BAB 4 DATA WAREHOUSE YANG DIUSULKAN 4.1 Arsitektur …thesis.binus.ac.id/Doc/Bab4/2009-1-00192-IF...

64

BAB 4

DATA WAREHOUSE YANG DIUSULKAN

4.1 Arsitektur Data Warehose

Arsitektur data warehouse adalah sekumpulan aturan dari suatu struktur yang

memberikan kerangka suatu perancangan sistem. Arsitektur data untuk data

warehouse mempunyai komponen utama yaitu database yang dapat dibaca.

Karakteristik arsitektur data warehouse:

• Data diambil dari sistem informasi yang ada (sistem asal), database dan file.

• Data dari sistem asal diintegrasikan dan ditransformasikan sebelum diload ke

dalam data warehouse.

• Data warehouse merupakan sebuah database yang terpisah bersifat hanya dapat

dibaca yang dibuat khusus untuk mendukung pengambilan keputusan.

• Pemakai mengakses data warehouse melalui front end tool atau aplikasi.

Proses pelaksanaan rancangan data warehouse dimulai dari perumusan

permasalahan yang dihadapi oleh perusahaan kemudian melakukan pengumpulan

data untuk mengatasi permasalahan yang ada atau untuk mendukung pembuatan

laporan bagi para pengambil keputusan dalam perusahaan. Data yang telah

terkumpul akan disaring terlebih dahulu, kemudian hasilnya disimpan ke suatu

media yang memiliki daya tampung besar. Namun sebelum data dikumpulkan pada

tempat tersebut, data tersebut harus ditransformasikan telebih dahulu ke dalam

bentuk database yang benar-benar konsisten dan terintegrasi.

65

Pengumpulan data yang dilakukan merupakan pengumpulan data secara terpusat

yang diletakkan pada suatu tempat media penyimpanan. Pada tempat ini pula

tersedia cadangan data yang dapat digunakan dalam pemakaian data warehouse

untuk mengakses data yang berhubungan dengan pembuatan laporan perkreditan

yang akan dianalisa oleh para pengambil keputusan perusahaan.

Dalam perancangan data warehouse untuk Bank DKI digunakan bentuk data

warehouse terpusat (Centralized Data Warehouse). Adapun alasan-alasan

menggunakan data warhouse terpusat adalah :

1. Sistem yang telah berjalan pada Bank DKI menggunakan arsitektur terpusat,

sehingga dengan menggunakan data warehouse terpusat tidak perlu mengubah

infrastruktur yang sudah ada, tetapi cukup menggunakan infrastruktur yang

sebelumnya.

2. Memudahkan dalam melakukan pengawasan dan pemeliharaan data yang

digunakan untuk aplikasi data warehouse.

3. Mempermudah pemakai untuk memperoleh data yang terintegrasi, konsisten, dan

berada pada satu lokasi saja.

Karena pertimbangan-pertimbangan tersebut, maka diputuskan untuk menggunakan

data warehouse terpusat, sedangkan arsitektur data warehouse Bank DKI yang

diusulkan dapat digambarkan seperti pada gambar dibawah ini :

66

OLTP_DKI NPLData Warehouse

Ms Excel

VB.Net 2005

ETL OLAP_DKI(CUBE)

OLTP

SQL ServerDTS

RelationalData Warehouse

OLAPAnalysis Service

Sumber Data

(SQL Server)SQL Server

Gambar 4.1 Rancangan Arsitektur Data Warehouse

Pemakaian komponen-komponen yang mendukung pembuatan data warehouse pada

Bank DKI adalah :

1. Sumber data

Sumber data yang diperoleh, dapat berasal dari berbagai jenis media berupa

dokumentasi manual maupun digital format serta platform yang berbeda. Sumber

data disini merupakan data internal Bank DKI yang tersimpan dalam tabel-tabel

database OLTP_DKI.

2. Transformasi data

Transformasi data merupakan proses transformasi sumber data menjadi data

warehouse. Transformasi data dibutuhkan apabila ada ketidaksamaan antara

struktur data dengan isinya. Dengan dilakukan transformasi ini, membuat data

tersebut diubah ke suatu bentuk yang konsisten dan terjamin integritasnya,

sehingga dapat menghasilkan data yang benar-benar akurat, tepat dan terpercaya.

Tahap ini memiliki 3 proses yang disering disebut sebagai ETL yaitu :

a. Extract, yaitu proses mengambil data dari sumber data yang tersedia. Pada

tahap ini tidak semua data pada sumber data diambil melainkan hanya data

yang diperlukan saja

67

b. Transform, yaitu proses mengubah bentuk suatu data menjadi bentuk yang

lain

c. Loading, yaitu menyimpan data hasil dari transformasi yang telah dilakukan.

Pada tahap ini, semua tabel hasil dari transformasi data dimasukkan ke dalam

data warehouse.

Karakteristik dari data ETL antara lain:

• Detailed

Data detail menyediakan fleksibilitas bagi user untuk membentuk stuktur

data menjadi struktur yang paling tepat sesuai dengan yang dibutuhkan.

• Historical

Data periodik digunakan untuk menyediakan historical perspective.

• Normalized

Normalized data menyediakan integritas dan fleksibilitas yang lebih baik

dibandingkan dengan denormalized data. Pada denormalisasi, data biasanya

digunakan untuk mengakses secara periodik menggunakan batch process.

Beberapa struktur data warehouse adalah denormalisasi.

• Comprehensive

Reconcile data menggambarkan perspektif yang luas, yang dirancang sesuai

model data perusahaan.

• Timely

Kecuali untuk data warehousing, data tidak perlu real time, data harus

lengkap sehingga pembuat keputusan dapat bertindak saat itu juga.

68

• Quality Control

Kualitas data tidak diragukan dan integritas, karena data sudah diringkas ke

dalam data mart dan digunakan untuk pengambilan keputusan.

3. Data Warehouse

Komponen ini tempat dimana data yang telah tersaring dikumpulkan pada tempat

tertentu, untuk digunakan sebagai penganalisisan laporan kredit oleh level

eksekutif perusahaan. Dimana pada skripsi kali ini hanya akan dibahas pada

Kredit Multiguna (KMG), Kredit Modal Kerja (KMK), Kredit Investasi dan

Kredit Kepemilikan Rumah (KPR). Data yang ada pada komponen data

warehouse ini merupakan data yang historical dengan jangka waktu tertentu.

4. Cube

Merupakan bentuk data dimensional yang terbentuk dari tabel fakta dan tabel

dimensi.

5. Aplikasi

Komponen Aplikasi merupakan suatu gerbang penghubung antara data

warehouse dengan pengguna untuk mengakses data yang diperlukan dalam

pembuatan laporan yang dibutuhkan oleh pengguna.

4.2 Pemilihan Proses Bisnis

Berdasarkan hasil analisis dan survei yang dilakukan terhadap kegiatan bisnis

yang sedang berjalan pada Bank DKI maka dapat ditemukan lima proses yang sangat

penting dalam perancangan data warehouse ini diantaranya proses pembukaan

rekening, pengajuan kredit, analisis kelayakan kredit, realisasi kredit dan

69

pembayaran angsuran. Kelima proses ini merupakan kegiatan inti yang terjadi pada

bagian - bagian yang menangani masalah perkreditan di Bank DKI.

Bisnis Proses Deskripsi Fungsi yang

Terlibat

Pembukaan rekening Merupakan proses bisnis debitur

membuka rekening untuk dapat

mengajukan kredit.

Asisten pelayanan

Pengajuan Kredit Merupakan proses bisnis debitur

mengajukan kredit kepada bank.

Analis pemasaran

Analisis Kelayakan

Kredit

Merupakan proses bisnis dimana

pihak bank akan menentukan

layak atau tidaknya pemberian

kredit kepada debitur.

Analis pemasaran,

Pimpinan cabang dan

Perwakilan dari pusat

Realisasi Kredit Merupakan proses bisnis bank

mencairkan dana kredit kepada

debitur.

Analis kredit

Pembayaran Angsuran Merupakan proses bisnis dimana

debitur membayar angsuran

kredit

Teller dan Kolektor

Tabel 4.1 Proses Bisnis

4.3 Pemilihan Grain

Setelah menentukan proses bisnis yang dibutuhkan dalam data warehouse, maka

ditentukan grain yang menjelaskan tiap fakta. Berikut grain – grain yang terpilih,

yaitu :

Grain Deskripsi Proses Bisnis Aggregat

NPL NPL terdiri dari total baki

debet, tingkat coll, nilai

Pembayaran

angsuran

Average NPL, Max

coll dan Min coll

70

NPL dan total kredit

Total angsuran Total angsuran terdiri dari

bunga, plafond dan jumlah

angsuran

Pengajuan kredit

dan Pembayaran

angsuran

Sum angsuran, Max

angsuran dan Min

angsuran

Total tunggakan Total tunggakan terdiri dari

tingkat coll, angsuran,

bunga dan jumlah

tunggakan

Pembayaran

angsuran

Sum Tunggakan

Count tunggakan,

Max tunggakan dan

Min tunggakan

Nilai kredit Nilai kredit terdiri dari

bunga, plafond, baki debet,

jumlah angsuran dan

jumlah tunggakan

Pengajuan kredit Count Baki debet,

Sum Baki debet dan

Total Kredit

Tabel 4.2 Pemilihan Grain

4.4 Identifikasi dan Konfirmasi Dimensi

Dari keterangan langkah – langkah diatas, dapat ditentukan dimensi – dimensi

yang digunakan dalam data warehouse, yaitu :

Dimensi Keterangan Grain

Waktu Waktu transaksi dilaksanakan

dengan hirarki tahun, bulan, minggu

dan hari

NPL, Total angsuran,

Nilai kredit dan Total

tunggakan

Waktu2 Waktu transaksi dilaksanakan

dengan hirarki tahun, bulan, minggu

dan hari dan berisi keterangan

waktu-waktu yang tidak terdapat

dalam dimensi waktu1 seprti tanggal

jatuh tempo pembayaran debitur

Nilai kredit

Cabang Cabang tempat operasi NPL, Total angsuran dan

Nilai kredit

71

Jenis Kredit Jenis kredit yang diberikan oleh

bank

NPL, Total angsuran,

Nilai kredit dan Total

tunggakan

Debitur Nasabah yang menerima kredit Total Angsuran dan Total

Tunggakan dan Nilai

kredit

Instansi Tempat nasabah bekerja Total Angsuran dan Total

Tunggakan dan Nilai

kredit

Jaminan Barang atau dokumen berharga yang

diajukan sebagai jaminan

Total Angsuran dan Total

Tunggakan dan Nilai

kredit

TingkatColl Kriteria kolektibiltas debitur dalam

tunggakan

Total tunggakan

Tabel 4.3 Identifkasi dan Konfirmasi Dimensi

4.5 Pemilihan Fakta

Berikut keterangan fakta yang terpilih, sesuai dengan pertimbangan kebutuhan

data dan informasi dari perusahaan :

4.5.1 Fakta

Fakta Keterangan Dimensi

NPL Fakta NPL meliputi TotalBakiDebet

(Coll 3, 4 dan 5) dibandingkan dengan

TotalKredit yang didapat dari jumlah

keseluruhan BakiDebet (Coll 1, 2, 3, 4

dan 5) dan NPL yang merupakan

persentase NPL itu sendiri.

DimWaktu,

DimCabang dan

DimJenisKredit

Angsuran Fakta angsuran meliputi DimWaktu,

72

SumAngsuran yang merupakan hasil

perhitungan dari AngsuranPokok

debitur

DimCabang,

DimJenisKredit,

DimDebitur,

DimInstansi dan

DimJaminan

Tunggakan Fakta tunggakan meliputi TingkatColl

yang merupakan kriteria kolektibilitas

debitur dalam tunggakannya dan

SumTunggakan yang merupakan

jumlah dari nilai tunggakan debitur

yang didapat dari perhitungan antara

bunga dan sum angsuran

DimWaktu,

DimJenisKredit,

DimDebitur,

DimInstansi,

DimJaminan dan

DimTingkatColl

Kredit Fakta kredit meliputi tanggalMulai,

tanggal JatuhTempo, SumAngsuran

yang merupakan hasil perhitungan

dari AngsuranPokok debitur dan

SumTunggakan yang merupakan

jumlah dari nilai tunggakan debitur

yang didapat dari perhitungan antara

bunga dan sum angsuran

DimCabang,

DimWaktu,

DimWaktu2,

DimJenisKredit,

DimDebitur,

DimInstansi dan

DimJaminan

Tabel 4.4 Keterangan Fakta

4.5.2 Star Schema

Rancangan skema bintang merupakan struktur dari tabel-tabel yang

saling berhubungan melalui jalur-jalur tertentu. Secara garis besar skema

bintang terdiri atas dua jenis tabel yaitu tabel fakta dan dimensi

a. Fakta NPL

73

Skema bintang ini menunjukkan relasi antara tabel-tabel dimensi

dengan Fakta NPL. Dimensi yang digunakan adalah DimWaktu,

DimCabang dan DimJenisKredit.

Gambar 4.2 Skema Bintang FaktaNPL

b. Fakta Angsuran


dengan Fakta Angsuran. Dimensi yang digunakan adalah DimWaktu,

DimCabang, DimJenisKredit, DimDebitur, DimInstansi dan DimJaminan

Gambar 4.3 Skema Bintang FaktaAngsuran

74

c. Fakta Tunggakan


dengan Fakta Tunggakan. Dimensi yang digunakan adalah DimWaktu,

DimDebitur, DimJenisKredit, DimJaminan, DimInstansi dan

DimTingkatColl.

Gambar 4.4 Skema Bintang FaktaTunggakan

d. Kredit


dengan Fakta Kredit. Dimensi yang digunakan adalah DimCabang,

DimWaktu, DimWaktu2, DimJenisKredit, DimDebitur, DimInstansi dan

DimJaminan.

75

Gambar 4.5 Skema Bintang FaktaKredit

4.6 Penyimpanan Pre-Calculation di Tabel Fakta

Ketika fakta telah dipilih, maka setiap fakta tersebut harus diuji apakah ada fakta

yang dapat menggunakan kalkulasi awal, setelah itu dilakukan penyimpanan pada

tabel fakta.berikut ini adalah kalkulasi awal yang dapat diakukan untuk selanjutnya

disimpan dalam tabel fakta yaitu:

• Fakta NPL

Perbandingan NPL sekarang dengan NPL sebelumnya

76

4.7 Melengkapi Tabel Dimensi

Berikut atribut yang digunakan dalam masing-masing dimensi, sesuai dengan

pertimbangan kebutuhan data dan informasi dari perusahaan, yaitu :

a. DimWaktu

Atribut Tipe Data Panjang

WaktuID Int 4

Tahun Int 4

Bulan Int 4

Minggu Int 4

Hari Int 4

Tabel 4.5 DimWaktu

b. DimWaktu2


WaktuID2 Int 4

Tahun Int 4

Bulan Int 4

Minggu Int 4

Hari Int 4

Tabel 4.6 DimWaktu2

c. Dimensi Cabang


CabangID Int 4

KodeCabang Char 3

NamaCabang Varchar 30

Tabel 4.7 DimCabang

77

d. Dimensi Jenis Kredit


JenisKreditID Int 4

KodeJenisKredit Char 2

JenisKredit Varchar 30

Tabel 4.8 DimJenisKredit

e. Dimensi Debitur


DebiturID Int 4

KodeDebitur Char 10

NamaDebitur Varchar 30

AlamatDebitur Varchar 50

Tabel 4.9 DimDebitur

f. Dimensi Instansi


InstansiID Int 4

KodeInstansi Char 5

NamaInstansi Varchar 30

AlamatInstansi Varchar 50

Tabel 4.10 DimInstansi

g. Dimensi Jaminan


JaminanID Int 4

KodeJaminan Char 8

JenisJaminan Varchar 30

NilaiJaminan Money 8

Tabel 4.11 DimJaminan

78

h. Dimensi Tingkat Coll


TingkatCollID Int 4

TingkatColl Int 4

Keterangan Char 15

Tabel 4.12 DimTingkatColl

4.8 Pemilihan Durasi Database

Pada tahap ini menentukan lamanya sumber data yang akan digunakan pada data

warehouse. Untuk data warehouse pada Bank DKI data dari database OLTP yang

disimpan adalah data tiga tahun terakhir yaitu tahun 2005. Setelah data warehouse

diterapkan, data yang akan disimpan adalah data lima tahun terakhir. Hal ini

bertujuan untuk memperoleh tingkat keakuratan dari suatu data, jika data yang

disimpan terlalu lama maka akan semakin besar kemungkinan terdapat masalah pada

data tersebut baik pada pembacaan data maupun tingkat keakuratannya.

4.9 Melacak SCD (Slowly Changing Dimensions)

Untuk memantau perubahan yang terjadi dalam dimensi, digunakan tipe-tipe

Slowly Changing Dimensions (SCD) yang dikemukakan oleh Kimball. Pada SCD

tipe 1 apabila ada data yang berubah, maka data yang sebelumnya juga akan dirubah

sesuai dengan yang baru. Hal ini diterapkan pada :

Dimensi Atribut Tipe SCD

Cabang CabangID -

KodeID -

NamaCabang Tipe 1

79

Debitur DebiturID -

KodeDebitur -

NamaDebitur -

AlamatDebitur Tipe 1

Instansi InstansiID -

KodeInstansi -

NamaInstansi -

AlamatInstansi Tipe 1

Tabel 4.13 Tipe SCD

80

4.10 Memutuskan Prioritas Query dan Mode Query

Pada tahap ini, rancangan desain fisikal yang dianjurkan hanya urutan fisikal dari tabel fakta, di mana urutan data

pada sebuah tabel fakta telah terurut berdasarkan waktu transakasi masing-masing.

4.10.1 Prestore Calculation

4.10.1.1 NPL

JenisKredit Bulan NamaCabang TotalBakiDebet TotalKredit NPL

Gambar 4.6 Prestore Calculation NPL

4.10.1.2 Angsuran

Tahun : Bulan : Cabang : Jenis Kredit : NamaInstansi NamaDebitur JenisJaminan SumAngsuran

Gambar 4.7 Prestore Calculation Angsuran

81

4.10.1.3 Tunggakan

Tahun : Bulan : JenisKredit : Tanggal NamaInstansi NamaDebitur JenisJaminan SumTunggakan TingkatColl

Gambar 4.8 Prestore Calculation Tunggakan

4.10.1.4 Kredit

Tahun : Cabang : JenisKredit : Tanggal NamaInstansi NamaDebitur JenisJaminan tanggalMulai tanggalJatuhTempo SumAngsuran SumTunggakan

Gambar 4.9 Prestore Calculation Kredit

82

4.10.2 Pemilihan Index

Di dalam perancangan data warehouse, index yang digunakan didalam

tabel dimensi dan fakta adalah index clustered.

Nama Tabel Nama Index Key Index Clustered/Non

Clustered

DimCabang ix_DimCabang CabangID Clustered

DimWaktu ix_DimWaktu WaktuID Clustered

DimKaryawan ix_DimKaryawan KaryawanID Clustered

DimJenisKredit ix_DimJenisKredit JenisKreditID Clustered

DimDebitur ix_DimDebitur DebiturID Clustered

DimInstansi ix_DimInstansi InstansiID Clustered

DimJaminan ix_DimJaminan JaminanID Clustered

DimTingkatColl Ix_DimTingkatColl TingkatCollID Clustered

FaktaNPL ix_FaktaNPL DimWaktu,

DimCabang dan

DimJenisKredit

Clustered

FaktaAngsuran ix_FaktaAngsuran DimWaktu,

DimCabang,

DimJenisKredit,

DimDebitur,

DimInstansi dan

DimJaminan

Clustered

FaktaTunggakan ix_FaktaTunggakan DimWaktu,

DimJenisKredit,

DimDebitur,

DimInstansi dan

DimJaminan

Clustered

FaktaKredit ix_FaktaKredit DimCabang, Clustered

83

Tabel 4.14 Pemilihan Index

4.10.3 Analisis Kapasitas Media Penyimpanan

Didalam setiap pengolahan data, kapasitas media penyimpanan menjadi

salah satu aspek penting dan perlu untuk dipertimbangkan. Guna mengetahui

banyaknya kapasitas penyimpanan yang diperlukan, maka dilakukan analisis

kapasitas media penyimpanan yang akan menunjukkan berapa besar tempat

penyimpanan yang dibutuhkan. Ada beberapa langkah yang perlu diikuti

dalam menghitung kapasitas disk:

1. Menentukan jumlah baris didalam tabel (num_rows)

2. Ukuran tergantung pada tipe data dan panjangnya

- Jumlah kolom (num_cols)

- Jumlah fixed length column (byte) (fixed_datasize)

- Jumlah variable length column (Num_variable_cols)

- Ukuran maksimal variable length column (max_var_size)

3. Menghitung null bitmap jika dalam tabel terdapat fixed length column

Null bitmap (null_bitmap) = 2 + ((Num_cols+7):8)

4. Menghitung kapasitas jika terdapat variable length column dalam tabel

Total size of variable length columns (variable_data_size) =

2+(num_variable_cols x 2) + max_var_size

5. Menghitung ukuran baris

DimWaktu,

DimJenisKredit,

DimDebitur,

DimInstansi dan

DimJaminan

84

Total row size (row_size) = fixed_data_size + variable_data_size + Null

bitmap +4

6. Menghitung jumlah baris per halaman (8096 byte per page)

Numbers of rows per page (Rows_per_page) = 8096 : (row_size + 2)

7. Jika terdapat clustered index didalam tabel, maka menghitung free rows

per page didasarkan pada fill factor. Jika tidak ada clustered index yang

dibuat, maka fill factor diasumsikan sebagai 100.

Number of free row per page(Free_rows_per_page) = 8096 x ((100 – fill

factor) : 100) : (row_size+2)

8. Menghitung jumlah halaman yang dibutuhkan untuk menyimpan semua

baris

Number of pages (num_pages)= num_rows : (rows_per_page –

free_rows_per_page)

9. Menghitung kapasitas yang dibutuhkan untuk menyimpan data dalam

tabel (8192 byte per pages)

Tabel size (bytes) = 8192 x num_pages

Menghitung ukuran tabel dengan index

Berikut ini cara yang digunakan untuk menghitung tabel yang didalamnya

terdapat index:

1. Menghitung kapasitas yang digunakan untuk menyimpan data

2. Menghitung kapasitas yang digunakan untuk menyimpan index clustered

3. Menghitung kapasitas yang digunakan untuk menyimpan index non-

clustered

4. Menghitung nilai-nilai yang telah dihitung diatas

85

Pada setiap perhitungan selalu mencantumkan jumlah baris yang akan

ada didalam tabel.

Number of rows in the table = num_rows

Menghitung kapasitas yang digunakan untuk menyimpan index:

1. Definisi dari index dapat berupa fixed length dan variable length column

Jumlah kolom dalam index key (num_key_cols)

Jumlah semua fixed length column key (byte) (fixed_key_size)

Jumlah variable length column dalam index key (num_variable_key_cols)

Ukuran maksimum dari variable length column key (max_var_key_size)

2. Index Null Bitmap (Index_Null_bitmap) = 2+((Num_key_cols + 7): 8)

3. Jika terdapat variable length column dalam index, maka dihitung berapa

kapasitas yang digunakan untuk menyimpan kolom dalam baris index.

Total size of variable lenght columns (variable_key_size) =

2+(num_variable_key_cols x 2) + max_var_key_size

4. Menghitung ukuran baris index

Total index row size (Index_row_size) = fixed_key_size +

variable_key_size + index_null_bitmap + 1 + 8

5. Menghitung jumlah baris per halaman (8096 byte per page)

Number of index rows per page (Index_rows_per_page) = 8096 :

(index_row_size + 2)

6. Menghitung jumlah halaman yang dibutuhkan untuk menyimpan semua

baris index pada setiap level dari index

Number of pages (level 0) (num_pages_level_0) = (data_space_used :

8192) : index_rows_per_page

86

Number of pages (level 1) (num_pages_level_0) = num_pages_level_0 :

index_rows_per_page

Perhitungan terus dilakukan sampai level n (num_pages_level_n) sama

dengan satu (index root page)

Menghitung jumlah halaman yang dibutuhkan untuk menyimpan setiap

level dari index

Total number of pages (num_index_pages) = num_pages_level_0 +

num_pages_level_1 + .... + num_pages_level_n

7. Menghitung ukuran index (8192 byte per page) index size (bytes) = 8192

x num_index_pages

Menghitung ukuran tabel

Total tabel size (bytes) = data_space_used + clustered_index_size + non-

clustered_index_size + .....n

Menghitung pertumbuhan setiap tahun selama lima tahun

1. Menghitung dimensi

Rn = R(n-1) * (1 + i )n

R = Jumlah record

n = Tahun

i = Persentase Pertumbuhan data, sebesar 10%

2. Menghitung fakta

Rn = R(n-1) + R(n-1) * (1 + i )

R = Jumlah record

n = Tahun

87

i = Persentase Pertumbuhan data, sebesar 10%

Tabel Jumlah

Record Saat Ini

Pertumbuhan Per Tahun

Estimasi lima tahun ke depan

DimWaktu 450 10% 4937

DimWaktu2 450 10% 4937

DimCabang 50 2% 288

DimJenisKredit 4 - 4

DimDebitur 500 10% 5488

DimInstansi 30 10% 330

DimJaminan 10 10% 106

DimTingkatColl 5 - 5

FaktaNPL 33000 10% 2509983

FaktaAngsuran 25000 10% 1901504

FaktaTunggakan 22000 10% 1673322

FaktaKredit 33000 10% 2509983

Tabel 4.15 Perkiraan Pertumbuhan Data Selama 5 Tahun (Dalam Byte)

Tabel Tahun 1 Tahun 2 Tahun 3 Tahun 4 Tahun 5

DimWaktu 495 599 797 1167 1879

DimWaktu2 495 599 797 1167 1879

DimCabang 51 53 56 61 67

DimJenisKredit 4 4 4 4 4

DimDebitur 550 666 886 1297 2089

DimInstansi 33 40 53 70 126

DimJaminan 11 13 17 25 40

DimTingkatColl 5 5 5 5 5

FaktaNPL 69300 145530 305613 641787 1347753

FaktaAngsuran 52500 110250 231525 486203 1021026

FaktaTunggakan 46200 97020 203742 427858 898502

FaktaKredit 69300 145530 305613 641787 1347753

Tabel 4.16 Perkiraan Pertumbuhan Dalam 5 Tahun (Dalam Byte)

88

Tabel 4.17 Tabel Perkiraan Disk (Dalam Byte)

Tabel

Num Ckey Cols

FixedCkey Size

Num Variable

CkeyCols

MaxVarCkey Size

CindexNull

Bitmap

Variable Ckey Size

CindexRow Size

Cindex Row

PerPage

Num Pages

Clevel 0

Num Pages

Clevel 1

Num Cindex Pages

Clustered Index Size

DimWaktu 1 4 0 0 3 2 18 405 1 0 1 8192 DimWaktu2 1 4 0 0 3 2 18 405 1 0 1 8192 DimCabang 1 4 0 0 3 2 18 405 1 0 1 8192 DimJenisKredit 1 4 0 0 3 2 18 405 1 0 1 8192 DimDebitur 1 4 0 0 3 2 18 405 1 0 1 8192 DimInstansi 1 4 0 0 3 2 18 405 1 0 1 8192 DimJaminan 1 4 0 0 3 2 18 405 1 0 1 8192 DimTingkatColl 1 4 0 0 3 2 18 405 1 0 1 8192 FaktaNPL 3 12 0 0 3 2 24 311 1 0 1 8192

Tabel Num Rows

NumCols

Fixed DataSize

Num VarCols

Max VarSize

Null Bitmap

Variable DataSize

Row Size

Rows PerPage

FreeRowsPerPage

Num Pages

Table Size

DimWaktu 4937 5 20 - - 4 2 30 253 0 20 163840 DimWaktu2 4937 5 20 - - 3 2 30 253 0 20 163840 DimCabang 288 1 4 2 33 3 39 50 156 0 2 16384 DimJenisKredit 4 1 4 2 32 3 38 49 159 0 0 0 DimDebitur 5488 1 4 3 90 3 98 109 73 0 75 614400 DimInstansi 330 1 4 3 85 3 93 104 76 0 4 32768 DimJaminan 106 1 4 3 46 4 54 65 121 0 1 8192 DimTingkatColl 5 2 8 1 15 3 19 34 225 0 0 0 FaktaNPL 2509983 6 36 - - 4 2 46 169 0 14852 121667584 FaktaAngsuran 1901504 7 32 - - 4 2 42 184 0 10334 84656128 FaktaTunggakan 1673322 7 32 - - 4 2 42 184 0 9094 74498048 FaktaKredit 2509983 9 44 - - 4 2 54 145 0 17310 141803520

42

FaktaAngsuran 6 24 0 0 3 2 38 202 1 0 1 8192 FaktaTunggakan 6 24 0 0 3 2 38 202 1 0 1 8192 FaktaKredit 7 28 0 0 3 2 42 184 1 0 1 8192

Tabel 4.18 Tabel Perkiraan index (Dalam Byte)

90

4.10.4 Metadata

Metadata memuat informasi tabel dalam data warehouse yang mencakup nama database asal tabel tersebut.

Metadata juga memuat informasi yang mencakup rincian dari tabel tersebut, mengenai nama field, tipe field ,field

yang menjadi field kunci, panjang field, deskripsi singkat dan masing-masing field. Selain itu metadata juga

dilengkapi dengan informasi tentang nama tabel dan field sumber serta proses transformasinya, berikut ini adalah

metadata dari data warehouse Bank DKI yang diusulkan:

DBMS : SQL Server

Nama Tabel : DimWaktu

Keterangan : Tabel dimensi waktu

Tabel Field Tipe Data Panjang Sumber Data Transformasi

Tabel Field Tipe Data Panjang

DimWaktu WaktuID Int 4 Autonumber

DimWaktu Tahun Int 4 Create

DimWaktu Bulan Int 4 Create

DimWaktu Minggu Int 4 Create

DimWaktu Hari Int 4 Create

Tabel 4.19 Metadata DimWaktu

91

DBMS : SQL Server

Nama Tabel : DimCabang

Keterangan : Tabel dimensi cabang



DimCabang CabangID Int 4 Autonumber

DimCabang KodeCabang Char 3 MsCabang KdCabang Char 3 Copy

DimCabang NamaCabang Varchar 30 MsCabang NamaCabang Varchar 30 Copy

Tabel 4.20 Metadata DimCabang

DBMS : SQL Server

Nama Tabel : DimJenisKredit

Keterangan : Tabel jenis kredit

Tabel Field Tipe

Data

Panjang Sumber Data Transformasi

Tabel Field Tipe

Data

Panjang

92

DimJenisKredit JenisKreditID Int 4 Autonumber

DimJenisKredit KodeJenisKredit Char 2 MsJenisKredit KdJenisKredit Char 2 Copy

DimJenisKredit JenisKredit Varchar 30 MsJenisKredit JenisKredit Varchar 30 Copy

Tabel 4.21 Metadata DimJenisKredit

DBMS : SQL Server

Nama Tabel : DimDebitur

Keterangan : Tabel debitur

Tabel Field Tipe

Data



DimDebitur DebiturID Int 4 Autonumber

DimDebitur KodeDebitur Char 10 MsNasabah KdNasabah Char 10 Copy

DimDebitur NamaDebitur Varchar 30 MsNasabah NamaNasabah Varchar 30 Copy

DimDebitur AlamatDebitur Varchar 50 MsNasabah AlamatNasabah Varchar 50 Copy

Tabel 4.22 Metadata DimDebitur

93

DBMS : SQL Server

Nama Tabel : DimInstansi

Keterangan : Tabel instansi

Tabel Field Tipe

Data


Tabel Field Tipe

Data

Panjang

DimInstansi InstansiID Int 4 Autonumber

DimInstansi KodeInstansi Char 5 MsInstansi KdInstansi Char 5 Copy

DimInstansi NamaInstansi Varchar 30 MsInstansi NamaInstansi Varchar 30 Copy

DimInstansi AlamatInstansi Varchar 50 MsInstansi AlamatInstansi Varchar 50 Copy

Tabel 4.23 Metadata DimInstansi

DBMS : SQL Server

Nama Tabel : DimJaminan

Keterangan : Tabel Jaminan

94



DimJaminan JaminanID Int 4 Autonumber

DimJaminan KodeJaminan Char 8 MsJaminan KdJaminan Char 8 Copy

DimJaminan NamaJaminan Varchar 30 MsJaminan JenisJaminan Varchar 30 Copy

DimJaminan NilaiJaminan Money 8 MsJaminan NilaiJaminan Money 8 Copy

Tabel 4.24 Metadata DimJaminan

DBMS : SQL Server

Nama Tabel : DimTingkatColl

Keterangan : Tabel Tingkat Coll

Tabel Field Tipe

Data


Tabel Field Tipe

Data

Panjang

DimTingkat

Coll

TingkatCollID Int 4 Autonumber

95

DimTingkat

Coll

TingkatColl Int 4 MsTingkatColl TingkatColl Int 4 Copy

DimTingkat

Coll

Keterangan Char 15 MsTingkatColl Keterangan Char 15 Copy

Tabel 4.25 Metadata DimTingkatColl

DBMS : SQL Server

Nama Tabel : FaktaNPL

Keterangan : Tabel fakta NPL


Sumber Data Transformasi Tabel Field Tipe

Data Panjang

FaktaNPL WaktuID Int 4 DimWaktu WaktuID Int 4 LookUp WaktuID pada

tabel DimWaktu

FaktaNPL CabangID Int 4 DimCabang CabangID Int 4 LookUp CabangID

pada tabel DimCabang

FaktaNPL JenisKreditID Int 4 DimJenisKredit JenisKreditID Int 4 LookUp JenisKreditID

pada tabel

96

DimJenisKredit

FaktaNPL TotalBakiDebet Money 8 TrKredit dan TrTunggakan

BakiDebet Money 8 Sum(BakiDebet) where coll= ‘3,4,5’

FaktaNPL TotalKredit Money 8 TrKredit dan TrTunggakan

BakiDebet Money 8 Sum(BakiDebet) where coll= ‘1,2,3,4,5’

FaktaNPL NPL Float 8 TrKredit dan TrTunggakan

TotalBakiDebet dan TotalKredit

Money 8 Sum(TotalBakiDebet/ TotalKredit)

Tabel 4.26 Metadata FaktaNPL

DBMS : SQL Server

Nama Tabel : FaktaAngsuran

Keterangan : Tabel fakta angsuran



Data Panjang

FaktaAngsuran WaktuID Int 4 DimWaktu WaktuID Int 4 LookUp WaktuID

pada tabel DimWaktu

FaktaAngsuran CabangID Int 4 DimCabang CabangID Int 4 LookUp CabangID

pada tabel DimCabang

FaktaAngsuran JenisKreditID Int 4 DimJenisKredit JenisKreditID Int 4 LookUp JenisKreditID

pada tabel

DimJenisKredit

97

FaktaAngsuran DebiturID Int 4 DimDebitur DebiturID Int 4 LookUp DebiturID

pada tabel DimDebitur

FaktaAngsuran InstansiID Int 4 DimInstansi InstansiID Int 4 LookUp InstansiID

pada tabel

DimInstansi

FaktaAngsuran JaminanID Int 4 DimJaminan JaminanID Int 4 LookUp JaminanID

pada tabel

DimJaminan

FaktaAngsuran SumAngsuran Money 8 TrAngsuran AngsuranPokok Money 8 Sum (AngsuranPokok)

Tabel 4.27 Metadata FaktaAngsuran

DBMS : SQL Server

Nama Tabel : FaktaTunggakan

Keterangan : Tabel fakta tunggakan



Data Panjang

FaktaTunggakan WaktuID Int 4 DimWaktu WaktuID Int 4 LookUp WaktuID

98

pada tabel

DimWaktu

FaktaTunggakan JenisKreditID Int 4 DimJenisKredit JenisKreditID Int 4 LookUp

JenisKreditID pada

tabel

DimJenisKredit

FaktaTunggakan DebiturID Int 4 DimDebitur DebiturID Int 4 LookUp DebiturID

pada tabel

DimDebitur

FaktaTunggakan InstansiID Int 4 DimInstansi InstansiID Int 4 LookUp InstansiID

pada tabel

DimInstansi

FaktaTunggakan JaminanID Int 4 DimJaminan JaminanID Int 4 LookUp JaminanID

pada tabel

DimJaminan

FaktaTunggakan TingkatColl Int 4 DimTingkatColl TingkatColl Int 4 Copy

99

FaktaTunggakan SumTunggakan Money 8 TrTunggakan SumTunggakan Money 8 Copy

Tabel 4.28 Metadata FaktaTunggakan

DBMS : SQL Server

Nama Tabel : FaktaKredit

Keterangan : Tabel fakta kredit



Data Panjang

FaktaKredit WaktuID Int 4 DimWaktu WaktuID Int 4 LookUp WaktuID

pada tabel

DimWaktu

FaktaKredit WaktuID2 Int 4 DimWaktu2 WaktuID2 Int 4 LookUp

WaktuID2 pada

tabel DimWaktu2

FaktaKredit CabangID Int 4 DimCabang CabangID Int 4 LookUp CabangID

pada tabel

DimCabang

100

FaktaKredit JenisKreditID Int 4 DimJenisKredit JenisKreditID Int 4 LookUp

JenisKreditID

pada tabel

DimJenisKredit

FaktaKredit DebiturID Int 4 DimDebitur DebiturID Int 4 LookUp DebiturID

pada tabel

DimDebitur

FaktaKredit InstansiID Int 4 DimInstansi InstansiID Int 4 LookUp

InstansiID pada

tabel DimInstansi

FaktaKredit JaminanID Int 4 DimJaminan JaminanID Int 4 LookUp

JaminanID pada

tabel DimJaminan

FaktaKredit SumAngsuran Money 8 TrAngsuran AngsuranPokok Money 8 Sum

(AngsuranPokok)

FaktaKredit SumTunggakan Money 8 TrTunggakan SumTunggakan Money 8 Copy

Tabel 4.29 Metadata FaktaKredit

101

4.10.5 Proses ETL

Laporan yang dihasilkan dari data warehouse nantinya akan dipakai oleh

para eksekutif perusahaan. Untuk mendapatkan laporan yang paling terkini,

maka akan dilakukan proses ETL (Extraction Transformation Loading).

Tabel Periode ETL Proses Sebelumnya

DimWaktu Setiap hari jumat jam 12 malam -

DimWaktu2 Setiap hari jumat jam 12 malam -

DimCabang Setiap akhir bulan jam 12 malam -

DimJenisKredit Setiap akhir bulan jam 12 malam -

DimDebitur Setiap hari jumat jam 12 malam -

DimInstansi Setiap hari jumat jam 12 malam -

DimJaminan Setiap hari jumat jam 12 malam -

FaktaTunggakan Setiap hari jumat jam 12 malam DimWaktu,

DimJenisKredit,

DimDebitur, DimInstansi,

DimJaminan dan

DimTingkatColl

FaktaAngsuran Setiap hari jumat jam 12 malam DimWaktu, DimCabang,

DimJenisKredit,


DimJaminan

FaktaKredit Setiap hari jumat jam 12 malam DimWaktu, DimWaktu2,

DimCabang,

DimJenisKredit,


DimJaminan

FaktaNPL Setiap hari jumat jam 12 malam DimWaktu, DimCabang,

DimJenisKredit

Tabel 4.30 Proses ETL

102

4.10.6 Backup

Untuk melakukan implementasi sistem data warehouse yang telah

direncanakan maka akan dilakukan berbagai kegiatan yang akan menunjang

terlaksananya implementasi sistem dengan baik dan salah satu kegiatan itu

adalah backup. Proses backup perlu dilakukan sebagai tindakan pencegahan

terhadap kerusakan atau kehilangan data yang mungkin terjadi. Sehingga

data tidak akan hilang total jika seandainya terjadi hal-hal yang tidak

diinginkan seperti kebakaran ataupun bencan alam. Backup dilakukan dengan

cara membackup database DKI_OLAP yang dilakukan dalam program

Microsoft SQL server 2000 yaitu Enterprise Manager dengan pilihan backup

database yang dilakukan setiap minggu. Selain itu database DKI_OLTP juga

akan dibackup setiap minggu. Backup yang pertama kali dilakukan dengan

menggunakan tipe complete dimana dilakukan backup secara keseluruhan.

Backup yang berikutnya dilakukan dengan menggunakan tipe differential

dimana backup dilakukan terhadap data yang mengalami perubahan saja,

kemudian semua data hasil backup disimpan dalam server perusahaan.

Berikut jadwal kegiatan yang dilakukan dalam perencanaan backup sistem

data warehouse yang telah dirancang :

103

Proses Backup Jadwal Media

DKI_OLAP Setiap minggu di hari sabtu Server

DKI_OLTP Setiap minggu di hari sabtu Server

SQL Setiap minggu di hari sabtu Server

Analysis Service Setiap minggu di hari sabtu Server

Tabel 4.31 Proses Backup

4.10.7 Security

Keamanan merupakan salah satu faktor penting dan utama untuk menjaga

kerahasiaan data supaya data tersebut tidak dapat diakses oleh pihak-pihak

yang tidak memiliki hak untuk mengakses data-data tersebut.

4.10.7.1 Authorization

Authorization adalah proses untuk pengecekan apakah

seseorang atau sistem berhak memasuki sistem lainnya. Proses ini

biasanya dilakukan untuk mengamankan sistem dari hal-hal yang

tidak bertanggung jawab. Untuk proses ini, masing-masing user

dapat mengakses baik table maupun report yang ada sesuai

dengan ketentuan database administrator. Namun hanya analis

kredit saja yang dapat mengedit report yanga ada. Selain itu

perubahan pada DTS juga hanya dapat dilakukan oleh database

administrator saja.

Laporan

NPL Angsuran Tunggakan Kredit

Dewan Komisaris x x x x

Direksi x x x x

104

Pimpinan Cabang x x x x

Kontrol Intern Cabang x x

Analis Kredit x x x x

Tabel 4.32 Hak Akses Level Eksekutif

4.10.7.2 Authentication

Authentication atau autentikasi adalah proses verifikasi

identitas dari seorang anggota yang memberikan suatu data, dan

integritas dari data tersebut. Pada aplikasi data warehouse yang

diusulkan dengan menggunakan Visual Basic 2005 dan berbasis

windows ini diberlakukan authentication. Autentikasi juga

dilakukan dari data warehouse ke OLTP dengan autentikasi

windows, begitu juga proses perpindahan data dari OLAP ke data

warehouse. Selain itu, proses akses OLTP yang dilakukan oleh

pengguna juga menggunakan autentikasi windows.

105

4.11 Prototype Aplikasi

4.11.1 State Transition Diagram (STD)

Login

Menu Utama

Login untuk masuk ke halaman Menu Utama

NPL Angsuran

ReportPer Minggu

ReportPer Bulan

Tunggakan Kredit

Pilih Menu “NPL”Tampilkan Menu NPL

Pilih “Per Minggu”

Tampilkan Persentase NPL

Per Minngu

Pilih “Per Bulan”Tampilkan

Persentase NPL Per Bulan

Pilih Menu “Angsuran”Tampilkan Menu angsuran

Report Berdasarkan

Cabang dan Jenis Kredit

Pilih Tampilan Report Berdasarkan Cabang dan

Jenis Kredit Yang Diinginkan

Report Berdasarkan Jenis

Kredit

Pilih Tampilan Report Berdasarkan Jenis Kredit

Yang Diinginkan

Report berdasarkan

Cabang dan Jenis Kredit

Pilih Tampilan Report Berdasarkan Cabang dan

Jenis Kredit Yang Diinginkan

Pilih Menu “Tunggakan”Tampilkan Menu

Tunggakan

Pilih Menu “Kredit”Tampilkan Menu Kredit

File

Tambah User Ubah Password Hapus User Log Out Keluar

Admin dapat menambah user untuk mengakses

aplikasi

Admin dan user dapat mengubah password

Admin dapat menghapus user

Admin dan User dapat melakukan Log Out

sehingga akan kembali ke tampilan login

Admin dan User dapat keluar dari aplikasi

Gambar 4.10 State Transition Diagram (STD)

106

4.11.2 Output serta Workflow dari Sistem

a. Halaman login

Gambar 4.11 Halaman Login

Gambar diatas merupakan halaman login yang harus diisi oleh user

dengan username dan password yang benar. Bila terdapat kesalahan

pengisian maka akan muncul tampilan pesan kesalahan seperti dibawah

ini.

Gambar 4.12 PesanKesalahan

Jika muncul tampilan seperti di atas maka user harus memasukkan

username dan password dengan benar.

107

b. Menu utama

Gambar 4.13 Menu Utama

Jika user telah login dengan username dan password yang benar maka

user akan masuk ke menu utama dimana user dapat memilih tampilan

menu lain sesuai kebutuhan.

c. Menu File

Tampilan di bawah ini akan muncul jika user memilih menu file pada

aplikasi. Pada menu ini admin dapat menambah user, mengubah

password, menghapus user dan keluar dari aplikasi. Namun user hanya

dapat mengubah password dan dan juga keluar dari aplikasi.

108

Gambar 4.14 Menu File

Gambar 4.15 SubMenu Add User

109

Gambar 4.16 SubMenu Ubah Password

Gambar 4.17 SubMenu Hapus User

110

d. NPL berdasarkan jenis kredit

Gambar 4.18 NPL Mingguan Berdasarkan Jenis Kredit

Jika sebelumnya user memilih NPL mingguan berdasarkan jenis kredit

maka akan muncul tampilan seperti diatas. Namun user juga dapat

melihat laporan NPL baik mingguan maupun bulanan berdasarkan jenis

kredit ataupun cabang seperti gambar dibawah ini.

111

Gambar 4.19 NPL Bulanan Berdasarkan Cabang

112

e. Laporan Kredit

Gambar dibawah ini merupakan tampilan laporan kredit yang akan

muncul jika pada tampilan menu utama user memilih laporan kredit.

Gambar 4.20 Laporan Kredit

113

f. Laporan angsuran

Gambar dibawah ini merupakan tampilan laporan angsuran yang akan

muncul jika pada tampilan menu utama user memilih laporan

angsuran.

Gambar 4.21 Laporan Angsuran

114

g. Laporan tunggakan

Gambar 4.22 Laporan Angsuran

Gambar diatas merupakan tampilan laporan tunggakan yang akan muncul

jika pada tampilan menu utama user memilih laporan tunggakan.

4.12 Implementasi Sistem

4.12.1 Metode Implementasi

Metode implementasi yang dipilih adalah metode paralel dimana

sistem baru dijalankan bersama-sama dengan sistem lama, jika sistem

baru tidak ada masalah maka sistem lama dihentikan pemakaiannya.

4.12.2 Jadwal Implementasi

Penerapan aplikasi data warehouse terdiri dari beberapa tahapan

yang berkelanjutan, dengan penjadwalan yang dapat dilihat pada tabel

berikut ini :

115

No Deskripsi Jan Feb

1 2 3 4 1 2 3 4

1. Pengadaan hardware dan software

2. Instalasi hardware dan software

3. Instalasi aplikasi

4. Pelatihan

5. Mulai operasi atau implementasi

Tabel 4.33 Jadwal Implementasi

Untuk proses pengadaan hardware dan software akan ada beberapa

pengadaan baru untuk software namun untuk hardware akan menggunakan

hardware yang telah tersedia pada Bank DKI dengan spesifikasi sebagai

berikut :

a. Spesifikasi perangkat keras

Server

• Processor Intel Core 2 Duo 2,66GHz

• HDD 150 GB

• Memory DDRAM 1GB

• DVD RW-Drive

• Mouse

• Keyboard

• Monitor

Client

• Processor Pentium IV 2,6 GHz

• Hard Disk 100 GB

• Memory 1 GB

116

• DVD R-Drive

• Keyboard

• Monitor

b. Spesifikasi perangkat lunak

Server dan Client

• Windows XP Professional Edition

• SQL Server 2000

Selain itu untuk proses pelatihan akan melibatkan Analis Kredit dan

Kontrol Intern Cabang. Sedangkan materi pelatihan adalah

memperkenalkan Visual Basic 2005 serta cara pengoperasian

menggunakan aplikasi yang baru.

4.12.3 Kebutuhan Personil

Untuk menjaga sistem data warehouse agar dapat digunakan

semaksimal mungkin dalam periode tertentu dan dapat dilakukan

pengembangan lebih lanjut, dibutuhkan personil-personil diantaranya :

a. Database Administrator

Tugas dari personil ini berhubungan dengan database, seperti

melakukan backup, recovery, mengatur hak akses pengguna dan

menjaga database. Keahlian yang perlu dikuasai adalah SQL Server

2000, Analysis Service 2000 dan database security.

b. Application Developer

Tanggung jawab personil ini berhubungan dengan aplikasi agar dapat

mengakses data warehouse dan mengembangkan aplikasi sesuai

117

kebutuhan dari pihak eksekutif. Keahlian yang perlu dikuasai yaitu

SQL Server 2000 dan Visual Basic 2005

4.13 Evaluasi

Setelah perancangan dan implementasi aplikasi data warehouse pada Bank

DKI dilaksanakan maka dapat diperoleh hasil evaluasi. Evaluasi dari aplikasi ini

dilakukan secara langsung oleh user, dengan cara memperhatikan bagaimana

aplikasi ini dapat membantu user didalam menyediakan informasi yang mereka

butuhkan seperti pembuatan laporan perkreditan serta mengetahui persentase NPL

dalam kurun waktu yang lebih singkat dibandingkan sebelumnya. Adapun aspek-

aspek aplikasi yang dievaluasi meliputi kemudahan penggunaan aplikasi, sistem

yang diterapkan, kelengkapan data, tampilan laporan dalam aplikasi dan

keakuratan data yang dihasilkan.

Bagian yang melakukan evaluasi terhadap aplikasi ini adalah bagian Analis

Kredit dan Kontrol Intern Cabang yang dilakukan pada minggu keempat bulan

Januari. Setelah melakukan evaluasi terhadap aplikai yang diusulkan, maka dapat

diambil beberapa kesimpulan yang didapat dari komentar selama evaluasi

berlangsung, yaitu :

o Keakuratan data yang dihasilkan dari laporan sudah benar. Hal ini dapat

dibandingkan dengan kurangnya tingkat keakuratan data sebelumnya karena

pengelompokan nilai NPL belum detail.

o Kecepatan penyusunan laporan dengan menerapkan datawarehouse yang baru

meningkat sesuai dengan harapan karena adanya pengelompokan berdasarkan

118

kategori yang diinginkan. Laporan yang sebelumnya diperkirakan perlu waktu

penyusunan 7-10 hari dapat dipercepat menjadi 3-4 hari.

o Tampilan laporan dalam aplikasi cukup memuaskan. Pada laporan yang

disediakan sebelumnya belum terdapat grafik namun hal itu dapat dilihat pada

aplikasi yang diusulkan. Contoh tampilan dapat dilihat pada halaman 109-113

dan L1-L13.

o Dari aspek kemudahan penggunaan aplikasi dirasakan sedikit sulit oleh para

user karena belum terbiasa. Oleh karena itu, untuk mengatasi masalah

kemudahan dalam penggunaan aplikasi akan dilakukan pelatihan pada user

selama dua minggu sesuai dengan jadwal rencana implementasi.

o Karena tidak semua user berhak mengakses laporan perkreditan maka user

tersebut dapat melihat laparan perkreditan dengan mengakses report dari

Microsoft Excel dengan windows authentication.

BAB 4 DATA WAREHOUSE YANG DIUSULKAN 4.1 Arsitektur …thesis.binus.ac.id/Doc/Bab4/2009-1-00192-IF...

Documents

Transcript of BAB 4 DATA WAREHOUSE YANG DIUSULKAN 4.1 Arsitektur …thesis.binus.ac.id/Doc/Bab4/2009-1-00192-IF...