Muhamad Adi Prasetyo

5105100159

Tugas Akhir (KI091391)

Prolog Sebuah Program Aplikasi Web yang dibuat untuk

melaporkan kuantitas Proses Produksi MenggunakanMetode OLAP pada PT. Aneka Tuna Indonesia (ATI).

Contents. PT. ATI

- Proses Produksi

OLAP - Data Warehouse

- Multidimenisonal Data - Cube (Fact & Dimension Table) - Hirarki & Level - Multi Dimensional Operation

Development Process - SQL Server 2005 with Business Intelegence

View Program End

PT. ATI PT. ATI adalah perusahaan yang bergerak di bidang

pengolahan ikan tuna menjadi beberapa produk.

Didirikan pada tahun 1991. Perusahaan ini merupakan joint venture antara Itochu Corporation, Hagoromo Food Corporation (pemilik sebuah merk ikan tuna terkemuka di Jepang), serta Solar Pacific Resources Ltd.

Perusahaan ini, mengolah ikan tuna melalui proses –proses produksi. Namun proses pencatatan selamaproses produksi masih bersifat semi manual (kertasdan excel).

PT. ATI (2) Karena masih bersifat semi manual, muncul ide untuk

membuat data base untuk menyimpan data – data proses produksi, dan mengembangkan perangkatlunak untuk melaporkan kuantitas proses produksitersebut. Berdasarkan, waktu, jenis ikan, produk, dansupplier.

Laporan ini dibangun menggunakan metodepemodelan data OLAP.

Adapun proses – proses produksi pada PT. ATI adalahsebagai berikut.

Proses Produksi1. Sizing

Input :Kedatangan ikan Proses :Ikan disortir berdasar kedatangan dan supplier, kemudian ditimbang dan dikelompokkan berdasarkan beratnya. Output :Ikan yang sudah dikelompokkan sesuai dengan beratnya.

2. Cold Storage Input : Ikan yang sudah melalui tahap sizing Proses : Ikan disimpan dalam gudang penyimpanan yang bersuhu -10 derajat celcius Output : Ikan beku

Proses Produksi (2)3. Thawing

Input : Ikan beku yang baru dikeluarkan dari gudang Cold Storage Proses : Ikan dicairkan dalam beberapa tangki Output : Ikan yang sudah tidak beku.

4. Cutting Input : Ikan yang telah melalui proses pencairan (Thawing).Proses : Ikan diletakkan dalam mesin berjalan kemudian perut ikan dipotong dan kotoran yang ada di perutnya pun dikeluarkan.Output : Ikan yang sudah bersih bagian dalamnya.

Proses Produksi (3)5. Cooking

Input : Ikan yang telah melalui proses cutting.Proses : Ikan diletakkan dalam beberapa keranjang, kemudian masing-masing keranjangnya.dimasukkan ke dalam mesin cooker dan dimasak selama beberapa menit. Setelah itu, temperatur ikan dicek. Output :Ikan masak.

6. Pre Cleaning Input : Ikan masak yang telah didinginkan (disiram/ showering) Proses :Ikan dipotong bagian kepalanya, dibersihkan sisiknya, serta dihilangkan tulangnya. Output : Ikan yang telah bersih dari kepala, sisik, dan tulang.

Proses Produksi (4)7. Cleaning

Input : Ikan yang telah bersih dari kepala, sisik, dan tulang. Proses : kan dibersihkan lagi secara lebih seksama. Output : Daging ikan (Ikan yang hanya tersisa dagingnya tanpa ada material lain).

8. Packing Input : Daging ikan Proses : Daging ikan dimasukkan ke dalam kemasan (kaleng atau pouch). Output : Ikan dalam kemasan.

Proses Produksi (5)9. Retort

Input : Ikan dalam kemasan.

Proses : Ikan dalam kemasan dimasukkan ke dalam mesin

khusus kemudian dilakukan sterilisasi.

Output : Ikan dalam kemasan yang telah steril.

10. Warehouse

Input : Ikan dalam kemasan yang telah steril.

Proses : Ikan kemasan disimpan dalam gudang

Output : Ikan yang tersimpan pada gudang.

Proses Produksi yang Hendak Dilaporkan Pengiriman Ikan (Dari Supplier) Penerimaan Ikan (Receiving) Pengukuran Ikan (Sizing) Penyimpanan Ikan (ColdStorage) Penurunan Suhu Ikan (Defrost) Pemotongan Ikan (Cutting) Pembersihan Awal Ikan (Precleaning) Pembersihan Ikan (Cleaning) Pemasakan Ikan (Cooking) Pengisian Wadah (Packing) Pengumpulan Wadah (Retort) Penyimpanan (Warehouse) Jet Print Produk Pengiriman Produk (Staffing)

Back

OLAP Suatu metode pemodelan data multidimensional

untuk memenuhi kebutuhan analisis terhadap data.

OLAP ditujukan untuk menganalisis data dalam sudutpandang multidimensional. Bukannya untukTransaksional (Insert, Update, Delete).

OLAP erat kaitannya dengan Data Warehouse. Karenadata yang dimodelkan oleh OLAP adalah Data Warehouse.

Data Warehouse Data warehouse merupakan sebuah database

relational yang secara spesifik strukturnya dirancang untuk proses analisis dan query.

Biasanya data warehouse mengandung data historyyang diambil dari data transaksional dari berbagai sumber dan platform.

menurut Bill Inmon, Data warehouse adalah sekumpulan atau koleksi data yang mendukung pengambilan keputusan pihak manajemen yang mempunyai karakteristik sebagai berikut:

Data Warehouse (2) Subject Oriented

Data warehouse dirancang dan dibangun untuk memenuhi kebutuhan analisis data berdasarkan subject tertentu.

Integrated

Data Warehouse harus mampu mengintegrasikan data dari berbagai sumber data yang beragam.

Non volatile

Data dalam sebuah data warehouse tidak dapat diubah (insert, delete, update).

Time Variant

Model analisis yang diterapkan pada sebuah Data Warehouse berfokus pada perubahan data faktual berdasarkan waktu.

Data Warehouse (3) Arstiktur Data Warehouse

Multidimenisonal Data Yang dimasud dengan multidimensional data adalah

sekumpulan data bisa dilihat dari sudut pandang yang berbeda. Semisal kumpulan data pegawai, dapatdilihat dari sudut pandang lokasi tempat tinggalpegawai atau jabatan pegawai.

Representasi dari multidemensonal data pada Data Warehouse adalah Cube.

Cube (Fact & Dimension Table) Cube (disebut juga OLAP meta data) adalah visualisasi dari

data multidimensional. Contoh visualisasi cube adalahseperti gambar berikut.

Disebut visualisasi karena sebenarnya cube memilikistruktur (skema) tabel yang membentuknya.

Data penjualan (2002, Produk A,

Surabaya)

Cube (Fact & Dimension Table) (2)Skema Terdiri dari tabel fakta dan tabel dimensi.

Tabel fakta adalah tabel utama pada cube. Didalam tabel fakta mempunyai dua tipe kolom, yaitu kolom yang menyimpan nilai-nilai numeric atau yang biasa disebut dengan measure dan kolom yang menyimpan foreign key yang mengacu ke tabel lainnya (tabeldimensi).

Tabel dimensi adalah tabel yang berelasi dengan tabelfakta.

Cube (Fact & Dimension Table) (3)Dua tipe skema. (Star Scheme & Snowflake Scheme)

Star Scheme

Star Scheme terdiri dari satu atau lebih tabel fakta dan satu atau lebih tabel dimensi.

Cube (Fact & Dimension Table) (4) Snowflake Scheme

pengembangan dari star schema. Perbedaannya terletakpada normalisasi data dan jumlah tabel. Tabel dimensi dinormalisasi secara sebagian atau keseluruhan untuk mengurangi nilai duplikat pada tabel.

Hirarki & Level Hirarki merupakan bentuk kesatuan dari dimensi.

Sebuah dimensi bisa terbentuk dari multilevel, yang mempunyai parent-child relationship.

Level merepresentasikan sebuah posisi pada hirarki.

Multidimensional Operations Rotation / Pivoting

Rotation / pivoting merupakan operasi pada OLAP untuk merubah berbagai macam sudut pandang data sehingga perubahan perspektif sudut pandang menjadi lebih mudah, dengan kata lain analisa data dengan merubah posisi atau pivot dimensinya.

Multidimensional Operations (2) Slice dan Dice

Operasi Slicing dan Dicing merupakan kemampuan OLAP untuk melakukan pemilahan subset pada data. Operasi Slice adalah proses pemotongan data pada cube berdasarkan nilai pada satu atau beberapa dimensi.

Multidimensional Operations (3) Drill Down dan Roll Up

drill down merupakan kemampuan OLAP untuk melihat suatu subset data secara lebih detail. Sebaliknnya, operasi roll up untuk melihat data secara global atau rangkuman (agregasi data pada level yang lebih tinggi).

Back

Development Process Ada sebelas hal yang akan dilaporkan dari proses produksi

PT. ATI ini. Beserta penjelasannya.

- Laporan Proses Pengiriman Ikan (Dari Supplier)

Melaporkan jumlah ikan yang dikirim oleh supplier jugaasal negara supplier.

- Laporan Proses Penerimaan Ikan (Receiving)

Melaporkan Jumlah ikan yang diterima untuk pemrosesanawal termasuk jenis ikan.

- Laporan Proses Pengukuran Ikan (Sizing)

Melaporkan jumlah ikan yang diproses dalam pengukuranikan dan jenis ikan.

Development Process (2)- Laporan Proses Pencairan Suhu Ikan (Defrost)

Melaporkan jumlah ikan yang dicairkan suhunya bersertajenisnya.

- Laporan Proses Pemotongan Ikan (cutting)Melaporkan jumlah ikan yang olah untuk prosespengambilan isi (jeoran)-nya beserta jenisnya.

- Laporan Proses Pemasakan Ikan (cooking)Melaporkan jumlah ikan yang dimasak beserta jenisnya.

- Laporan Proses pembersihan Awal Ikan (PreCleaning)Melaporkan jumlah ikan yang dibersihkan besertajenisnya.

Development Process (3)- Laporan Proses Pembersihan Ikan (Cleaning)

Melaporkan jumlah ikan yang dibersihkan lagi (kelanjutandari proses PreCleaning) beserta jenisnya.

- Laporan Proses Pengisian Wadah (Packing)

Melaporkan jumlah jenis produk yang akan dihasilkan.

- Laporan Proses Pengumpulan Wadah (Retort)

Melaporkan jumlah wadah yang dikumpulkan dalam suatuwadah penampung berdasarkan.

- Laporan Proses Penyimpanan (Warehouse)

Melaporkan kuantitas penyimpanan produk di gudang.

Development Process (4) Berbagai laporan yang dijabarkan sebelumnya

ditampilkan dalam bentuk tabel dan diagram.

Untuk lebih jelasnya. Mari kita lihat Solutionnya.

SQL Server 2005 with Business Intelegence SQL Server 2005 with Business Intelegence SQL server

2005 yang memiliki komponen Bussiness Intelegence. Didalamnya kita bisa membuat Integration Service Project, Analysis Service Project, dan Report Server Project. Dengan bantuan SQL Server management Studio untuk mengolah dan mengakses data base (SQL Server) inputnya.

Dalam tugas akhir ini, membuat dua project, yaituAnalysis Service Project untuk membuat data multidimensional dan Report Server Project untukmembuat laporan (report) yang bisa diakses melaluibrowser.

Back

View Program Menjalankan program. Yaitu tampilan report – report

yang sudah difenisikan sebelumnya.

Akses http://10.151.33.105/ReportsServer

Back

~~ TerimaKasih. --