9

BAB 2

TINJAUAN PUSTAKA

2. 1 Teori Umum

2.1. 1 Pengertian Data

Inmon (2005:p493) menyatakan bahwa data adalah rekaman dari

fakta, konsep atau pun instruksi yang disimpan, diolah dalam suatu media

rekaman secara otomatis untuk berkomunikasi dan presentasi sebagai

informasi yang dapat dimengerti oleh manusia.

McLeod dan Schell menyatakan bahwa (2007:p9) data adalah

sekumpulan fakta dan gambaran yang secara umum tidak dapat digunakan

karena belum diolah.

Berdasarkan definisi menurut para ahli di atas dapat disimpulkan

bahwa data adalah kumpulan fakta yang belum dapat digunakan karena

belum diolah dan diproses menjadi informasi melalui suatu media,

sehingga dapat dimengerti oleh manusia.

2.1. 2 Pengertian Informasi

Inmon (2005:p498) menyatakan bahwa informasi adalah kumpulan

data yang telah diolah dan dievaluasi sehingga dapat digunakan untuk

penyelesaian masalah maupun membantu dalam membuat keputusan.

Whitten (2007:p21) mendefinisikan informasi sebagai data yang

diproses atau diorganisasikan menjadi bentuk yang memiliki arti untuk

penggunaanya. Informasi diharapkan mengandung makna bagi

penggunanya karena sudah dikombinasikan dengan berbagai macam data.

O’Brien et al. (2010:p565) mengatakan bahwa informasi adalah

data yang telah diubah menjadi konteks yang berarti dan berguna bagi para

pemakai akhir tertentu.

10

Berdasarkan definisi yang dijelaskan para ahli di atas dapat diambil

kesimpulan informasi adalah kumpulan dari data yang sudah diolah

sedemikian rupa sehingga dapat diambil sebagai pedoman untuk

membantu dalam mengambil keputusan oleh penggunanya.

2.1. 3 Pengertian Sistem Informasi

O’Brien et al. (2010:p4) mengatakan bahwa sistem informasi

merupakan kombinasi teratur apapun dari orang-orang, perangkat keras,

perangkat lunak, jaringan komunikasi, dan sumber daya data yang

mengumpulkan, mengubah, dan menyebarkan informasi dalam sebuah

organisasi.

Satzinger et al. (2012:p4) mendefinisikan sistem informasi sebagai

merupakan satu set komponen komputer yang saling terkait untuk

mengumpulkan, memroses, menyimpan dan menyediakan sebagai bentuk

output yang diperlukan untuk menyelesaikan tugas-tugas bisnis.

Dalam jurnal Choirul Huda, Bram Pangestu dan Jimmy Lai

(2010:p437) Peran teknologi pada era saat ini semakin penting dalam

kehidupan sehari-hari. Namun kurangnya penyajian informasi secara

dinamis dan lintas waktu sering menjadi masalah dalam menganalisis

kondisi perusahaan. Rekaman data yang semakin lama semakin berlimpah

dapat menimbulkan ketidakfokusan dalam menganalisa data, serta

memerlukan waktu yang cukup lama untuk dapat membantu pengambilan

keputusan.

Data warehouse sebagai salah aspek teknologi informasi,

merupakan sebuah solusi yang tepat bagi perusahaan dalam pengambilann

keputusan. Dengan data warehouse, data-data terkait dalam pengambilan

keputusan dapat disimpan dalam lintas waktu yang mencukupi, serta dapat

menghasilkan media penyajjian informasi yang lengkap, dinamis, dan

cepat. Data warehouse merupakan sebuah kumpulan data yang bersifat

subject oriented, integrated, time variant, dan non-volatile yang dapat

mendukung proses pembuatan keputusan manajemen. Metode yang

digunakan dalam penelitian ini meliputi analisis, perancangan, dilanjutkan

dengan pembuatan program, pengujian dan evaluasi. Analisis dilakukan

11

terhadap kondisi perusahaan, analisa kekuatan, kelemahan, peluang, dan

ancaman sehingga dapat diidentifikasi kebutuhan perusahaan.

Dari evaluasi yang dilakukan, aplikasi data warehouse memiliki

fungsi-fungsi yang mampu menampilkan informasi terkait pembelian,

penjualan, produksi, dalam format grafikal maupun tabel dengan

kemampuan drill down dan drill up, dan dapat dikaji lintas dimensional.

Dengan adanya aplikasi data warehouse ini, pengambil keputusan dapat

memperoleh informasi yang labih lengkap, format yang lebih mudah

dipahami dan variatif, informasi dapat dikaji dari beraneka dimensi sesuai

yang dibutuhkan, lintas waktu, beragam skala dari tingkatan kumulatif

hingga detail.

Berdasarkan definisi yang dijabarkan oleh para ahli dan jurnal di

atas, maka dapat disimpulkan sistem informasi adalah kumpulan dari

komponen (hardware, software, brainware, prosedur, dan aturan) yang

sudah terintegrasi dan dapat digunakan untuk mengelola data menjadi

informasi, sehingga bermanfaat untuk memecahkan masalah dan

pengambilan keputusan.

2.1. 4 Pengertian Database

Connolly dan Begg (2010:p65) mangatakan bahwa database adalah

sekumpulan data tersebar yang berhubungan secara logis, dan penjelasan

dari data ini dirancang untuk memenuhi kebutuhan informasi dari suatu

perusahaan.

Inmon (2005:p493) menyatakan bahwa database adalah

sekumpulan data yang tersimpan dan saling berhubungan (biasanya

dengan redudansi yang terkontrol dan terbatas) berdasarkan skema. Sebuah

database dapat melayani single atau multiple applications.

Berdasarkan definisi yang dijabarkan oleh para ahli di atas, maka

dapat disimpulkan database adalah sekumpulan data yang saling

berhubungan dan terorganisir secara logis yang disimpan berdasarkan data

terpusat dalam bentuk skema dan mengontrol data redundant untuk

memenuhi kebutuhan informasi dari suatu organisasi.

12

2.1. 5 Pengertian Database Management System (DBMS)

Connolly dan Begg (2010:p66) menyatakan bahwa Database

Management System (DBMS) adalah sebuah sistem software yang

memungkinkan pengguna untuk mendefinisikan, membuat, me-maintain,

dan mengontrol akses ke database.

Kimball dan Ross (2002:p398) menyatakan bahwa, Database

Management System (DBMS) adalah sebuah aplikasi komputer yang

bertujuan untuk menyimpan, mengambil, dan memodifikasi data dengan

cara yang sangat terstruktur.

2.1.5. 1 Fasilitas Database Management System (DBMS)

DBMS menyediakan fasilitas – fasilitas sebagai berikut :

1. Data Definition Language (DDL), berguna untuk menentukan

spesifikasi tipe data, struktur, dan constraint data yang akan

disimpan dalam sebuah database.

2. Data Manipulation Language (DML), berguna untuk

melakukan aktifitas insert, update, delete dan mengembalikan

data dengan memberikan fasilitas data query berupa query

language. Query language yang sering digunakan adalah

Structured Query Language (SQL).

3. Pengendalian akses database, antara lain :

a. Sistem keamanan, supaya user yang tidak memiliki hak

akses tidak dapat mengakses database yang ada.

b. Sistem integrasi, menjaga konsistensi data yang disimpan.

c. Sistem kontrol konkurensi, memungkinkan berbagi akses

database.

d. Pengendalian Recovery System, pemulihan untuk database

setelah mengalami kegagalan perangkat keras atau

perangkat lunak.

e. Katalog akses user, berisi deskripsi data pada sebuah

database.

13

2.1.5. 2 Komponen Database Management System (DBMS)

Mengacu pada pendapat Connolly et al. (2010), ada lima

komponen utama dalam DBMS, yaitu :

1. Perangkat keras (hardware), DBMS dan aplikasi memerlukan

perangkat keras untuk menjalankannya. Perangkat keras dapat

berupa single personal computer, single mainframe atau

jaringan komputer.

2. Perangkat lunak (software), komponen perangkat lunak terdiri

dari DBMS, aplikasi program, sistem operasi, dan perangkat

lunak jaringan (jika diperlukan untuk membuat suatu jaringan).

3. Data yang merupakan data operasional dan metadata yang

digunakan perusahaan.

4. Procedur, yaitu instruksi, aturan dan fungsi yang harus ada

pada desain dari database dan DBMS.

5. People, dapat digolongkan menjadi 4 bagian, antara lain :

a. Data Administrator (DA)

Data Administrator mengatur sumber daya data, meliputi

perencanaan database, pengembangan dan pemeliharaan

standar, kebijakan dan prosedur, dan desain database

logical dan konseptual.

b. Database Administrator

Database Administrator mengatur bentuk fisik dari aplikasi

database yang meliputi desain fisik database dan

implementasi, pengaturan, keamanan dan kontrol integritas,

pengawasan performa sistem dan pengaturan ulang

database.

14

c. Database Designer (Physical and Logical)

Designer database logical melakukan identifikasi data

(entitas dan atribut), hubungan antar data, dan batasan data

yang disimpan dalam database. Desainer database fisikal

memutuskan bagaimana desain database logical

diimplementasikan.

d. Application Developer

Application Developer mengimplementasikan program

aplikasi yang menyediakan kebutuhan bagi end user.

e. End – User

End – User dapat digolong menjadi dua bagian, yaitu :

• Native users, adalah user yang tidak perlu

mengetahui tentang DBMS. User hanya mengetahui

bagaimana cara mengoperasikan dengan perintah

sederhana dan memilih dari menu.

• Sophisticated users, user yang mengetahui struktur

database dan fasilitas DBMS yang tersedia.

2.1.5. 3 Keuntungan dan Kerugian Database Management System

(DBMS)

Mengacu pada pendapat Connolly et al. (2010) ada beberapa

keuntungan yang didapat dengan memakai DBMS, yaitu :

1. Mengontrol redudansi data

2. Konsistensi data

3. Lebih banyak informasi dari jumlah data yang sama

4. Berbagi data

5. Meningkatkan integritas data

6. Meningkatkan keamanan

7. Standar pelaksanaan

15

8. Skala ekonomi (data operasional perusahaan dijadikan satu

database dan membuat aplikasi dengan menggunakan satu

sumber data sehingga lebih hemat biaya).

9. Keseimbangan aksesbilitas dan responsibilitas pada data

10. Meningkatkan produktifitas

11. Menigkatkan pemeliharaan melalui indepedensi data

12. Meningkatkan konkurensi (mengurangi kehilangan informasi

dan kehilangan integrasi)

13. Meningkatkan layanan back up dan recovery

Sementara itu kerugian DBMS menurut Connolly et al. (2010)

adalah sebagai berikut :

1. Komplesitas

2. Ukuran

3. Biaya DBMS

4. Biaya penambahan perangakat keras

5. Biaya konversi (biaya staff spesialis, biaya pelatihan)

6. Performance (tidak dapat berjalan secepat yang diinginkan)

7. Resiko kesalahan yang lebih.

2.1. 6 Pengertian Online Transaction Processing (OLTP)

Hoffer et al. (2009:p431) menyatakan bahwa OLTP atau Online

Transaction Processing adalah sebuah sistem yang digunakan dalam

aplikasi berorientasi transaksi yang melibatkan pemrosesan transakasi

SQL secara real-time. Hal ini ditandai dengan entri data dan pemanggilan

data kembali secara cepat dalam lingkungan multiuser.

Menurut Connolly dan Begg (2010:p1196), sistem yang

didesain untuk menangani aliran data transaksi yang tinggi, namun

transaksi biasanya membuat perubahan kecil data operasional organisasi

dan data yang harus ditangani oleh perusahaan adalah data operasional

sehari-hari. Sistem ini disebut Online Transaction Processing (OLTP).

16

Berdasarkan definisi-definisi yang dijabarkan oleh para ahli di

atas, maka dapat disimpulkan Online Transaction Processing (OLTP)

adalah sistem yang digunakan dalam aplikasi yang berorientasi pada

penanganan transaksi dengan aliran data yang sangat tinggi dan data yang

ditangani adalah data operasional sehari-hari.

2.1. 7 Pengertian Online Analytical Processing (OLAP)

Hoffer et al. (2009:p431) menyatakan bahwa Online Analytical

Processing (OLAP) merupakan seperangkat alat grafis yang menyajikan

pengguna dengan tampilan data secara multidimensional dan

memungkinkan pengguna untuk menganalisis data menggunakan teknik

windowing sederhana.

Menurut Connolly dan Begg (2010:p1250), Online Analytical

Processing (OLAP) adalah perpaduan dinamis analisis dan gabungan dari

data multidimensional dalam jumlah besar.

Menurut jurnal Walldorf (2012:p1124) Pengolahan analisis

online (OLAP) adalah bagian penting dari sebagian besar data warehouse

dan analisis sistem bisnis. Jasa OLAP menyediakan analisis informasi

multi-dimensi yang cepat. Untuk tujuan ini, jasa OLAP menyediakan

akses multi-dimensi dan navigasi data dengan cara yang intuitif dan alami,

memberikan pandangan global data yang dapat di drilled down ke dalam

data tertentu yang diinginkan. Kecepatan dan waktu respon merupakan

atribut penting dari layanan OLAP yang memungkinkan pengguna untuk

mencari dan menganalisis data secara online dengan cara yang efisien.

Selanjutnya, jasa OLAP biasanya menyediakan alat-alat analisis untuk

menentukan peringkat, agregat, dan menghitung lead dan lag indikator

untuk data yang sedang dianalisis.

Sebuah OLAP cube adalah representasi multi-dimensi dari satu

set data. Cube tersebut adalah basis untuk penyimpanan data transaksi

dalam prior art data warehouse systems. Hal yang sama berlaku analog

sejauh OLAP cube classes yang bersangkutan. Misalnya, ketika pengguna

memilih salah satu cube OLAP, OLAP cube yang dipilih harus dipetakan

17

ke salah satu dari yang telah ditetapkan OLAP cube classes. Hal ini dapat

dilakukan dengan memasukkan nama OLAP cube diberikan ke tabel

pemetaan. OLAP cube dapat diambil dari sumber data internal maupun

eksternal. OLAP cube juga dapat digenerate oleh komputer atau didefinisi

oleh user. Pemetaan tabel database ke jenis entitas kelas mungkin

merupakan pemetaan n:1, yakni antara satu dan n tabel database dapat

dipetakan ke tipe entitas kelas yang sama. Tabel database, yang dipetakan

ke jenis entitas kelas yang sama, digabung untuk diproses oleh aplikasi

yang dipilih. Sebaliknya, pemetaan OLAP cube ke OLAP cube clasess

adalah pemetaan 1:1.

Berdasarkan definisi-definisi yang dijabarkan oleh para ahli di

atas, maka dapat disimpulkan Online Analytical Processing (OLAP)

adalah perpaduan analisis dan gabungan dari data multidimensional dalam

jumlah besar yang memungkinkan pengguna untuk menganalisis data

dengan menggunakan teknik windowing sederhana.

2.1. 8 Entity Relationship Diagram (ERD)

Connolly et al. (2010:p473) mengatakan bahwa ERD digunakan

untuk menggambarkan hubungan antara satu entitas dengan entitas yang

lain.

Menurut jurnal Geiger, J. G. (2011:p34) Model validasi oleh

komunitas bisnis dapat dilakukan dalam beberapa cara. Dari perspektif

analis, pendekatan yang paling mudah adalah dengan membuat suatu

diagram dan menelusurinya dengan business representatives.

Pendekatan ini memerlukan pelaku bisnis untuk memahami

diagram yang berorientasi IT, dan hal harus sesuai ketika validasi

dilakukan oleh dewan kepengurusan data atau orang yang terlibat langsung

dalam proyek-proyek IT. Untuk beberapa pengusaha, diagram hubungan

entitas sama halnya dengan bahasa asing. Orang-orang ini cenderung

untuk menolak belajar cara membaca diagram, dan dibutuhkan pendekatan

khusus untuk memvalidasi model. Seorang analis perlu mengidentifikasi

bagian model dari tiap orang untuk memvalidasi dan menginterpretasikan

18

secara lisan informasi dalam model dan aturan bisnis yang terkait. Sebagai

contoh, jika model berisi entitas dan hubungan, pengusaha harus diminta

untuk mengkonfirmasi bahwa seseorang selalu ditugaskan untuk

departemen tertentu , tetapi beberapa departemen mungkin tidak memiliki

karyawan dalam diri mereka. Selanjutnya, karena metadata mencakup

definisi, definisi untuk departemen dan karyawan harus dikonfirmasi.

Selain itu, elemen data termasuk dalam masing-masing dua

entitas harus tercantum, dan pengusaha harus ditanya apakah tidak ada

yang signifikan telah dihilangkan. Sementara representasi data dapat

divalidasi oleh perwakilan dari manajemen data, konten harus divalidasi

oleh pengusaha. Tinjauan Proses itu sendiri harus disesuaikan dengan

resensi dan alternatif untuk pemeriksaan diagram yang sebenarnya

mungkin diperlukan jika resensi tidak familiar dengan notasi.

Berdasarkan hal diatas, dapat disimpulkan bahwa informasi data

yang didapat berdasarkan sudut pandang client diterjemahkan oleh sistem

analis menjadi suatu model konseptual data yang dalam hal ini berupa

ERD yang nantinya digunakan oleh programer sebagai pedoman dalam

membangun database. Untuk mencegah pemahaman yang salah dari data

perusahaan makan dibutuhkan sebuah bentuk komunikasi non-teknis

sebagai berikut :

2.1.8. 1 Entity Type

Connolly et al. (2010:p372) menyatakan bahwa entitas

merupakan kumpulan dari objek-objek. Dan objek tersebut

diidentifikasi oleh sebuah organisasi memiliki karakteristik yang

sama.

19

2.1.8. 2 Relationship type

Connolly et al. (2010:p374) menyatakan bahwa relationship

type adalah sekumpulan hubungan antara satu atau lebih entitas.

Sebuah entitas berderajat dua disebut binary, berderajat tiga disebut

ternary dan berderajat empat disebut quarternary.

2.1.8. 3 Attribute

Connolly et al. (2010:p379) menyatakan bahwa atribut adalah

sifat dari sebuah entitas atau sebuah tipe relasi. Contohnya yaitu,

sebuah entitas Pelanggan yang dijelaskan oleh atribut

Kode_Pelanggan, Nama_Pelanggan, Status, dan Gender.

Attribute domain adalah sejumlah nilai yang diperkenankan

untuk satu atau lebih nilai atribut. Setiap atribut yang dihubungkan

dengan sejumlah nilai disebut domain. Domain mendefinisikan nilai-

nilai yang dimiliki sebuat atribut. Misalnya, atribut Kode_Pelanggan

didefinisikan dengan tipe data integer dengan range diantara 1 (satu)

sampai dengan 15 (lima belas).

Mengacu pada pendapat Connolly et al. (2010), atribut dapat

diklasifikasikan menjadi beberapa bagian, yaitu :

1. Simple Attribute dan Composite Attribute

Simple Attribute adalah atribut yang terdiri dari

sebuah komponen tunggal dengan keberadaan yang

bebas, atributnya tidak bisa dibagi lagi ke dalam

komponen yang lebih kecil. Contoh simple attribute,

misalnya atribut Status dan Gender dari sebuah entitas

Pelanggan.

Composite attribute adalah sebuah atribut yang

tersusun dari beberapa komponen, masing-masing dapat

menjadi atribut yang dapat berdiri sendiri. Contoh

Composite Attribute, misalnya atribut Alamat (contoh : Jl.

20

Raya Centex, Ciracas, 141142) yang dapat dibagi menjadi

beberapa atribut Jalan (contoh : Jl. Raya Centex), Kota

(contoh : Ciracas), Kode_Pos (contoh : 141142).

2. Single value Attribute dan Multi value Attribute

Single value adalah atribut yang menyimpan nilai

tunggal untuk suatu sifat dari entitas. Misalnya, entitas

Pelanggan memiliki single value untuk atribut

Kode_Pelanggan (contoh: P001), yang hanya memiliki

satu nilai tunggal untuk pelanggan.

Multi value attribute adalah atribut yang

menyimpan nilai lebih dari satu untuk suatu sifat entitas.

Misalnya, entitas Pelanggan memiliki multi value untuk

atribut No_Telp (contoh : 021-72024500 dan 021-

72024600). Jadi untuk setiap pelanggan dapat memiliki

lebih dari 1 (satu) nomor telepon.

3. Derived Attribute

Derived attribute adalah atribut yang

menunjukkan nilai yang diperoleh dari atribut yang

berhubungan, dimana atribut tersebut diperoleh dari satu

entitas yang sama atau entitas yang berbeda. Misalnya,

atribut Total_Pelanggan diperoleh dari hasil perhitungan

banyaknya Kode_Pelanggan tersebut.

2.1.8. 4 Keys

Mengacu pada pendapat Connolly et al. (2010),

terdapat macam-macam kunci relasi, antara lain :

1. Candidate key adalah atribut yang mengidentifikasi

secara unik suatu kejadian dalam sebuah tipe entitas.

2. Primary key adalah candidate key yang dipilih untuk

mengidentifikasikan secara unik dalam sebuah tipe

21

entitas.

3. Composite key adalah candidate key yang terdiri dari dua

atau lebih atribut.

2.1. 9 Rich Picture

Menurut Whitten (2007 : p489) rich picture merupakan gambaran

alur mengenai proses kegiatan bisnis yang berlangsung.

2.1. 10 SWOT (Strengths, Weakness, Opportunity, Threat)

Jogiyanto (2005:p46) menyatakan bahwa SWOT adalah analisis

yang digunakan untuk menilai kekuatan dan kelemahan dari sumber-

sumber daya yang dimiliki perusahaan, kesempatan eksternal dan

tantangan yang dihadapi.

2.1. 11 CSF (Critical Success Factor)

Menurut Ward (2002, p209), analisis critical success factor (CSF)

merupakan area terbatas dalam suatu bisnis yang apabila terpenuhi maka

akan menjamin kesuksesan kinerja kompetitif bagi perusahaan.

2.1. 12 Data Warehouse

Dalam jurnal Dewi Kania Widyawati (2012:p1-6) Belum banyak

perusahaan yang mengembangkan dan menerapkan data warehouse serta

memanfaatkannya guna menunjang berbagai hal penting didalam

organisasi. Data warehouse merupakan salah satu bentuk basis data yang

memiliki data berskala besar. Data warehouse bukan merupakan basis

data operasional, melainkan basis data yang berisi data dalam dimensi

waktu tertentu yang sangat berguna untuk keperluan evaluasi, analisis dan

perencanaan yang dilakukan oleh pihak manajemen dalam sebuah

perusahaan.

Dengan dibangunnya data warehouse, maka penelusuran

informasi terkait dapat dilakukan dengan mudah dan lebih fleksibel.

Informasi yang disajikan dari data warehouse pemasaran produk dapat

dipergunakan untuk membantu pimpinan perusahaan dalam proses

22

evaluasi dan perencanaan dan proses evaluasi kinerja pemasaran agen

pemasaran produk pada wilayah pemasaran tertentu. Juga membantu

perusahaan dalam mencermati trend barang yang diminati pada masing-

masing wilayah pemasaran. Penerapan data warehouse membutuhkan

populasi data yang besar agar informasi yang ditampilkan dapat beragam

dan dapat membentuk pola-pola informasi yang potensial. Hal tersebut

menjadi penting agar perusahaan yang mengembangkan data warehouse

ini dapat dengan mudah mengevaluasi jenis barang, segmen pasar dan

waktu pemasaran produk yang tepat sehingga dapat meminimasi kerugian

dan meningkatkan keuntungan perusahaan.

Implementasi data warehouse dapat mempermudah pihak

manajemen perusahaan dalam mengolah dan menyajikan informasi yang

dibutuhkan dalam proses evaluasi dan perencanaan pemasaran produk.

Berikut p enjelasan mengenai da ta warehouse :

2.1.12. 1 Definisi Data Warehouse

Inmon (2005:p29) menyatakan bahwa data warehouse

adalah koleksi data yang berorientasi pada subjek, terintegrasi,

bervariasi berdasarkan waktu, dan koleksi datanya tidak

mengalami perubahan yang mendukung proses pengambilan

keputusan manajemen. Selain itu juga dapat digunakan dalam

berbagai macam tujuan termasuk untuk kebutuhan masa depan

yang belum diketahui.

2.1.12. 2 Karakteristik Data Warehouse

Mengacu pada pendapat Inmon (2005:p29), data

warehouse memiliki empat karakteristik utama, antara lain :

1. Subject – Oriented

Subject – Oriented merupakan data diorganisir

berdasarkan subjek utama dalam lingkungan perusahaan,

bukan berorientasi pada proses atau fungsi aplikasi seperti

yang terjadi pada lingkungan operasional. Berdasarkan teori

23

tersebut, contoh yang sesuai dengan aplikasi pada skripsi ini

yaitu : Agreement, Asset, Inventory dan Repossess.

Agreement merupakan salah satu subject oriented yang

terdapat dalam data warehouse yang dibuat karena dapat

menunjukkan status kontrak dari tagihan yang menjadi

informasi untuk report yang dibutuhkan oleh pihak

eksekutif.

Gambar 2. 1 Karateristik Data Warehouse : Subject Oriented

(Sumber : W.H Inmon, 2005:p30)

2. Integrated

Integrated adalah dapat menyimpan data yang berasal

dari sumber yang terpisah dalam suatu format yang

konsisten dan saling terintegrasi satu sama lain. Sebuah unit

tunggal, bukan sebagai kumpulan file-file yang mungkin

mempunyai struktur atau pengturan yang berbeda. Integrasi

merupakan aspek yang paling penting pada perancangan

data warehouse. Data yang digunakan dalam data

24

warehouse diambil dari sumber beragam yang terpisah. Saat

data tersebut diambil, data diubah, dibentuk ulang, diringkas,

dirangkai ulang dan seterusnya. Kemudian akan

menghasilkan suatu data warehouse, yang memiliki

gambaran fisik terpadu yang tunggal.

Berdasarkan teori tersebut contoh yang sesuai dengan

aplikasi pada skripsi ini dengan menyamakan format tipe

data misalnya tipe data pada sumber database operasional

BranchID char (3) menjadi BranchID nvarchar (3) pada data

warehouse, sehingga dapat terintegrasi pada saat

transformasi data.

Gambar 2. 2 Karakteristik Data Warehouse : Integrated

(Sumber : W.H Inmon, 2005:p31)

25

3. Non – Volatile

Non-volatile artinya data tidak terus menerus berubah.

Data baru dapat ditambahkan, tetapi data lama tidak

terhapus. Sebagaimana mestinya, data dalam lingkungan

operasional diperbaharui, tetapi data dalam data warehouse

menunjukkan serangkaian karakteristik yang berbeda. Data

dalam data warehouse biasanya diisi dan diakses tetapi tidak

diperbaharui.

Berdasarkan teori tersebut contoh yang sesuai dengan

aplikasi pada skripsi ini dengan menggunakan SCD (Slowly

Changing Dimension) tipe 2 dimana apabila terjadi

perubahan pada database operasional yang akan masuk ke

dalam data warehouse akan menjadi data baru sedangkan

data sebelumnya tidak akan terhapus.

Gambar 2. 3 Karakteristik Data warehouse : Non volatile

(Sumber : W.H Inmon, 2005:p32)

4. Time – Variant

Karakteritik terakhir yang menonjol dari data

warehouse adalah time variant. Time variant artinya dimensi

waktu secara eksplisit termasuk dalam data sehingga

kecenderungan dan perubahan seiring waktu dapat dipelajari

untuk mengenal kecenderungan dan pola dari suatu data.

26

Berdasarkan teori tersebut contoh yang sesuai dengan

aplikasi pada skripsi ini dengan adanya dimensi waktu yang

terdiri dari tahun, semester, kuarter dan bulan.

Gambar 2. 4 Karateristik Data Warehouse : Time Variant

(Sumber : W.H Inmon, 2005:p35)

2.1.12. 3 Perbandingan Data Warehouse dengan OLTP

Connolly et al. (2010) menyatakan bahwa sebuah

organisasi biasanya mempunyai beberapa sistem Online

Transaction Processing (OLTP) yang berbeda untuk setiap

proses bisnis, seperti pengawasan persediaan (inventory control),

pesanan pelanggan (invoice customer) dan tingkat penjualan.

Sistem tersebut menghasilkan data operasional rinci yang

terbaru, dan selalu berubah. Sistem OLTP akan optimal apabila

digunakan untuk sejumlah transaksi yang dapat diramalkan

(predictabel), berulang (repetitive), dan sering diperbaharui

(update intensive).

Data OLTP merupakan data yang digunakan sehari-hari

untuk proses bisnis yang mengelola data yang besar sekitar

ratusan sampai ribuan. OLTP memiliki desain bersifat Entity

Relational atau database yang dinormalisasi dulu sebelum

27

digunakan dan dikelola oleh IT profesional. Pada umumnya

suatu organisasi hanya mempunyai satu data warehouse yang

menyimpan data secara historis, terperinci, dan ringkas dengan

beberapa tingkatan dan sangat jarang berubah. Data warehouse

didesain untuk mendukung transaksi yang tidak diprediksi

(unpreditabel), dan memerlukan jawaban untuk query khusus,

tidak terstruktur dan heuristic, selain itu data warehouse

digunakan atau diorganisasikan oleh para knowledge worker

yaitu, seseorang yang bertindak dalam subyek tertentu, atau

eksekutif dalam suatu perusahaan.

2.1.12. 4 Anatomi Data Warehouse

Connolly et al. (2010) menyatakan bahwa bentuk umum

yang sering digunakan pada data warehouse terbagi atas 3

bentuk, yaitu :

1. Functional data warehouse

Functional data warehouse adalah data warehouse

yang dibuat lebih dari satu dan dikelompokkan berdasarkan

masing-masing fungsi yang ada dalam perusahaan, seperti

fungsi keuangan (financial), fungsi pemasaran (marketing),

fungsi kinerja personalia, dan lain-lain. Keuntungan yang

diperoleh adalah sistem akan lebih mudah dibangun dengan

biaya yang relative murah. Fungsi bentuk ini adalah resiko

kehilangan konsistensi data dan terbatasnya kemampuan

pengguna dalam pengumpulan data.

28

Gambar 2. 5 Functional Data warehouse

2. Centralized data warehouse

Centralized data warehouse merupakan database

fisikal tunggal yang memuat semua data untuk area

fungsional yang khusus, departemen, divisi, atau perusahaan.

Bentuk tersebut digunaan jika terdapat kebutuhan data yang

informatif dan terdapat banyak end-user yang sudah

terhubung ke kantor pusat atau cabang.

Sumber data yang digunakan lebih dahulu

dikumpulkan atau diintegrasikan pada suatu tempat terpusat,

baru kemudian data tersebut dibagi berdasarkan fungsi-

fungsi yang diperlukan oleh perusahaan, akan tetapi

bentuknya menyerupai functional data warehouse. Bentuk

data warehouse terpusat belum mempunyai jaringan

eksternal. Keuntungan bentuk ini adalah data memiliki

konsistensi yang tinggi sehingga data benar-benar terpadu.

Namun, membutuhkan waktu yang lama dan biaya yang

mahal dalam membangun data warehouse seperti ini.

Berdasarkan teori tersebut dapat menggambarkan

bahwa anatomi aplikasi data warehouse pada skripsi ini

adalah centralized data warehouse karena semua sumber

ditempatkan dalam satu server yang terpusat.

29

Gambar 2. 6 C entralized Data warehouse

3. Distributed data warehouse

Distribute data warehouse merupakan komponen data

tertentu yang didistribusikan melalui sebuh physical

database yang berbeda. Distributed data warehouse

biasanya melibatkan data yang paling redudansi, dan sebagai

akibatnya, dapat menimbulkan proses load dan update yang

sangat kompleks.

Bentuk ini menggunakan query yang berfungsi sebagai

jembatan antara lokasi data warehouse dengan workstation

yang menggunakan sistem yang beraneka ragam, sehingga

memungkinkan perusahaan untuk mengakses sumber data

yang terdapat diluar lokasi perusahaan. Kelebihan bentuk

data warehouse ini adalah tetap terjaga konsistensinya dan

dalam hal pengaksesan data dari luar perusahaan telah

mengalami sinkronisasi terlebih dahulu. Kekurangan nya

yaitu bentuk ini paling mahal dan paling kompleks untuk

diterapkan karena sistem operasinya dikelola secara terpisah.

30

Gambar 2. 7 Distributed Data warehouse

2.1.12. 5 Arsitektur Data Warehouse

Connolly dan Begg (2010:p1204), menyatakan bahwa

suatu gambaran typical arsitektur dari data warehouse, yaitu :

Gambar 2. 8 Arsitektur Data Warehouse

(Sumber Connolly dan Begg, 2010:p1204)

Connolly et al. (2010) menyatakan bahwa ada sepuluh

komponen utama yang dimiliki oleh data warehouse, antara lain:

31

1. Operasional Data

Connolly dan Begg (2010:p1203) menyatakan bahwa,

sumber data untuk data warehouse bersumber dari data –

data berikut :

a. Mainframe data operasional berada dalam hierarki dan

jarigan database generasi pertama. Diperkirakan bahwa

sebagian besar data operasional perusahaan disimpan dalam

sistem ini.

b. Data departemen disimpan dalam file sistem yang

dimiliki seperti VSAM, RMS, dan DBMS relasional

seperti Informix dan Oracle.

c. Data privasi yang disimpan di dalam server pribadi

dan workstation

d. Sistem external, seperti internet, atau database yang

terkait dengan customer dan suppliers.

2. Operasional Datastore

Sebuah Operational Data Store (ODS) adalah subject

oriented, volatile, penyimpanan data operasional yang

aktual dan terintegrasi yang digunakan untuk analisis. ODS

diisi dengan data pada cara yang sama seperti data

warehouse, tapi pada faktanya secara sederhana sebagai

staging area untuk data yang akan dipindahkan ke dalam

data warehouse.

ODS dibuat saat sistem operasional tidak mampu

menyediakan persyaratan pelaporan. ODS dapat

menyediakan data yang telah di extract dari sistem sumber

dan sudah dibersihkan sehingga dapat membantu dalam

pembangunan data warehouse.

32

3. Extract Transform Load (ETL) Manager

ETL manager melakukan dan mengatur berbagai

aktifitas atau semua aplikasi yang terkait dengan data

ETL ke dalam data warehouse. Data akan diekstraksi

secara langsung dari sumber data atau dari sumber data

operasional.

4. Data Warehouse Manager

Data warehouse manager akan menangani semua

operasi yang berhubungan dengan data management dalam

data warehouse. Operasi-operasi yang dijalankan oleh data

warehouse manager, mencakup :

a. Menganalisis data untuk menjaga konsistensi.

b. Melakukan transformasi dan penggabungan sumber

data dari tempat penyimpanan sementara ke dalam

tabel – tabel data warehouse.

c. Membentuk indeks dan tampilan berbasis tabel.

d. Melakukan denormalisasi, jika dibutuhkan.

e. Melakukan aggregasi.

f. Menyimpan data dan melakukan backup data

5. Query Manager

Connolly dan Begg (2010:p1205) menyatakan bahwa,

query manager atau disebut juga sebagai komponen

backend yang dapat menjalankan semua operasi yang

berhubungan dengan manajemen query dari end-user.

Komponen ini secara khusus dibangun menggunakan tools

data akses backend dari vendor, tools monitoring data

warehouse, fasilitas database, dan program yang dibuat

berdasarkan user requirement.

33

6. Detailed Da ta

Detailed data merupakan penyimpan rincian semua

data dalam skema database dengan mengagregasi setiap

detail yang umumnya tidak disimpan secara online.

7. Lightly and Highly Summarized Data

Dengan tujuan untuk meningkatkan kecepatan

performa dari query. Data warehouse menyimpan semua

ringkasan data yang dihasilkan oleh manager warehouse

secara lightly dan highly.

8. Archive dan Backup Data

Dengan tujuan untuk menyimpan (archiving) dan

backup. Data warehouse menyimpan data yang terperinci

dan data yang telah diringkas.

9. Metadata

Data warehouse menyimpan semua data. Metadata ini

digunakan untuk berbagai tujuan, meliputi :

a. Melakukan proses penarikan dan penyimpanan

b. Melakukan proses management data warehouse

c. Merupakan bagian dari proses management query

10. End – user access tools

Tujuan dari data warehouse adalah menyediakan

informasi yang dapat berguna untuk para eksekutif dalam

melakukan analisis bisnis dan dapat menentukan strategi

dalam pengambilan keputusan. End-user acces tools dapat

dikategorikan menjadi 5 (lima) golongan utama, yaitu :

a. Reporting and Query Tools

Reporting tools meliputi report writer dan

production reporting tools. Query tools merupakan

34

relasional data warehouse yang didesain untuk

menerima SQL dan sintaksnya, untuk query

peminjaman data untuk data warehouse. Tools ini

melindungi end-user dari komplesitas SQL dan

struktur database. Production reporting tools

digunakan untuk menghasilkan laporan operasional

regular. Seperti order customer, invoice.

b. Application Development Tools

Kebutuhan menganalisis dan interaksi user

membutuhkan tingkat professional yang tinggi.

Sehingga application development tools mampu

memenuhi kebutuhan end-user untuk membuat

laporan yang built-in dan tools query yang tidak

tercukupi.

c. Executive Information System (EIS)

Executive Information System digunakan untuk

mengambil keputusan tingkat tinggi. Namun, sekarang

ini meluas untuk mendukung semua tingkat

manajemen. EIS mempunyai tools yang terhubung

dengan mainframe yang memungkinkan pengguna

membuat aplikasi untuk mengakses sumber data

eksternal dan aplikasi pendukung pengambilan

keputusan untuk menyajikan data organisasi.

d. Online Analitical Proccessing (OLAP) Tools

OLAP tools memungkinkan end-users untuk

menganalisis data yang kompleks dan tampilan yang

bersifat multidimensi berdasarkan konsep dari database

multidimensional.

35

e. Data Mining Tools

Data mining adalah proses pengumpulan,

pemakaian data historis untuk menemukan keteraturan

,pola dan hubungan set data yang berkururan besar.

Data mining memiliki potensi untuk menggantikan

kemampuan dari OLAP tools, sebagai tampilan utama

data mining memiliki kemampuan untuk membangun

prediksi.

Gambar 2. 9 The Basic Elements of the Data Warehoue

(Sumber Ralph Kimball et .al ,2010:p51)

Berikut penjelasan untuk elemen yang untuk mendesain

data warehouse :

1. Source System

Operasional sistem yang berfungsi mencatat transaksi

dari suatu bisnis. Source system biasa disebut juga

sebagai legacy system.

36

2. Data Staging Area

Data staging area adalah tempat penyimpanan data

sementara, untuk melakukan proses clean, transform,

combine, deduplicate, household, archive, dan

menyiapkan sumber data untuk digunakan data

warehouse. Staging area tidak diperuntukkan sebagai

sumber data untuk reporting karena datanya masih

kotor dan bersifat sementara.

3. Presentation Server

Presentation server adalah mesin dimana data dari

data warehouse di organisasikan dan disimpan untuk

dilakukan query oleh end user, reporting dan aplikasi

yang lain. Disini data disimpan dengan framework

dimmensional. Jika menggunakan relational database

maka tabel akan diorganisasikan dalam bentuk star

schema, namun jika tidak menggunakan relational

database maka akan disimpan dalam bentuk OLAP.

4. Dimensional Model

Dimension model adalah data modeling yang khusus

dipakai pada data warehouse, sebagai alternatif lain

dari E/R modeling yang biasanya dipakai pada sistem

transaksional.

5. Business Process

Business process adalah mengelompokkan sumber data

menurut kesamaan temanya. Misalnya finance,

marketing, production dan lain - lain. Setiap business

process akan diimplementasikan sebagai data marts.

37

6. Data mart

Data mart adalah potongan logika dari data warehouse

secara keseluruhan. Data mart bisa juga dilihat sebagai

potongan logika dari data warehouse terhadap suatu

business process tertentu.

7. Data warehouse

Data warehouse adalah sumber data yang bisa di query

dalam suatu perusahaan. Sebenarnya data warehouse

adalah gabungan dari beberapa data marts.

8. Operational Data Store

ODS adalah titik integrasi dari berbagai operasional

sistem karena, ODS juga mendukung access

operasional dan bisa di update maka ODS seharusnya

ditempatkan diluar data warehouse. Pada akhirnya

fungsi ODS juga berkembang menjadi semacam

desicision support karena ODS mengandung detail data

yang telah terintegrasi dari berbagai sumber data.

9. OLAP

OLAP juga disebut sebagai multidimensional database

(MDDB). OLAP sengaja dirancang untuk memudahkan

dan mempercepat query yang dilakukan pada MDDB.

Karakteristik dan sifat OLAP sangat berbeda dengan

OLTP karena memang mempunyai tugas dan fungsi

yang berbeda.

10. ROLAP (Relational OLAP)

Satu set antarmuka pengguna dan aplikasi yang

memberikan database relasional dimensi.

38

11. MOLAP (Multidimensional OLAP)

Satu set antarmuka pengguna, aplikasi, dan teknologi

multidimensi.

12. End User Application

End User Application adalah sekumpulan tool yang

bisa melakukan query, analisa data, dan menampilkan

informasi untuk mendukung kepentingan bisnis. Tool

juga dilengkapi dengan kemampuan untuk akses data,

fungsi spreatsheet, fungsi grafik, dan ada fasilitas

untuk menampilkan prompt dan menyederhanakan

tampilan screen pada end user.

13. End User Data Access Tool

Pada relational data warehouse, client dapat

mengirimkan SQL request ke server. End user data

access tool akan selesai pada SQL session untuk

menampilkan data dari suatu report, grafik, atau form.

14. Ad Hoc Query Tool

End user data access tool yang dibuat khusus sehingga

memungkinkan user untuk membuat query sendiri

secara langsung dengan cara memanipulasi relational

tables dan join pada tabel. Biasanya ad hoc query tool

dipaket menjadi satu dengan reporting tool.

15. Modeling Application

Data warehouse client yang canggih dengan

kemampuan analisis yang dapat merubah bentuk atau

menjadikan intisari dari output data warehouse.

Modeling ini termasuk didalamnya adalah:

39

1. Forecasting model, dapat digunakan untuk

memperkirakan masa depan.

2. Behaviour scoring model, dapat

mengklasifikasikan perilaku belanja customer.

3. Allocation model, dapat mengambil data cost dari

data warehouse lalu membagikan cost tersebut ke

semua product group atau customer group.

4. Terutama data mining tools.

16. Meta data

Meta data adalah semua informasi dalam lingkungan

data warehouse namun bukan hanya data itu sendiri,

misalnya informasi mengenai asal data source dari

aplikasi apa, tabel apa, field apa, formula bisnis

bagaimana, dan sebagainya. Meta data perlu dibuatkan

catalog, diberi version stamp, di dokumentasikan dan

di backup.

2.1.12. 6 Aliran Data Dalam Data Warehouse

Connolly dan Begg et al. (2010) menyatakan bahwa,

aliran data (data flows) yang ada pada data warehouse terdiri

dari 5 (lima) bagian, yaitu :

1. Inflow

Proses yang berhubungan dengan penarikan, pembersihan,

dan mengisi data dari sumber sistem ke dalam data

warehouse.

2. Upflow

Proses yang terhubung dengan menambahkan nilai ke data di

dalam data warehouse, melewati ringkasan pengepakan, dan

penyebaran data.

40

3. Downflow

Proses yang berhubungan dengan penyimpanan dan backup

data dalam data warehouse.

4. Outflow

Proses yang berhubungan dengan pembuatan data yang

tersedia untuk end-users.

5. Metaflow

Proses yang berkaitan dengan manajemen metadata.

2.1.12. 7 Tahapan Membangun Data Warehouse

Mengacu pada pendapat Kimball dan Ross (2010:p210)

ada sembilan langkah dalam membangun data warehouse yang

disebut dengan ‘Nine – Step Methodoly’, yaitu :

1. Memilih proses (Choose the process)

Memilih proses yang tepat akan mengacu pada pokok

data mart tertentu. Data mart yang pertama dibangun harus

tepat waktu, sesuai dengan anggaran dan mampu menjawab

berbagai macam permasalahan bisnis yang penting secara

komersial.

2. Memilih grain (Choose the grain)

Pemilihan grain yaitu menentukan apa saja yang akan

ditampilkan pada tabel fakta. Saat memilih grain untuk tabel

fakta, kita dapat mengidentifikasi tabel dimensi. Keputusan

grain untuk tabel fakta juga akan menentukan grain untuk

masing-masing tabel dimensi.

3. Mengidentifikasi dan menyesuaikan dimensi (Identify and

conform the dimensions)

Tahap selanjutnya adalah mengidentifikasi dimensi

sesuai dengan kebutuhan user. Dimensi mengatur konteks

untuk memberikan pernyataan tentang fakta di dalam tabel

41

fakta. Sebuah set dimensi yang dibangun dengan baik

membuat data mart menjadi lebih mudah dimengerti dan

digunakan.

4. Memilih fakta (Choose the fact)

Grain dari tabel fakta menentukan fakta mana yang

akan digunakan untuk data mart. Semua fakta harus

diekspresikan pada tingkat yang diajukan oleh grain. Fakta

tambahan dapat ditambahkan ke dalam tabel fakta kapan

pun, selama grain konsisten dengan tabel.

5. Menyimpan Pre-Calculation di dalam tabel fakta (Store

precalculations in the fact table)

Ketika tabel fakta sudah dipilih, masing-masing tabel

fakta tersebut harus dikaji ulang untuk menentukan apakah

masih ada peluang untuk melakukan suatu perhitungan atau

pre-calculations. Sebuah contoh dari kebutuhan umum untuk

menyimpan pre-calculation terjadi ketika fakta-fakta terdiri

dari keuntungan dan kerugian.

6. Melengkapi tabel dimensi (Round out the dimension tables)

Dalam tahap ini, kembali pada tabel dimensi dan

menambah sebanyak mungkin teks deskripsi ke dalam tabel

dimensi. Teks deksripsi sebaiknya intuitif dan mudah

dimenegerti oleh user.

7. Memilih durasi dari database (Choose the duration of the

database)

Durasi mengukur seberapa lama dan jauh untuk

kembali ke tabel fakta. Banyak perusahaan membutuhkan

untuk melihat jangka waktu yang sama selama satu atau dua

tahun sebelumnya.

42

8. Menentukan kebutuhan untuk melacak secara perlahan

perubahan dari dimensi (Determine the need to track slowly

changing dimensions)

Perubahan dimensi dapat terjadi seiring dengan

berjalannya waktu pada tabel dimensi. Perubahan yang

dimaksud adalah penambahan data ataupun perubahan data.

Ada 3 (tiga) jenis slowly changing dimensions :

a. Atribut dari dimensi yang berubah ditulis ulang.

b. Atribut dari dimensi yang berubah menyebabkan sebuah

record dimensi baru dibuat.

c. Atribut dari dimensi yang berubah menyebabkan sebuah

atribut alternative dibuat sehingga keduanya dapat

diakses di dalam record dimensi yang sama.

9. Menentukan desain fisik (Decide the physical design)

Dalam tahap ini kita akan membahas masalah desain

fisik. Desain fisik yang paling penting dan berpengaruh bagi

end-user terhadap data mart adalah urutan fisik dari tabel

fakta pada disk dan kehadiran disimpan pre-store atau

aggregations. Selain masalah-masalah tersebut ada masalah

desain fisik yang mempengaruhi administrasi, backup,

indexing performance dan keamanan.

2.1.12. 8 Faktor Manusia Terukur

Menurut Shneiderman dan Plaisant (2010:p32) untuk

membuat sistem perancangan antarmuka yang efisien, efektif

dan memuaskan, ada faktor-faktor pengukur yang dijadikan

sebagai evaluasi, yaitu :

1. Waktu pembelajaran

Lamanya waktu yang diperlukan user untuk mempelajari

cara penggunaan aksi yang berhubungan dengan tugas.

43

2. Kecepatan kinerja

Lamanya waktu yang diperlukan user untuk menyelesaikan

tugas.

3. Tingkat kesalahan yang dibuat User

Tingkat banyaknya kesalahan dan jenis kesalahan apa yang

dilakukan oleh user. Pengendalian kesalahan merupakan

komponen kritis dalam pembuatan interface.

4. Daya ingat

Bagaimana user dapat mempertahankan daya ingat mereka

mengenai interface setelah jangka waktu tertentu. Frekuensi

penggunaan interface akan meningkatkan daya ingat.

5. Tingkat kepuasan

Tingkat kepuasan user akan beberapa aspek interface yang

dapat diketahui dengan melakukan kuesioner dan interview.

2.1.12. 9 Model Dimensional

Connolly et al. (2010, p1227) menyatakan bahwa model

dimensional adalah sebuah perancangan logikal yang bertujuan

untuk menampilkan data dalam sajian yang sederhana dan

intuitif yang bisa diakses dengan performa yang tinggi dengan

konsep model hubungan antar entitas dengan beberapa batasan

yang penting.

Model dimensional yang sering digunakan adalah desain

bintang (star schema) atau snowflake yang mudah untuk

dimengerti dan sesuai dengan kebutuhan bisnis, mendukung

query sederhana dari bisnis, dan menyediakan performa query

yang superior dengan meminimalisasi tabel-tabel join.

Setiap model dimensi terdiri dari sebuah tabel dengan

sebuah composite key yang disebut dengan tabel fakta.

Sedangkan untuk set tabel yang lebih kecil disebut tabel

dimensi. Struktur karakteristik inilah yang disebut dengan skema

bintang atau join bintang. primary key dari sebuah tabel fakta

44

terdiri atas dua atau lebih foreign key dimana pada tiap tabel

dimensi terdapat sebuah simple primary key yang merespon

tepat pada satu komponen composite key di tabel fakta.

Hal penting lainnya dari sebuah model dimensional

adalah semua natural keys diganti dengan kunci pengganti

(surrogate key). Ini berarti bahwa setiap kali join antar tabel

fakta dengan tabel dimensi berdasarkan kunci pengganti, bukan

natural keys. Kegunaan dari kunci pengganti ini adalah

memperbolehkan data pada data warehouse untuk memiliki

kebebasan dalam penggunaan data.

2.1.12. 10 Extract, Transform and Load (ETL)

Inmon (2005:p497) menyatakan ETL merupakan proses

pencarian data, mengitegrasikannya, dan menempatkannya pada

sebuah data warehouse. Kimbal dan Ross (2002:p401) lebih

menjelaskan bahwa ETL merupakan proses yang menyiapkan

data dari operational source untuk data warehouse.

Kita ketahui bahwa baris data pada DW pada suatu

perusahaan biasanya berasal dari unit dan bagian yang berbeda

dan menggunakan sumber data yang berbeda seperti SQL

Server, MS Access, spreadsheets, ataupun notepads. Untuk

melakukan analisis pada sumber data yang berbeda-beda kita

perlu menyamakan format dari data dengan relasi yang tetap

utuh. Hal inilah yang menjadi konsep dari data warehouse.

Untuk menyamakan format data dari sumber yang berbeda-beda

kita melakukan proses ETL sebelum akhirnya memasukkan

semua data kedalam data warehouse. Setelah data bersifat

homogen, akan mudah untuk melakukan analisis pada data

tersebut.

ETL merupakan proses utama yang terjadi di belakang

staging area pada data warehouse, lebih diutamakan dari

presentasi atau proses query apapun. Proses ini terdiri dari

45

proses extracting, transforming, loading dan warehousing.

Berikut proses yang terjadi pada ETL :

1. Extract

Inmon (2005:p497) yang menyatakan bahwa proses

memilih data dari suatu environment dan memindahkannya

ke environtment lain. Extraction adalah proses ekstraksi data

dari source system untuk pemakaian lebih lanjut pada data

warehouse.

Extract merupakan langkah pertama dari ETL

dimana proses ini berperan untuk memilih data dari source

system (database dari Aplikasi OLTP) dan kemudian

memindahkannya ke staging area (STG) sebagai tempat

proses ETL selanjutnya berjalan. Hal yang perlu

diperhatikan pada proses ekstraksi ini adalah waktu, dan

tingkat kompleksitas data yang ada pada source system.

2. Transform

Transform pada proses ETL data warehouse adalah

proses memilih, merapikan, menyesuaikan, dan memberikan

atribut tambahan pada data agar data yang telah melalui

proses ekstraksi sebelumnya dapat masuk dan sesuai dengan

skema data warehouse yang ada. Adapun hal yang dilakukan

pada proses transform ini antara lain :

a. Cleansing. Tujuannya untuk menjaga konsistensi dan

integrity dari data pada masing-masing tabel karena data

pada data warehouse berasal dari berbagai sumber.

b. Melakukan perhitungan atau summarize sebagai nilai

baru untuk mengisi tabel fakta pada data warehouse.

c. Membuat Surrogate key dan Foreign key yang

berhubungan dengan Surrogate key yang bersesuaian.

d. Menggunakan berbagai bentuk validasi data baik yang

sederhana maupun yang kompleks.

46

e. Memisahkan atau memecah sebuah kolom menjadi

beberapa kolom terpisah.

3. Load

Tujuan dari proses load adalah agar data yang

sebelumnya sudah di transformasi dapat masuk ke dalam

data warehouse. Proses load baru akan berjalan apabila data

yang dihasilkan telah sesuai dengan kondisi pada data

warehouse.

2.1.12. 11 Skema Bintang (Star Schema) atau Star Join

Inmon (2005:p503) menjelaskan bahwa skema bintang

adalah sebuah struktur data dimana data didenormalisasi untuk

mengoptimalkan akses terhadap data. Skema bintang

merupakan dasar dari rancangan data mart multidimensi.

Skema bintang merupakan model data dimensional yang

memiliki sebuah tabel fakta pada posisi ditengah dikelilingi

oleh tabel dimensi yang telah didenormalisasi. Skema bintang

terdiri dari beberapa jenis, antara lain :

1. Skema bintang sederhana

Dalam simple star schema atau skema bintang sedehana,

tabel fakta atau tabel yang merupakan hasil summarized

sebagai masukan data warehouse, terdiri dari satu atau

beberapa foreign key. Sebuah foreign key adalah sebuah

kolom dalam suatu tabel yang nilainya ditentukan oleh

primary key dari tabel lain.

47

Gambar 2. 10 S kema Bintang Sederhana

(Sumber : Connolly dan Begg, 2010, p1228)

2. Skema bintang dengan beberapa tabel fakta

Pada skema bintang tabel fakta yang ada bisa lebih dari satu

dan table-tabel fakta tersebut bisa saja tidak saling

berhubungan.

48

Gambar 2. 11 Skema Bintang dengan Beberapa Tabel Fakta

3. Skema bintang majemuk

Salah satu ciri dari skema bintang ini adalah Primary key

dan Foreign Key yang berbeda. Foreign key bisa saja

terdapat dalam tabel dimensi yang mereferensikan primary

key di tabel dimensi lain. Tabel dimensi yang direferensikan

ini dinamakan outboard atau secondary dimension table.

Gambar 2. 12 Skema Bintang dengan Tabel Dimensi Tambahan

49

2.1.12. 12 Skema Snowflake

Connolly et al. (2010:p1229) mengemukakan bahwa

skema snowflake merupakan bentuk lain dari skema bintang

dimana tabel dimensi tidak bergantung data yang telah

dinormalisasi. Pada skema ini suatu tabel dimensi dapat

memiliki relasi dengan tabel dimensi lainnya. Tabel dimensi

dinormalisasi dengan dekomposisi pada tingkat atribut pada

hirarki dimensi. Kunci tingkat terendah menghubungkan tabel

dimensi dengan tabel fakta dan tabel atribut bertingkat rendah.

Keuntungan dari skema snowflake, antara lain: kecepatan

dalam memindahkan data dari OLTP ke dalam metadata,

sebagai kebutuhan dari alat pengambil keputusan tingkat tinggi

karena seluruh struktur dapar digunakan sepenuhnya, dan juga

kebanyakan orang beranggapan bahwa akan lebih nyaman jika

merancang dalam bentuk normal ketiga.

Kerugiannya adalah mempunyai masalah dalam hal

performance. Hal ini disebabkan oleh banyaknya join antar

tabel-tabel yang harus dilakukan dalam skema ini sehingga

kinerjanya lambat.

Gambar 2. 13 S kema Snowflake

(Sumber : Connolly dan Begg, 2010 p1229)

50

2.1.12. 13 Komponen Jaringan

Menurut Iwan Sofana(2012) dan Williams / Sawyer (2009), ada

beberapa komponen perangkat yang mendukung suatu jaringan, diantaranya:

• Router

Router adalah computer khusus yang bertugas untuk mengantarkan

pesan komunikasi ketika beberapa jaringan terhubung bersama.

Router berkecepatan tinggi bisa dipakai pada backbone internet atau

jalur transmisi lain untuk menangani lalu lintas data yang padat.

Router bekerja pada layer 3 (model OSI) atau layer Network. Router

juga Merupakan perangkat yang sering digunakan untuk

menghubungkan beberapa jaringan yang sama maupun berbeda dari

segi teknologinya, seperti menghubungkan jaringan yang

menggunakan topologi Bus,Star dan Ring serta digunakan untuk

membagi jaringan besar menjadi beberapa buah subnetwork (jaringan-

jaringan kecil). Setiap subnetwork seolah-olah terisolir dari jaringan

lain.

• Bridge

Bridge adalah sebuah antarmuka untuk menghubungkan jaringan yang

jenisnya sama. Misalnya, dua LAN yang serupa bisa digabungkan

untuk membentuk LAN yang lebih besar. Bridge bekerja pada layer 2

(model OSI) atau layer Data Link.

Pada bridge tidak dikenal istilah subnet.Semua segmen yang

dihubungkan oleh bridge akan dipandang sebagai sebuah subnet.

Bridge juga tidak membedakan network protocol address. Jadi, apa

pun protokol yang digunakan akan dapat diloloskan oleh bridge.

Bridge dapat mengenali alamat fisik host yang disebut MAC address

(Media Access Control) atau hardware address.Contoh MAC address

yaitu 00:16:d4:c9:e8:48.

51

Setiap host menggunakan NIC (Network Interface Card) yang

memiliki alamat hardware atau MAC address. MAC address bersifat

unik, artinya setiap hardware akan menggunakan alamat yang

berbeda. Bridge dapat “mencatat” MAC address setiap host yang

terhubung dengannya, sehingga dapat mengetahui host mana yang

satu segmen dan mana yang berbeda segmen. Perlu diingat bahwa

sebuah bridge hanya dapat menghubungkan dua buah segmen saja.

Jika kita ingin menghubungkan banyak segmen maka kita harus

menggunakan multiport bridge (switch).

Tabel 2. 1 Perbedaan Router dengan Bridge (Sumber :Iwan Sofana, 2012)

Router Bridge

Mendukung berbagai network protokol

address, seperti IP, IPX, AppleTalk.

Tidak mendukung network

protokol address. Hanya

mengenali MAC address.

Dapat mengubungkan beberapa subnet yang

menggunakan teknologi berbeda-beda.

Menghubungkan dua buah

segmen. Semua segmen dipandang

sebagai sebuah subnet.

Mampu memblok traffic antar-subnet. Tidak dapat memblok traffic

antar-subnet.

Cocok digunakan pada sembarang protokol

network.

Cocok digunakan pada protokol

non-routable seperti NetBIOS dan

DECnet.

Instalasi dan konfigurasi memerlukan keahlian

khusus.

Instalasi relatif mudah, dipasang

dan dinyalakan.

Cocok digunakan pada Internet dan Intranet. Cocok digunakan pada LAN atau

Intranet.

• Hub

Hub merupakan komponen utama dari sebuah roda sebagai tempat

untuk menyatukan jari-jari roda. Dalam istilah komputer, hub

52

merupakan titik koneksi semua peranti di jaringan-lokasi

mengumpulnya data yang datang dari satu arah atau lebih dan

diteruskan ke satu arah yang lain atau lebih. Dengan adanya hub,

bandwidth dibagi ke semua komponen. Hub bekerja pada layer 1

(model OSI) atau layer Physical. Hub sering digunakan untuk

menghubungkan segmen-segmen LAN. Sebuah hub berisi banyak

port. Ketika semua paket datang pada salah satu port, paket tersebut

disalin ke port lain sehingga semua segmen LAN dapat melihat semua

paket. Hub disebut peranti half-duplex yang berarti bahwa hub bisa

mentransmisikan data dalam dua arah, tetapi dalam satu waktu hanya

bisa melayani satu arah.

• Switch

Switch merupakan peranti yang menghubungkan komputer ke

jaringan. Tidak seperti hub, switch hanya mengirim pesan pada

komputer yang memang dituju. Switch merupakan peranti full-duplex

yang berarti bahwa data bisa dikirim dalam dua arah pada saat

bersamaan sehingga kinerja jaringan menjadi lebih baik. Switch juga

memungkinkan setiap komponen bisa memakai bandwidth secara

penuh. Switch biasanya hanya digunakan dalam konfigurasi tertentu;

hub dan switch bisa dipakai bersama-sama. Switch juga bekerja pada

layer 2.

• Gateway

Gateway merupakan antarmuka yang memungkinkan komunikasi

antar jaringan yang tidak sama-misalnya, antara LAN dan WAN atau

antardua LAN yang memiliki sistem operasi jaringan atau struktur

berbeda. Gateway bisa berupa perangkat keras, perangkat lunak, atau

kombinasi keduanya.

53

• Backbone

Backbone terdiri dari “jalan raya” utama-termasuk gateway, router,

dan peralatan komunikasi lain-yang menghubungkan seluruh jaringan

komputer dalam sebuah organisasi. Orang-orang menyebutnya

backbone internet karena merupakan struktur utama yang

menghubungkan elemen-elemen internet yang lain.

2. 2 Teori Khusus

2.2. 1 Dashboard

Menurut Turban (2011:p 137), Dashboard adalah komponen

yang umumnya memiliki Performance Management Systems,

Performance Measurement Systems, BPM Suites, dan BI Pla tforms.

Dashboard menyediakan tampilan visual dar i informasi p enting y ang

disatukan dan diatur dalam sebuah layar tunggal sehin gga infor masi dapat

dipahami cukup dengan sekali lih at, serta mudah untuk dieksplorasi.

2.2. 2 Dashboard Design

Turban (2011:p 138), mengutip dari Eckerson (2006) pakar yang

terkenal dalam bidang BI dan dashboard secara umum, fitur yang paling

dapat dibedakan dari sebuah dashboard adalah tiga lapisan informasinya,

yaitu:

• Monitoring

Data abstrak dan grafis untuk memonitor key performance

metrics.

• Analysis

Dimensi data yang dirangkum untuk dianalisis akar

permasalahanny a.

• Management

Data operasional yang terperinci y ang men gidentifikas i tentang

tindakan yang harus dilakuk an untuk meny elesaikan masalah.

2.2. 3 Karakteristik Dashboard

54

Menurut Turban (2011:p139), semua dashboard y ang dirancan g

den gan baik akam memiliki k arakteristik sebagai b erikut:

• Dashboard menggunakan komponen visual untuk menggaris

bawahi secara sekilas, data dan pengecualian yang

membutuhkan tindakan.

• Dashboard bersifat transparan terhadap pengguna, yang artinya

pengguna cukup membutuhkan sedikit pelatihan dan mudah

untuk menggunakan dashboard tersebut.

• Dashboard menggabungkan data dari berbagai macam sistem

menjadi sebuah tampilan bisnis y ang tunggal, ringkas, tergabung

menjadi satu.

• Dashboard memungkinkan drill-down atau drill-through

terhadap sumber data atau laporan yang ada dan menyediakan

konteks yang dapat dibandingkan dan dievaluasi secara lebih

terperinci.

• Dashboard menyediakan sebuah tampilan dinamis dan nyata

dari data yang diperbaharui secara berkala.

• Dashboard memungkinkan pengguna untuk tetap mendapatkan

informasi baru tentang setiap perubahan di dalam bisnis.

• Dashboard membutuhkan sedikit perubahan kode program

untuk dikirim, diimplementasikan, dan dirawat.

2.2. 4 Inventory

Menurut Freddy Rangkuti (2004, p1) bahwa persediaan (inventory)

adalah merupakan bahan-bahan, bagian yang disediakan, dan bahan-bahan

dalam proses yang terdapat dalam perusahaan untuk proses produksi, serta

barang-barang jadi atau produksi yang disediakan untuk memenuhi

permintaan dari konsumen atau pelanggan setiap waktu. Invetory memiliki

beberapa faktor untuk dipertahankan, antara lain :

55

1. Demand Surges

Merupakan lonjakan permintaan yang melebihi kapasitas produksi.

2. Economies of Scale

Skala ekonomi yang akan digunakan pada proses produksi dan di

transportasi.

3. Transportation takes time

Jarak antara titik produksi dan titik konsumsi menunjukkan bahwa

transportasi membutuhkan waktu.

4. Uncertainty

Baik penawaran dan permintaan merupakan hal yang tidak pasti tetapi,

pembeli menggunakan safety stock sebagai perlindungan nilai terhadap

resiko ketidakpastian.

5. Inventory Holding Costs. Menggunakan persediaan, kemudian,

menghemat uang, tetapi juga memiliki biaya pada:

a. Capital : biaya internal dana dikalikan dengan nilai persediaan.

b. Storage : kontrol iklim, keamanan, asuransi, dan sejenisnya.

c. Obsolescence : kehilangan nilai karena produk sudah usang. Hal ini

dapat disebabkan oleh perubahan selera konsumen.

d. Quality : Penurunan kualitas

2.2. 5 Persediaan (Asset)

Mulyadi (2001:p553) menyatakan bahwa, Dalam perusahaan dagang,

persediaan hanya terdiri dari satu golongan, yaitu persediaan barang dagangan,

yang merupakan barang yang dibeli untuk tujuan dijual kembali. Persediaan

adalah nilai dari sesuatu yang dimiliki oleh perusahaan. Salah satu yang

termasuk asset adalah gedung atau bangunan yang dimiliki oleh perusahaan.

Jadi, apabila suatu perusahaan memiliki gedung senilai satu miliar rupiah,

maka asset yang dihitung adalah satu miliar rupiah tersebut.

2.2. 6 Kredit

Mulyadi (2001:p202) menyatakan bahwa, transaksi penjualan kredit,

jika order dari pelanggan telah dipenuhi dengan pengiriman barang atau

penyerahan jasa,untuk jangka waktu tertentu perusahaan memiliki piutang

56

kepada pelanggannya. Pengertian kredit sering disamakan dengan pinjaman,

yaitu apabila seseorang mendapat kredit berarti mendapat pinjaman. Dengan

demikian, kredit dapat diartikan sebagai tiap-tiap perjanjian suatu jasa dan

adanya balas jasa di masa yang akan datang. Seseorang atau perusahaan yang

akan melakukan kredit harus mempunyai kredibilitas, atau kelayakan

seseorang untuk memperoleh kredit.

2.2. 7 Kontrak

Menurut Kamus Besar Bahasa Indosisa (2008:p751), kredit adalah

perjanjian yang dilakukan secara tertulis antara dua pihak dalam

perdagangan, sewa-menyewa dan sebagainya.

2.2. 8 Report

Menurut Mulyadi (2001:p5), laporan merupakan hasil akhir dari

sebuah proses yang berisi informasi yang keluar dari sebuah sistem.

Laporan dapat berbentuk hasil cetak komputer dan tayangan pada layar

monitor komputer.

2.2. 9 SQL Server Management Studio (SSMS)

SQL Server termasuk SQL Server Management Studio, sebuah suite

terintegrasi baru alat manajemen dengan fungsi untuk mengembangkan,

menyebarkan, dan atasi masalah database SQL Server, serta perangkat

tambahan untuk fungsi sebelumnya.

2.2. 10 SQL Server Analysis Server (SSAS)

Basis dari solusi intelijen bisnis yang ampuh (powerful), dan

mendukung aplikasi-aplikasi OLAP (Online Analytical Processing), serta data

minning.

2.2. 11 SQL Server Report Service (SSRS)

SSRS merupakan kelanjutan proses dari SSIS dan SSAS. SSRS adalah

Reporting services proses penyajian data menjadi sebuah bentuk report yang

berguna kepada user.

57

Dalam jurnal Sulistyo heripracoyo (2011:p262) Sebuah model laporan

sama sekali berbeda. Laporan dari definisi yang user friendly dapat dibangun

tanpa harus memiliki pengetahuan tentang struktur tabel, nama field, aturan

bisnis dan join (tentu saja model harus didefinisikan terlebih dahulu oleh

seseorang yang melakukan) yang kemudian meninggalkan pembuatan laporan

di tangan analis, bukan programmer.

Reporting Services (SQL Server Reporting Services/SSRS) adalah suatu

sistem yang dikembangkan oleh Microsoft untuk membantu dalam pembuatan

laporan. SSRS adalah murni piranti (tool) pelaporan; abstrak dari sebuah

sumber data. Laporan dapat dibuat langsung terhadap database OLTP yang

aktif. Untuk maksud laporan juga dapat dibangun terhadap data warehouse

(SQL) atau terhadap cubes yang sudah ditetapkan. Selain itu, laporan juga

dapat dibangun langsung terhadap datasources lain seperti Oracle, Access dan

sebagainya.SSRS mencakup semua bagian pengembangan dan manajemen

yang perlu untukmem-publish laporan pemakai akhir (end user) dalam bentuk

HTML, PDF, Excel, CSV, MS WORD,dan jenis lainnya. Reporting services

mempunyai arsitektur yang cukup komplek. Mencakup development

tools,administration tools, report viewers. SSRS awalnya dirilis sebagai

tambahan terpisah pada SQL Server 2000, saat ini semua bagian reporting

server dipaketkan (bundled) dalam SQL Server 2005 dan 2008.

2.2. 12 SQL Server Integration Service (SSIS)

SQL Server Integration Services (SSIS) adalah suatu platform untuk

membangun sistem yang handal untuk integrasi data, solusi workflow

termasuk extraction, transformation, dan loading (ETL) yang banyak

digunakan pada data warehousing.