung lebih dari satu kilometer. Walaupun pada saat ini jarak
jauh tersebut mencakup antar kota, negara, atau benua.
Gambar 2.26-Contoh Desain Jaringan Komputer
(Sumber : Satzinger, Jackson, & Burd, 2010 : 335)
Pada gambar 2.26 merupakan desain jaringan komputer, pada masing-
masing kota jaringan computer yang digunakan adalah LAN karena terhubung dalam
48
ruang lingkup yang kecil (hanya dalam satu gedung perusahaan) sedangkan untuk
terhubung dengan kantor perwakilan di kota-kota lain menggunakan jaringan WAN.
2.8 Geographic Information system (GIS)
Geographic Information System adalah gabungan antara hardware, software,
dan digital geospatial data yang dikombinasikan untuk menyediakan kemampuan
pemetaan database untuk menampilkan informasi geografi dan analisis berbasis pada
tempat atau ruangan tertentu (Stone, 1998 : 66). Sedangkan menurut Bishop, Mandel,
& McClure (2011 : 2) GIS adalah sebuah teknologi yang mewakili sebuah kategori
software baru yang merupakan kombinasi dari hypertext/hypermedia dan
penggunaan peta serta simbol-simbol yang akan menampilkan informasi yang
berhubungan dengan sebuah tempat. GIS awalnya digunakan untuk melakukan
pemetaan terhadap jumlah penduduk dari sebuah negara, tetapi seiring
perkembangan teknologi kemampuan tools sejenis ini dikembangkan untuk
memenuhi kebutuhan dalam bisnis.
Gambar 2.27-Contoh GIS
(Sumber : www.idashboard.com, 2012)
Pada gambar 2.27 merupakan contoh GIS yang menampilkan performa
penyebaran penjualan sebuah produk di amerika. Untuk kota-kota yang berwarna
49
merah memiliki arti performa penjualan dibawah rata-rata, sedangkan biru memiliki
arti performa yang baik sesuai dengan target ataupun diatas target. GIS sangat
membantu mempermudah user dalam mengamati laporan.
Jadi berdasarkan kutipan diatas dapat disimpulkan bahwa GIS merupakan
sebuah alat yang memiliki kemampuan untuk menghasilkan dan menampilkan
informasi yang lebih banyak dan baik daripada cara lain dalam bentuk peta dan
memungkinkan untuk analisis penyebaran ataupun gambaran statistic mengenai
suatu tempat dilihat dari masalah yang dihadapi.
2.9 Marketing
Marketing atau pemasaran adalah salah satu bagian penting dari sebuah
bidang bisnis, karena bagian pemasaran adalah salah satu bagian yang menentukan
seberapa besar sebuah produk atau jasa dari sebuah bidang usaha dapat dikenal
masyarakat dan juga menjadi bagian yang melayani perdagangan produk yang di
hasilkan oleh sebuah perusahaan. Menurut Kolter & Keller (2008 : 6) marketing
merupakan sebuah fungsi dari organisasi dan merupakan proses untuk menciptakan,
mengkomunikasikan, dan menyampaikan sebuah nilai kepada konsumen dan
menjaga hubungan kepada konsumen dalam berbagai cara yang dapat menghasilkan
keuntungan untuk organisasi maupun pada pemegang saham. Selain itu juga
marketing management sangat berhubungan untuk mendukung marketing yang baik,
menurut Kolter & Keller (2008 : 6), marketing adalah sebuah seni dan ilmu dalam
memilih konsumen yang pada akhirnya berhasil mendapatkan, mempertahankan, dan
mengembangkan konsumen melalui penciptaan, penyampaian, dan
pengkomunikasian nilai-nilai utama untuk konsumen.
Berdasarkan kutipan di atas dapat disimpulkan bahwa marketing merupakan
sebuah fungsi dari organisasi yang dibangun untuk tujuan menghasilkan keuntungan
50
bagi organisasi dengan cara menciptakan, mengkomunikasikan, dan menyampaikan
sebuah nilai produk yang dimiliki oleh organisasi.
2.10 TAM 1 (Technology Acceptance Model 1)
Menurut Kripanont (2006 : 16) technology acceptance model (TAM) adalah
sebuah analisis yang dilakukan dengan tujuan untuk mengukur dan menjelaskan
tingkah laku pengguna dengan teknologi dimana cepat berubahnya teknologi dan
lingkungannya. Secara sederhana dapat di pahami sebagai alat yang mengukur
pengaruh niat dan perilaku biasanya dalam konteks yang spesifik termasuk teknologi,
individu, dan organisasi.sedangkan menurut Davis(1989 : 319-339) TAM merupakan
pengukur tingkat kemudahan penggunaan dan kegunaan yang dirasakan oleh
seseorang yang memakai teknologi baru dan apakah akan mempengaruhi sikap
secara individu dalam menggunakan teknologi tersebut.
Berdasarkan kutipan diatas dapat disimpulkan bahwa TAM merupakan
salah satu metode analisis untuk mengukur tingkat kepuasan dan kesesuaian
teknologi dengan lingkungan yang akan menggunakannya dengan beberapa sudut
pandang pengukuran.
Dalam menganalisis tingkat kesesuai suatu teknologi yang di
implementasikan pada sebuah lingkungan baru tentunya ada beberapa poin yang
menjadi kunci penilaian, seperti yang jelaskan Davis (1989 : 319-339) Didalam
TAM terdapat beberapa poin penting pengukuran antara lain :
1. Perceived Usefulness
Poin ini digunakan dalam mengukur tingkat keuntungan yang paling
dirasakan seorang user dalam menggunakan teknologi. Pada poin ini
pengukuran memiliki tujuan untuk mendapatkan umpan balik dari persepsi
51
seorang user, apakah teknologi tersebut dapat memberikan keuntungan
bagi dirinya jika digunakan.
2. Perceived Ease of Use
Kemudahan pengunaan adalah salah satu poin penting yang akan
menentukan sebuah teknologi akan sering digunakanan atau tidaknya.
Setiap user pastinya menghadapi tingkat yang berbeda-beda dalam
penilaian ini, tetapi sebuah teknologi tentunya harus mudah digunakan dan
dimengerti cara penggunaannya.
3. Social Influence
Pada poin ini yang diukur adalah tingkat seberapa pengaruhnya lingkungan
disekitarnya untuk mendukung seorang user ikut menggunakan teknologi
tersebut. Jadi pengukuran dilakukan dengan melihat keinginan seorang user
untuk ikut menggunakan teknologi berdasarkan pengaruh dari
lingkungannya.
4. Self-Efficacy
Pengukuran tingkat efisiensi teknologi pada diri sendiri dilakukan dengan
tujuan untuk mengetahui apakah teknologi yang ada benar-benar tepat guna
bagi seorang user. Penilaian ini akan digunakan dalam perbandingan untuk
mengetahui apakah teknologi ini memang benar-benar tepat guna atau user
menggunakannya karena faktor lain seperti user behaviour atau behaviour
intention.
5. Facilitating Conditions
Pengukuran ini untuk mengetahui tanggapan dari user terhadap teknologi
sebagai fasilitas yang ada untuk mendukung sistem dalam sebuah
organisasi. Tujuan pengukuran ini memiliki harapan penggunaan teknologi
52
bukan semata-mata karena keinginan user dalam penggunaannya
melainkan menggunakan teknologi sebagai fasilitas yang mndukung
organisasi.
6. User Behaviour
Pengukuran ini untuk mengetahui tingkah laku seorang user dalam
menggunakan teknologi, dengan harapan teknologi yang dikembangkan
sesuai dengan keinginan user dan dapat mendukung tingkat keinginan user
dalam menggunakannya pada jangka waktu yang lama.
7. Behaviour Intention
Poin ini mengukur tingkat tingkah laku seorang user dalam keinginannya
dalam menggunakan teknologi atau berhubungan dengan teknologi yang
dikembangkan. Tujuan dari analisis pada poin ini adalah untuk membuat
prediksi terhadap tingkah laku user dalam menggunakan teknologi pada
masa yang akan datang.
Pengunaan TAM dapat dimodifikasi sesuai kebutuhan sehingga tidak
semua poin digunakan dalam pengukuran. Data yang diolah dengan analisis ini
didapat dari seluruh user dari teknologi atau dapat juga dengan menggunakan teknik
sampling. Pengambilan data dapat menggunakan penyebaran kuesioner. Setelah data
diperoleh maka akan dilanjutkan dengan metode analisis, ada dua jenis analisis yang
dapat digunakan :
• Statistik Deskriptif
Analisis statistik deskriptif merupakan analisis yang memberikan gambaran
mengenai demografi responden penelitian. Perhitungan berdasarkan variabel-
variabel penelitian untuk mengetahui distribusi frekuensi yang absolut dan
53
menampilkan perhitungan-perhitungan seperti mean, median, standard deviation,
dan kecenderungan jawaban dari responden.
• Uji Hipotesis
Pengujian uji hipotesis dilakukan dengan teknik analisis structural equation
model (SEM). SEM merupakan sekumpulan teknik-teknik statistikal yang
mampu menguji serangkaian hubungan relatif yang rumit secara simultan.
Berikut adalah beberapa teknik yg terdapat dalam SEM :
1. Model Spesifikasi
Model ini dikenal juga sebagai path analysis, karena pada model ini akan
dilakukan perbandingan terhadap jalur-jalur yang mungkin terbentuk dalam
perhitungan analisis.
2. Estimasi Parameter
Model ini menganalisis outer model atau model yang dapat diukur dan juga
inner model atau struktural model.
Pada penilitian ini digunakan metode analisis statistik deskriptif karena
merupakan metode yang paling memungkinkan untuk mengukur hasil data yang ada.
Berikut ada contoh pengukuran secara statistik deskriptif :
54
Tabel 2.3-Tabel Data Responden
Tabel 2.4-Tabel Perhitungan Statisitik Deskripsi
Pada tabel 2.4 N memiliki arti jumlah responden yang mengisi kuesioner
terdapat 48 responden. Cara membacanya adalah dengan membandingkan besaran
mean dengan median, jika mean mendekati atau sama dengan atau bahkan lebih
besar dari nilai median maka dapat dikatakan bahwa teknologi yang di terapkan telah
sesuai dengan harapan responden pada masing-masing poinnya.