PEMBANGUNAN GUDANG DATA TRANSAKSI … · mengalihkan dalam bentuk media lain, mengelolanya dalam...

i

PEMBANGUNAN GUDANG DATA

TRANSAKSI PENJUALAN DI TOKO BUKU AB

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer

Program Studi Teknik Informatika

Oleh :

Monica Susi Diatma Sari

NIM : 115314061

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2017

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

ii

THE DATA WAREHOUSE DEVELOPMENT

OF SALES TRANSACTIONS IN AB BOOKSTORE

A THESIS

Presented as Partial Fulfillment of the Requirements

to Obtain the Sarjana Komputer Degree

in Informatics Engineering Study Program

By :


115314061

INFORMATICS ENGINEERING STUDY PROGRAM

DEPARTMENT OF INFORMATICS ENGINEERING

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2017


iii

HALAMAN PERSETUJUAN

SKRIPSI



Oleh :


NIM : 115314061

Telah disetujui oleh:

Pembimbing

P.H. Prima Rosa, S.Si., M.Sc. Tanggal: Januari 2017


iv

HALAMAN PENGESAHAN SKRIPSI



Dipersiapkan dan ditulis oleh:


115314061

Telah dipertahankan di depan Panitia Penguji

Pada tanggal : 10 Januari 2017

Dan dinyatakan memenuhi syarat

Susunan Panitia Penguji

Nama Lengkap Tanda Tangan

Ketua : Drs. Haris Sriwindono, M.Kom. ……………………….

Sekretaris : JB. Budi Darmawan, S.T., M.Sc. ……………………….

Anggota : Paulina Heruningsih Prima Rosa, S.Si., M.Sc.

……………………….

Yogyakarta, Januari 2017

Fakultas Sains dan Teknologi

Universitas Sanata Dharma

Dekan,

Sudi Mungkasi, S.Si., Math.SC., Ph.D.


v

HALAMAN PERSEMBAHAN


vi

PERNYATAAN KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya bahwa di dalam skripsi yang saya

tulis ini tidak dimuat karya atau bagian karya orang lain, kecuali yang telah

disebutkan dalam kutipan dan daftar pustaka, sebagaimana layaknya karya ilmiah.

Yogyakarta, 10 Januari 2017

Penulis



vii

LEMBAR PERNYATAAN PERSETUJUAN

PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS

Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma :

Nama : Monica Susi Diatma Sari

Nomor Mahasiswa : 115314061

Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan

Universitas Sanata Dharma karya ilmiah saya yang berjudul :



beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan

kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan,

mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan

data, mendistribusikan secara terbatas, dan mempublikasikannya di Internet atau

media lain untuk kepentingan akademis tanpa perlu meminta izin dari saya

maupun memberikan royalti kepada saya selama tetap mencantumkan nama saya

sebagai penulis.

Demikian pernyataan ini saya buat dengan sebenarnya.

Dibuat di Yogyakarta

Pada tanggal : Januari 2017

Yang menyatakan

(Monica Susi Diatma Sari)


viii

ABSTRAK

Perkembangan zaman semakin pesat, begitu juga dengan perkembangan

teknologi. Salah satu perkembangan teknologi yang dapat dirasakan semakin

berkembang adalah teknologi informasi terutama mengenai teknologi

penyimpanan data. Gudang data merupakan sekumpulan data yang terintegrasi,

basis data berorientasi subyek yang dibangun untuk mendukung fungsi sistem

pengambilan keputusan.

Dalam tugas akhir ini teknologi gudang data digunakan untuk

mengintegrasikan data transaksi penjualan yang terdapat di Toko Buku AB.

Pembangunan gudang data sendiri digunakan untuk membantu Kepala Toko

dalam melakukan pemantauan transaksi penjualan yang terjadi, serta menentukan

barang dan kategori yang harus dipesan ke supplier dan penerbit. Gudang data

yang terbentuk selanjutnya diproses menjadi database Online Analytical

Processing (OLAP) menggunakan Kettle Pentaho dan model dimensional

menggunakan Star Schema. Dari gudang data yang sudah terbentuk dapat dihitung

jumlah penjualan setiap tahun, berdasar beberapa dimensi yaitu waktu, kategori,

topik, penerbit, supplier, dan barang.

Pembangunan gudang data transaksi penjualan ini dievaluasi oleh Kepala

Toko Buku AB. Hasil evaluasi menunjukkan bahwa menurut kepala toko, sistem

ini telah memenuhi keinginan pengguna dan dapat digunakan untuk membantu

dalam memantau data jumlah penjualan berdasarkan barang, supplier dan

penerbit.

Kata kunci : gudang data, transaksi, penjualan, OLAP.


ix

ABSTRACT

Technological development lasts as fast as time goes by. One of the

technological developments that can be felt increasing rapidly is information

technology, especially information regarding data warehouse technology. A data

warehouse is a set of integrated data, subject oriented database which is built to

support the function of decision making system.

In this final project, data warehouse technology is used to integrated the

sales transaction data in AB Book store. The building of data warehouse is used to

help the Chairman of the store in observing the sales transaction and determine the

items and the categories that should be ordered to the suppliers and publishers.

The data warehouse then processed to be database Online Analytical Processing

(OLAP) by using Kettle Pentaho and Star Schema dimensional model. Using the

formed data warehouse, the amount of the annual sales can be counted based on

several dimensions namely time, categories, topics, publishers, suppliers, and

goods.

The building of this sales transaction data warehouse was evaluted by the

chairman of AB Bookstore. The evaluation result shows that according to the

chairman this system has fulfilled the whises of the users and can be used help in

observing data on sales amount based on the goods, suppliers, and publishers.

Keywords : data warehouse, transaction, sales, OLAP.


x

KATA PENGANTAR

Puji syukur kepada Allah Bapa, Bunda Maria dan Tuhan Yesus, karena

berkat rahmat dan karunia-Nya penulis dapat menyelesaikan penulisan skripsi ini.

Banyak proses yang harus dilewati penulis dalam penyusunan skripsi ini baik

segala hambatan dan keceriaan agar skripsi ini dapat disusun dengan baik.

Dalam penulisan skripsi ini tidak lepas dari bantuan berbagai pihak. Untuk

itu penulis ingin menyampaikan ucapan terima kasih yang sebesar-besarnya

kepada semua pihak yang telah membantu penulis selama proses penyusunan

skripsi. Penulis mengucapkan terima kasih yang sebesar-besarnya kepada:

1. Bapak Sudi Mungkasi, S.Si., Math.SC., Ph.D.

Selaku Dekan Fakultas Sains dan Teknologi Universitas Sanata Dharma.

2. Ibu Dr. Anastasia Rita Widiarti, S.Si., M.Kom.

Selaku Kepala Program Studi Teknik Informatika Fakultas Sains dan

Teknologi Universitas Sanata Dharma.

3. Ibu Paulina Heruningsih Prima Rosa, S.Si., M.Sc.

Selaku Dosen Pembimbing skripsi. Terima kasih banyak Bu Rosa atas

waktu, perhatian, kesabaran, cinta kasih, saran, kritik, dan pemikiran

sehingga penulis dapat menyelesaikan skripsi.

4. Bapak Drs. Haris Sriwindono, M.Kom.

Selaku dosen penguji. Terima kasih atas segala saran dan kritik yang

diberikan untuk lebih menyempurnakan skripsi ini.

5. Bapak JB. Budi Darmawan, S.T., M.Sc.

Selaku dosen penguji. Terima kasih atas segala saran dan kritik yang

diberikan untuk lebih menyempurnakan skripsi ini.

6. Bapak Puspaningtyas Sanjoyo Adi, M.T.

Selaku Dosen Pembimbing Akademik. Terima kasih atas segala motivasi,

bantuan selama masa studi.


xi

7. Ibu Ridowati Gunawan, S.Kom., M.T.

Terima kasih atas waktu, dukungan, solusi dalam menyelesaikan skripsi.

8. Mas Yanuar dan Mbak Yuvita (mb yupi) yang selalu memberikan bantuan

kepada penulis dalam penyelesaian skripsi.

9. Segenap dosen dan karyawan Universitas Sanata Dharma yang telah

membantu selama penyelesaian skripsi ini.

10. Bapakku Antonius Sarina dan Ibuku Christiana Sri Suyatmi tercinta atas

segala kasih, kekuatan, kesabaran, perhatian, semangat, dukungan serta

doa yang telah diberikan kepada Penulis.

11. Kakakku Veronika Tina Ariatmi dan Franciska Williasari tersayang atas

segala doa dan dukungan yang diberikan kepada Penulis.

12. Simbok Kedah dan keluarga atas semua kasih sayang, doa, dan bantuan

yang diberikan dari masa kecilku sampai saat ini.

13. Keponakanku William Adrian dan Fideliya Athania untuk keceriaan,

tangis yang selalu membangunkan dari tidur, dan semangat yang diberikan

kepada Penulis.

14. Keluarga Simbah Kakung Somo Pawiro, serta Simbah Pawiro Suwiryo

atas segala dukungan dan doa yang diberikan kepada Penulis.

15. Eyang Kakung, terima kasih atas segala bantuan, semangat dan motivasi

yang diberikan kepada Penulis.

16. Bu Rusmini dan Mb Sinta atas bantuan yang diberikan kepada Penulis.

17. Cornellis Hutomo Suryolaksono (mas tomi) atas segala bantuan dan

referensi yang tak terhingga diberikan kepada Penulis.

18. Maria Yosephine Dwi Unceniana Fernandez (mbak manez) atas segala

bantuan dan referensi yang tak terhingga diberikan kepada Penulis.

19. D. Ronny Dwiharyanto (mas ronny) atas segala bantuan dan referensi yang

tak terhingga diberikan kepada Penulis.

20. Setiawan Wasito (mas wawan) atas segala bantuan dan referensi yang tak

terhingga diberikan kepada Penulis.

21. Anastasia Arum Citra Dewi (mbak arum) atas segala bantuan dan referensi

yang tak terhingga diberikan kepada Penulis.


xii

22. Julius Anggit Dwiantoro, Petrus Indra Wijayanto, Isidorus Cahyo Adi

Prasetyo, Gilang Abi Saputro, dan Bimo Santoso Aji atas bantuan, curhat,

dukungan, waktu yang diberikan kepada Penulis.

23. Teman-teman TI 2011. Meity, Karmelia, Ari, Beni (benpras), Bulan,

Drajad, Dhiah (bu haji), Winda, Priska, Bee, Agung, Febri, Dyah Utami,

Bayu (pak polisi), Widi, Dion (pakdhe), Ria, Sisil, Rosi, Danik, Elsa

(amoypocari), Lukas, Bayu (gendhut), Aan, Whisnu, Marlina, Steve,

Tungky. Terima kasih atas kebersamaan dan persahabatan selama ini.

24. Mb Intan dan Mb Sita atas kebersamaan dan persahabatan ini.

25. Brigita Cintya (dik tya), Monica Rintan, Mb Dea, Iin, Ni Putu, Riyadhalah,

Tri Pina, Lukas Bayu atas dukungan dan bantuan yang diberikan kepada

Penulis.

26. Teman-teman bimbingan skripsi Bu Rosa atas dukungan, bantuan, doa

yang telah diberikan kepada Penulis.

27. Yosephine Rheni dan Natalia Merry atas persahabatan yang tulus, bantuan,

semangat yang diberikan kepada Penulis.

28. Yuni Br Tarigan dan Mersy Cahyati, kebersamaan dikost “Asri” tercinta,

bantuan, curhat, suka duka dan dukungan, yang diberikan kepada Penulis.

29. Ibu Edy, selaku pemilik kost Asri atas doa dan izin telah diberikan

kenyamanan tempat tinggal selama kuliah kepada Penulis.

30. Teman-teman kost “Asri” : Mb Devi Mb Tia Mb Tata (alumni kost asri),

Zena, Enda, Ipen, Oi, Savent, Gege, Angel, Putri, atas segala dukungan

dan suka duka yang diberikan kepada Penulis.

31. Semua teman dan sahabat yang tak dapat penulis sebutkan satu per satu,

terima kasih atas doa dan dukungannya semoga selalu mendapatkan

karunia dari Tuhan.

Penulis menyadari bahwa masih banyak kekurangan yang terdapat dalam

penyusunan skripsi ini, akan tetapi penulis berharap agar skripsi ini dapat

bermanfaat bagi penulis maupun pembaca sekalian.

Penulis


xiii

DAFTAR ISI

HALAMAN JUDUL ................................................................................................ i

HALAMAN JUDUL INGGRIS ............................................................................. ii

HALAMAN PERSETUJUAN ............................................................................... iii

HALAMAN PENGESAHAN ................................................................................ iv

HALAMAN PERSEMBAHAN ............................................................................. v

PERNYATAAN KEASLIAN KARYA ................................................................ vi

HALAMAN PERSETUJUAN PUBLIKASI KARYA ILMIAH ......................... vii

ABSTRAK ........................................................................................................... viii

ABSTRACT ........................................................................................................... ix

KATA PENGANTAR ............................................................................................ x

DAFTAR ISI ........................................................................................................ xiii

DAFTAR GAMBAR ......................................................................................... xviii

DAFTAR TABEL .............................................................................................. xxiv

BAB I PENDAHULUAN ....................................................................................... 1

1.1. Latar Belakang ..................................................................................... 1

1.2. Rumusan Masalah ................................................................................ 2

1.3. Tujuan Penelitian.................................................................................. 2

1.4. Batasan Masalah ................................................................................... 3

Halaman


xiv

1.5. Metodologi Penelitian .......................................................................... 3

1.6. Sistematika Penulisan ........................................................................... 4

BAB II LANDASAN TEORI ................................................................................. 6

2.1. Konsep Dasar Data Warehouse ........................................................... 6

2.1.1. Pengertian Data .................................................................................... 6

2.1.2. Pengertian Gudang Data....................................................................... 6

2.1.3. Karakteristik Gudang Data ................................................................... 7

2.1.4. Arsitektur Gudang Data ....................................................................... 8

2.1.5. Metadata ............................................................................................. 11

2.1.6. Denormalisasi ..................................................................................... 11

2.1.7. Manfaat Gudang Data ........................................................................ 12

2.1.8. Langkah Pembuatan Gudang Data ..................................................... 13

2.2. Extract, Transform, dan Load ............................................................ 14

2.2.1. Pengertian ETL .................................................................................. 14

2.2.2. Proses dalam Extract, Transform, Load ............................................. 14

2.3. Model Data Multidimensi .................................................................. 15

2.3.1. Model Dimensional ............................................................................ 15

2.3.2. Skema Bintang ................................................................................... 16

2.3.3. Kelebihan Menggunakan Skema Bintang .......................................... 17

2.3.4. Kekurangan Menggunakan Skema Bintang ....................................... 18

2.3.5. Skema Butiran Salju (Snowflake) ....................................................... 19

2.3.6. Kelebihan Menggunakan Skema Snowflake ...................................... 20

2.3.7. Kekurangan Menggunakan Skema Snowflake ................................... 21


xv

2.3.8. Cube, Dimension, Measure, dan Member .......................................... 21

2.3.9. Surrogate Key ..................................................................................... 21

2.4. Online Analytical Processing ............................................................. 22

2.4.1. Pengertian Online Analytical Processing (OLAP)............................. 22

2.4.2. Online Transaction Processing (OLTP) ............................................ 22

2.4.3. Perbedaan OLTP dan OLAP .............................................................. 23

2.5. Pentaho Data Integration (Kettle) ...................................................... 24

2.5.1. Pengertian Pentaho ............................................................................. 24

2.5.2. Kettle ................................................................................................. 24

2.6. Mondrian ............................................................................................ 28

BAB III ANALISIS DAN PERANCANGAN ..................................................... 29

3.1. Identifikasi Masalah dan Analisis Kebutuhan .................................... 29

3.2. Pemrosesan Awal ............................................................................... 31

3.2.1 Struktur Tabel Basis Data Toko Buku AB ......................................... 31

3.2.2 Restrukturisasi Tabel .......................................................................... 40

3.2.3 Pembersihan Data ............................................................................... 48

3.2.4 Transformasi Data .............................................................................. 48

3.3. Analisis Kebutuhan Gudang Data ...................................................... 49

3.3.1 Use Case ............................................................................................. 49

3.3.2 Narasi Use Case ................................................................................. 50

3.4. Pembuatan Gudang Data .................................................................... 52

3.4.1 Membaca data legacy ......................................................................... 52

3.4.2 Memindahkan data dari sumber ke server gudang data ..................... 52


xvi

3.4.3 Memecah gudang data ke dalam dimensi dan tabel fakta .................. 58

3.5. Rancangan MDX Kueri untuk Cube Fact_Penjualan ........................ 62

3.6. Perancangan Antar Muka ................................................................... 62

BAB IV IMPLEMENTASI .................................................................................. 65

4.1. Implementasi Arsitektur Gudang Data ............................................... 65

4.2. Langkah Pembuatan Gudang Data ..................................................... 66

4.2.1 Membaca Data Legacy ....................................................................... 66

4.2.2 Memindahkan Data ke Server Gudang Data ...................................... 66

4.3. Memecah Gudang Data dalam Tabel Dimensi dan Tabel Fakta ........ 81

4.3.1 Tabel Dimensi `dim_barang` ............................................................. 81

4.3.2 Tabel Dimensi `dim_penerbit` ........................................................... 84

4.3.3 Tabel Dimensi `dim_kategori` ........................................................... 87

4.3.4 Tabel Dimensi `dim_supplier` ........................................................... 89

4.3.5 Tabel Dimensi `dim_topik` ................................................................ 92

4.3.6 Tabel Dimensi `dim_waktu`............................................................... 95

4.3.7 Tabel Fakta `faktaku` ......................................................................... 96

4.3.8 Job Transformasi Data ..................................................................... 102

4.4. Pembentukan Skema Bintang Penjualan .......................................... 104

4.4.1 Cube Penjualan ................................................................................. 104

4.4.2 Skema MDX ..................................................................................... 107

4.5. Implementasi Antar Muka Pengguna ............................................... 110

4.5.1 Halaman Login ................................................................................. 110

4.5.2 Halaman Menu Utama ..................................................................... 111


xvii

BAB V ANALISIS HASIL ................................................................................. 115

5.1 Penyelesaian Rumusan Masalah ...................................................... 115

5.2 Pengujian Cube ................................................................................ 117

5.3 Kelebihan dan Kekurangan Sistem .................................................. 125

BAB VI PENUTUP ............................................................................................ 127

6.1 Kesimpulan....................................................................................... 127

6.2 Saran ................................................................................................ 127

DAFTAR PUSTAKA ......................................................................................... 129

LAMPIRAN ........................................................................................................ 131

LAMPIRAN 1 OLAP ..................................................................................... 132

LAMPIRAN 2 RESTRUKTURISASI TABEL .............................................. 143

LAMPIRAN 3 KUESIONER ......................................................................... 171


xviii

DAFTAR GAMBAR

Gambar 2.1 Arsitektur Data Warehouse ............................................................. 8

Gambar 2.2 Arsitektur Gudang Data ................................................................. 11

Gambar 2.3 Sistem Kerja Data Warehouse ....................................................... 15

Gambar 2.4 Contoh Star Schema ...................................................................... 17

Gambar 2.5 Contoh Snowflake Schema........................................................... 20

Gambar 3.1 Struktur Tabel Basis Data Toko Buku AB .................................... 32

Gambar 3.2 Tabel data_barang ......................................................................... 32

Gambar 3.3 Tabel data_beli .............................................................................. 33

Gambar 3.4 Tabel data_jual .............................................................................. 33

Gambar 3.5 Tabel detail_jual ............................................................................ 34

Gambar 3.6 Tabel detail_beli ............................................................................ 34

Gambar 3.7 Tabel supplier ................................................................................ 35

Gambar 3.8 Tabel penerbit ................................................................................ 35

Gambar 3.9 Tabel produk .................................................................................. 36

Gambar 3.10 Tabel topik ..................................................................................... 36

Gambar 3.11 ER Diagram ................................................................................... 37

Gambar 3.12 Database Logical Design ............................................................... 37

Gambar 3.13 Tabel data_barang ......................................................................... 42

Gambar 3.14 Tabel data_beli .............................................................................. 42

Gambar 3.15 Tabel data_jual .............................................................................. 43

Gambar 3.16 Tabel detail_jual ............................................................................ 43

Gambar 3.17 Tabel detail_beli ............................................................................ 44

Gambar 3.18 Tabel supplier ................................................................................ 45

Gambar 3.19 Tabel penerbit ................................................................................ 45

Gambar 3.20 Tabel produk .................................................................................. 46

Gambar 3.21 Tabel topik ..................................................................................... 46

Gambar 3.22 Hasil Restrukturisasi Basis Data monica_skripsi .......................... 48

Gambar 3.23 Diagram Use Case ......................................................................... 49

Halaman


xix

Gambar 3.24 Proses Pemindahan Tabel ms_barang ........................................... 53

Gambar 3.25 Proses Pemindahan Tabel ms_penerbit ......................................... 54

Gambar 3.26 Proses Pemindahan Tabel ms_kategori ......................................... 55

Gambar 3.27 Proses Pemindahan Tabel ms_supplier ......................................... 56

Gambar 3.28 Proses Pemindahan Tabel ms_topik .............................................. 56

Gambar 3.29 Proses Pemindahan Tabel ms_transaksi ........................................ 57

Gambar 3.30 Pembentukan dimensi barang ........................................................ 58

Gambar 3.31 Pembentukan dimensi penerbit ...................................................... 59

Gambar 3.32 Pembentukan dimensi produk ....................................................... 59

Gambar 3.33 Pembentukan dimensi supplier ...................................................... 60

Gambar 3.34 Pembentukan dimensi topik .......................................................... 60

Gambar 3.35 Tabel Fakta Faktaku ...................................................................... 61

Gambar 3.36 Struktur MDX Kueri Untuk Laporan Transaksi Penjualan ........... 62

Gambar 3.37 Halaman Login .............................................................................. 63

Gambar 3.38 Halaman Home .............................................................................. 63

Gambar 3.39 Halaman Transaksi Penjualan ....................................................... 64

Gambar 4.1 Arsitektur Gudang Data ................................................................. 65

Gambar 4.2 ms_transaksi.ktr ............................................................................. 67

Gambar 4.3 Langkah Select Data ...................................................................... 68

Gambar 4.4 Memilih Field Yang Digunakan .................................................... 69

Gambar 4.5 Langkah Insert/Update ms_transaksi ............................................ 69

Gambar 4.6 Output ms_transaksi ...................................................................... 70

Gambar 4.7 ms_barang.ktr ................................................................................ 70

Gambar 4.8 Langkah Select Data Barang ......................................................... 71


Gambar 4.10 Langkah Insert/Update ms_barang ................................................ 72

Gambar 4.11 Output ms_barang ......................................................................... 72

Gambar 4.12 ms_kategori.ktr .............................................................................. 73

Gambar 4.13 Langkah Select Data Kategori ....................................................... 73


Gambar 4.15 Langkah Insert/Update ms_kategori.............................................. 74


xx

Gambar 4.16 Output ms_kategori ....................................................................... 74

Gambar 4.17 ms_topik.ktr ................................................................................... 75

Gambar 4.18 Langkah Select Data Topik ........................................................... 75


Gambar 4.20 Langkah Insert/Update ms_topik .................................................. 76

Gambar 4.21 Output ms_topik ............................................................................ 76

Gambar 4.22 ms_penerbit.ktr .............................................................................. 77

Gambar 4.23 Langkah Select Data Penerbit ....................................................... 77


Gambar 4.25 Langkah Insert/Update ms_penerbit.............................................. 78

Gambar 4.26 Output ms_penerbit ....................................................................... 78

Gambar 4.27 ms_supplier.ktr .............................................................................. 79

Gambar 4.28 Langkah Select Data Supplier ....................................................... 79

Gambar 4.29 Langkah Memilih Field ................................................................. 79

Gambar 4.30 Langkah Insert/Update ms_supplier .............................................. 80

Gambar 4.31 Output ms_supplier ....................................................................... 80

Gambar 4.32 Proses Pembuatan Dimensi dim_barang ....................................... 81

Gambar 4.33 Langkah Select Data Barang dari ms_barang ............................... 82

Gambar 4.34 Preview Data ms_barang ............................................................... 82

Gambar 4.35 Langkah Membuat Surrogate Key Pada dim_barang .................... 83

Gambar 4.36 Langkah Memilih Data pada Dim_Barang .................................... 83

Gambar 4.37 Tabel Dim_Barang ........................................................................ 84

Gambar 4.38 Proses Pembuatan Dimensi dim_penerbit ..................................... 84

Gambar 4.39 Langkah Select Data Penerbit dari ms_penerbit ........................... 85

Gambar 4.40 Preview Data ms_penerbit ............................................................. 85

Gambar 4.41 Langkah Membuat Surrogate Key pada dim_penerbit .................. 86

Gambar 4.42 Langkah Memilih Data Pada Dim_Penerbit.................................. 86

Gambar 4.43 Tabel dim_penerbit ........................................................................ 87

Gambar 4.44 Proses Pembuatan Dimensi dim_kategori ..................................... 87

Gambar 4.45 Langkah Select Data Kategori dari ms_kategori ........................... 87

Gambar 4.46 Preview Data ms_penerbit ............................................................. 88


xxi

Gambar 4.47 Langkah Membuat Surrogate Key Pada dim_kategori ................. 88

Gambar 4.48 Langkah Memilih Data Pada Dim_Kategori ................................. 89

Gambar 4.49 Tabel dim_kategori ........................................................................ 89

Gambar 4.50 Proses Pembuatan Dimensi dim_supplier ..................................... 89

Gambar 4.51 Langkah Select Data Supplier dari ms_supplier ........................... 90

Gambar 4.52 Preview Data ms_supplier ............................................................. 90

Gambar 4.53 Langkah Membuat Surrogate Key Pada dim_supplier .................. 91

Gambar 4.54 Langkah Memilih Data Pada Dim_Supplier ................................. 91

Gambar 4.55 Tabel Dim_Supplier ...................................................................... 92

Gambar 4.56 Proses Pembuatan Dimensi dim_topik .......................................... 92

Gambar 4.57 Langkah Select Data Topik dari ms_topik .................................... 92

Gambar 4.58 Preview Data ms_topik.................................................................. 93

Gambar 4.59 Langkah Membuat Surrogate Key Pada dim_topik ...................... 93

Gambar 4.60 Langkah Memilih Data Pada Dim_Topik ..................................... 94

Gambar 4.61 Tabel Dim_Topik .......................................................................... 94

Gambar 4.62 Proses Pembuatan Dimensi dim_waktu ........................................ 95

Gambar 4.63 Tabel dim_waktu ........................................................................... 95

Gambar 4.64 Proses Pembuatan Tabel Fakta `faktaku` ...................................... 96

Gambar 4.65 Langkah Select Data ms_transaksi ................................................ 96

Gambar 4.66 Preview Data ms_transaksi............................................................ 97

Gambar 4.67 Langkah Menyamakan Data Dari Tabel Master Barang Dengan

Data Dimensi Barang .................................................................... 97

Gambar 4.68 Langkah Menyamakan Data Dari Tabel Master Penerbit Dengan

Data Dimensi Penerbit ................................................................... 98

Gambar 4.69 Langkah Menyamakan Data Dari Tabel Master Kategori Dengan

Data Dimensi Kategori .................................................................. 98

Gambar 4.70 Langkah Menyamakan Data Dari Tabel Master Topik Dengan

Data Dimensi Topik ...................................................................... 99

Gambar 4.71 Langkah Menyamakan Data Dari Tabel Master Supplier Dengan

Data Dimensi Supplier .................................................................. 99


xxii

Gambar 4.72 Langkah Menyamakan Data Dari Tabel Master Transaksi Dengan

Data Dimensi Waktu ................................................................... 100

Gambar 4.73 Langkah Memilih Data Yang Diperlukan Untuk Membuat Tabel

Fakta ............................................................................................ 100

Gambar 4.74 Langkah Sort Rows Pada Tabel Fakta......................................... 101

Gambar 4.75 Langkah Group By Pada Tabel Fakta ......................................... 101

Gambar 4.76 Tabel Fakta `faktaku` .................................................................. 102

Gambar 4.77 Job Final Transaksi Penjualan ..................................................... 102

Gambar 4.78 Job Master ................................................................................... 103

Gambar 4.79 Star Schema Cube Penjualan ....................................................... 104

Gambar 4.80 Struktur Pembentukan Dimensi Barang ...................................... 104

Gambar 4.81 Struktur Pembentukan Dimensi Penerbit .................................... 105

Gambar 4.82 Struktur Pembentukan Dimensi Kategori .................................... 105

Gambar 4.83 Struktur Pembentukan Dimensi Topik ........................................ 106

Gambar 4.84 Struktur Pembentukan Dimensi Supplier .................................... 106

Gambar 4.85 Struktur Pembentukan Dimensi Waktu ....................................... 106

Gambar 4.86 Tampilan Halaman Login ............................................................ 110

Gambar 4.87 Tampilan Halaman Utama ........................................................... 112

Gambar 4.88 Tampilan halaman Menu Laporan Transaksi Penjualan ............. 113

Gambar 5.1 Hasil Laporan Transaksi Penjualan pada OLAP ......................... 116

Gambar 5.2 Hasil Cube Penjualan .................................................................. 117

Gambar 5.3 Sintak Kueri SQL Cube Penjualan .............................................. 117

Gambar 5.4 Hasil Kueri SQL Cube Penjualan ................................................ 118





Gambar 5.9 Waktu dalam Kuartal ................................................................... 120





xxiii


Gambar 5.14 Hasil Kueri SQL .......................................................................... 123


Gambar 5.16 Sintak Kueri SQL ........................................................................ 123

Gambar 5.17 Hasil Kueri SQL .......................................................................... 124


Gambar 5.19 Sintak Kueri SQL ........................................................................ 125


xxiv

DAFTAR TABEL

Tabel 2.1 Perbedaan OLTP dengan OLAP ................................................... 23

Tabel 3.1 Contoh Transaksi Penjualan .......................................................... 30

Tabel 3.2 Tabel Barang_Komplit .................................................................. 38

Tabel 3.3 Tabel Kategori_Komplit ................................................................ 38

Tabel 3.4 Tabel Topik_Komplit .................................................................... 39

Tabel 3.5 Tabel Penerbit_Komplit ................................................................ 39

Tabel 3.6 Tabel Supplier_Komplit ................................................................ 39

Tabel 3.7 Tabel Transaksi_Komplit .............................................................. 40

Tabel 3.8 Tabel Detail_penjualan .................................................................. 40

Tabel 3.9 Deskripsi Diagram Use Case ......................................................... 49

Tabel 3.10 Narasi Use Case Login .................................................................. 50

Tabel 3.11 Narasi Use Case Melihat Laporan Transaksi Penjualan................ 51

Tabel 3.12 Tabel ms_barang ........................................................................... 54

Tabel 3.13 Tabel ms_penerbit ......................................................................... 54

Tabel 3.14 Tabel ms_kategori ......................................................................... 55

Tabel 3.15 Tabel ms_supplier ......................................................................... 56

Tabel 3.16 Tabel ms_topik .............................................................................. 57

Tabel 3.17 Tabel ms_transaksi ........................................................................ 58

Tabel 4.1 Tabel Tools Kettle Yang Digunakan ............................................. 67

Tabel 4.2 Deskripsi Skema MDX................................................................ 107

Tabel 4.3 Definisi Skema skripsi_monic.xml ............................................. 108

Tabel 4.4 Source Code untuk Halaman Login (login.php) .......................... 111

Tabel 4.5 Source Code untuk Halaman Laporan Transaksi Penjualan ....... 113

Halaman


1

BAB I

PENDAHULUAN

1.1. Latar Belakang

Toko buku AB merupakan salah satu cabang dari perusahaan

percetakan dan penerbitan buku AB. Toko buku AB memberikan

pelayanan seperti ritel umum, yaitu penjualan barang atau jasa kepada

masyarakat salah satu diantaranya adalah transaksi penjualan. Transaksi

penjualan merupakan kegiatan yang dilakukan perusahaan untuk menjual

barang secara tunai maupun kredit.

Transaksi penjualan membutuhkan media penyimpanan data yang

besar selain untuk menyimpan data transaksi, toko juga melakukan

pembuatan laporan bulanan. Jika kepala toko buku berganti maka data dari

tahun sebelumnya tidak dapat dilihat kembali karena bentuk penyimpanan

data yang terbatas. Selain itu kepala toko buku membuat sendiri laporan

transaksi penjualan dengan cara memindahkan berapa banyaknya total

penjualan yang telah didapatkan ke dalam perhitungan excel. Transaksi

penjualan meliputi semua barang, supplier, penerbit, topik, kategori, waktu

serta jumlah penjualan dari waktu ke waktu. Hal ini membuat data

mengenai banyaknya jumlah penjualan di toko buku menjadi tidak mudah

dipantau dan mengakibatkan tidak efektifitasnya waktu serta keakuratan

dalam pengambilan keputusan untuk melakukan pemantauan seluruh

transaksi penjualan yang terjadi serta menentukan barang, kategori yang

harus dipesan ke supplier dan penerbit.

Dari permasalahan di atas, pembangunan gudang data transaksi

penjualan toko buku merupakan salah satu bentuk pemecahan masalah

yang ada diatas. Gudang data menyediakan sudut pandang dari berbagai

perspektif analisis bisnis dan pembuatan keputusan sehingga dibutuhkan

untuk pemrosesan transaksi dan pemecahan masalah laporan yang tidak

efektif diatas. Dalam proses gudang data, data di ekstrak terlebih dahulu


2

dan diintegrasikan dalam bentuk multidimensi salah satunya menggunakan

online analytical processing (OLAP). OLAP adalah teknologi untuk

menjawab kebutuhan analitik, dimana OLAP mengandung dua tipe dasar

yaitu measure dan dimensi.

Berdasarkan uraian di atas penulis melihat kesempatan untuk

membangun gudang data yang akan digunakan untuk keperluan database

Online Analytical Processing (OLAP) yang mencakup dimensi waktu

(tahun, bulan, dan kuartal), supplier, penerbit, barang, kategori, topik dan

measure berupa total penjualan.

1.2. Rumusan Masalah

1. Bagaimana membangun gudang data untuk keperluan database Online

Analytical Processing (OLAP) yang dapat digunakan untuk

memperoleh informasi transaksi penjualan di toko buku AB?

2. Apakah hasil OLAP tersebut dapat membantu pihak toko buku AB

dalam memantau data jumlah penjualan berdasar dimensi waktu

(tahun, bulan, dan kuartal), supplier, penerbit, barang, kategori, dan

topik?

1.3. Tujuan Penelitian

Tujuan penelitian pada tugas akhir ini adalah :

1. Membangun gudang data untuk keperluan OLAP yang dapat

digunakan untuk proses analisis pada transaksi penjualan,

menyediakan penyimpanan data yang baik, tidak mudah hilang, serta

memberikan informasi untuk membantu kepala toko dalam pembuatan

laporan setiap bulannya.

2. Membantu kepala toko dalam melakukan pengadaan barang dari

supplier dan penerbit dengan cara melihat jumlah penjualan yang

terjadi.


3

1.4. Batasan Masalah

Batasan masalah dari pembangunan gudang data transaksi penjualan toko

buku adalah sebagai berikut:

1. Data yang dipakai dalam pembuatan pembangunan gudang data hanya

memakai data dari transaksi penjualan saja dan tidak memasukkan

data bagian pembelian.

2. Data transaksi penjualan adalah semua rekapitulasi transaksi

penjualan buku yang ada di toko buku untuk tahun 2013 dan 2014.

3. Dimensi yang dipakai adalah barang, waktu, supplier, penerbit, topik

dan kategori.

4. Pembangunan gudang data yang dibuat hanya dapat menampilkan

measure jumlah_penjualan saja.

5. Implementasi dengan menggunakan Kettle (Pentaho Data

Integration), Schema-workbench, dan Mondrian.

1.5. Metodologi Penelitian

Metodologi yang digunakan dalam pembuatan gudang data adalah :

1. Studi Pustaka

Mempelajari bahan-bahan terkait yang digunakan untuk mengerjakan

skripsi.

2. Identifikasi Masalah

Melakukan wawancara kepada pihak yang terkait, untuk mendapatkan

informasi kebutuhan yang diperlukan.

3. Mengumpulkan dan menganalisis sumber data

Mengumpulkan dan menganalisis data yang digunakan.

4. Melakukan Restrukturisasi Tabel

Melakukan restrukturisasi tabel untuk mendapatkan tabel yang sudah

benar.


4

5. Pembersihan (Cleaning Data)

Data yang diperoleh kemudian dipersiapkan untuk proses pembuatan

gudang data, yang dilakukan pertama adalah pembersihan. Informasi

yang tidak dibutuhkan akan dihapus untuk mempercepat pemrosesan.

6. Transformasi Data

Pada tahap ini dilakukan ekstraksi data dan menyesuaikan data ke

dalam gudang data.

7. Pembuatan Gudang Data

Setelah data ditransformasikan, data dari sumber dipindahkan ke

gudang data. Pembuatan sistem Online Analytical Pprocessing

(OLAP) dilakukan dengan cara:

a. Memecah gudang data dalam tabel dimensi dan tabel fakta.

b. Pembuatan cube menggunakan skema multidimensi yaitu skema

bintang.

8. Uji Coba Pengguna dan Evaluasi

1.6. Sistematika Penulisan

Sistematika penulisan dibagi menjadi beberapa bab, diantaranya:

a. Bab I : PENDAHULUAN

Pada bab ini membahas tentang latar belakang masalah, rumusan

masalah, tujuan penelitian, batasan masalah, metodologi penelitian,

sistematika penulisan.

b. Bab II : LANDASAN TEORI

Bab ini membahas sekilas tentang gudang data dan juga teori-teori

lain yang mendukung dalam pembangunan gudang data.

c. Bab III : ANALISIS DAN PERANCANGAN

Bab ini berisi analisis dan perancangan gudang data.

d. Bab IV : IMPLEMENTASI

Bab ini berisi tentang spesifikasi software dan hardware,

implementasi sistem yang meliputi seluruh use case yang telah

dirancang dan implementasi gudang data.


5

e. Bab V : ANALISIS HASIL

Bab ini berisi tentang pembahasan gudang data yang telah

dibangun.

f. Bab VI : PENUTUP

Bab ini berisi beberapa kesimpulan yang didapat dan saran-saran

berdasarkan hasil pembuatan gudang data.


6

BAB II

LANDASAN TEORI

2.1. Konsep Dasar Data Warehouse

2.1.1. Pengertian Data

Menurut Inmon (2002),

“Data adalah kumpulan fakta, konsep, atau instruksi dalam

sebuah media penyimpanan untuk komunikasi, pengambilan, dan

pengolahan yang bertujuan untuk penyediaan informasi yang

dapat dipahami oleh manusia”.

2.1.2. Pengertian Gudang Data

Gudang data memiliki banyak pengertian, berikut ini

merupakan pengertian dari beberapa ahli, diantaranya:

Menurut Inmon (2005),

“Gudang data adalah koleksi data yang mempunyai sifat

berorientasi subyek, terintegrasi, time-variant, tidak mengalami

perubahan dan memiliki rentang waktu tertentu yang mendukung

pengambilan keputusan dari pihak manajemen”.

Menurut Kimball dan Caserta (2004),

“Gudang data adalah suatu sistem yang dapat

mengekstrak, membersihkan, menyesuaikan, dan memberikan

sumber data ke dalam data dimensi serta mendukung dan

mengimplementasikan kueri dan analisis yang bertujuan untuk

pengambilan keputusan”.

Menurut Lane (2007), gudang data merupakan database

relasional yang didesain lebih kepada kueri dan analisa dari pada

proses transaksi, biasanya mengandung history data dari proses

transaksi dan bisa juga data dari sumber yang lain. Gudang data

memisahkan beban kerja analisis dari beban kerja transaksi dan

memungkinkan organisasi menggabung atau konsolidasi data dari

berbagai macam sumber.


7

Berdasarkan tiga pengertian diatas maka dapat ditarik

kesimpulan bahwa gudang data adalah sekumpulan data yang dapat

mendukung proses pengambilan keputusan dalam suatu organisasi.

2.1.3. Karakteristik Gudang Data

Menurut Jiawei Han dan Micheline Kamber (2006)

terdapat empat karakteristik data warehouse, diantaranya :

1. Subject-oriented

Sebuah gudang data dibangun berdasarkan kebutuhan

subject utama seperti customer, supplier, produk dan

penjualan. Sebuah gudang data fokus pada pemodelan dan

analisis data untuk pengambilan keputusan.

2. Integrated

Sebuah gudang data dibangun dengan mengintegrasikan

bermacam sumber heterogen seperti relational databases, flat

files, dan catatan transaksi online. Pembersihan data dan teknik

integrasi digunakan untuk memastikan konsistensi penamaan,

struktur, atribut measure dan sebagainya.

3. Time-variant

Data disimpan untuk menyediakan informasi dari tahun

sebelumnya (seperti 5-10 tahun yang lalu). Batasan waktu

untuk gudang data akan lebih lama pada database operasional.

4. Nonvolatile

Gudang data secara fisik terpisah dari penyimpanan data.

Proses update tidak terjadi pada lingkungan gudang data.

Sebuah gudang data tidak memerlukan proses transaksi,

recovery, dan mekanisme control concurrency. Hanya dua

operasi saat pengaksesan data yaitu initial loading of data dan

access of data.


8

2.1.4. Arsitektur Gudang Data

Gudang data sering mengadopsi beberapa arsitektur,

diantaranya yaitu three-tier seperti gambar 2.1 menurut Jiawei Han

dan Micheline Kamber (2006):

Gambar 2.1 Arsitektur Data Warehouse

(Sumber : Jiawei Han dan Micheline Kamber. 2006)

a. Data warehouse server

Merupakan tingakatan paling bawah pada arsitektural data

warehouse. Data warehouse server merupakan relational

database system. Back-end tools dan utilities digunakan untuk

menghasilkan data ke tingkat bawah dari operasional database

atau sumber eksternal lainnya (misalnya, pelanggan infromasi


9

profil yang disediakan oleh konsultan eksternal). Tools dan

utilities menghasilkan data extraction, cleaning, dan

transformation (misalnya, untuk menggabungkan data yang

sama dari sumber yang berbeda ke dalam format yang

terpadu), seperti fungsi load dan refresh untuk update ke

dalam gudang data. Data yang diambil menggunakan antar-

muka program aplikasi yang dikenal sebagai gateway. Sebuah

gateway di dukung oleh DBMS yang mendasari dan

memungkinkan program klien untuk menghasilkan kode sql

yang akan dieksekusi di server.

b. OLAP Server

Merupakan tingkatan menengah dalam arsitektural gudang

data. Biasanya diimplementasikan baik menggunakan model

relasional OLAP (ROLAP) yaitu perpanjangan dari relasional

DBMS yang memetakan operasi pada data multidimensi pada

operasi relasional standar, atau model multidimensional OLAP

(MOLAP) yaitu server yang mempunyai tugas yang khusus

untuk mengarahkan implementasi multidimensi data dan

operasi.

c. Front End Client Layer

Merupakan tingkatan atas pada arsitektural gudang data.

Berisikan tool kueri, alat analisis, dan tool data mining

(contoh, trend analysis, prediksi dan sebagainya).

Berdasarkan sudut pandang arsitektur gudang data diatas,

terdapat tiga model gudang data, diantaranya:

1. The Enterprise Warehouse

Enterprise warehouse mengumpulkan segala

informasi dalam seluruh organisasi. Selain itu juga


10

menyediakan integrasi data yang luas. Mengandung data

yang detail, seperti ringkasan data dan ukurannya besar.

Enterprise warehouse biasanya di implementasikan di

traditional mainframes, computer superservers atau

platform arsitektur pararel.

2. The Data Mart

Data mart mengandung bagian dari data perusahaan

yang besar yang bernilai bagi grup tertentu. Data mart

biasanya di implementasikan pada low-cost departmental

server. Untuk implementasi putaran dari data mart lebih ke

minggu. Dimana untuk sumber data, data mart dapat

dikategorikan independent atau dependent.

3. The Virtual Warehouse

Virtual warehouse adalah kumpulan view dari

seluruh operasional database. Untuk efisiensi proses kueri,

hanya beberapa view yang ditampilkan. Virtual database

warehouse dibangun tetapi membutuhkan kapasitas yang

besar.

Menurut Poe (1996), arsitektur adalah kumpulan aturan

atau struktur yang memberikan kerangka untuk keseluruhan

rancangan pada suatu sistem atau produk. Arsitektur data

menyediakan kerangka dengan mengidentifikasi dan memahami

bagaiman data akan dipindahkan melalui sistem dan digunakan di

dalam perusahaan. Arsitektur data dalam gudang data memiliki

komponen utama yaitu basis data yang hanya dapat dibaca (read-

only database). Karakteristik arsitektur menurut Poe (1956) adalah:

1. Data diambil dari sistem asal seperti sistem informasi yang

ada, database, dan file.

2. Data dari sistem asal diintegrasikan dan ditransformasikan

sebelum disimpan pada DBMS (Database Management


11

System) seperti oracle, Ms SQL Server, IBM DB2, Sybase

dan masih banyak yang lain.

3. Gudang data adalah jenis basis data reaad-only atau hanya

dapat dibaca yang diperuntukkan dalam pengambilan

keputusan.

4. User mengakses gudang data melalui front-end tool atau

aplikasi.

Gambar 2.2 Arsitektur Gudang Data

(Sumber : Vidette Poe. 1956)

2.1.5. Metadata

Metadata adalah data mengenai data. Metadata memberikan

peranan yang penting untuk keefektifan penggunaan gudang data

karena akan mempermudah end user dalam melakukan analisis dan

menghemat waktu. Metadata bertindak seperti indek mengenai isi

dari gudang data.

2.1.6. Denormalisasi

Denormalisasi menurut Connolly dan Begg (2002), adalah

suatu proses yang merubah normalisasi dari database dengan cara

penggabungan tabel dan merupakan sebuah proses yang secara

sengaja dilakukan dengan melanggar peraturan bentuk normal

normalisasi dengan tujuan untuk meningkatkan performance

pengaksesan data yang ada.


12

Keuntungan melakukan proses denormalisasi yaitu :

1. Mengurangi jumlah relasi yang terjadi antar tabel-tabel

yang harus mengalami proses pada waktu pencarian

sehingga akan meningkatkan kecepatan proses kueri data.

2. Membuat struktur fisik database agar mudah dipahami

menurut model dimensi dari pengguna. Struktur tabel yang

dibuat sesuai dengan kebutuhan pengguna memungkinkan

terjadinya akses langsung yang sekali lagi akan

meningkatkan performance.

Kelemahan dalam melakukan denormalisasi adalah :

1. Proses denormalisasi secara tidak langsung akan membuat

redudansi data.

2. Pada proses denormalisasi memerlukan alokasi

penyimpanan yang besar.

2.1.7. Manfaat Gudang Data

Ada empat manfaat yang bisa dilakukan dengan adanya

gudang data, yaitu:

1. Pembuatan Laporan

Pembuatan laporan merupakan salah satu kegunaan gudang

data yang paling umum dilakukan. Dengan menggunakan kueri

sederhana didapatkan laporan perbulan, pertahun atau jangka

waktu kapanpun yang diinginkan.

2. On-Line Analytical Processing (OLAP)

Dengan adanya gudang data, semua informasi baik detail

maupun hasil summary yang dibutuhkan dalam proses analisa

mudah didapat. OLAP mendayagunakan konsep data multi

dimensi dan memungkinkan para pemakai menganalisa data

sampai mendetail, tanpa mengetikkan satupun perintah SQL.

Hal ini dimungkinkan karena pada konsep multi dimensi,

maka data yang berupa fakta yang sama bisa dilihat dengan


13

menggunakan fungsi yang berbeda. Fasilitas lain yang ada

pada software OLAP adalah fasilitas rool-up dan drill-down.

Drill-down adalah kemampuan untuk melihat detail dari suatu

informasi dan rool-up adalah kebalikannya.

3. Data Mining

Data mining merupakan proses untuk menggali (mining)

pengetahuan dan informasi baru dari data yang berjumlah

banyak pada gudang data, dengan menggunakan kecerdasan

buatan (Artificial Intelegence), statistik dan matematika. Data

mining merupakan teknologi yang diharapkan menjembatani

komunikasi antara data dan pemakainya.

4. Proses Informasi Executive

Gudang data dapat membuat ringkasan informasi yang

penting dengan tujuan membuat keputusan bisnis, tanpa harus

menjelajahi keseluruhan data. Dengan menggunakan gudang

data segala laporan telah diringkas dan dapat pula mengetahui

segala rinciannya secara lengkap, sehingga mempermudah

proses pengambilan keputusan. Informasi dan data pada

laporan gudang data menjadi target informative bagi user.

2.1.8. Langkah Pembuatan Gudang Data

Langkah-langkah yang digunakan saat melakukan

pembuatan gudang data sebagai berikut:

1. Membaca data legacy

Memperhatikan bagian-bagian data yang perlu untuk

dibersihkan

2. Memindahkan data dari sumber ke server gudang data

Membuat standarisasi format dan copy-kan data dari sumber

sekaligus data dibuat bersih (clean).


14

3. Memecah gudang data dalam tabel fakta dan tabel dimensi

Tabel fakta dan tabel dimensi disusun menurut kebutuhan

subyek.

2.2. Extract, Transform, dan Load

2.2.1. Pengertian ETL

Menurut Songini (2004) Extract, transform, load adalah

salah satu proses dalam data warehouse yang melibatkan

pembacaan data dari sumbernya, pembersihan dan penyesuaian

format tersebut, dan penulisan data tersebut ke dalam ruang

penyimpanan untuk digunakan lebih lanjut.

2.2.2. Proses dalam Extract, Transform, Load

Menurut Pusadan (2013) Proses ETL berfungsi untuk

mengekstrak dan mengintegrasikan data dari berbagai sumber ke

dalam data warehouse dalam selang waktu tertentu. Berikut

mekanisme ETL:

a. Extraction adalah suatu proses yang mengidentifikasikan

seluruh sumber data yang relevan dan kemudian mengambil

data dari sumber-sumber data tersebut.

b. Transform adalah suatu proses yang memiliki peran dalam

melakukan perubahan dan integrasi skema serta struktur yang

berbeda ke dalam skema dan struktur yang telah didefinisikan

sebelumnya oleh data warehouse.

c. Loading adalah suatu proses pemindahan data secara fisik dari

sistem operasional ke dalam data warehouse.

Untuk melakukan data warehouse maka diperlukan utilitas

yang dirancang khusus untuk hal tersebut. Utilitas tersebut harus

memiliki kemampuan :


15

Membaca dari dan mengirim data ke berbagai sumber (file

teks, excel, database relational, dan sebagainya)

Mampu menyesuaikan atau transformasi data

Memiliki informasi metadata pada setiap perjalanan

transformasi

Memiliki audit log yang baik

Dapat ditingkatkan performanya dengan scale up dan scale

out

Mudah diimplementasikan.

Secara singkat dari proses ETL dapat dilihat pada gambar 2.3:

Gambar 2.3 Sistem Kerja Data Warehouse

(Sumber : Han dan Kamber. 2001)

2.3. Model Data Multidimensi

2.3.1. Model Dimensional

Model dimensional merupakan perancangan logikal yang

bertujuan untuk menampilkan data dalam bentuk standar dan

intuitif yang menggunakan konsep entity diagram atau model

hubungan antar entitas. Setiap model dimensi terdiri dari sebuah

tabel dengan sebuah composite primary key yang disebut dengan

tabel fakta dan satu set tabel yang lebih kecil yang disebut dengan


16

tabel dimensi. Berikut ini penjelasan dari beberapa ahli mengenai

tabel fakta dan tabel dimensi.

Menurut Connolly dan Begg, tabel fakta merupakan sebuah

tabel yang memiliki sebuah composite primary key dimana tabel

tersebut akan membentuk sebuah model dimensional.

Menurut Poe, Klaver, dan Brobst, tabel fakta disebut juga

dengan tabel major, yang terdiri dari data sebenarnya dari suatu

bisnis dan biasanya menggunakan pengukuran angka dan bisa

terdiri dari banyak baris dan kolom.

Tabel dimensi disebut juga dengan tabel minor, lebih kecil

dari tabel fakta dan menyimpan penjelasan data yang

mencerminkan dimensi-dimensi dari suatu bisnis.

Tabel dimensi merupakan sekumpulan dari tabel-tabel yang

lebih kecil yang memiliki sebuah primary key sederhana yang

merespon secara benar terhadap salah satu dari composite key yang

ada dari tabel fakta.

Susunan tabel fakta dan tabel dimensi memiliki standar

perancangan atau skema karena terbukti meningkatkan peforma

dan kemudahan dalam penerjemahan ke sistem OLAP. Model

dimensional yang sering digunakan adalah skema bintang (star

schema) dan skema butiran salju (snowflake).

2.3.2. Skema Bintang

Pengertian skema bintang menurut Connolly (2010), adalah

model data dimensional yang mempunyai sebuah tabel fakta yang

berisi data fakta ditengah dan dikelilingi oleh tabel-tabel dimensi

yang terdiri dari data referensi (yang biasanya dapat di

denormalisasi). Skema bintang mengambil karakteristik dari data

fakta yang di-generate oleh event yang terjadi dimasa lampau.

Menurut Poe (1996), skema bintang adalah metode

perancangan yang dilakukan dengan struktur sederhana dengan


17

menggunakan beberapa tabel dan hubungan antar tabel yang jelas.

Skema bintang akan menghasilkan waktu respon yang cepat dalam

kueri data dibandingkan dengan proses transaksional yang

menggunakan struktur normalisasi dan memudahkan end user

untuk memahami struktur basisdata pada gudang data yang

dirancang.

Gambar 2.4 Contoh Star Schema

(Sumber: Connolly dan Begg. 2010)

2.3.3. Kelebihan Menggunakan Skema Bintang

Skema bintang memiliki beberapa kelebihan, diantaranya

yaitu :

1. Efisiensi (Efficiency)

Struktur basis data yang konsisten sehingga lebih efisiensi

dalam akses data dengan menggunakan alat untuk

menampilkan data seperti laporan tertulis dan kueri.

2. Kemampuan untuk mengatasi perubahan kebutuhan (Ability

to handle changing requirements), skema bintang dapat

beradaptasi terhadap perubahan kebutuhan pengguna,


18

karena semua tabel dimensi memiliki kesamaan hal

memberikan akses ke tabel fakta.

3. Extensibility

Model dimensional dapat dikembangkan, misalnya

menambahkan tabel fakta selama data masih konsisten,

kemudian menambahkan dimensi baru selama ada nilai

tunggal dari dimensi tersebut yang mendefinisikan untuk

setiap record tabel fakta yang ada, menambahkan atribut

pada dimensi baru dan memecah record tabel dimensi yang

ada menjadi level atau tingkat yang lebih rendah dari level

sebelumnya.

4. Kemampuan untuk menggambarkan situasi bisnis (Ability

to model common business situations), pendekatan standar

untuk menangani situasi pemodelan dalam dunia bisnis,

dimana dalam situasi ini memiliki perangkat program yang

dapat secara khusus menspesifikasikan ke dalam penulisan

laporan kueri dan antar pengguna yang lainnya.

5. Proses kueri yang dapat diprediksi (Predictable query

processing), aplikasi gudang data yang mencari data dari

level dibawahnya akan dengan mudah menambah jumlah

atribut pada tabel dimensi dari skema bintang. Aplikasi

yang mencari data dari level yang setara akan

menghubungkan tabel fakta yang terpisah melalui tabel

dimensi yang dapat diakses bersama.

6. End-user dapat menyesuaikan cara berfikir dan

menggunakan data.

7. Lebih mudah dipahami

2.3.4. Kekurangan Menggunakan Skema Bintang

Selain kelebihan dari skema bintang diatas, ada beberapa

kekurangan bila menggunakan skema bintang, diantaranya adalah:


19

1. Pada penyimpanan atau memory, skema bintang

membutuhkan ukuran penyimpanan yang relatif besar.

2. Dalam melakukan perawatan (maintenance) dan update

lebih sulit, karena tabel yang tidak normal.

3. Long time loading dimension table, dalam loading pada

tabel dimensi dibutuhkan waktu yang cukup lama, ketika

data yang dimiliki rendah dalam integritas dan nilai dalam

replika tinggi maka waktu untuk melakukan loading

menjadi meningkat.

4. Skema bintang tidak fleksibel dalam hal kebutuhan analisis,

seperti model data yang dinormalisasi (jika data yang

dibutuhkan melakukan normalisasi). Skema bintang

dibangun hanya untuk kebutuhan data tertentu, sehingga

tidak benar-benar memungkinkan analisis yang lebih

kompleks.

5. Skema bintang tidak memiliki relasi many-to-many.

2.3.5. Skema Butiran Salju (Snowflake)

Menurut Connoly (2002), skema butiran salju (Snowflake

Schema) merupakan bentuk lain dari skema bintang dimana data

dalam tabel dimensi belum dinormalisasi.

Ciri-ciri dari skema butiran salju adalah :

1. Tabel dimensi dinormalisasi dengan dekomposisi pada level

atribut.

2. Setiap dimensi mempunyai satu kunci (key) untuk setiap

level pada hirarki dimensi.

3. Kunci level terendah menghubungkan tabel dimensi dengan

tabel fakta dan tabel atribut berlevel rendah.


20

Gambar 2.5 Contoh Snowflake Schema

(Sumber: Connolly dan Begg. 2010)

2.3.6. Kelebihan Menggunakan Skema Snowflake

Kelebihan menggunakan skema butiran salju (snowflake)

adalah :

1. Kecepatan memindahkan data dari data OLTP ke dalam

metadata.

2. Sebagai kebutuhan dari alat pengambil keputusan tingkat

tinggi dimana dengan tipe yang seperti ini seluruh struktur

dapat digunakan sepenuhnya.

3. Banyak yang beranggapan lebih nyaman merancang dalam

bentuk normal ketiga.


21

2.3.7. Kekurangan Menggunakan Skema Snowflake

1. Cenderung lebih sulit dipahami karena kompleksitasnya

dimana tabel-tabel dimensi skema snowflake merupakan

normalisasi dari beberapa tabel yang berhubungan.

2. Memiliki masalah besar dalam hal (performance) atau

kinerja untuk melakukan kueri, hal ini disebabkan karena

semakin banyaknya join antar tabel-tabel yang dilakukan

dalam skema snowflake maka semakin lambat kinerja yang

dilakukan.

2.3.8. Cube, Dimension, Measure, dan Member

Pengertian dari dimension, measure dan member menurut

phi integration yaitu:

Cube adalah struktur multi dimensi konseptual, terdiri dari

dimension dan measure dan biasanya mencakup pandangan

bisnis tertentu seperti penjualan.

Dimension atau dimensi adalah struktur view atau sudut

pandang yang menyusun cube. Dimensi dapat terdiri dari

berbagai level.

Measure adalah nilai pengukuran.

Member adalah isi atau anggota dari suatu dimensional /

measure tertentu.

2.3.9. Surrogate Key

Surrogate key adalah key / kolom data di tabel dimensi

yang menjadi primary key dari tabel tersebut. Nilai ini biasanya

berupa nilai sekuensial dan tidak memiliki arti dari proses bisnis

darimana sumber data berasal. Surrogate key sendiri dibutuhkan

karena gudang data tidak hanya berasal dari satu sumber saja,

melainkan dari banyak sumber.


22

2.4. Online Analytical Processing

2.4.1. Pengertian Online Analytical Processing (OLAP)

Pengertian OLAP menurut Connoly dan Begg (2005)

Online Analytical Processing (OLAP) “ is the dynamic synthesis,

analysis, and consolidation of large volumes”. Dimana OLAP

merupakan gabungan yang dinamis, analisis dan konsolidasi dari

data yang berukuran besar.

Selain Connolly dan Begg, OLAP menurut Codd et al

(1995) OLAP adalah istilah untuk menggambarkan teknologi yang

menggunakan tampilan data multidimensi yang memberikan akses

yang cepat untuk informasi strategis dalam melakukan analisis.

Berdasarkan pengertian OLAP menurut ahli-ahli diatas

dapat disimpulkan bahwa OLAP adalah perpaduan dinamis analisis

dan gabungan dari data multidimensi yang mempunyai jumlah data

yang besar yang memungkinkan teknologi dapat memberikan

informasi yang cepat guna dalam melakukan analisis.

2.4.2. Online Transaction Processing (OLTP)

Online Transaction Processing (OLTP) adalah jenis sistem

informasi yang mengutamakan proses transaksi, berurusan dengan

data operasional, diidentifikasikan dengan jumlah transaksi yang

besar. Pada database OLTP berisikan informasi sehari-hari yang

dibutuhkan oleh sebuah organisasi untuk menjalankan sebuah

bisnis. OLTP difokuskan pada insert, update, delete data secara

real time dimana pada database OLTP tidak boleh ada gangguan

dalam sistem atau operasional tidak bisa berjalan dengan baik.

Sistem informasi yang dapat dikategorikan pada OLTP diantaranya

adalah :

Human Resource Management (HRM) seperti produk pada

Orange HRM, PeopleSoft dan lain-lain.


23

Enterprise Resource Planning (ERP) seperti SAP,

Microsoft Dynamics.

2.4.3. Perbedaan OLTP dan OLAP

Beberapa perbedaan antara sistem OLTP atau On-line

Transaction Processing System dengan OLAP yaitu, OLTP

merupakan sistem database online operasional yang digunakan

untuk melakukan sebuah transaksi online yang dilakukan dalam

hari ke hari dimana di dalam OLTP terjadi proses kueri. Sedangkan

gudang data menyediakan kepada user atau ahli sebuah aturan dari

analisis data dan pembuatan keputusan. Sistem ini dikenal dengan

Online Analytical Processing atau OLAP. Berikut ini perbedaan

sistem OLTP dan OLAP menurut Jiawei Han dan Kamber.

Tabel 2.1 Perbedaan OLTP dengan OLAP

OLTP OLAP

Karakterikstik Proses operasional Pemrosesan informasi

Orientasi Transaksi Analisis

Pengguna DBA, database

profesional

Para ahli (manager,analis)

Fungsi Operasi sehari-hari Informasi yang lama yang

dibutuhkan untuk

mendukung pengambilan

keputusan.

Desain Database Berdasar ER relasi

entitas, berorientasi

pada aplikasi

Berdasarkan star/snowflake,

berorientasi subjek

Data Data yang digunakan

data sekarang, data

terjamin pada

masalah up-to-date

Data historis, perbaikan

akurasi data dari waktu ke

waktu


24

Summarization Data primitif, sangat

detail

Penggabungan, peringkasan

View (Gambaran) Detail, relasi datar Summarized (peringkasan),

multidimensional

Unit Kerja Pendek, simple

transaksi

Komplek kueri

Akses Read/write Hanya dapat read

Fokus Data masuk Infromasi keluar

Operasi Index/hash pada

primary key

Kebanyakan scan

Jumlah data yang diakses Puluhan Jutaan

Jumlah pengguna Ribuan Ratusan

Ukuran database 100 MB hingga GB 100 GB hingga mencapai TB

Prioritas Performa tinggi,

ketersediaan tinggi

Fleksibilitas tinggi, otonomi

pengguna akhir

Metrik Melalui Transaksi Melalui kueri, waktu respon

2.5. Pentaho Data Integration (Kettle)

2.5.1. Pengertian Pentaho

Menurut Phi-Integration.com, Pentaho merupakan sebuah

perusahaan yang menawarkan produk business intelligence (BI)

yang menyediakan data integrasi, pelayanan OLAP, pelaporan atau

reporting, dashboarding, data mining dan kemampuan ETL atau

extract transfrom load pada Kettle.

2.5.2. Kettle

Kettle merupakan aplikasi Extract, Transformation dan

Load atau sering disingkat dengan ETL. Aplikasi Kettle merupakan


25

salah satu bagian dari aplikasi BI Pentaho, yang dikenal dengan

Pentaho Data Integration (PDI). Kettle memiliki banyak

komponen-komponen penting dalam membangun sebuah gudang

data, diantaranya yaitu :

1. Step adalah blok bangunan inti dari transformation. Masing-

masing step memiliki fungsi dan tugas tertentu, diantaranya :

- JobSteps : step yang berjalan secara sekuensial dan lebih

berpusat pada control flow secara keseluruhan dari tugas

ETL.

- Transformation steps : step yang berjalan secara paralel dan

lebih menitik beratkan pada input/output data.

2. Transformation adalah komponen kettle yang menangani

proses manipulasi aliran data. Semua proses ETL dilakukan

dalam transformation. Dalam sebuah transformation terdapat

satu atau banyak step. Transformation menjalankan semua step

secara pararel dan transformation selalu memiliki step awal

dan step akhir dalam bentuk table output. Simbol

transformation dalam Spoon adalah:

3. Job adalah komponen dari kettle yang menangani kontrol atas

aliran tugas (flow controll). Job terdiri dari satu atau lebih job

entry yang dijalankan dalam urutan tertentu.

4. Spoon merupakan Integrated Developmnet Environment (IDE),

yang berupa Graphical User Interface (GUI), digunakan untuk

merancang, mengeksekusi, menyunting, dan menjalankan Job

dan Tranformation.


26

Lingkungan kerja spoon terdiri dari beberapa bagian,

diantaranya :

a) Pulldown Menu

Koleksi menu dari spoon yang terintegrasi dalam

satu toolbar.

b) Welcome Screen

Adalah halaman pembuka kettle yang berisi

informasi mengenai situs Pentaho.

c) Toolbar

Terdiri dari job, transformation toolbar.

d) Panel Execution Result, terdiri dari :

☞ Execution History, data history eksekusi.

☞ Logging, berisi detail dari eksekusi job,

transformation.

☞ Job Metrics, berisi detail dari step-step yang

telah dieksekusi.

☞ Step Metrics, berisi detail jumlah pembacaan

data (write, update, delete, dll), per satuan

waktu detik dari step-step yang telah

dieksekusi.

☞ Performance Graphs, adalah tampilan grafis

dari pembacaan data dari Step Metrics.

5. Pan, adalah command line tool yang khusus digunakan untuk

menjalankan dan mengeksekusi file transformasi yang

berekstensi .ktr. Pan sendiri adalah script dalam bentuk file

pan.bat (batch script untuk windows) dan pan.sh (BASH shell

script untuk Unix/Linux). Biasanya digunakan jika ingin

menjalankan Transformation pada saat otomatisasi terjadwal

(scheduled automation).


27

6. Kitchen, adalah command line tool yang khusus digunakan

untuk menjalankan job. Umumnya dijalankan pada saat

otomatisasi terjadwal (scheduled automation). Dipaketkan

dengan nama file pan.bat batch script) dan pan.sh (BASH shell

script).

7. Carte, merupakan cluster web server yang digunakan untuk

mengeksekusi job / transformation terutama digunakan untuk

meningkatkan pedorma ETL dengan pembagian load kerja

pada beberapa node Carte (master dan slave) dalam

lingkungan cluster kettle.

Semua aplikasi tersebut dijalankan melalui shell atau batch

script yang saling berkaitan. Fitur-fitur di dalam kettle diantaranya:

- Memiliki utilitas grafik yang dapat digunakan untuk merancang

control flow umum maupun data flow.

- Multi platform, karena dikembangkan di atas java yang dimana

java berjalan di banyak platform sistem operasi.

- Bersifat concurrent yaitu pada setiap row-row data diambil oleh

step yang akan diserahkan secara paralel.

- Scalable, dapat beradaptasi dengan penambahan kapasitas

memori RAM maupun storage.

- Koleksi step transformasi dan job cukup banyak.

- Extensible, kita dapat membuat step transformasi dan job baru

dengan sistem plugin.

- Dukungan luas dari berbagai produk database yang terkenal di

pasaran baik itu Iproprietary maupun free open source seperti

Oracle, SQL server, Mysql, PostgreSQL dan lain sebagainya.


28

2.6. Mondrian

Mondrian adalah Analytical Processing Online (OLAP) server

yang memungkinkan pengguna bisnis untuk menganalisis sejumlah besar

data secara real-time. Mondrian tidak bisa secara otomatis mengolah

informasi yang ada dalam database OLAP. Mondrian membutuhkan

sebuah dokumen yang memberikan definisi mengenai database OLAP

yang akan dibangun dan diolah. Dokumen tersebut disebut dengan skema

(schema workbench). Skema Workbench merupakan desain antarmuka

yang digunakan untuk membuat dan menguji tampilan hasil cube pada

OLAP di mondrian. Di dalam skema terdapat definisi model logis, cubes,

dimensions, hierarchies, members, measure, dan juga memetakan model

logis ke model fisik.


29

BAB III

ANALISIS DAN PERANCANGAN

3.1. Identifikasi Masalah dan Analisis Kebutuhan

Tahap ini digunakan untuk mengetahui kebutuhan toko buku AB

cabang klaten melalui administrator kepala toko dalam hasil transaksi

penjualan. Transaksi penjualan akan digunakan untuk laporan dan evaluasi

pengadaan seluruh barang dari berbagai penerbit, supplier, kategori, dan

topik yang dijual di toko buku. Setiap bulan administrator melakukan

pelaporan transaksi penjualan dari hasil yang diperoleh dan hasil pelaporan

tersebut dikirimkan ke kantor pusat melalui email. Kebutuhan bagian

administrator yaitu untuk melihat banyaknya jumlah penjualan dari hasil

transaksi penjualan yang terjadi. Contoh laporan transaksi penjualan yang

terjadi dapat dilihat pada tabel 3.1 contoh transaksi penjualan.


30

Tabel 3.1 Contoh Transaksi Penjualan

Supplier No.Nota Kd.Brg Judul Pengarang Qty Jual

ANDI - PBR 12304 10136 BAHANA MEI 2014

ANDI

OFFSET 1

ANDI STAR CONCAT 12313 10178 BUKU 40 PL @10 FLOWERY ECER

3

ANDISTAR JOGJA 12291 10232 BUKU TULIS SIDU 38

2

ANDISTAR JOGJA 12289 10232 BUKU TULIS SIDU 38

2

CV.TIRO

INTERNATIONAL 12301 8460 RAUTAN R 620-2

2

DIVA PRESS 12301 8593 PERCOBAAN SAINS SEDERHANA UNTUK ANAK

1

MITRA NUGRAHA 12292 9734 DIARY DUS MKY TG YH64K-YS0567/990/B002

3

MITRA NUGRAHA 12295 9639 BPN DISNEY ISI 48 T48D/M/KT

3

MITRA NUGRAHA 12298 9504 KERTAS MAS KUNING

3


31

3.2. Pemrosesan Awal

Setelah melakukan identifikasi masalah dan analisis kebutuhan,

ditemukan bahwa struktur data yang ada dalam sistem belum memenuhi

kaidah basis data relasional yang baik dan benar, dimana basis data

relasional berisi data dalam bentuk tabel-tabel yang saling berhubungan,

maka dari itu dilakukan pemrosesan awal terlebih dahulu berupa:

1) Struktur tabel basis data dari toko buku AB

2) Perancangan basis data

3) Restrukturisasi tabel

4) Pembersihan data

5) Transformasi data

6) Analisis kebutuhan gudang data

Dalam melakukan restrukturisasi tabel, dilakukan pengambilan

data terlebih dahulu dengan menggunakan kettle pentaho, data yang

digunakan berbentuk .sql, penggunaan kettle digunakan hanya untuk

memudahkan dalam pemindahan data saja. Berikut ini merupakan bagian

yang akan menguraikan lebih rinci proses dari tahap-tahap yang telah

dijelaskan diatas.

3.2.1 Struktur Tabel Basis Data Toko Buku AB

Sebelum masuk pada proses perancangan basis data,

terlebih dahulu membaca struktur basis data yang ada pada toko

buku AB guna untuk mendapatkan data seperti tabel 3.1 seperti

dibawah ini:


32

Gambar 3.1 Struktur Tabel Basis Data Toko Buku AB

Gambar 3.1 merupakan struktur tabel basis data dari toko

buku AB. Tabel yang berada pada toko buku AB terdiri dari 39

tabel dan dari semua tabel tersebut hanya digunakan 9 tabel, yaitu :

1) Tabel data_barang

Gambar 3.2 Tabel data_barang

Pada gambar 3.2 merupakan data dari tabel yang bernama

data_barang. Pada tabel ini terdiri dari kolom Kode_Barang,

Produk_ID, Topik_ID, ID_Lokasi, ID_Lokasi2,

ID_Penerbit, ISBN, Judul_Buku, Pengarang, Stok_Barang,

Harga_Jual dan Tgl_input.


33

2) Tabel data_beli

Gambar 3.3 Tabel data_beli


data_beli. Pada tabel ini terdiri dari kolom Nomor_Beli,

Nomor_Nota, Tanggal_Beli, ID_Supplier, Tipe_Beli,

Tempo, dan Tgl_Jatuh_Tempo.

3) Tabel data_jual

Gambar 3.4 Tabel data_jual


data_jual. Pada tabel ini terdiri dari kolom Nomor_Jual,

Tanggal_Jual, Waktu_Jual, ID_Customer, N_User,

ID_Cabang, Total_Item, Total_Qty_Brg, dan Tipe_Jual.


34

4) Tabel detail_jual

Gambar 3.5 Tabel detail_jual


detail_jual. Pada tabel ini terdiri dari kolom Nomor_Jual,

Kode_Barang, N_User, Qty_Barang, H_Jual, dan

Disc_Jual.

5) Tabel detail_beli

Gambar 3.6 Tabel detail_beli


detail_beli. Pada tabel ini terdiri dari kolom Nomor_Beli,

Kode_Barang, N_User, Qty, Qty_Label, Harga_Beli,

Persen_Disc_Item, dan Harga_Disc_Item.


35

6) Tabel supplier

Gambar 3.7 Tabel supplier


supplier. Pada tabel ini terdiri dari kolom ID_Supplier,

Nama, Alamat, dan Kota.

7) Tabel penerbit

Gambar 3.8 Tabel penerbit


penerbit. Pada tabel ini terdiri dari kolom ID_Penerbit,

Nama_Penerbit, Alamat, dan Telpon.


36

8) Tabel produk

Gambar 3.9 Tabel produk


produk. Pada tabel ini terdiri dari kolom Produk_ID,

Keterangan, Tgl_Input, dan Tgl_Edit.

9) Tabel topik

Gambar 3.10 Tabel topik


topik. Pada tabel ini terdiri dari kolom Topik_ID,

Keterangan, Tgl_Input, dan Tgl_Edit.

3.2.1 Perancangan Basis Data

Pada bagian perancangan basis data ini dilakukan untuk

memperbaiki relasi basis data yang ada di toko buku sebelumnya.

Proses perancangan basis data bertujuan untuk membuat relasi data


37

sesuai dengan kaidah basis data relasional. Berikut ini merupakan

tahapan dalam perancangan basis data.

1. Perancangan Basis Data Konseptual

TOPIK_KOMPLIT

ID_TOPIK {PK}

NAMA_TOPIK

SUPPLIER_KOMPLIT

ID_SUPPLIER {PK}

NAMA_SUPPLIER

PENERBIT_KOMPLIT

ID_PENERBIT {PK}

NAMA_PENERBIT

KATEGORI_KOMPLIT

ID_KATEGORI {PK}

NAMA_KATEGORI

TRANSAKSI_KOMPLIT

ID_TRANSAKSI {PK}

NOMOR_NOTA

TGL_JUAL

JUMLAH_PENJUALAN

DETAIL_PENJUALAN

JUMLAH_PENJUALAN

PUNYA

PUNYA

PU

NY

A

PUNYA

PU

NY

A

1..1

1..1

1..1

1..1

1..*

1..*

1..*

1..*

1..* 1..*

BARANG_KOMPLIT

ID_BARANG {PK}

NAMA_BARANG

Gambar 3.11 ER Diagram

2. Perancangan Data Logikal

TOPIK_KOMPLIT

ID_TOPIK {PK}

NAMA_TOPIK

SUPPLIER_KOMPLIT

ID_SUPPLIER {PK}

NAMA_SUPPLIER

PENERBIT_KOMPLIT

ID_PENERBIT {PK}

NAMA_PENERBIT

BARANG_KOMPLIT

ID_BARANG {PK}

NAMA_BARANG

ID_PENERBIT {FK}

ID_TOPIK {FK}

ID_KATEGORI {FK}

ID_SUPPLIER {FK}

KATEGORI_KOMPLIT

ID_KATEGORI {PK}

NAMA_KATEGORI

TRANSAKSI_KOMPLIT

ID_TRANSAKSI {PK}

NOMOR_NOTA

TGL_JUAL

JUMLAH_PENJUALAN

DETAIL_PENJUALAN

ID_BARANG {FK}

JUMLAH_PENJUALAN

ID_TRANSAKSI {FK}

PUNYA

PUNYA

PU

NY

A

PUNYA

PU

NY

A

1..1

1..1

1..1

1..1

1..*

1..*

1..*

1..*

1..* 1..*

Gambar 3.12 Database Logical Design


38

3. Perancangan Data Fisikal

a. Tabel Barang_Komplit

Tabel 3.2 Tabel Barang_Komplit

Nama Field Tipe Keterangan

ID_BARANG int (11) Primary Key untuk tabel Barang.

NAMA_BARANG varchar(80) Field untuk nama barang.

ID_PENERBIT int (11) Foreign key untuk menghubungkan ke

tabel Penerbit.

ID_TOPIK int (11) Foreign key untuk menghubungkan ke

tabel Topik.

ID_KATEGORI int (11) Foreign key untuk menghubungkan ke

tabel Kategori.

ID_SUPPLIER int (11) Foreign key untuk menghubungkan ke

tabel Supplier.

b. Tabel Kategori_Komplit

Tabel 3.3 Tabel Kategori_Komplit


ID_KATEGORI int (11) Primary Key untuk tabel Kategori.

NAMA_ KATEGORI varchar(25) Field untuk nama Kategori.


39

c. Tabel Topik_Komplit

Tabel 3.4 Tabel Topik_Komplit


ID_TOPIK int (11) Primary Key untuk tabel Topik.

NAMA_TOPIK varchar(25) Field untuk nama Topik.

d. Tabel Penerbit_Komplit

Tabel 3.5 Tabel Penerbit_Komplit


ID_PENERBIT int (11) Primary Key untuk tabel Penerbit.

NAMA_PENERBIT varchar(25) Field untuk nama Penerbit.

e. Tabel Supplier_Komplit

Tabel 3.6 Tabel Supplier_Komplit


ID_SUPPLIER int (11) Primary Key untuk tabel Supplier.

NAMA_SUPPLIER varchar(25) Field untuk nama Supplier.


40

f. Tabel Transaksi_Komplit

Tabel 3.7 Tabel Transaksi_Komplit


ID_TRANSAKSI int (11) Primary Key untuk tabel Transaksi.

NOMOR_NOTA int (11) Field untuk nomor_nota.

TGL_JUAL int (11) Field untuk tgl_jual.

JUMLAH_PENJUALAN int (11) Field untuk Jumlah_Penjualan.

g. Tabel Detail_Penjualan

Tabel 3.8 Tabel Detail_penjualan


ID_BARANG int (11) Foreign key untuk menghubungkan

ke tabel Barang.

JUMLAH_PENJUALAN int (11) Field untuk Jumlah_Penjualan.

ID_TRANSAKSI int (11) Foreign key untuk menghubungkan

ke tabel Id_Transaksi.

3.2.2 Restrukturisasi Tabel

Restrukturisasi tabel dibuat karena adanya beberapa

kendala, diantaranya yaitu :

1. Relasi struktur tabel-tabel basis data toko buku AB belum

memenuhi kaidah basis data relasional yang baik dan benar,


41

contohnya yaitu satu id_barang dimiliki oleh banyak

id_supplier sehingga membuat administrator toko buku

mengalami kendala.

2. Terjadinya duplikasi data pada semua tabel yang

menghambat proses transaksi penjualan di toko buku AB.

Dari alasan tersebut, maka dilakukan restrukturisasi tabel

guna untuk memperbaiki relasi tabel-tabel di toko buku AB, dan

untuk memudahkan didalam melakukan pembuatan gudang data.

Bagian berikut ini akan menguraikan lebih rinci proses-

proses restrukturisasi tabel :

1. Membaca relasi data dari transaksi penjualan.

2. Memperbaiki relasi database pada tabel-tabel yang belum

benar dengan cara melakukan restrukturisasi.

3.2.1.1 Membaca relasi data dari transaksi penjualan

Pada bagian ini, membaca relasi data sangatlah penting.

Relasi data dibutuhkan untuk mengetahui hubungan antar tabel

dalam basis data. Tabel basis data dari toko buku tidaklah

semua diambil, hanya tabel yang berkaitan dengan transaksi

penjualan saja dan beberapa tabel yang dibuat guna untuk

memperbaiki relasi antara tabel satu dengan tabel yang lain

sehingga transaksi penjualan pada tabel 3.1 dapat sesuai

dengan perancangan yang diharapkan dan mempermudah

untuk proses pembuatan gudang data selanjutnya.

Pada bagian struktur tabel basis data toko buku AB ada 9

tabel yang akan digunakan untuk proses restrukturisasi tabel.

Berikut ini merupakan penjelasan dari 9 tabel tersebut.


42

1) Tabel data_barang

Gambar 3.13 Tabel data_barang

Gambar 3.13 adalah tabel data_barang yang digunakan

untuk membuat tabel barang. Pada tabel data_barang ini

terdapat beberapa kolom data, tetapi hanya ada lima kolom

data yang digunakan, yaitu: Kode_Barang, Produk_ID,

Topik_ID, ID_Penerbit, dan Judul_Buku.

2) Tabel data_beli

Gambar 3.14 Tabel data_beli

Gambar 3.14 adalah tabel data_beli. Pada tabel data_beli

terdapat beberapa kolom data tetapi hanya satu kolom data

yang digunakan, yaitu: Nomor_Beli. Nomor_Beli ini akan

digunakan untuk mendapatkan id_supplier berdasarkan no

beli. Untuk lebih lanjutnya dapat dilihat pada bagian

lampiran mengenai restrukturisasi tabel bagian tampung

supplier barang.


43

3) Tabel data_jual

Gambar 3.15 Tabel data_jual

Gambar 3.15 adalah tabel data_jual. Pada tabel data_jual

terdapat beberapa kolom data, tetapi hanya tiga kolom data

yang digunakan, yaitu: Nomor_Jual, Tanggal_Jual dan

Total_Qty_Brg. Nomor_Jual, Tanggal_Jual dan

Total_Qty_Brg ini digunakan untuk mendapatkan kode

barang yang sesuai dengan nomor jual. Untuk lebih

rincinya, dapat dilihat pada bagian lampiran mengenai

restrukturisasi tabel di pembentukan tabel Data Detail Jual.

4) Tabel detail_jual

Gambar 3.16 Tabel detail_jual

Gambar 3.16 adalah tabel detail_jual. Pada tabel detail_jual,

terdapat beberapa kolom data, tetapi hanya tiga kolom data

yang digunakan, yaitu: Nomor_Jual, Kode_Barang, dan

Qty_Barang. Data Nomor_Jual, Kode_Barang, dan


44

Qty_Barang berfungsi untuk menghubungkan nomor_jual

yang ada pada data_jual. Untuk lebih rincinya, dapat dilihat

pada bagian lampiran mengenai restrukturisasi tabel di

pembentukan tabel Data Detail Jual.

5) Tabel detail_beli

Gambar 3.17 Tabel detail_beli

Gambar 3.17 adalah tabel detail_jual. Pada tabel detail_beli

terdapat beberapa kolom data tetapi hanya tiga kolom data

yang digunakan, yaitu: Nomor_Beli, Kode_Barang. Data

Nomor_Beli, dan Kode_Barang berfungsi untuk

menghubungkan Kode_Barang yang berada di tabel

data_barang, dan Nomor_Beli di tabel data_beli. Untuk

lebih rincinya, dapat dilihat pada bagian lampiran mengenai

restrukturisasi tabel di pembentukan tabel Tampung

Supplier Barang.

6) Tabel supplier


45

Gambar 3.18 Tabel supplier

Gambar 3.18 adalah tabel supplier. Pada tabel supplier,

terdapat beberapa kolom data tetapi hanya dua kolom data

yang digunakan, yaitu: ID_Supplier, dan Nama.

ID_Supplier, dan Nama. ID_Supplier sendiri digunakan

untuk banyak tabel, salah satu kegunaannya yaitu untuk

mendapatkan data barang yang sesuai dengan data supplier.

Tabel supplier ini akan digunakan di tabel: data_beli,

transaksi, tampung supplier barang,

tampung_barang_supplier, barang_jadi, sementara transaksi

dan tabel woo. Untuk lebih rincinya, dapat dilihat pada

bagian lampiran mengenai restrukturisasi tabel.

7) Tabel penerbit

Gambar 3.19 Tabel penerbit

Gambar 3.19 adalah tabel penerbit. Pada tabel penerbit,


yang digunakan, yaitu: ID_Penerbit, dan Nama_Penerbit.


46

Tabel penerbit digunakan dalam proses restrukturisasi tabel.

Untuk lebih rincinya, dapat dilihat pada bagian lampiran

mengenai restrukturisasi tabel di pembentukan tabel

penerbit.

8) Tabel produk

Gambar 3.20 Tabel produk

Gambar 3.20 adalah tabel produk. Pada tabel produk,


yang digunakan, yaitu: Produk_ID, dan Keterangan. Tabel

produk sendiri akan digunakan dalam proses restrukturisasi

tabel di bagian pembentukan tabel produk.

9) Tabel topik

Gambar 3.21 Tabel topik

Gambar 3.21 adalah tabel topik. Pada tabel topik, terdapat

beberapa kolom data tetapi hanya dua kolom data yang


47

digunakan, yaitu: Topik_ID, dan Keterangan. Tabel topik

sendiri akan digunakan dalam proses restrukturisasi tabel di

bagian pembentukan tabel topik.

3.2.1.2 Memperbaiki relasi database pada tabel-tabel yang belum

benar dengan cara melakukan restrukturisasi.

Dalam melakukan proses restrukturisasi tabel, dilakukan

proses import dari database toko menuju ke database

data_jadi_monsi dengan menggunakan kettle. Kettle disini

hanya untuk memudahkan di dalam pengambilan data saja.

Tabel yang digunakan yaitu :

1) barang

2) topik

3) produk

4) penerbit

5) supplier

6) data_beli

7) detail_beli

8) data_jual

9) data_detail_jual

10) tampung supplier barang

11) transaksi

12) tampung_barang_supplier_monsi

13) barang_jadi

14) sementara transaksi

15) woo

Beberapa tabel yang dibuat seperti transaksikucoba,

sementara_transaksi, dan tabel woo bertujuan untuk

mencocokan data agar hasil dari restrukturisasi sesuai dengan

basis data relasional. Dalam pengambilan atau import tabel-

tabel diatas dapat dilihat pada bagian lampiran.


48

Setelah mengambil dan membuat tabel-tabel diatas,

kemudian dilakukan penyederhanaan tabel, yaitu mengambil

tabel-tabel dengan data yang akan diperlukan, kemudian

dilakukan import data ke database yang bernama

monica_skripsi dimana di dalam database tersebut sudah

sesuai dengan basis data relasional seperti perancangan basis

data yang dijelaskan sebelumnya. Hasil tabel di database

monica_skripsi dapat dilihat pada gambar berikut :

Gambar 3.22 Hasil Restrukturisasi Basis Data

monica_skripsi

3.2.3 Pembersihan Data

Setelah tahap restrukturisasi selasai, kemudian dilakukan

proses pembersihan guna untuk mendapatkan data yang konsisten

dan relevan. Tahap ini bertujuan agar di dalam pemrosesan data,

dapat berlangsung dengan cepat, sebagai contoh ada data transaksi

yang null atau tidak adanya data yang berkaitan dengan tabel yang

lain maka dilakukan pembersihan data.

3.2.4 Transformasi Data


49

Transformasi dilakukan untuk mengubah format lama

menjadi format baru yang digunakan untuk format gudang data.

Sebagai contoh atribut pada barang terdapat ID BARANG, NAMA

BARANG maka pada proses transformasi ini atribut akan diubah

menjadi ID_BARANG, NAMA_BARANG. Proses ini bertujuan

untuk memudahkan dalam pengimplementasian di gudang data.

3.3. Analisis Kebutuhan Gudang Data

3.3.1 Use Case

Diagram use case ini menggambarkan kebutuhan admin

dari Kepala toko buku, dari gudang data yang akan dibangun. Pada

gambar 3.23 menerangkan gambar use case untuk gudang data

transaksi penjualan.

Gambar 3.23 Diagram Use Case

Dari diagram use case diatas, dapat di deskripsikan sebagai

berikut :

Tabel 3.9 Deskripsi Diagram Use Case

Admin Kepala

Toko

OLAP

Melihat Laporan

transaksi penjualan

Login


50

Kode Use

Case

Nama Use Case Deskripsi Aktor

US001 Login

Use case ini mejelaskan

proses dimana admin kepala

toko melakukan login

sebelum masuk ke sistem.

Untuk dapat masuk ke

sistem, kepala toko harus

memasukkan username dan

password terlebih dahulu.

Admin

Kepala Toko

US002

Melihat laporan

transaksi

penjualan

Use case ini berfungsi untuk

melihat hasil pembangunan

gudang data transaksi

penjualan.

Admin

Kepala Toko

3.3.2 Narasi Use Case

1) Narasi Use Case Login Kepala Admin

Tabel 3.10 Narasi Use Case Login

Kode Use case US001

Nama Use case Login

Aktor Admin Kepala Toko

Deskripsi Use Case Use case ini mejelaskan proses dimana admin kepala toko

melakukan login sebelum masuk ke sistem. Untuk dapat

masuk ke sistem, kepala toko harus memasukkan username

dan password terlebih dahulu

Kondisi Awal Admin Kepala Toko belum memasukkan username dan

password


51

Trigger -

Kegiatan Aktor Respon Sistem

1. Sistem menampilkan

halaman utama

2. Kepala admin mengklik menu

“LOGIN”

3. Sistem menampilkan

halaman login

Langkah umum 4. Kepala admin memasukkan

username dan password

5. Sistem mengecek

username dan password

sesuai dengan database

6. menampilkan halaman utama

admin kepala toko

Langkah Alternatif -

Kondisi Akhir

Kepala admin berhasil login jika password dan username

sesuai dengan database

2) Narasi Use Case melihat laporan transaksi penjualan

Tabel 3.11 Narasi Use Case Melihat Laporan Transaksi Penjualan

Kode Use case US002

Nama Use case Melihat laporan transaksi penjualan

Aktor Admin Kepala Toko

Deskripsi Use Case Use case ini berfungsi untuk melihat hasil dari pembangunan

gudang data transaksi penjualan

Kondisi Awal Admin Kepala Toko belum mendapatkan hasil


52

pembangunan gudang data laporan transaksi penjualan

Trigger -

Langkah umum

Kegiatan Aktor Respon Sistem

1. Menampilkan halaman

utama

2. Admin Kepala Toko

memilih menu “Lihat

Laporan Transaksi

Penjualan”

3. Menampilkan hasil

Langkah Alternatif -

Kondisi Akhir

Admin Kepala Toko mendapatkan hasil pembangunan

gudang data transaksi penjualan

3.4. Pembuatan Gudang Data

Proses pembuatan gudang data memerlukan beberapa langkah,

diantaranya :

1) Membaca data legacy

2) Memindahkan data dari sumber ke server gudang data

3) Memecah gudang data ke dalam tabel dimensi dan tabel fakta

3.4.1 Membaca data legacy

Pada proses ini, membaca data sangat diperlukan untuk

mengetahui hubungan antar tabel satu dengan tabel yang lain,

proses ini dimaksudkan untuk menganalisis data yang akan

digunakan, serta proses cleanning data bertujuan untuk

memperlancar dalam proses pembuatan gudang data.

3.4.2 Memindahkan data dari sumber ke server gudang data


53

Tahap ini bertujuan untuk memilih dan memilah field-field

yang diperlukan untuk beberapa tabel master yang nantinya akan

dibuat sebuah dimensi dan dibuat tabel fakta. Tabel fakta sendiri

berisikan fakta-fakta dari dimensi yang telah dibuat serta di dalam

tabel fakta terdapat measure atau nilai pengukuran gudang data

yang diperlukan. Setelah melakukan restrukturisasi tabel,

selanjutnya dilakukan pembentukan tabel master dan dimensi.

Tabel master dan dimensi mengacu dengan informasi laporan

transaksi penjualan di toko buku untuk pembuatan gudang data.

Informasi tersebut diantaranya berupa SUPPLIER, BARANG,

KATEGORI, TOPIK, JUMLAH PENJUALAN, PENERBIT,

KUARTAL, BULAN, TAHUN, dan berikut merupakan langkah

pembentukan tabel master yang akan dibawa pada proses gudang

data.

1) Tabel ms_barang

Tabel ms_barang atau master barang berguna untuk

menyimpan semua data-data barang. Data barang disimpan

dalam bentuk sql atau structured query language. Tabel

ms_barang dibuat dari data mentah yang bernama tabel

barang_komplit dari database monica_skripsi, untuk

menjadikan ms_barang diperlukan proses pemindahan data

barang ke dalam tabel ms_barang pada database

monica_dataskripsi. Proses pemindahan data barang dapat

dilihat pada gambar 3.24.

Tabel

Barang_Komplit

ms_barang

id_barang PK id_barang

nama_barang nama_barang

Gambar 3.24 Proses Pemindahan Tabel ms_barang


54

Tabel ms_barang mempunyai dua field id_barang sebagai

primary-key dan field nama_barang. Struktur data dari tabel

ms_barang dapat dilihat pada tabel 3.12.

Tabel 3.12 Tabel ms_barang

ms_barang Tabel master barang

PK id_barang id_barang sebagai primary key

nama_barang berisi nama barang

2) Tabel ms_penerbit

Tabel ini berisi data-data dari seluruh penerbit dari berbagai

penjualan di toko buku. Data penerbit disimpan dalam bentuk

sql di database monica_skripsi. Untuk menjadikan ms_penerbit

diperlukan proses pemindahan data penerbit_komplit ke dalam

tabel penerbit pada database monica_dataskripsi. Proses

pemindahan data penerbit dapat dilihat pada gambar 3.25.

Tabel

Penerbit_Komplit

ms_penerbit

id_penerbit PK id_penerbit

nama_penerbit nama_penerbit

Gambar 3.25 Proses Pemindahan Tabel ms_penerbit

Tabel ms_penerbit mempunyai dua field id_penerbit

sebagai primary-key dan field nama_penerbit. Struktur data dari

tabel ms_penerbit dapat dilihat pada tabel 3.13.

Tabel 3.13 Tabel ms_penerbit

ms_penerbit Tabel master penerbit

PK id_penerbit id_penerbit sebagai primary key

nama_penerbit berisi nama penerbit


55

3) Tabel ms_kategori

Tabel ini berisi data-data kategori seluruh penjualan di toko

buku. Data kategori_komplit disimpan dalam bentuk sql di

database monica_skripsi. Untuk menjadikan ms_kategori

diperlukan proses pemindahan data kategori_komplit ke dalam

tabel kategori pada database monica_dataskripsi. Proses

pemindahan data produk dapat dilihat pada gambar 3.26.

Tabel

Kategori_Komplit

ms_penerbit

id_kategori PK id_kategori

nama_kategori nama_kategori

Gambar 3.26 Proses Pemindahan Tabel ms_kategori

Tabel ms_kategori mempunyai dua field id_kategori

sebagai primary-key dan field nama_kategori. Struktur data dari

tabel ms_kategori dapat dilihat pada tabel 3.14.

Tabel 3.14 Tabel ms_kategori

ms_kategori Tabel master produk

PK id_kategori id_kategori sebagai primary key

nama_kategori berisi nama kategori

4) Tabel ms_supplier

Tabel ini berisi data-data dari seluruh supplier. Data

supplier_komplit disimpan dalam bentuk sql di database

monica_skripsi. Untuk menjadikan ms_supplier diperlukan

proses pemindahan data supplier_komplit ke dalam tabel

supplier pada database monica_dataskripsi. Proses pemindahan

data supplier dapat dilihat pada gambar 3.27.


56

Tabel

Supplier_Komplit

ms_supplier

id_supplier PK id_ supplier

nama_supplier nama_supplier

Gambar 3.27 Proses Pemindahan Tabel ms_supplier

Tabel ms_supplier mempunyai dua field id_supplier

sebagai primary-key dan field nama_supplier. Struktur data dari

tabel ms_supplier dapat dilihat pada tabel 3.15.

Tabel 3.15 Tabel ms_supplier

ms_supplier Tabel master supplier

PK id_supplier id_supplier sebagai primary key

nama_supplier berisi nama supplier

5) Tabel ms_topik

Tabel ini berisi data-data dari seluruh topik. Data

topic_komplit disimpan dalam bentuk sql di database

monica_skripsi. Untuk menjadikan ms_topik diperlukan proses

pemindahan data topik_komplit ke dalam tabel topik pada

database monica_dataskripsi. Proses pemindahan data topik

dapat di lihat pada gambar 3.28.

Tabel

Topik_Komplit

ms_topik

id_topik PK id_topik

nama_topik nama_topik

Gambar 3.28 Proses Pemindahan Tabel ms_topik


57

Tabel ms_topik mempunyai dua field id_topik sebagai

primary-key dan field nama_topik. Struktur data dari tabel

ms_topik dapat dilihat pada tabel 3.16.

Tabel 3.16 Tabel ms_topik

ms_topik Tabel master topik

PK id_topik id_topik sebagai primary key

nama_topik berisi nama topik

6) Tabel ms_transaksi

Tabel ms_transaksi berisi data-data seluruh transaksi

penjualan di toko buku. Data transaksi tersebut disimpan dalam

bentuk sql di database monica_skripsi. Untuk menjadikan

ms_transaksi diperlukan proses pemindahan data

detail_penjualan ke dalam tabel ms_transaksi pada database

monica_dataskripsi. Proses pemindahan data ms_transaksi dapat

di lihat pada gambar 3.29.

Tabel detail_penjualan ms_transaksi

id_barang FK id_barang

id_penerbit FK id_penerbit

id_kategori FK id_kategori

id_topik FK id_topik

id_supplier FK id_supplier

jumlah_penjualan FK jumlah_penjualan

tgl_jual FK tgl_jual

id_transaksi

Gambar 3.29 Proses Pemindahan Tabel ms_transaksi


58

Tabel ms_transaksi mempunyai 7 field id_barang,

id_penerbit, id_kategori, id_topik, id_supplier,

jumlah_penjualan, tgl_jual, dan id_transaksi. Dalam master

transaksi atau ms_transaksi id_transaksi tidak disertakan, karena

hanya data yang diperlukan saja yang akan masuk ke dalam

proses gudang data. Struktur data dari tabel ms_transaksi dapat

dilihat pada tabel 3.17.

Tabel 3.17 Tabel ms_transaksi

ms_transaksi Tabel master transaksi

FK id_barang berisi id_barang

FK id_penerbit berisi id_penerbit

FK id_kategori berisi id_produk

FK id_topik berisi id_topik

FK id_supplier berisi id_supplier

jumlah_penjualan berisi jumlah penjualan

tgl_jual berisi tanggal input transaksi

3.4.3 Memecah gudang data ke dalam dimensi dan tabel fakta

Tabel dimensi yang digunakan berasal dari beberapa tabel.

Berikut ini detail asal dari tiap dimensi :

1) Dim_barang

ms_barang dim_barang

PK id_barang PK sk_barang

nama_barang id_barang

nama_barang

Gambar 3.30 Pembentukan dimensi barang


59

Gambar 3.30 merupakan proses dari pembuatan dimensi

barang yang berasal dari tabel ms_barang yang berada pada

database monica_dataskripsi. Tabel ms_barang berisi field

id_barang untuk menyimpan id_barang, serta nama_barang untuk

menyimpan nama_barang. Setelah itu dibuat menjadi dimensi yang

bernama dim_barang yang berisi id_barang, nama_barang dan

menambahkan surrogate key untuk dimensi barang yaitu

sk_barang.

2) Dim_penerbit

ms_penerbit dim_ penerbit

PK id_penerbit PK sk_penerbit

nama_penerbit id_ penerbit

nama_penerbit

Gambar 3.31 Pembentukan dimensi penerbit


penerbit yang berasal dari tabel ms_penerbit yang berada pada

database monica_dataskripsi. Tabel ms_penerbit berisi field

id_penerbit untuk menyimpan id_penerbit, serta nama_penerbit

untuk menyimpan nama_penerbit. Setelah itu dibuat menjadi

dimensi yang bernama dim_penerbit yang berisi id_penerbit,

nama_penerbit dan menambahkan surrogate key untuk dimensi

penerbit yaitu sk_penerbit.

3) Dim_kategori

ms_kategori dim_kategori

PK id_kategori PK sk_kategori

nama_kategori id_ kategori

nama_kategori

Gambar 3.32 Pembentukan dimensi produk


60


kategori yang berasal dari tabel ms_kategori yang berada pada

database monica_dataskripsi. Tabel ms_kategori berisi field

id_kategori untuk menyimpan id_kategori, serta nama_kategori

untuk menyimpan nama_kategori. Setelah itu dibuat menjadi

dimensi yang bernama dim_kategori yang berisi id_kategori,

nama_kategori dan menambahkan surrogate key untuk dimensi

kategori yaitu sk_kategori.

4) Dim_supplier

ms_supplier dim_supplier

PK id_supplier PK sk_supplier

nama_supplier id_ supplier

nama_supplier

Gambar 3.33 Pembentukan dimensi supplier


supplier yang berasal dari tabel ms_supplier yang berada pada

database monica_dataskripsi. Tabel ms_supplier berisi field

id_supplier untuk menyimpan id_supplier, serta nama_supplier

untuk menyimpan nama_supplier. Setelah itu dibuat menjadi

dimensi yang bernama dim_supplier yang berisi id_supplier,

nama_supplier dan menambahkan surrogate key untuk dimensi

supplier yaitu sk_supplier.

5) Dim_topik

ms_topik dim_topik

PK id_topik PK sk_topik

nama_topik id_topik

nama_topik

Gambar 3.34 Pembentukan dimensi topik


61


topik yang berasal dari tabel ms_topik yang berada pada database

monica_dataskripsi. Tabel ms_topik berisi field id_topik untuk

menyimpan id_topik, serta nama_topik untuk menyimpan

nama_topik. Setelah itu dibuat menjadi dimensi yang bernama

dim_topik yang berisi id_topik, nama_topik dan menambahkan

surrogate key untuk dimensi topik yaitu sk_topik.

6) Tabel Fakta

Pada proses pembentukan tabel fakta ini tedapat enam

dimensi diantaranya, dimensi barang, dimensi penerbit, dimensi

kategori, dimensi supplier, dimensi topik, dan dimensi waktu.

Tabel fakta memiliki foreign-key dari masing-masing dimensi,

yaitu sk_barang, sk_penerbit, sk_produk, sk_supplier, sk_topik,

sk_waktu serta measure yaitu jumlah_penjualan.

Faktaku

sk_barang

sk_waktu

sk_supplier

sk_penerbit

sk_topik

sk_kategori

jumlah_penjualan

dim_waktu

year

month

quarter

sk_waktu

dim_penerbit

id_penerbit

nama_penerbit

sk_penerbit

dim_produk

id_produk

nama_produk

sk_produk

dim_barang

id_barang

nama_barang

sk_barang

dim_supplier

id_supplier

nama_supplier

sk_supplier

dim_topik

id_topik

nama_topik

sk_topik

Gambar 3.35 Tabel Fakta Faktaku


62

3.5. Rancangan MDX Kueri untuk Cube Fact_Penjualan

Gudang data yang dibuat memiliki cube faktaku. Didalam

pembuatan cube ini terdapat rancangan MDX kueri yang menampilkan

OLAP dengan menggunakan tabel fakta yaitu fact_penjualan terdiri dari

dim_barang, dim_waktu, dim_penerbit, dim_topik, dim_supplier,

dim_kategori dengan menggunakan skema bintang atau star schema. Nilai

pengukuran yang digunakan atau measure adalah jumlah dari

jumlah_penjualan yang akan ditampilkan dalan tahun, bulan, dan kuartal.

Struktur MDX kueri tersebut dapat dilihat pada gambar 3.36.

Gambar 3.36 Struktur MDX Kueri Untuk Laporan Transaksi

Penjualan

3.6. Perancangan Antar Muka

1) Halaman Login

Tampilan halaman ini adalah halaman login dimana kepala toko

hendak masuk ke dalam sistem gudang data transaksi penjualan.


63

Gambar 3.37 Halaman Login

2) Halaman Menu Awal

Halaman ini adalah tampilan pertama kali saat kepala toko

mengakses sistem gudang data transaksi penjualan.

Gambar 3.38 Halaman Home

GUDANG DATA

TRANSAKSI PENJUALAN

Logout Laporan Transaksi Penjualan Home

VISI

MISI

SELAMAT DATANG

DI TOKO BUKU AB

Username

Password

Login


64

3) Halaman Menu Laporan Transaksi Penjualan

Halaman ini digunakan kepala toko untuk mengaskes dan melihat

cube gudang data dari server gudang data.

Gambar 3.39 Halaman Transaksi Penjualan

GUDANG DATA

TRANSAKSI PENJUALAN

Logout Laporan Transaksi Penjualan Home

HASIL OLAP


65

BAB IV

IMPLEMENTASI

Pada bagian ini akan dijelaskan mengenai implementasi pembuatan

gudang data dan pembahasannya. Pembuatan gudang data mengacu pada

kebutuhan informasi yang dapat diperoleh dari transaksi penjualan di toko buku

AB.

4.1. Implementasi Arsitektur Gudang Data

Gambar 4.1 Arsitektur Gudang Data

Arsitektur gudang data dibuat untuk memberikan gambaran umum

tentang pembentukan gudang data. Didalam arsitektur gudang data,

sumber data berasal dari data yang berbentuk tabel database. Sumber data

masih dilakukan pemilihan terlebih dahulu yaitu dengan mengambil data-

data yang diperlukan, setelah mendapatkan data yang diperlukan masuk ke

proses selanjutnya yaitu memasukkan kedalam database

monica_dataskripsi yang akan dilakukan proses ETL. Hasil dari proses

ETL kemudian disimpan sebagai gudang data, sehingga dapat dilakukan

tahap selanjutnya dalam proses OLAP. Hasil dari pembentukan OLAP

nantinya digunakan untuk membantu admin kepala toko buku dalam

pemantauan seluruh transaksi penjualan.

Dalam mendukung arsitektur gudang data diperlukan beberapa

spesifikasi software dan hardware yang mendukung, diantaranya :

1. Software yang digunakan :

☞ Database : SQLyog Version 5.6.24


66

☞ Bahasa pemrograman : PHP

☞ Tool : Kettle, Schema-Workbench,

Mondrian, Apache-tomcat

2. Hardware yang digunakan :

☞ Processor : Intel Core i3 2,50 Ghz

☞ Memory : 2 GB

☞ Hardisk : 465, 76 GB

4.2. Langkah Pembuatan Gudang Data

4.2.1 Membaca Data Legacy

Sumber data yang digunakan dalam pembuatan gudang

data ini adalah data transaksi penjualan yang berbentuk file .sql

dalam database. Data transaksi penjualan menggunakan data pada

tahun 2013 dan 2014. Didalam membaca data legacy sendiri

diperlukan proses yaitu restrukturisasi tabel guna untuk

mendapatkan tabel-tabel yang sudah sesuai dengan perancangan

basis data relasional, serta dilakukan proses pembersihan terlebih

dahulu, seperti memberikan format yang sesuai dalam proses

gudang data, kemudian membersihkan data-data yang tidak

diperlukan.

4.2.2 Memindahkan Data ke Server Gudang Data

Sebelum masuk pada langkah memindahkan data dan

pembuatan dimensi serta tabel fakta, sebelumnya akan dijelaskan

beberapa fungsi dari tools Kettle Pentaho yang digunakan dalam

proses pembuatan gudang data ini. Tabel 4.1 berikut ini

menunjukkan tool-tools yang digunakan dalam memindahkan data

ke server gudang data.


67

Tabel 4.1 Tabel Tools Kettle Yang Digunakan

Tools Pada Kettle Fungsi

Table input digunakan untuk membaca data dari

database.

Select values digunakan untuk memilih field-

field apa saja yang mau ditampilkan.

Insert / update digunakan untuk memasukkan

dan menyimpan data ke dalam tabel serta untuk

mengeksekusi sql.

Add sequence digunakan untuk memberikan

surrogate key.

Stream lookup digunakan untuk menyamakan

data.

Sort rows digunakan untuk mengurutkan baris

data berdasarkan satu atau lebih field.

Group by digunakan untuk melakukan agregasi

fields total.

Table output digunakan untuk keperluan

menulis data ke dalam database.

1. Tabel ms_transaksi

Gambar 4.2 ms_transaksi.ktr

Gambar 4.2 merupakan proses pemindahan data

detail_penjualan atau yang akan menjadi master transaksi


68

(ms_transaksi) ke tabel ms_transaksi dalam database

monica_dataskripsi. Langkah pembentukan ms_transaksi dimulai

dari mengambil data detail_penjualan yang berada pada database

monica_skripsi, dimana dalam pengambilan data tetap dilakukan

proses kueri seperti gambar 4.3, kemudian dilakukan pemilihan

field yang diperlukan dengan menggunakan select value. Setelah

melakukan select value, selanjutnya yaitu memasukkan dan

menyimpan data ke dalam tabel dim_barang serta mengeksekusi

SQL melalui langkah insert/update.

Gambar 4.3 Langkah Select Data

Pada gambar 4.3 merupakan proses dalam melakukan

pengambilan data dari tabel detail_penjualan, dimana dalam tabel

detail_penjualan terdapat id_barang, id_penerbit, id_kategori,

id_topik, id_supplier, jumlah_penjualan dan tgl_jual.

Kemudian dilanjutkan dengan memilih field yang dengan

menggunakan select value seperti gambar 4.4.


69

Gambar 4.4 Memilih Field Yang Digunakan

Gambar 4.4 merupakan langkah untuk melakukan

pemilihan field-field yang digunakan. Fields tersebut adalah

id_barang, id_penerbit, id_kategori, id_topik, id_supplier,

jumlah_penjualan dan tgl_jual.

Setelah memilih field yang digunakan, kemudian

mengeksekusi SQL dengan menggunakan insert/update dan

menampilkan hasil output dengan nama ms_transaksi.

Gambar 4.5 Langkah Insert/Update ms_transaksi

Pada gambar 4.5 merupakan langkah untuk menyeleksi data

yang digunakan dan memasukkan data ke dalam tabel output yang


70

bernama ms_transaksi. Tabel ms_transaksi ini akan berperan

didalam pembuatan tabel fakta.

Gambar 4.6 Output ms_transaksi

Gambar 4.6 merupakan hasil keluaran dari ms_transaksi,

yang didalamnya terdapat id_barang, id_penerbit, id_kategori,

id_topik, id_supplier, jumlah_penjualan dan tgl_jual.

2. Tabel msbarang

Gambar 4.7 ms_barang.ktr

Gambar 4.7 merupakan proses pemindahan data barang ke

tabel ms_barang dalam database monica_dataskripsi. Langkah

pembentukan ms_barang dimulai dari mengambil data barang yang

berada pada database monica_skripsi, dimana didalam

pengambilan data tetap dilakukan proses kueri seperti gambar 4.8,

kemudian dilakukan pemilihan field yang diperlukan dengan

menggunakan select value. Setelah melakukan select value,

selanjutnya yaitu memasukkan dan menyimpan data ke dalam tabel


71

dim_barang serta mengeksekusi SQL melalui langkah

insert/update.

Gambar 4.8 Langkah Select Data Barang

Pada gambar 4.8 merupakan langkah dalam select data

barang, yang mengambil data berupa id_supplier, id_barang,

nama_barang, id_kategori, id_topik, dan id_penerbit dari tabel

barang_komplits.


Pada gambar 4.9 merupakan langkah untuk memilih field

dengan menggunakan select value. Pada bagian ini field yang

digunakan adalah id_barang dan nama_barang.



menampilkan hasil output ms_barang dengan nama ms_barang.


72

Gambar 4.10 Langkah Insert/Update ms_barang

Gambar 4.10 merupakan langkah dari insert/update tabel

ms_barang yang digunakan untuk memasukkan data ke tabel

ms_barang.

Gambar 4.11 Output ms_barang

Gambar 4.11 merupakan hasil output dari ms_barang,

dimana hasil output berupa id_barang dan nama_barang.


73

3. Tabel ms_kategori

Gambar 4.12 ms_kategori.ktr

Gambar 4.12 merupakan proses pemindahan data kategori

ke tabel ms_kategori dalam database monica_dataskripsi. Proses

dimulai dari input tabel kategori, dimana di dalam pengambilan

tetap terjadi proses kueri. Proses kueri pada input tabel kategori

dapat dilihat pada gambar dibawah ini:

Gambar 4.13 Langkah Select Data Kategori

Gambar 4.13 merupakan langkah dalam select kategori,

yang mengambil data berupa id_kategori dan nama_kategori dari

tabel kategori_komplit. Kemudian dilanjutkan dengan memilih

field yang dengan menggunakan select value seperti gambar 4.14.



74

Gambar 4.14 merupakan langkah untuk memilih field

dengan menggunakan select value. Pada bagian ini field yang

digunakan adalah id_kategori dan nama_kategori.



menampilkan hasil output ms_kategori dengan nama ms_kategori.

Gambar 4.15 Langkah Insert/Update ms_kategori

Gambar 4.15 merupakan langkah dari insert/update tabel

ms_kategori yang digunakan untuk memasukkan data ke tabel

ms_kategori.

Gambar 4.16 Output ms_kategori


75

Gambar 4.16 merupakan hasil output dari ms_kategori,

dimana hasil output berupa id_kategori dan nama_kategori.

4. Tabel ms_topik

Gambar 4.17 ms_topik.ktr

Gambar 4.17 merupakan proses pemindahan data topik ke

tabel ms_topik dalam database monica_dataskripsi. Proses dimulai

dari input tabel topik, dimana di dalam pengambilan tetap terjadi

proses kueri. Proses kueri pada input tabel topik dapat dilihat pada

gambar dibawah ini:

Gambar 4.18 Langkah Select Data Topik

Gambar 4.18 merupakan langkah dalam select data topik,

yang mengambil data berupa id_topik dan nama_topik dari tabel

topik_komplit. Kemudian dilanjutkan dengan memilih field

menggunakan select value seperti gambar 4.19.



76

Gambar 4.19 merupakan langkah untuk memilih field dengan

menggunakan select value. Pada bagian ini field yang digunakan

adalah id_topik dan nama_topik.

Gambar 4.20 Langkah Insert/Update ms_topik

Gambar 4.20 merupakan langkah insert/update digunakan

untuk mengeksekusi SQL dan memasukkan data ke dalam tabel

ms_topik.

Gambar 4.21 Output ms_topik


77

Gambar 4.21 merupakan hasil output dari ms_topik, dimana

hasil output berupa id_topik dan nama_topik.

5. Tabel ms_penerbit

Gambar 4.22 ms_penerbit.ktr

Gambar 4.22 merupakan proses pemindahan data penerbit

ke tabel ms_penerbit dalam database monica_dataskripsi. Proses

dimulai dari input tabel penerbit, dimana di dalam pengambilan

tetap terjadi proses kueri. Proses kueri pada input tabel penerbit


Gambar 4.23 Langkah Select Data Penerbit

Pada gambar 4.23 merupakan langkah select data penerbit.

Data yang digunakan yaitu id_penerbit, dan nama_penerbit yang

diambil dari tabel penerbit_komplit. Kemudian dilanjutkan dengan

memilih field yang dengan menggunakan select value seperti

gambar 4.24.



78

Gambar 4.24 merupakan langkah dalam pemilihan field

yang digunakan yaitu id_penerbit dan nama_penerbit. Setelah

memilih field yang digunakan, kemudian mengeksekusi SQL

dengan menggunakan insert/update dan menampilkan hasil output

ms_penerbit dengan nama ms_penerbit.

Gambar 4.25 Langkah Insert/Update ms_penerbit

Gambar 4.25 langkah untuk melakukan eksekusi SQL dan

menambahkan data ke dalam tabel yang bernama ms_penerbit

dengan menggunakan insert/update

Gambar 4.26 Output ms_penerbit


79

Gambar 4.26 merupakan hasil dari output ms_penerbit yang

didalamnya terdapat id_penerbit dan nama_penerbit.

6. Tabel ms_supplier

Gambar 4.27 ms_supplier.ktr

Gambar 4.27 merupakan proses pemindahan data supplier

ke tabel ms_supplier dalam database monica_dataskripsi. Proses

dimulai dari input tabel supplier, dimana di dalam pengambilan

tetap terjadi proses kueri. Proses kueri pada input tabel supplier


Gambar 4.28 Langkah Select Data Supplier

Gambar 4.28 adalah proses dalam melakukan select data

supplier, mengambil id_supplier dan nama_supplier.

Gambar 4.29 Langkah Memilih Field

Gambar 4.29 adalah langkah dalam memilih field

id_supplier dan nama_supplier dengan menggunakan select value.


80

Setelah memilih field yang digunakan, kemudian mengeksekusi

SQL dengan menggunakan insert/update dan menampilkan hasil

output dengan nama ms_supplier.

Gambar 4.30 Langkah Insert/Update ms_supplier

Gambar 4.30 merupakan langkah untuk memasukkan data

dan penyeleksian data supplier ke dalam tabel yang bernama

ms_supplier.

Gambar 4.31 Output ms_supplier

Gambar 4.31 merupakan hasil output ms_supplier yang

terdiri dari id_supplier dan nama_supplier.


81

4.3. Memecah Gudang Data dalam Tabel Dimensi dan Tabel Fakta

Data yang digunakan untuk pembuatan gudang data tidak terlalu

kompleks sehingga skema yang digunakan adalah skema bintang, karena

pertama mudah dipahami kemudian lebih efisien dan sederhana dalam

membuat kueri serta mudah diakses oleh pengguna. Terdapat satu tabel

fakta dan beberapa tabel dimensi, kebutuhan informasi dalam pembuatan

tabel fakta dan tabel dimensi yaitu, informasi jumlah penjualan pada tahun

2013-2014 untuk setiap kategori, topik, penerbit, supplier dan barang,

maka model dimensional yang dibuat untuk pembangunan gudang data

transaksi penjualan adalah skema bintang.

Penjelasan mengenai tabel yang berisi data yang menunjukkan

tinjauan dari berbagai perspektif atau yang bisa disebut dengan tabel

dimensi, akan dijelaskan sebagai berikut :

4.3.1 Tabel Dimensi `dim_barang`

Gambar 4.32 Proses Pembuatan Dimensi dim_barang

Pada gambar 4.32 merupakan proses pembuatan tabel

dimensi_barang. Tabel dimensi_barang akan digunakan dalam

proses OLAP. Terdapat 4 langkah diantaranya, table input, add

sequence, select value, insert/update. Pada langkah `input master

barang` berisi kueri untuk memanggil tabel barang yang berada

pada master_barang di database yang bernama

`monica_dataskripsi`.


82

Gambar 4.33 Langkah Select Data Barang dari ms_barang

Gambar 4.33 merupakan langkah select data barang yang

diambil dari tabel ms_barang. Data yang diambil adalah id_barang

dan nama_barang. Setelah melakukan select data, kemudian

dilakukan preview data dan ditampilkan sesuai dengan yang ada

pada tabel barang di database `monica_dataskripsi`. Hasil preview

data tabel ms_barang dapat dilihat pada gambar 4.34 berikut ini:

Gambar 4.34 Preview Data ms_barang

Gambar 4.34 adalah proses melakukan preview data dari

tabel ms_barang. Langkah selanjutnya yaitu menambahkan field

baru seperti gambar 4.35 dibawah ini :


83

Gambar 4.35 Langkah Membuat Surrogate Key Pada

dim_barang

Gambar 4.35 merupakan langkah membuat surrogate key

pada dim_barang. Proses ini bertujuan untuk menambahkan field

baru atau add sequence yang berfungsi memberikan surrogate key

yaitu field sk_barang sebagai primary-key pada tabel dim_barang.

Langkah berikutnya yaitu `memilih field yang digunakan`

menggunakan select value. Disini tidak semua field dimasukkan,

hanya field yang digunakan saja yang dipakai untuk membangun

tabel dimensi, berikut ini langkah untuk memilih field yang

digunakan.

Gambar 4.36 Langkah Memilih Data pada Dim_Barang


84

Pada gambar 4.36 menggunakan field id_barang,

nama_barang dan sk_barang untuk membangun dimensi barang.

Langkah terakhir adalah `insert/update`, langkah ini digunakan

untuk membuat tabel dimensi, memasukkan data ke dalam tabel

dim_barang serta untuk memperbarui tabel dimensi. Hasil dari

proses pembentukan tabel `dim_barang` di database

skripsi_gudangdata adalah sebagai berikut :

Gambar 4.37 Tabel Dim_Barang

Gambar 4.37 merupakan hasil dari pembentukan tabel

dim_barang, dimana terdapat kolom id_barang, nama_barang dan

sk_barang.

4.3.2 Tabel Dimensi `dim_penerbit`

Gambar 4.38 Proses Pembuatan Dimensi dim_penerbit

Pada gambar 4.38 merupakan proses pembuatan tabel dim-

penerbit. Tabel dim_penerbit akan digunakan dalam proses OLAP.

Terdapat 4 langkah diantaranya, table input, add sequence, select

value, insert/update.


85

Gambar 4.39 Langkah Select Data Penerbit dari ms_penerbit

Pada gambar 4.39 merupakan langkah `input master

penerbit` yang berisi kueri untuk memanggil tabel penerbit yang

berada pada master_penerbit di database yang bernama

`monica_dataskripsi`. Kemudian dilakukan preview data dan

ditampilkan sesuai dengan yang ada pada tabel penerbit di

database `monica_dataskripsi`. Hasil preview data tabel

ms_penerbit dapat dilihat pada gambar 4.40 berikut ini:

Gambar 4.40 Preview Data ms_penerbit

Langkah selanjutnya yaitu menambahkan field baru atau

add sequence yang berfungsi memberikan surrogate key yaitu field

sk_penerbit sebagai primary-key pada tabel dim_penerbit. Isi dari

langkah `menambahkan field baru` adalah sebagai berikut.


86

Gambar 4.41 Langkah Membuat Surrogate Key pada dim_penerbit





digunakan.

Gambar 4.42 Langkah Memilih Data Pada Dim_Penerbit

Pada gambar 4.42 menggunakan field id_penerbit,

nama_penerbit dan sk_penerbit untuk membangun dimensi

penerbit. Langkah terakhir adalah `insert/update`, pada langkah ini

digunakan untuk membuat tabel dimensi, memasukkan data ke

dalam tabel dim_penerbit serta untuk memperbarui tabel dimensi.


87

Hasil dari proses pembentukan tabel `dim_penerbit` di database

skripsi_gudangdata adalah sebagai berikut.

Gambar 4.43 Tabel dim_penerbit

4.3.3 Tabel Dimensi `dim_kategori`

Gambar 4.44 Proses Pembuatan Dimensi dim_kategori


dim_kategori. Tabel dim_kategori akan digunakan dalam proses

OLAP. Terdapat 4 langkah diantaranya, table input, add sequence,

select value, insert/update. Pada langkah `input master kategori`

berisi kueri untuk memanggil tabel kategori yang berada pada

master_kategori di database yang bernama `monica_dataskripsi`.

Gambar 4.45 Langkah Select Data Kategori dari ms_kategori


88

Kemudian dilakukan preview data dan ditampilkan sesuai

dengan yang ada pada tabel kategori di database

`monica_dataskripsi`. Hasil preview data tabel ms_kategori dapat

dilihat pada gambar 4.46 berikut ini:

Gambar 4.46 Preview Data ms_penerbit



sk_kategori sebagai primary-key pada tabel dim_kategori. Isi dari


Gambar 4.47 Langkah Membuat Surrogate Key Pada

dim_kategori





89


digunakan.

Gambar 4.48 Langkah Memilih Data Pada Dim_Kategori

Pada gambar 4.48 menggunakan field id_kategori,

nama_kategori dan sk_kategori untuk membangun dimensi

kategori. Langkah terakhir adalah `insert/update`, pada langkah ini


dalam tabel dim_kategori serta untuk memperbarui tabel dimensi.

Hasil dari proses pembentukan tabel `dim_kategori` di database


Gambar 4.49 Tabel dim_kategori

4.3.4 Tabel Dimensi `dim_supplier`

Gambar 4.50 Proses Pembuatan Dimensi dim_supplier


90


dim_supplier. Tabel dim_supplier akan digunakan dalam proses

OLAP. Terdapat 4 langkah diantaranya, table input, add sequence,

select value, insert/update. Pada langkah `input master supplier`

berisi kueri untuk memanggil tabel supplier yang berada pada

master_supplier di database yang bernama `monica_dataskripsi`.

Gambar 4.51 Langkah Select Data Supplier dari ms_supplier


dengan yang ada pada tabel supplier di database

`monica_dataskripsi`. Hasil preview data tabel ms_supplier dapat


Gambar 4.52 Preview Data ms_supplier



sk_supplier sebagai primary-key pada tabel dim_supplier. Isi dari



91

Gambar 4.53 Langkah Membuat Surrogate Key Pada dim_supplier





digunakan.

Gambar 4.54 Langkah Memilih Data Pada Dim_Supplier

Pada gambar 4.54 menggunakan field id_supplier,

nama_supplier dan sk_supplier untuk membangun dimensi

supplier. Langkah terakhir adalah `insert/update`, pada langkah ini


dalam tabel dim_supplier serta untuk memperbarui tabel dimensi.


92

Hasil dari proses pembentukan tabel `dim_supplier` di database


Gambar 4.55 Tabel Dim_Supplier

4.3.5 Tabel Dimensi `dim_topik`

Gambar 4.56 Proses Pembuatan Dimensi dim_topik


dim_topik. Tabel dim_topik akan digunakan dalam proses OLAP.

Terdapat 4 langkah diantaranya, table input, add sequence, select

value, insert/update. Pada langkah `input master topik` berisi kueri

untuk memanggil tabel topik yang berada pada master_topik di

database yang bernama `monica_dataskripsi`.

Gambar 4.57 Langkah Select Data Topik dari ms_topik


dengan yang ada pada tabel topik di database


93

`monica_dataskripsi`. Hasil preview data tabel ms_topik dapat


Gambar 4.58 Preview Data ms_topik

Langkah selanjutnya yaitu menambahakan field baru atau


sk_topik sebagai primary-key pada tabel dim_topik. Isi dari


Gambar 4.59 Langkah Membuat Surrogate Key Pada dim_topik





digunakan.


94

Gambar 4.60 Langkah Memilih Data Pada Dim_Topik

Pada gambar 4.60 menggunakan field id_topik, nama_topik

dan sk_topik untuk membangun dimensi topik. Langkah terakhir

adalah `insert/update`, pada langkah ini digunakan untuk membuat

tabel dimensi, memasukkan data ke dalam tabel dim_topik serta

untuk memperbarui tabel dimensi. Hasil dari proses pembentukan

tabel `dim_topik` di database skripsi_gudangdata adalah sebagai

berikut.

Gambar 4.61 Tabel Dim_Topik


95

4.3.6 Tabel Dimensi `dim_waktu`

Gambar 4.62 Proses Pembuatan Dimensi dim_waktu


dimensi waktu yang mencakup tahun, bulan dan kuartal. Berikut ini

merupakan tampilan hasil proses pembentukan dim_waktu.

Gambar 4.63 Tabel dim_waktu

Gambar 4.63 merupakan hasil output dari dimensi waktu

yang mencakup year, month, month_desc, month_short_desc,

quarter, serta sk_waktu dan date_field.


96

4.3.7 Tabel Fakta `faktaku`

Gambar 4.64 Proses Pembuatan Tabel Fakta `faktaku`

Pada gambar 4.64 merupakan proses pembentukan tabel

fakta yaitu `faktaku` yang bertujuan dalam pembuatan tabel fakta

dalam proses OLAP. Terdapat 6 langkah diantaranya, table input,

stream lookup, select value, sort rows, group by, dan insert/update.

Pada langkah pembuatan tabel fakta `faktaku` terdapat beberapa

input tabel yaitu tabel input ms_transaksi, dimensi barang, dimensi

penerbit, dimensi kategori, dimensi topik, dimensi supplier, dan

dimensi waktu.

Gambar 4.65 Langkah Select Data ms_transaksi

Gambar 4.65 merupakan Langkah `input ms_transaksi`

berisi kueri untuk memanggil tabel master transaksi yang berada


97

pada ms_transaksi di database yang bernama `monica_dataskripsi`.

Kemudian dilakukan preview data dan ditampilkan sesuai dengan

yang ada pada tabel ms_transaksi di database

`monica_dataskripsi`.

Gambar 4.66 Preview Data ms_transaksi

Gambar 4.66 merupakan hasil preview data tabel

ms_transaksi, didalamnya terdapat id_barang, id_penerbit,

id_kategori, id_topik, id_supplier, jumlah_penjualan dan tgl_jual.

Langkah berikutnya yaitu stream lookup yang digunakan

untuk menyamakan data dimulai dari tabel dimensi barang sampai

dengan dimensi waktu, dimana tabel fakta hanya berisi data-data

yang dapat diukur dan terdapat surrogate key yang merupakan field

kunci unik untuk mengidentifikasi setiap baris data pada tabel

dimensi, maka data yang diambil dari tiap dimensi yaitu hanya

surrogate key atau sk saja.

Gambar 4.67 Langkah Menyamakan Data Dari Tabel Master

Barang Dengan Data Dimensi Barang


98

Dari gambar 4.67 menunjukkan bahwa data yang diambil

yaitu hanya sk_barang yang bertugas sebagai surrogate key di

dimensi barang.


Penerbit Dengan Data Dimensi Penerbit

Gambar 4.68 menunjukkan bahwa data yang diambil hanya

sk_penerbit yang bertugas sebagai surrogate key di dimensi

penerbit.


Kategori Dengan Data Dimensi Kategori


99


sk_kategori yang bertugas sebagai surrogate key di dimensi

kategori.


Topik Dengan Data Dimensi Topik


sk_topik yang bertugas sebagai surrogate key di dimensi topik.


Supplier Dengan Data Dimensi Supplier


100


sk_supplier yang bertugas sebagai surrogate key di dimensi

supplier.


Transaksi Dengan Data Dimensi Waktu


sk_waktu yang bertugas sebagai surrogate key pada dimensi waktu.

Gambar 4.73 Langkah Memilih Data Yang Diperlukan Untuk

Membuat Tabel Fakta

Gambar 4.73 Langkah selanjutnya yaitu memilih data yang

akan digunakan untuk membangun tabel fakta dengan

menggunakan select values. Terdapat field jumlah_penjualan yang


101

bertugas sebagai measure, sk_barang, sk_penerbit, sk_kategori,

sk_topik, sk_supplier, dan sk_waktu.

Gambar 4.74 Langkah Sort Rows Pada Tabel Fakta

Pada gambar 4.74 merupakan langkah untuk melakukan

sort rows yang berfungsi untuk mengurutkan baris data

berdasarkan satu atau lebih field. Langkah selanjutnya adalah

Group By yang berfungsi untuk melakukan agregasi terhadap field

total_penjualan, seperti gambar dibawah ini :

Gambar 4.75 Langkah Group By Pada Tabel Fakta

Pada gambar 4.75 ada 6 field yaitu sk_barang, sk_penerbit,

sk_kategori, sk_topik, sk_supplier, dan sk_waktu dan


102

jumlah_penjualan sebagai agregasi field total. Selanjutnya

memasukkan data ke tabel fakta `faktaku` yang berada dalam

database skripsi_gudangdata menggunakan fungsi insert/update,

dan hasil dari memasukkan data ke dalam tabel `faktaku` dapat

dilihat pada gambar 4.76.

Gambar 4.76 Tabel Fakta `faktaku`

Gambar 4.76 merupakan hasil keluaran tabel fakta, dimana

didalam tabel fakta terdapat kumpulan-kumpulan sk dari semua

dimensi yang telah dibuat.

4.3.8 Job Transformasi Data

Gambar 4.77 Job Final Transaksi Penjualan

Pada gambar 4.77 merupakan proses job yang digunakan

untuk menjalankan semua transformasi dari semua dimensi. Proses

transformasi pertama adalah menjalankan job_master yang

didalamnya terdapat kumpulan dari transformasi master-master

seperti gambar 4.78 dibawah ini :


103

Gambar 4.78 Job Master

Gambar 4.78 merupakan proses untuk menjalankan 6

transformasi. Proses transformasi yang pertama adalah

menjalankan master barang.ktr. Proses yang kedua adalah master

penerbit.ktr, kemudian master kategori.ktr, dilanjutkan dengan

master topik.ktr, lalu master supplier.ktr dan yang terkhir adalah

proses transformasi master transaksi.ktr.

Setelah melakukan proses transformasi master, selanjutnya

yaitu melakukan proses transformasi membaca dimensi barang

dilanjutkan dimensi penerbit, dimensi kategori, dimensi topik,

dimensi supplier, dimensi waktu dan paling akhir adalah proses

transformasi membaca faktaku.ktr. Semua proses pada gambar 4.77

dijalankan dengan tujuan apabila ada penambahan data transaksi

yang baru.

Berdasarkan tabel dimensi dan tabel fakta yang dipecah dari

gudang data, maka selanjutnya akan dilakukan pembentukan OLAP

yang akan dibahas pada bagian pembentukan skema bintang

penjualan pada bab 4.4.


104

4.4. Pembentukan Skema Bintang Penjualan

4.4.1 Cube Penjualan

Gambar 4.79 Star Schema Cube Penjualan

Kubus atau cube dengan nama penjualan memiliki tabel

fakta `faktaku`. Cube penjualan digunakan untuk melihat hasil dari

seluruh jumlah transaksi penjualan yang dilihat dari segi perspektif

waktu, kategori, penerbit, topik, supplier serta barang. Dimensi

yang digunakan adalah Dimensi Barang, Dimensi Penerbit,

Dimensi Kategori, Dimensi Topik, Dimensi Supplier, dan Dimensi

Waktu. Measure atau nilai pengukuran dari skema tersebut yaitu

Jumlah Penjualan. Detail penjelasan dari dimensi-dimensi yang

digunakan adalah sebagai berikut:

a. Dimensi Barang

Gambar 4.80 Struktur Pembentukan Dimensi Barang

Gambar 4.80 merupakan gambaran struktur

pembentukan Dimensi Barang yang dimiliki oleh cube


105

penjualan. Pada Dimensi Barang menggunakan tabel

dim_barang pada database skripsi_gudangdata dan memiliki

hirarki Barang.

b. Dimensi Penerbit

Gambar 4.81 Struktur Pembentukan Dimensi Penerbit


pembentukan Dimensi Penerbit yang dimiliki oleh cube

penjualan. Pada Dimensi Penerbit menggunakan tabel

dim_penerbit pada database skripsi_gudangdata dan memiliki

hirarki Penerbit.

c. Dimensi Kategori

Gambar 4.82 Struktur Pembentukan Dimensi Kategori


pembentukan Dimensi Kategori yang dimiliki oleh cube

penjualan. Pada Dimensi Kategori menggunakan tabel

dim_kategori pada database skripsi_gudangdata dan memiliki

hirarki Kategori.


106

d. Dimensi Topik

Gambar 4.83 Struktur Pembentukan Dimensi Topik


pembentukan Dimensi Topik yang dimiliki oleh cube

penjualan. Pada Dimensi Topik menggunakan tabel dim_topik

pada database skripsi_gudangdata dan memiliki hirarki Topik.

e. Dimensi Supplier

Gambar 4.84 Struktur Pembentukan Dimensi Supplier


pembentukan Dimensi Supplier yang dimiliki oleh cube

penjualan. Pada Dimensi Supplier menggunakan tabel

dim_supplier pada database skripsi_gudangdata dan memiliki

hirarki Supplier.

f. Dimensi Waktu

Gambar 4.85 Struktur Pembentukan Dimensi Waktu


107


pembentukan Dimensi Waktu yang dimiliki cube penjualan.

Pada dimensi waktu menggunakan tabel dim_waktu pada

database skripsi_gudangdata dan memiliki hirarki Year,

Quarter, Month.

4.4.2 Skema MDX

Berdasarkan hasil analisis kebutuhan data untuk proses

analisis transaksi penjualan, maka deskripsi skema MDX yang

akan didefinisikan dalam sistem ini dapat dilihat pada tabel 4.2.

Tabel 4.2 Deskripsi Skema MDX

Atribut MDX Nilai Atribut Tabel database

skripsi_gudangdata

Kubus Penjualan Faktaku

Measure Jumlah Penjualan Jumlah_penjualan

Dimensi Dimensi Barang dim_barang

Hirarki Barang dim_barang.sk_barang

Level Barang dim_barang.barang

Dimensi Dimensi Penerbit dim_penerbit

Hirarki Penerbit dim_penerbit.sk_penerbit

Level Penerbit dim_penerbit.penerbit

Dimensi Dimensi Kategori dim_kategori

Hirarki Kategori dim_ kategori.sk_kategori

Level Kategori dim_kategori.kategori

Dimensi Dimensi Topik dim_topik

Hirarki Topik dim_topik.sk_topik

Level Topik dim_topik.topik

Dimensi Dimensi Supplier dim_supplier

Hirarki Supplier dim_supplier.sk_supplier

Level Supplier dim_supplier.supplier

Dimensi Dimensi Waktu Dim_waktu

Hirarki Waktu dim_waktu.sk_waktu

Level Year dim_waktu.year

Level Quarter dim_waktu.quarter

Level Month dim_waktu.month


108

4.4.3 Skema skripsi_monic.xml

Pada tabel 4.3 merupakan definisi daari skema

monic_skripsi.xml dari pembentukan star schema kubus Penjualan.

Tabel 4.3 Definisi Skema skripsi_monic.xml

<Schema name="New Schema1">

<Dimension type="StandardDimension" visible="true"

name="Barang">

<Hierarchy name="Hierarchy" visible="true" hasAll="true"

allMemberName="Semua Barang" primaryKey="sk_barang">

<Table name="dim_barang" schema="" alias="">

</Table>

<Level name="Barang" visible="true" column="id_barang"

nameColumn="nama_barang" type="String" uniqueMembers="false"

levelType="Regular" hideMemberIf="Never">

</Level>

</Hierarchy>

</Dimension>


name="Penerbit">


allMemberName="Semua Penerbit" primaryKey="sk_penerbit">

<Table name="dim_penerbit" alias="">

</Table>

<Level name="Penerbit" visible="true"

column="id_penerbit" nameColumn="nama_penerbit"

type="String" uniqueMembers="false" levelType="Regular"

hideMemberIf="Never">

</Level>

</Hierarchy>

</Dimension>


name="Kategori">


allMemberName="Semua Kategori" primaryKey="sk_kategori">

<Table name="dim_kategori" alias="">

</Table>

<Level name="Kategori" visible="true"

column="id_kategori" nameColumn="nama_kategori"



</Level>

</Hierarchy>

</Dimension>


name="Topik">


allMemberName="Semua Kategori" primaryKey="sk_topik">

<Table name="dim_topik" alias="">


109

</Table>

<Level name="Topik" visible="true" column="id_topik"

nameColumn="nama_topik" type="String" uniqueMembers="false"

levelType="Regular" hideMemberIf="Never">

</Level>

</Hierarchy>

</Dimension>


name="Supplier">

<Hierarchy name="Hierarchy " visible="true"

hasAll="true" allMemberName="Semua Supplier"

primaryKey="sk_supplier">

<Table name="dim_supplier" alias="">

</Table>

<Level name="Supplier" visible="true"

column="id_supplier" nameColumn="nama_supplier"



</Level>

</Hierarchy>

</Dimension>

<Dimension type="TimeDimension" visible="true"

name="Waktu">


allMemberName="Semua Waktu" primaryKey="sk_waktu">

<Table name="dim_waktu" alias="">

</Table>

<Level name="Year" visible="true" table="dim_waktu"

column="year" type="String" uniqueMembers="false"

levelType="TimeYears" hideMemberIf="Never">

</Level>

<Level name="Quarter" visible="true" table="dim_waktu"

column="quarter" type="String" uniqueMembers="false"

levelType="TimeQuarters" hideMemberIf="Never">

</Level>

<Level name="Month" visible="true" table="dim_waktu"

column="month" ordinalColumn="month" type="String"

uniqueMembers="false" levelType="TimeMonths">

</Level>

</Hierarchy>

</Dimension>

<Cube name="Penjualan" visible="true" cache="true"

enabled="true">

<Table name="faktaku">

</Table>

<DimensionUsage source="Barang" name="Barang"

visible="true" foreignKey="sk_barang">

</DimensionUsage>

<DimensionUsage source="Penerbit" name="Penerbit"

visible="true" foreignKey="sk_penerbit">

</DimensionUsage>


110

<DimensionUsage source="Kategori" name="Kategori"

visible="true" foreignKey="sk_kategori">

</DimensionUsage>

<DimensionUsage source="Topik" name="Topik"

visible="true" foreignKey="sk_topik">

</DimensionUsage>

<DimensionUsage source="Supplier" name="Supplier"

visible="true" foreignKey="sk_supplier">

</DimensionUsage>

<DimensionUsage source="Waktu" name="Waktu"

visible="true" foreignKey="sk_waktu">

</DimensionUsage>

<Measure name="Jumlah Penjualan"

column="jumlah_penjualan" datatype="Integer"

aggregator="sum" visible="true">

</Measure>

</Cube>

</Schema>

4.5. Implementasi Antar Muka Pengguna

Hasil implementasi antar muka pengguna sistem pembangunan

gudang data transaksi penjualan dapat dilihat sebagai berikut :

4.5.1 Halaman Login

Gambar 4.86 Tampilan Halaman Login

Pada gambar 4.86 merupakan tampilan halaman

administrator kepala toko untuk dapat masuk ke dalam sistem.

Proses login diawali dengan memasukkan username dan password


111

terlebih dahulu, kemudian memilih tombol ”Login”. Implementasi

halaman login dapat dilihat pada tabel 4.4.

Tabel 4.4 Source Code untuk Halaman Login (login.php)

<?php

session_start();

$error='';

if (isset($_POST['submit'])) {

if (empty($_POST['username']) || empty($_POST['password']))

{

$error = "Username or Password is invalid";

}

else

{

$username=$_POST['username'];

$password=$_POST['password'];

$connection = mysql_connect("localhost", "root", "");

$username = stripslashes($username);

$password = stripslashes($password);

$username = mysql_real_escape_string($username);

$password = mysql_real_escape_string($password);

$db = mysql_select_db("skripsi_gudangdata", $connection);

$query = mysql_query("select * from user where

password='$password' AND id='$username'", $connection);

$rows = mysql_num_rows($query);

if ($rows == 1) {

$_SESSION['login_user']=$username;

header("location: olap/home.php");

} else {

echo "<script type='text/javascript'>alert('Login Anda

Gagal..!!')</script>";

$error = "Username atau Password belum terdaftar";

}

mysql_close($connection);

}

}

?>

4.5.2 Halaman Menu Utama

Halaman menu utama akan muncul ketika proses login

telah berhasil. Halaman utama terdapat beberapa menu diantaranya,

home, laporan transaksi penjualan dan logout. Menu home akan


112

keluar pertama kali setelah login berhasil. Menu home dapat dilihat

pada gambar 4.87.

Gambar 4.87 Tampilan Halaman Utama

Pada gambar 4.87 merupakan halaman utama utama untuk

mengakses halaman home.php. Menu home terdapat visi dan misi

dari toko buku AB cabang Klaten.

4.1.2.1 Halaman Menu Laporan Transaksi Penjualan

Pada menu “Laporan Transaksi Penjualan”

merupakan hasil dari pembentukan OLAP dan berisi data

kubus laporan transaksi penjualan, yang digunakan untuk

melihat informasi jumlah penjualan berdasarkan waktu,

kategori, penerbit, supplier, topik, dan barang. Menu

laporan transaksi penjualan dapat dilihat pada gambar 4.88.


113

Gambar 4.88 Tampilan halaman Menu Laporan Transaksi Penjualan

Menu laporan transaksi penjualan mengakses halaman

laporan-transaksi-penjualan.html. Implementasi dapat dilihat pada

tabel 4.5.

Tabel 4.5 Source Code untuk Halaman Laporan Transaksi Penjualan

<!DOCTYPE html>

<html dir="ltr" lang="en-US"><head>

<meta charset="utf-8">

<title>Laporan Transaksi Penjualan</title>

<meta name="viewport" content="initial-scale = 1.0, maximum-

scale = 1.0, user-scalable = no, width = device-width">



<link rel="stylesheet" href="style.css" media="screen">



<link rel="stylesheet" href="style.responsive.css"

media="all">

<script src="jquery.js"></script>

<script src="script.js"></script>

<script src="script.responsive.js"></script>

</head>

<body>

<div id="art-main">

<header class="art-header">

114

<div class="art-shapes">

</div>

<h1 class="art-headline">

<a href="#">GUDANG DATA</a>

</h1>

<h2 class="art-slogan">TRANSAKSI PENJUALAN </h2>

<nav class="art-nav">

<div class="art-nav-inner">

<ul class="art-hmenu"><li><a href="home.php"

class="">Home</a></li><li><a href="laporan-transaksi-

penjualan.html"

class="active">Laporan Transaksi

Penjualan</a></li><li><a href="logout.php">Logout</a></li></ul>

</div>

</nav>

</header>

<div class="art-sheet clearfix">

<div class="art-layout-wrapper">

<div class="art-content-layout">

<div class="art-content-layout-row">

<div class="art-layout-cell art-

content"><article class="art-post art-article">

<h2 class="art-postheader"><span

class="art-postheadericon">Laporan Transaksi Penjualan</span></h2>

<div class="art-postcontent art-

postcontent-0 clearfix"><p><iframe

src="http://localhost:8080/mondrian/testpage.jsp?query=mondrian2"

width="100%" height="800"

scrolling="auto"></iframe></p></div>

</article></div>

</div>

</div>

</div>

</div>

<footer class="art-footer">

<div class="art-footer-inner">

<div style="position:relative;display:inline-block;padding-

left:39px;padding-right:39px"><a title="RSS" class="art-rss-tag-

icon"

style="position: absolute; bottom: -10px; left: 0px;

line-height: 31px;" href="#"></a><p> </p>

<p>Copyright © 2017. Diatmasari </p>

</div>

<p class="art-page-footer"> </p>

</div>

</footer>

</div>

</body></html>


115

BAB V

ANALISIS HASIL

Bab ini akan menjelaskan analisis hasil dari pembangunan gudang data

yang telah dibangun. Analisis hasil ini dibagi menjadi beberapa bagian

diantaranya, penyelesaian rumusan masalah, pengujian cube, pengujian dimensi,

kelebihan dan kekurangan sistem.

5.1 Penyelesaian Rumusan Masalah

Pada bab pendahuluan, penulis merumuskan permasalahan yang

akan diselesaikan pada penelitian ini antara lai yaitu :

1. Bagaimana membangun gudang data untuk keperluan database Online

Analytical Processing (OLAP) yang dapat digunakan untuk

memperoleh informasi transaksi penjualan di toko buku AB?

2. Apakah hasil OLAP tersebut dapat membantu pihak toko buku AB

dalam memantau data jumlah penjualan berdasar dimensi waktu

(tahun, bulan, dan kuartal), supplier, penerbit, barang, kategori, dan

topik?

Sesuai dengan tujuan penelitian ini, pembangunan gudang data

transaksi penjualan di toko buku dapat memberikan informasi mengenai

jumlah penjualan berdasarkan barang, supplier, penerbit, kategori dan

topik guna untuk proses analisis transaksi penjualan selanjutnya. Hasil dari

implementasi pembangunan gudang data transaksi penjualan sesuai

dengan informasi yang dibutuhkan oleh Kepala Toko Buku seperti hasil

dibawah ini:


116

Gambar 5.1 Hasil Laporan Transaksi Penjualan pada OLAP

Pada gambar 5.1 merupakan hasil dari pembentukan OLAP dari

data transaksi penjualan toko buku dari seluruh supplier, penerbit,

kategori, dan topik per bulannya. Pada hasil ini dapat dilihat berdasarkan

waktu yang diinginkan, nama barang, nama supllier, nama kategori, nama

topik, nama penerbit dan jumlah penjualan sebagai nilai pengukuran.


117

Pembangunan gudang data transaksi penjualan ini diharapkan dapat

membantu memenuhi kebutuhan Kepala Toko dalam mendapatkan laporan

transaksi penjualan tiap bulannya serta memberikan kecepatan di dalam

proses analisis transaksi penjualan.

5.2 Pengujian Cube

1. Cube Penjualan

a. Pengujian 1

Gambar 5.2 Hasil Cube Penjualan

Pada gambar 5.2 merupakan hasil pembentukan OLAP

untuk jumlah penjualan. Pada cube ini memberikan informasi

mengenai total jumlah penjualan dari tiap tahun. Pada hasil OLAP

dapat dilihat pada tahun 2013 jumlah penjualan yang adalah

456944, pada tahun 2014 secara keseluruhan jumlah penjualannya

adalah 76124, dan pada tahun 2015 mendapatkan 591. Dari hasil

diatas, kemudian dilakukan pengujian guna untuk menyeleksi

apakah program OLAP sesuai dengan hasil dari database mengenai

transaksi penjualan.

Gambar 5.3 Sintak Kueri SQL Cube Penjualan

Gambar 5.3 merupakan sintak kueri sql untuk mendapatkan

informasi tahun dan jumlah_penjualan secara keseluruhan. Data

tersebut didapatkan dari table ms_transaksi pada tahun 2013, 2014,

dan 2015 yang sesuai dengan hasil OLAP yang didapatkan. Hasil


118

pengujian pada data menggunakan kueri sql dapat dilihat pada

gambar 5.4 dibawah ini :

Gambar 5.4 Hasil Kueri SQL Cube Penjualan

b. Pengujian 2


Gambar 5.5 merupakan hasil pembentukan OLAP untuk

informasi mengenai semua barang yang terjual dengan nilai

pengukuran menggunakan jumlah penjualan. Pada hasil OLAP

dapat dilihat pada tahun 2015 jumlah_penjualan dari semua barang


119

adalah 591, masing-masing dari barang serta jumlah_penjualan

dapat dilihat dengan melakukan pengujian untuk menyeleksi

apakah program OLAP sesuai dengan hasil dari database mengenai

transaksi penjualan. Berikut merupakan sintak kueri yang

digunakan.


Gambar 5.6 merupakan sintak kueri sql untuk mendapatkan

informasi tahun, serta barang yang berhasil terjual dan total

jumlah_penjualan secara keseluruhan. Data tersebut didapatkan

dari table ms_transaksi, serta tabel ms_barang pada tahun 2015.

Hasil pengujian pada data menggunakan kueri sql, dapat dilihat

pada gambar 5.7 dibawah ini :



120

c. Pengujian 3



informasi mengenai semua waktu tiap kuartal atau periode 3

bulanan dalam 1 tahun. Berikut ini merupakan keterangan

kuartalnya:

Gambar 5.9 Waktu dalam Kuartal

Pada gambar 5.9 dapat dijelaskan bahwa pada tahun 2013

terdapat 4 kuartal (quarter). Setiap kuartal masing-masing terdapat

jumlah bulan sebanyak 3, dapat dilihat pada tahun 2013 di kuartal

pertama, terdapa angka 1,2 dan 3, angka satu menjelaskan bulan


121

“Januari”, angka dua menjelaskan bulan “Februari”, dan angka 3

menjelaskan bulan “Maret” dan seterusnya.

Nilai pengukuran yang digunakan adalah

jumlah_penjualan. Pada hasil OLAP dapat dilihat pada tahun 2013

dimana pada kuartal 1 ada 1,2,3 dimana 1 sebagai bulan januari, 2

bulan februari, 3 bulan maret, dan seterunya dengan total ada 4

kuartal. Pada kuartal 1 di bulan 1 (januari) jumlah penjualan

mencapai 6.568, dan kuartal 4 bulan 12 (desember)

jumlah_penjualan mencapai 4.832. Berikut pengujian dengan

sintak kueri untuk menyeleksi apakah program OLAP sesuai

dengan hasil dari database mengenai transaksi penjualan.


Gambar 5.10 merupakan sintak kueri sql untuk

mendapatkan informasi waktu tiap kuartal dengan seluruh

jumlah_penjualan yang didapatkan. Hasil pengujian pada data

menggunakan kueri sql, dapat dilihat pada gambar 5.11 dibawah

ini:

Januari

Februari

Maret

April

Mei

Juni

Juli

Agustus

September

Oktober

November

Desember


122


d. Pengujian 4


Gambar 5.12 merupakan hasil dari pembentukan OLAP

untuk informasi mengenai kategori yang sering terjual pada tahun

2015 di kuartal 1 yaitu bulan januari, februari dan maret. Hasil

OLAP dapat dilihat bahwa semua kategori pada kuartal 1

diantaranya, buku komputer jumlah penjualan mendapatkan 2,

buku umum dengan jumlah penjualan yaitu 321, fancy dengan

jumlah penjualan 60, barang umum jumlah penjualannya adalah

876, dan barang rohani mendapatkan 13, untuk mengetahui hasil

OLAP sesuai dengan hasil dari kueri di database dapat dilihat

sintak kueri seperti dibawah ini:



123

Gambar 5.14 Hasil Kueri SQL

e. Pengujian 5


Gambar 5.15 merupakan hasil cube penjualan untuk melihat

hasil dari seluruh penerbit pada kuartal pertama. Untuk mengetahui

hasil dari pengujian kueri SQL dapat dilihat pada gambar dibawah

ini :

Gambar 5.16 Sintak Kueri SQL

Gambar 5.16 merupakan sintak kueri sql untuk

mendapatkan informasi mengenai seluruh penerbit yang paling

terjual di kuartal pertama pada bulan januari, februari dan maret.

Berikut ini merupakan hasil dari sintak kueri yang telah dilakukan.


124

Gambar 5.17 Hasil Kueri SQL

g. Pengujian 6



informasi mengenai semua topik yang terjual pada bulan februari di

kuartal 1 dengan nilai pengukuran menggunakan jumlah penjualan.

Pada hasil OLAP dapat dilihat pada tahun 2015 jumlah penjualan

dari semua topik diantaranya, pengetahuan umum mendapatkan 4,

hobi 25 jumlah penjualan, buku pelajaran 25, pendidikan 21,

motivasi 12, komik 9, stationary 168, buku anak 62, poster 4, buku

acuan 1. Selanjutnya yaitu melakukan pengujian dengan

menggunakan sintak kueri seperti gambar 5.16 dibawah ini:


125

Gambar 5.19 Sintak Kueri SQL

Gambar 5.19 adalah hasil dari kueri yang telah dilakukan

untuk mendapatkan hasil dari seluruh topik pada bulan februari

dikuartal 1 pada tahun 2015. Data tersebut didapatkan dari tabel

ms_transaksi, serta tabel barang, dan tabel ms_topik, hasil

pengujian pada data menggunakan kueri sql dapat dilihat pada

gambar 5.20 dibawah ini:

5.3 Kelebihan dan Kekurangan Sistem

5.3.1 Kelebihan Sistem

1. Pembangunan gudang data transaksi penjualan mampu

menampilkan informasi mengenai jumlah penjualan dari

transaksi yang dilakukan yang dapat dilihat dari segi waktu,

barang, topik, supplier, kategori, serta penerbit.

2. Pembangunan gudang data transaksi penjualan memiliki model

desain yang baik karena sudah memenuhi kebutuhan toko

buku.


126

3. Hasil dari pembangunan gudang data dapat digunakan secara

langsung dalam memantau data barang, supplier, penerbit yang

dilihat dari jumlah penjualan yang terjadi.

4. Hasil dari OLAP yang telah dibuat dapat langsung di export

dalam bentuk excel.

5.3.2 Kekurangan Sistem

1. Pengaksesan OLAP transaksi penjualan memakan waktu lama

karena data transaksi penjualan yang besar.

2. Input sistem berupa file database, belum bisa berupa format

lainnya.


127

BAB VI

PENUTUP

Setelah melakukan tahapan penelitian pembangunan gudang data secara

menyeluruh, dapat ditarik kesimpulan dan saran yang diharapkan dapat

bermanfaat bagi pengembangan lebih lanjut.

6.1 Kesimpulan

Kesimpulan yang dapat diperoleh setelah penyelesaian skripsi

diantaranya :

1. Implementasi OLAP untuk pembangunan gudang data transaksi

penjualan Toko Buku AB telah berhasil dibuat dengan

menggunakan Kettle (Pentaho Data Integration).

2. Gudang data yang dibangun dapat menghitung jumlah penjualan

dari transaksi penjualan di toko buku AB.

3. OLAP yang dibangun mampu menampilkan data dari segi dimensi

(dimensi waktu, kategori, supplier, penerbit, topik, dan barang).

4. Hasil dari pembangunan gudang data dapat memberikan informasi

yang dibutuhkan oleh pihak toko buku dalam pembuatan laporan

serta mendukung dalam memantau jumlah penjualan dari barang,

supplier, dan penerbit.

6.2 Saran

Setelah melakukan penelitian, penulis semakin menyadari

pembangunan gudang data ini sangat bermanfaat dan dibutuhkan, untuk

menunjang kegiatan evaluasi. Penelitian ini hanya berfokus pada

pembangunan gudang data yang mampu menyajikan informasi yang

dibutuhkan dari pihak toko buku. Berikut beberapa saran untuk

pengembangan gudang data transaksi penjualan toko buku AB:


128

1. Dalam segi pembangunan gudang data dapat dibuat sistem

informasi yang terhubung dengan gudang data secara langsung,

sehingga jika ada perubahan data, kemudian proses input data

dapat terhubung secara otomatis.

2. Dalam pembangunan gudang data dapat ditambahkan measure dan

cube lagi, untuk mendukung pembangunan gudang data

selanjutnya.

3. Dari hasil pembangunan gudang data ini dapat dikembangkan lagi

ke tahap lanjut seperti Data Mining dan Sistem Pendukung

Pengambilan Keputusan (SPPK).


129

DAFTAR PUSTAKA

Anastasia, Arum Citra Dewi. 2011. Pengolahan Data Perizinan Untuk

Pemantauan Target Tahunan Yang Diimplementasikan Menggunakan

Teknik Gudang Data. Yogyakarta: Universitas Sanata Dharma.

Anin, Maria Roswita Vidensia. 2012. Desain Implementasi Gudang Data Untuk

Keperluan laporan Penerimaan Beasiswa Studi Kasus Universitas Sanata

Dharma. Yogyakarta: Universitas Sanata Dharma.

Connolly, Thomas M. and Carolyn E. Begg. 2002. Database Systems : A

Practical Approach to Design, Implementation and Management 4 th

edition. Addison Wesley. England.



edition. Addison Wesley. Longman Inc., USA.



edition. Addison Wesley. University of The West of Scotland.



edition. America: Pearson Education.

Dwiharyanto. D.Ronny. 2015. Implementasi Data Warehouse Untuk Analisa

Rekam Medis Pasien Di RSUP DR. Soeradji Tirtonegoro Klaten.

Yogyakarta: Universitas Sanata Dharma.

Han Jiawei and Micheline Kamber. 2001. Data Mining Concepts and Tehniques

Edition. Morgan Kaufmann Publishers: USA.

Han Jiawei and Micheline Kamber. 2006. Data Mining Concept and Tehniques

Second Edition. Morgan Kaufmann Publishers: USA.

Inmon, William H. 2002. Building The Data Warehouse. (3rd Edition). USA:

John Wiley & Sons, Inc.

Inmon, William H. 2005. Building The Data Warehouse. (4rd Edition). Indiana:

Wiley Publishing.

JRP, Mulyana. 2014. Pentaho : Solusi Open Source untuk Membangun Data

Warehouse. Andi Offset : Yogyakata.


130

Kimball, Ralph and The Kimball Group. 1998. The Data Warehouse Lifecycle

Toolkit Second edition. Kimball Group.

Kimball, Ralph and Caserta, Joe. 2004. The Data Warehouse ETL Toolkit :

Practical Techniques for Extracting, Cleaning, Conforming and

Delivering Data.

Lane, Paul. 2007. Data Warehousing Guide 11g Release 1 (11.1). Oracle

Corporation, USA.

Pusadan, Mohammad Yazdi, S.Kom., M.Eng 2013. Rancang Bangun Data

Warehouse. Graha Ilmu : Yogyakarta.

Suryolaksono, Cornellis Hutomo. 2015. Pembangunan Olap Yang Terintegrasi

Dengan Sistem Informasi Harga Bahan Pokok Kota Yogyakarta.

Yogyakarta: Universitas Sanata Dharma.

Widiyanti, Elisabet. 2013. Implementasi Gudang Data Untuk Evaluasi

Pengadaan Narkotika dan Psikotropika Di Apotek-apotek Kota

Yogyakarta. Yogyakarta: Universitas Sanata Dharma.

-, Landasan Teori, https://library.binus.ac.id/eColls/eThesisdoc/Bab2/2010-1-

00652-SI%20Bab%202.pdf (diakses pada tanggal 16 November 2016,

pukul 18:02 WIB)

-, Landasan Teori, http://library.binus.ac.id/eColls/eThesisdoc/Bab2/2006-

201152-IF-bab%202.pdf (diakses pada tanggal 16 November 2016,

pukul 19:06 WIB)

-, Pan, http://pentaho-integration.com/kettle/pan (diakses pada tanggal 13

November 2016, pukul 15.30 WIB)


https://library.binus.ac.id/eColls/eThesisdoc/Bab2/2010-1-

http://library.binus.ac.id/eColls/eThesisdoc/Bab2/2006-

http://library.binus.ac.id/eColls/eThesisdoc/Bab2/2006-

http://pentaho-integration.com/kettle/pan

131

LAMPIRAN


132

LAMPIRAN 1

MANUAL (OLAP)


TRANSAKSI PENJUALAN DI TOKO BUKU

I. XAMPP

1) Sebelum masuk kedalam sistem, yang harus diperhatikan adalah

xampp, pastikan komputer yang digunakan sudah terinstall xampp

versi 5.5.24.

2) Selanjutnya buka aplikasi xampp untuk melakukan pengaktifan

dengan cara :

Klik pada menu start, kemudian ketikkan xampp seperti

dibawah ini :

Selanjutnya, pilih dan XAMPP Control Panel, akan muncul

gambar seperti dibawah ini :


133

Dapat dilihat bahwa Action dari Apache, MySQL masih dalam

keadaan mati atau belum dilakukan perintah untuk Start.

Kita klik pada bagian Action yaitu dengan cara pilih Start dan

bila berhasil pada bagian action akan berubah menjadi seperti

dibawah ini :

Keterangan :

- Pada bagian action ditujukkan bahwa Apache dan MySQL

telah diaktifkan, dan pemberitahuan yaitu “Status change

detected: running”.

3) Untuk memastikan sekali lagi, buka browser dan ketikkan

“localhost/xampp”, seperti gambar dibawah ini:

4) Setelah itu, tekan enter setelah melakukan pengetikakan

localhost/xamp, maka akan muncul seperti dibawah ini yang

menandakan bahwa Anda telah berhasil mengaktifkan XAMPP:


134

5) Langkah untuk mengaktifkan XAMPP telah selesai.

II. OLAP

Setelah xampp berhasil diaktifkan, langkah selanjutnya yaitu

masuk ke dalam sistem yang akan menampilkan OLAP. Langkah-langkah

dapat dilihat seperti dibawah ini:

1) LOGIN

a. Buka browser dan ketikkan “localhost/OLAP” kemudian tekan

tombol enter pada keyboard.


135

b. Setelah menekan tombol enter pada keyboard akan muncul menu,

yang berisi dengan username dan password untuk masuk ke

dalam sistem Pembangunan Gudang Data Transaksi Penjualan.

c. Pengguna harus melakukan Login terlebih dahulu. Proses diawali

dengan mengisi field username dan password yang sesuai

kemudian memilih tombol “LOGIN”.

d. Jika memasukkan username dan password benar, maka akan

masuk sebagai administrator kepala toko dan jika masukkan

salah, maka proses login dianggap gagal, dan sistem akan

memberikan konfirmasi gagal seperti dibawah ini :

e. Klik tombol “OKE” dan sistem akan kembali ke bagian menu

awal, dimana Anda akan memasukkan username dan password

kembali.

2) HALAMAN MENU SISTEM

2.1. Halaman Utama (Home)

Pada halaman utama muncul pertama kali ketika proses

login telah berhasil. Halaman ini menampilkan menu home atau

beranda yang berisi mengenai visi dan misi dari toko buku.


136

2.2. Halaman Menu Laporan Transaksi Penjualan

Sebelum masuk pada bagian ini terlebih dahulu yaitu kita

aktifkan “catalina.bath”, dengan cara kita double click

“catalina.bath” yang sudah disediakan.

Setelah catalina.bath berjalan, kemudian kita klik menu Laporan

Transaksi Penjualan.

Halaman menu laporan transaksi penjualan menampilkan

laporan mengenai informasi jumlah penjualan secara keseluruhan.

2.3. FUNGSI MENU MONDRIAN

2.3.1. Olap Navigator

a. Memilih Informasi Yang Ingin Ditampilkan


137

☞ Klik icon “OLAP NAVIGATOR”

Olap navigator digunakan untuk mendefinisikan

layout.

☞ Pilih dimensi barang (Barang) untuk diletakkan

pada bagian sisi baris (Rows).

☞ Setelah diklik, maka dimensi barang akan berpindah

di bagian Rows.

☞ Klik “OK” dan dimensi barang akan ditambahkan

pada halaman laporan transaksi penjualan.

b. Mengurangi Measure atau Dimensi

Jika ingin mengurangi nilai pengukuran (measure) dan

dimensi yang sudah ada, maka dilakukan dengan cara

memilih filter.


138

Keterangan tombol-tombol pada OLAP Navigator :

Ikon Fungsi

Tombol Move To Column, memindahkan dimensi

ke area kolom.

Tombol Move To Row, memindahkan dimensi ke

area baris.

Tombol Up, memindahkan dimensi ke atas dari

posisi saat ini.

Tombol Down, memindahkan dimensi ke bawah

dari posisi saat ini.

Tombol filter, memindahkan dimensi ke area

filter.

2.3.2. MDX Editor

MDX adalah bahasa kueri yang khusus digunakan

untuk mengelola data multidimensional yang disimpan

dalam cube OLAP.

Digunakan untuk

menambahkan dimensi

Digunakan untuk

mengatur posisi dimensi

Digunakan untuk

mengurangi dimensi

Digunakan untuk menambahkan

nilai pengukuran (measure)


139

Setelah menambahkan dan mengurangi dimensi dengan

menggunakan icon olap navigator, selanjutnya klik tombol

“Apply” yang digunakan untuk mengupdate mondrian.

2.3.3. Config OLAP Table

Config OLAP Table digunakan untuk mengurutkan data

baik dari besar ke kecil maupun dari kecil ke besar.

2.3.4. Suppress Empty Rows / Columns


140

Fungsi dari suppress empty rows or columns yaitu untuk

menghilangkan baris atau kolom.

2.3.5. Drill Position

Fungsi dari drill position yaitu untuk memunculkan dan

menghilangkan tombol + dan -.

Tanda digunakan untuk menampilkan rincian dari

dimensi yang ada.

Tanda digunakan untuk menyembunyikan rincian data

dari dimensi yang ada.


141

2.3.6. Configure Print Settings

Fungsi dari configure print settings adalah untuk

melakukan cetak atau print, dengan melakukan pengaturan

terlebih dahulu, seperti pada gambar dibawah ini :

2.3.7. Print this page via PDF

Print via PDF digunakan untuk membuka atau menyimpan

data dengan bentuk .pdf.


142

2.3.8. Start Excel

Fungsi start excel yaitu untuk membuka atau menyimpan

data dengan bentuk .xls.


143

LAMPIRAN 2

MELAKUKAN RESTRUKTURISASI TABEL

1. Pembentukan Tabel Barang

Proses Pengambilan Data Dari Tabel Barang

Proses diatas digunakan untuk pengambilan data dari tabel barang

dan output yang bernama barang. Pemberian output barang disesuaikan

dengan nama tabel lama yaitu “data_barang” supaya lebih mudah

mengenali tabel dalam proses pembuatan gudang data. Pada langkah „input

barang‟ seperti gambar dibawah ini, berisi kueri untuk memanggil tabel

barang yang berada di database toko buku yang bernama “star”.

Langkah Select Data Barang Dari Tabel Lama

Ketika input barang sudah dilakukan, langkah selanjutnya yaitu

melihat data yang bertujuan untuk memastikan data yang tampil sesuai

dengan isi data di database toko buku dengan menggunakan tombol

preview. Kemudian hasil dari preview dapat dilihat pada gambar dibawah

ini:


144

Preview Data Barang

Setelah melihat data melalui preview, langkah selanjutnya yaitu

memilih data yang dibutuhkan untuk dijadikan tabel. Pada langkah

memilih data yang digunakan atau select value, field-field dari data tabel

dilakukan perubahan dengan mengganti nama field, dengan tujuan

memudahkan dalam proses selanjutnya, seperti Kode_Barang menjadi

id_barang, Judul_Buku menjadi nama_barang, Produk_ID menjadi

id_produk, Topik_ID menjadi id_topik, ID_Penerbit menjadi id_penerbit.

Langkah Memilih Data Yang Digunakan Untuk Pembuatan Tabel Barang

Selanjutnya menampilkan hasil output ke dalam tabel di database

baru dengan nama output barang seperti dibawah ini.


145

Output Tabel Barang

2. Pembentukan Tabel Topik

Pembentukan Tabel Topik

Pada gambar diatas merupakan proses pengambilan data dari tabel

topik. Tabel topik diambil dari database lama “star” dengan nama tabel

yaitu topik. Langkah selanjutnya yaitu memasukkan data topik. Didalam

memasukkan data topik terdapat kueri untuk memanggil tabel topik, kueri

tersebut dapat dilihat pada gambar seperti dibawah ini:

Langkah Select DataTopik Dari Tabel Lama


146

Untuk mengetahui data yang ada di tabel topik dapat dilihat

menggunakan preview. Hasil preview tabel topik dapat dilihat seperti

gambar dibawah ini:

Preview Data Topik

Selanjutnya setelah melakukan pengambilan data dari tabel topik

dilakukan pemilihan data yang akan digunakan, dengan menggunakan

select value. Didalam select value dilakukan proses perubahan nama field

seperti gambar dibawah ini:

Langkah Memilih Data Yang Digunakan Untuk Pembuatan Tabel Topik

Setelah melakukan pemilihan data, langkah selanjutnya adalah

menampilkan hasil output ke dalam tabel di database baru

“data_jadi_monsi” dengan nama output topik seperti gambar dibawah ini.


147

Output Tabel Topik

3. Pembentukan Tabel Produk

Pembentukan Tabel Produk

Pembentukan tabel produk diawali dengan mengambil data lama

pada tabel produk di database “star”. Proses ini dapat dilihat pada gambar

dibawah ini dimana produk input melakukan pengambilan data dengan

memanggil kueri.

Langkah Select Data Produk Dari Tabel Lama

Setelah melakukan kueri, data dapat dilihat dengan menggunakan

preview dan hasilnya seperti gambar dibawah ini :


148

Preview Data Produk

Preview data sudah dilakukan, langkah selanjutnya yaitu

melakukan select value yang bertujuan untuk melakukan pemilihan data

serta melakukan rename to untuk field yang diperlukan.

Langkah Memilih Data Yang Digunakan Untuk Pembuatan Tabel Produk

Pada fieldname terdapat Produk_ID dan Keterangan, untuk

memudahkan proses selanjutnya, Produk_ID dilakukan rename to menjadi

id_produk, sedangkan Keterangan menjadi nama_produk.

Setelah melakukan proses select value, langkah selanjutnya adalah

menampilkan hasil ke dalam tabel baru yang bernama tabel produk, dapat

dilihat pada gambar dibawah ini :


149

Output Tabel Produk

4. Pembentukan Tabel Penerbit

Proses Pembentukan Tabel Penerbit

Pembentukan tabel penerbit diawali dengan melakukan input

penerbit, data dari penerbit dapat seperti gambar dibawah ini :

Langkah Select Data Penerbit Dari Tabel Lama

Setelah melakukan kueri, proses selanjutnya yaitu melihat data

menggunakan preview. Proses preview ini bertujuan untuk melihat apakah

data sesuai dengan data yang berada di tabel database lama “star”.


150

Preview Data Penerbit

Langkah selanjutnya yaitu melakukan select value. Disini terdapat

field id_penerbit dan nama_penerbit, seperti gambar dibawah ini:

Langkah Memilih Data Yang Digunakan Untuk Pembuatan Tabel Penerbit

Setelah memilih data yang ingin digunakan, langkah selanjutnya

melihat hasil output dengan nama tabel penerbit, melihat hasil output

disini bertujuan untuk melihat apakah data sesuai dengan hasil dari tabel

sebelumnya. Hasil output dapat dilihat dibawah ini :


151

Output Tabel Penerbit

5. Pembentukan Tabel Supplier

Proses Pembentukan Tabel Supplier

Pembentukan tabel supplier diawali dengan pengambilan data

melalui supplier input, pada tahap pengambilan tabel dilakukan proses

kueri, proses kueri ini memanggil data tabel supplier dan dapat dilihat

pada gambar dibawah ini:

Proses Pembentukan Tabel Supplier

Setelah melakukan pengambilan kueri dengan kueri diatas, data

dari tabel supplier dapat dilihat menggunakan preview. Proses preview


152

bertujuan untuk melihat isi dari tabel supplier, untuk melihat hasil dari

proses preview yang telah dilakukan, dapat dilihat pada gambar dibawah

ini:

Preview Data Supplier

Langkah selanjutnya setelah melakukan preview untuk data

supplier, dilanjutkan dengan memilih data menggunakan select value.

Field-field yang dipilih adalah id_supplier dan nama_supplier, gambar

langkah untuk memilih data yang digunakan dapat dilihat pada gambar

dibawah ini :

Langkah Memilih Data Yang Digunakan Untuk Pembuatan Tabel Supplier

Setelah memilih data, langkah selanjutnya adalah melihat hasil

penerbit. Tabel yang berhasil dibuat adalah penerbit, untuk melihat data

dari tabel penerbit dapat dilihat seperti gambar dibawah ini:


153

Output Tabel Supplier

6. Pembentukan Tabel Data Beli

Proses Pengambilan Data Dari Tabel Data Beli

Gambar diatas merupakan proses pengambilan data dari tabel data

beli, tabel ini bertujuan untuk mendapatkan nomor beli yang sesuai dengan

id supplier. Sedangkan proses kueri yang digunakan untuk memanggil data

tabel data beli dapat dilihat pada gambar dibawah ini:

Proses Pembentukan Tabel Data Beli

Setelah melakukan kueri, dapat dilakukan preview untuk melihat

data dari tabel data beli, seperti gambar dibawah ini :


154

Preview Data Beli

Gambar diatas berisi nomor_beli dan id_supplier, jadi hanya

diambil data tersebut, kemudian nomor_beli dijadikan primary key guna

untuk mencocokkan nomor_beli pada tabel data_beli dan nomor_beli pada

tabel detail_beli, yang diperuntukkan untuk mendapatkan id_supplier dan

kode_barang atau id_barang.

Selanjutnya memilih field-field yang diperlukan dengan

menggunakan select value. Field atau data yang dipilih dapat dilihat pada

gambar dibawah ini :

Langkah Memilih Data Yang Digunakan Untuk Pembuatan Tabel Data Beli

Langkah memilih data sudah dilakukan, selanjutnya yaitu melihat

hasil atau output data beli yang telah berhasil dibuat dan dapat dilihat

seperti gambar dibawah ini :


155

Output Tabel Data Beli

7. Pembentukan Tabel Detail Beli

Tabel detail_beli digunakan untuk mendapatkan kode_barang dan

id_supplier. Pada bagian detail_beli terdapat field nomor_beli sehingga

nomor_beli berfungsi untuk menghubungkan dengan nomor_beli di tabel

data_beli, maka dari itu nomor_beli di tabel detail_beli dijadikan foreign

key untuk mencocokkan dan menggabungkan id_barang dan nomor_beli

yang kemudian di relasikan dengan melakukan join tabel untuk

mendapatkan id_supplier dan kode_barang yang sesuai dengan

nomor_nota yang berada pada bagian transaksi.

Proses Pembentukan Tabel Detail Beli

Proses pembentukan diwali dengan melakukan detail beli input,

didalam memasukkan data ke dalam tabel terdapat langkah pemanggilan

kueri, proses pemanggilan kueri dapat dilihat pada gambar dibawah ini :

Langkah Select Detail Beli Dari Tabel Lama


156

Proses kueri telah dilakukan, proses selanjutnya yaitu melakukan

preview data pada gambar dibawah ini:

Preview Data Detail Beli

Selanjutnya yaitu melakukan select value terhadap field-field yang

diperlukan. Gambar diwah ini menggambarkan terdapat field nomor_beli

dan id_barang.

Langkah Memilih Data Yang Digunakan Untuk Pembuatan Tabel Detail Beli

Setelah melakukan pemilihan data yang digunakan, maka langkah

selanjutnya adalah melihat hasil ouput dengan nama tabel detail beli,

seperti gambar dibawah ini :


157

Output tabel Detail Beli

8. Pembentukan Tabel Data Jual

Proses Pembentukan Tabel Data Jual

Pembentukan tabel data jual diawali dengan memasukkan data dari

database lama “star” ke database baru yang bernama data_jadi_monsi.

Pada saat memasukkan data kedalam tabel input yang bernama data_jual

input, terdapat kueri yang digunakan, seperti dibawah ini :

Langkah Select Data Data Jual Dari Tabel Lama

Langkah selanjutnya tidak berbeda dengan langkah-langkah

sebelumnya, yaitu melakukan preview data yang digunakan untuk

memasktikan data sebelumnya sesuai dengan data yang diinputkan

sekarang.


158

Preview Data Jual

Kemudian langkah selanjutnya memilih field yang digunakan serta

melakukan rename yang bertujuan untuk mempermudah proses

selanjutnya.

Langkah Memilih Data Yang Digunakan Untuk Pembuatan Tabel Data Jual

Setelah memilih data, langkah selanjutnya yaitu memasukan data

ke dalam target tabel output yang bernama data_jual, dan hasil output

dapat dilihat pada gambar dibawah ini :

Output tabel Data_Jual


159

9. Pembentukan Tabel Data Detail Jual

Proses Pembentukan Tabel Data Detail Jual

Gambar diatas merupakan proses untuk mendapatkan tabel yang

bernama data detail jual yang berisi Nomor_Jual, Kode_Barang, dan

Tgl_Input. Untuk mendapatkan data detail jual dilakukan input table

dengan melakukan kueri seperti gambar dibawah ini:

Langkah Select Data Detail Jual

Setelah melakukan kueri, proses selanjutnya yaitu melakukan

preview data yang digunakan untuk melihat apakah data sesuai dengan

data yang berada di tabel database yang lama “star”.

Preview Data Detail Jual


160

Kemudian langkah selanjutnya adalah select value. Langkah ini

bertujuan untuk memilih field-field yang akan digunakan. Pada proses ini

terdapat field-field yang bernama Nomor_Jual dilakukan proses rename to

menjadi nomor_nota, Kode_Barang menjadi id_barang dan Tgl_Input

menjadi tgl_input.

Langkah Memilih Data Yang Digunakan Untuk Pembuatan Tabel Data Detail Jual

Langkah memilih data yang digunakan telah dilakukan, selanjutnya

melihat hasil output dengan target table yang bernama data_detail_jual,

hasil output dapat dilihat pada gambar dibawah ini :

Output Tabel Data Detail Jual

10. Pembentukan Tabel Tampung Supplier Barang

Sebelum masuk pada pengambilan data, proses terbentuknya tabel

tampung supplier barang melalui tahap dibawah ini :


161

Tabel tampung supplier dipergunakan untuk menyimpan data

sementara yaitu id_supplier dan id_barang. Tabel ini digunakan karena

pertama antara supplier dan data barang tidak terdapat relasi dengan

data_barang, maka supplier dilakukan join dengan tabel data_beli, tabel

detail_beli dan data_barang, relasi dapat dilihat pada gambar di bawah ini:

Proses Join Tabel

Pada bagian tabel supplier yaitu id_supplier dijoinkan dengan tabel

data_beli terlebih dahulu, dikarenakan pada tabel data_beli terdapat

id_supplier, kemudian di dalam data_beli terdapat nomor_beli yang bisa

digunakan untuk mendapatkan nomor_beli pada tabel detail_beli dan

selanjutnya kode_barang di joinkan dengan tabel data_barang dimana

kode_barang sebagai kuncinya. Pada saat melakukan proses join, data dari

tabel-tabel tersebut diperoleh dari database toko buku yaitu database

“star” kemudian diambil tabel yang saling berhubungan saja.

Untuk mendapatkan id_supplier dan id_barang atau sebelumnya

kode_barang, dilakukan select query untuk mendapatkan id_supplier,

nama, kode_barang, dan judul_buku, seperti dibawah ini:


162

Proses Kueri

Hasil dari proses kueri ini dapat dilihat pada gambar dibawah ini :

Hasil Proses Kueri

Pada bagian atas, hasil kueri disimpan pada database skripsi_ku

dimana fungsi dari langkah diatas adalah menemukan Id_supplier dan

Kode_Barang yang sudah benar dan sesuai dengan relasi dari transaksi

penjualan. Kemudian langkah selanjutnya yaitu hanya mengambil data

id_supplier dan id_barang saja, dapat dilihat pada proses pembentukan

tabel supplier dibawah ini :

Proses Pembentukan Tabel Tampung Supplier Barang

SELECT `skripsi_ku`.`supplier`.Ìd_supplier`,

`skripsi_ku`.`supplier`.`Nama`,

`skripsi_ku`.`data_barang`.`Kode_Barang`,

`skripsi_ku`.`data_barang`.`Judul_Buku`

FROM `skripsi_ku`.`supplier`

INNER JOIN `skripsi_ku`.`data_beli`

ON (`supplier`.Ìd_supplier` = `data_beli`.Ìd_supplier`)

INNER JOIN `skripsi_ku`.`detail_beli`

ON (`data_beli`.`Nomor_Beli` = `detail_beli`.`Nomor_Beli`)

INNER JOIN `skripsi_ku`.`data_barang`

ON (`detail_beli`.`Kode_Barang` =

`data_barang`.`Kode_Barang`);


163

Pembentukan tabel tampung supplier ini bertujuan untuk

menampilkan id supplier dengan id barang saja. Untuk mendapatkan id

supplier dan id barang dilakukan proses join antara tabel detail beli dengan

barang, dimana id barang dari tabel detail_beli dicocokkan dengan id

barang ditabel barang, kemudian nomor_beli dari tabel data beli dengan

nomor beli di tabel detail beli, serta id supplier dari tabel supplier dan id

supplier di tabel data beli. Proses ini dapat dilihat pada gambar dibawah

ini:

Langkah Select Data Tampung Supplier Barang Dari Tabel Lama

Proses kueri telah dilakukan, proses selanjutnya yaitu melihat data

untuk memastikan data sesuai dengan data dari database yang lama

menggunakan langkah preview, seperti gambar dibawah ini:

Preview Data Tampung Supplier Barang

Preview data sudah dilakukan, selanjutnya melihat hasil output

pada gambar dibawah ini :


164

Output Tabel Tampung Supplier Barang

11. Pembentukan Tabel Transaksi

Proses Pembentukan Tabel Transaksi

Pada gambar diatas merupakan proses pengambilan data yang akan

dimasukkan pada tabel transaksi. Pada proses pengambilan terdapat

langkah yaitu memasukkan data melalui kueri, kueri dapat dilihat pada


Langkah Select Data Transaksi Dari Gabungan Beberapa Tabel

Tabel transaksi merupakan hasil dari proses kueri yang dilakukan

dengan menggunakan tabel tampung supplier barang, tabel

data_detail_jual, data_detail_jual, serta data_jual. Langkah ini digunakan


165

untuk menyesuaikan dan mendapatkan id_barang yang sesuai dengan

nomor_nota.

Untuk mengetahui data yang ada pada tabel transaksi, dapat dilihat

menggunakan preview. Hasil preview dapat dilihat pada gambar dibawah

ini :

Preview Data Transaksi

Setelah pengambilan data dari proses kueri yang telah dilakukan,

selanjutnya adalah menyimpan data ke dalam tabel output yang bernama

transaksi.

Output Tabel Transaksi

12. Pembentukan Tabel tampung_barang_supplier_monsi

Tabel ini digunakan untuk menggantikan tabel dari

tampung_supplier_barang karena terdapat beberapa data yang salah


166

sehingga diganti dengan tampung_barang_supplier_monsi. Pembentukan

tabel ini dimaksudkan untuk mendapatkan hasil yang sesuai yaitu

mendapatkan id_supplier dan id_barang yang sesuai dengan basis data

relasional yang telah dibentuk. Proses dari pembentukan tabel ini, diambil

dari proses pengambilan data, dapat dilihat pada gambar dibawah ini :

Pembentukan Tabel tampung_barang_supplier_monsi

Pada proses pengambilan terdapat langkah yaitu memasukkan data

melalui kueri, kueri dapat dilihat pada gambar dibawah ini :

Langkah Select Data tampung_barang_supplier_monsi

Tabel diatas merupakan hasil dari proses kueri yang dilakukan

dengan menggunakan tabel supplier, barang_jadi_monsi, detail beli, dan

data beli. Langkah ini digunakan untuk menyesuaikan dan mendapatkan

id_supplier yang sesuai dengan id_barang.

Untuk mengetahui data yang ada pada table

tampung_barang_supplier_monsi, dapat dilihat menggunakan preview.

Hasil preview dapat dilihat pada gambar dibawah ini :


167

Preview Data



tampung_barang_supplier_monsi.

Output Tabel tampung_barang_supplier_monsi

13. Pembentukan Tabel Barang_Jadi

Pada bagian ini, tabel barang_jadi merupakan tabel yang terbentuk

untuk mendapatkan data terutama hubungan antara id_supplier dengan

id_barang. Tabel ini didapatkan dari tabel barang, dengan tabel

tampung_barang_supplier_monsi, dimana id_supplier dan id_barang


168

sudah benar sesuai dengan hubungan basis data relasional, kemudian

disatukan dengan menggunakan cara manual yaitu diletakkan melalu excel

(.xls), selanjutnya dilakukan copy paste dan dimasukkan ke dalam mysql

Hasil dari tabel data_barang_jadi dapat dilihat pada gambar dibawah ini :

Output Tabel data_barang_jadi

Data diatas didapatkan dari proses panjang yang mengambil semua data,

kemudian dilakukan proses penyatuan dengan tetap mengikuti kaidah basis

data relasional.

14. Pembentukan Tabel Sementara Transaksi

Pembentukan tabel ini digunakan untuk mendapatkan id_supplier,

id_barang, nomor_nota, tgl_input dan jumlah_jual. Tabel ini sama seperti dengan

tabel transaksi, hanya saja tabel transaksi terdapat kesalahan didalam relasi basis

data, sehingga dibuat tabel sementara transaksi untuk mendapatkan hasil data

yang benar dengan kaidah basis data relasional. Proses untuk mendapatkan tabel

sementara transaksi dimulai dengan pengambilan data, dapat dilihat seperti


Pembentukan Tabel Sementara Transaksi

Pada proses pengambilan terdapat langkah yaitu memasukkan data

melalui kueri, kueri dapat dilihat pada gambar dibawah ini :


169

Langkah Select Data tampung_barang_supplier_monsi

Tabel diatas merupakan hasil dari proses kueri yang dilakukan

dengan menggunakan tabel tampung_barang_supplier_monsi,

data_detail_jual, dan data_jual. Kemudian dicocokan antara id_barang

pada tabel tampung_barang_supplier_monsi dengan id_barang pada tabel

data_detail_jual dan nomor_nota pada data_detail_jual dengan nomor nota

pada tabel data_jual.

Untuk mengetahui hasil data yang didapatkan pada table

sementara_transaksi, dapat dilihat menggunakan preview. Hasil preview

dapat dilihat pada gambar dibawah ini :

Preview Data



sementara_transaksi.


170

Output Tabel sementara_transaksi

15. Pembentukan Tabel woo

Tabel woo, merupakan hasil dari semua pembentukan tabel-tabel untuk

mendapat data yangs sesuai dengan kaidah basis data relasional yang benar dan

baik. Tabel ini didapatkan dari melakukan penggabungan dari tabel-tabel

diantaranya, tabel data-barang_jadi dan tabel sementara transaksi sehingga di

dapatkan hasil data seperti dibawah ini :

Output Tabel woo


171

LAMPIRAN 3

KUESIONER PEMBANGUNAN GUDANG DATA TRANSAKSI PENJUALAN

DI TOKO BUKU AB

Kuesioner ini dibuat dengan tujuan untuk mengetahui tingkat kepuasan kepala toko

sebagai administrator pembangunan gudang data transaksi penjualan toko buku dalam memantau

hasil dari transaksi penjualan di toko buku berdasarkan jumlah penjualan. Hasil dari kuesioner ini

akan digunakan sebagai data analisis pada pengembangan sistem selanjutnya dan untuk

melengkapi kebutuhan data penelitian skripsi penulis.

Hormat Saya


Nama :

Status :

Petunjuk :

1. Pilihlah jawaban yang paling sesuai dengan pendapat Anda.

2. Berikan tanda centang ( √ ) pada jawaban yang Anda pilih.

Keterangan jawaban :

1. SS = Sangat Setuju

2. S = Setuju

3. R = Ragu

4. TS = Tidak Setuju

5. STS = Sangat Tidak Setuju

No. Pernyataan SS S R TS STS

1. Saya terbantu dengan hasil dari pembangunan gudang

data transaksi penjualan di toko buku dalam memantau

data jumlah penjualan berdasar dimensi waktu, supplier,

penerbit, kategori, barang, dan topik.

2. Saya dapat dengan mudah melihat hasil jumlah

penjualan pada periode waktu tertentu dengan data

warehouse dan olap.

3. Langkah-langkah dalam penggunaan sistem dapat

dimengerti dengan mudah oleh pengguna.

4. Menu pada tampilan OLAP dapat dimengerti oleh

pengguna.

5. Proses pembuatan laporan transaksi penjualan menjadi

lebih cepat.

Saran : ........................................................................

(___________________)


PEMBANGUNAN GUDANG DATA TRANSAKSI … · mengalihkan dalam bentuk media lain, mengelolanya dalam...

Documents

Transcript of PEMBANGUNAN GUDANG DATA TRANSAKSI … · mengalihkan dalam bentuk media lain, mengelolanya dalam...