PENERAPAN BASIS DATA TERPARTISI DALAM...

1

PENERAPAN BASIS DATA TERPARTISI DALAM RANCANG

BANGUN SISTEM PENGGAJIAN-PENGUPAHAN DENGAN

MODEL JARINGAN CLIENT-SERVER

Yulis Dwi Anto

1) Januar Wibowo

2) Tegar Heru S.

3)

1) S1/Jurusan Sistem informasi 04410100036. 2) Pembimbing I 3)Pembimbing II

Sekolah Tinggi Manajemen Informatika & Teknik Komputer Surabaya.

Abstract ; Managing data transaction of employees such as check clock, wages,

salaries , income tax, honorarium, commission ,gift will become a serious difficult

task if involving large quantity employees. You can imagine how busy you are if

you have to take care of about 3000 or more data of employees every month with

only Microsoft Excel as your tool, you will have more difficulties if you have to take

care of them every day. Definitely you need better solution, and because of that here

I presenting to you this wages and salaries management system with client server.

The use age of client server database model will make server become center of data

transaction and requests which mean make server responses will become more and

more slower as numbers of client requests increasing. So system will need better

strategy to avoid time consuming process. Because server hold large number of

historical data, it would be time consuming if user of system try to querying large

sum of data query. One of strategy that will be applied to the server that we hope

could become as better strategy is database partitioning. Partitioning if the way to

divide large number of data table into smaller segments, so hopefully within smaller

data to probe for requested query then server will finish the task with more time

efficiently.

Keywords ; payroll, database partitions, client- server.

Memajemen data karyawan

dengan menggunakan aplikasi MS.

Excel dari hari ke hari akan dirasakan

semakin merepotkan karena

banyaknya sheets dan workbooks yang

harus dibuka. Belum lagi konsolidasi

data antar administrator yang

membutuhkan waktu dengan data lebih

dari seribu karyawan untuk diolah.

Penggunaan basis data dengan model

distribusi client-server ialah pilihan

tepat untuk menjadi solusi praktis

dalam pendataan karyawan dengan

jumlah yang sedemikian. Client-server

memiliki keunggulan praktis dalam hal

integritas data sehingga

2

ketidakefesienan konsolidasi antar

sheets, antar workbooks, dan antar

administrator dapat ditinggalkan.

Selain itu client-server juga lebih

praktis untuk tipe transaksi yang

menggunakan online data sharing

pada model kerja

bersamaan/workgroups. Keuntungan

lainnya dengan penggunaan sistem

distribusi data terpusat client-server

ialah lalu lintas data lebih mudah

diawasi, selain itu juga data dapat

langsung terkumpul dipusat sehingga

bisa langsung diolah menjadi

informasi.

LANDASAN TEORI

1. Model Jaringan

Model Peer to Peer.

Yaitu model jaringan dimana

setiap unit pada jaringan memiliki

level yang sama dalam hierarki

jaringan. Pada model jaringan ini

aliran data bersifat sejajar antar satu

unit dengan unit lainnya dalam

jaringan. Model aliran data pada

jaringan ini tampak pada gambar 1

berikut;

Model Client-Server.

Merupakan model aliran data

yang memiliki baik hierarki maupun

hubungan langsung antar komputer

dalam jaringan. Hubungan aliran data

pada model ini dilakukan secara

langsung dari klien ke server tanpa

harus melalui protokol ataupun lapisan

aplikasi khusus untuk komunikasi

antara klien dan server. Model aliran

Client-Server tergambar pada gambar

2 berikut ini;

Client Client Client

Server

Response Response Response

RequestRequest

Request

Server sebagai

sumber data

Client sebagai

penerima data

Gambar 1. Model Client-Server.

Model Hierachical Client-Server.

3

Merupakan model aliran data

yang memiliki karakteristik Client-

Server tetapi dengan banyak

lapisan/layers, atau tiers antara server-

servernya.

Model Distributed Computing,

Merupakan model distribusi

data yang memiliki karakteristik

sebagai kebalikan data model Client-

Server. Pada model ini proses request

tidak dijalankan oleh komputer

cabang/node tetapi oleh komputer

server, yang bertindak sebagai task

manager.

2. Transaksional Proses Sistem

Online transaction processing

atau yang biasa di sebut OLTP

mempunyai peranan yang penting di

dalam database management system

(DBMS). Di dalam DBMS OLTP ialah

konsep, class of system, pola pikir,

target dan orientasi yang akan

menuntun para perancang arsitektur

basis data pada efesiensi dan ketepatan

manajemen penyimpanan data

transaksi:

3. Pengertian dari Pemartisian Basis

Data

Pengertian pemartisian basis

data menurut MySQL ialah :

Partitioning takes this notion a

step further, by enabling you to

distribute portions of individual

tables across a file system

according to rules which you can

set largely as needed. In effect,

different portions of a table are

stored as separate tables in

different locations.

(MySQL,2011:http://dev.mysql.com/d

oc/refman/5.1/en/partitioning-

overview.html).

4. Tipe-tipe dari Pemartisian Basis

Data

MySQL(2011:http://dev.mysql.com/

doc/refman/5.1/en/partitioning-

types.html) dapat diketahui bahwa

pemartisian basis data dapat

dilakukan dengan beberapa cara

antara lain;

http://dev.mysql.com/doc/refman/5.1/en/partitioning-overview.htmlhttp://dev.mysql.com/doc/refman/5.1/en/partitioning-overview.htmlhttp://dev.mysql.com/doc/refman/5.1/en/partitioning-overview.htmlhttp://dev.mysql.com/doc/refman/5.1/en/partitioning-types.htmlhttp://dev.mysql.com/doc/refman/5.1/en/partitioning-types.htmlhttp://dev.mysql.com/doc/refman/5.1/en/partitioning-types.htmlhttp://dev.mysql.com/doc/refman/5.1/en/partitioning-types.html

4

Range Partitioning , atau pemartisian berjarak.

Merupakan bentuk pemartisian

sedemikian rupa sehingga nilai

ekspresi pada pemartisian terletak

antara jarak yang ditentukan. Jarak

yang ditentukan haruslah feasible dan

tidak overlapping. Contoh :

CREATE TABLE employees (

id INT NOT NULL,

fname VARCHAR(30),

lname VARCHAR(30),

hired DATE NOT NULL DEFAULT '1970-

01-01',

separated DATE NOT NULL DEFAULT

'9999-12-31',

job_code INT NOT NULL,

store_id INT NOT NULL

)

PARTITION BY RANGE (store_id) (

PARTITION p0 VALUES LESS THAN (6),



PARTITION p3 VALUES LESS THAN

MAXVALUE

);

List Partitioning, atau pemartisian daftar.


yang sama dengan Range Partitioning

hanya saja ekspresi jarak pemartisian

yang diberikan dilakukan dengan

pernyataan eksplisit. Contoh :

CREATE TABLE employees (

id INT NOT NULL,

fname VARCHAR(30),

lname VARCHAR(30),

hired DATE NOT NULL DEFAULT '1970-

01-01',

separated DATE NOT NULL DEFAULT '9999-

12-31',

job_code INT,

store_id INT

)

PARTITION BY LIST(store_id) (

PARTITION pNorth VALUES IN

(3,5,6,9,17),

PARTITION pEast VALUES IN

(1,2,10,11,19,20),

PARTITION pWest VALUES IN

(4,12,13,14,18),

PARTITION pCentral VALUES IN

(7,8,15,16)

);

Hash partitioning, atau pemartisian dengan hash.

Merupakan bentuk pemartisian ini

sebenarnya sama dengan kedua bentuk

pemartisian sebelumnya hanya saja

pengguna tidak perlu

menspesifikasikan ekspresi

pemartisian dan cukup menunjuk

atribut sebagai dasar dimana partisi-

partisi akan dibentuk. Contoh :

PARTITION BY HASH(store_id)

PARTITIONS 4 ;

Key partitioning, atau pemartisian dengan kunci.


yang otomatis sepenuhnya. Seperti

halnya pemartisian dengan hash

pengguna tidak perlu menentukan

ekspresi pemartisian. Contoh :

5

CREATE TABLE k1 (

id INT NOT NULL PRIMARY

KEY,

name VARCHAR(20)

)

PARTITION BY KEY()

PARTITIONS 2;

PERANCANGAN SISTEM

1. DFD sistem penggajian dan

pengupahan- Context Diagram.

Model Gane-Sarson (Data Flow

Diagram) sebagaimana berikut;.

Transaksi setelah pajak

Penentuan jam_shif pegaw ai

Data honorarium

Kueri honorarium

Setiing Kebijakan

Seting Tarif Lembur

Seting Tarif Upah

DML OLTP pajak penghasilan

DML OLTP upah dan honorarium

DML OLTP gaji karyaw an

DML OLTP data karyawan

Absen keluar

Absen masuk

Data pph21 penghasilan

Kueri data pph21 penghasilan

Data absensi

Kueri data absensi

Data upah

Kueri data upah

Data gaji

Kueri gaji

Kueri Data Karyaw an

Data Karyaw an

0

Sistem penggajian dan

pengupahan

+

Karyaw an

dan pekerja

lepas

Manajemen

SDM(Super)

Admin SDM

Gambar 2. Context Diagram

2. Conceptual Data Model.

TUNJANGANUTANGPIUTANG

LEMBUR

ABSENSI

Nip Pejabat

Pejabat

Pph21

THR

Pengupahan

Penggajian

Keahlian

Jabatan

Agama

Golongan

Departemen

TRAN_KARYAWAN

NIP

NAMA

ALAMAT

KOTA

TGLLAHIR

KOTA LAHIR

KELAMIN

KAWIN

JUMANAK

KDDEPT

KDGOL

KDAGAMA

TELPON

KDJABATAN

KDKEAHLIAN

PENSIUNAN

STATUS_PEG

A20

A30

A50

A20

D

A20

A1

A1

N1

A10

A10

A10

A20

A10

A10

A1

A20

Identifier_1

TRAN_GAJI

NIPGP

GAJI_POKOK

LEMBUR_AKM

TUNJANGAN

TOTAL

DEDUKSI_THN

PTKP_

PKP

TAR17LV1

TAR17LV2

TAR17LV3

TAR17LV4

TAR17LV5

TOT_BERSIH

A20

N20

N20

N20

N20

N20

N20

N20

N15

N15

N15

N15

N15

N20

Identifier_1

TRAN_DETAIL_TUNJ

NIPTUNJ

TUN_PROFESI

TUN_JABATAN

TUN_KEAHLIAN

TUN_TRANSPOR

TUN_PANGAN

TUN_KESEHATAN

TUN_ANAK

TUN_ISTRI

TUN_PAJAK

AL_TUN_LAIN1

AL_TUN_LAIN2

AL_TUN_LAIN3

AL_TUN_LAIN4

AL_TUN_LAIN5

TUN_PENSIUN

A20

N20

N20

N20

N20

N20

N20

N20

N20

N20

A20

A20

A20

A20

A20

N20

Identifier_1

TRAN_THR

NIPTHR

THR

TAHAP

DEDUKSI_THR

PTKP_

PKP

PJK17LV1

PJK17LV2

PJK17LV3

PJK17LV4

PJK17LV5

THRBERSIH

A20

N20

N2

N20

N20

N20

N15

N15

N15

N15

N15

N15

Identifier_1

PPH21AKHIR

NIPPAJ

BRUTO_PJK

DEDUKSI_THN

PKP

PTKP_

TARIF1

TARIF2

TARIF3

TARIF4

TARIF5

TOTALPJKTAHUN

A20

N20

N20

N20

N20

N15

N15

N15

N15

N15

N20

Identifier_1

LEMBUR

NIPLEM

TGLLEMBUR

JUMJAM

JUMLEMBUR

PKLEMBUR

A20

D

N2

N20

I

Identifier_1

UPAH

TGLUPAH

JUMJAMUPAH

JUMUPAH

DEDUKSI_UPAH

PTKP_UP

PKP_UP

PJUPALV1

PJUPALV2

PJUPALV3

PJUPALV4

PJUPALV5

UPAH_AKHIR

NIP_UPA

PKUPAH

D

N2

N20

N20

N20

N20

N15

N15

N15

N15

N15

N15

A28

A28

Identifier_1

TRAN_KDDEPT

KD_DEPTX

NAMA_DEPT

A15

A50

Identifier_1

TRAN_KD_AGAMA

KD_AGAMA

NAMA_AGAMA

A15

A50

Identifier_1

TRAN_KDGOL

KD_GOL

NAMA_GOL

A15

A50

Identifier_1

TRAN_KD_JABATAN

KD_JABATAN

NAMA_JABATAN

A10

A50

Identifier_1

TRAN_KD_AHLI

NAMA_AHLI

KD_AHLI

A50

A10

Identifier_1

TRAN_PEJABAT

KD_JABATAN

NIPJ

PERIODE

A10

A20

A7

Identifier_1

ABSENSI

NIP

TGL_ABSEN

JAM_MASUK

JAM_KELUAR

PKABSEN

SHIFT

A20

D

T

T

A28

I

Identifier_1

UTANGPIUTANGKARYAWAN

NIPPIUT

TAMBAHAN

KET_TAMBAH

PENGURANG

KET_KURANG

TGLTRAN

NO_AKUN_DEBET

NO_AKUN_KREDIT1

A20

N20

A255

N20

A255

D

A20

A20

Identifier_1

Gambar 3. Rancangan CDM

3. Physical Data Model.

FK_LEMBUR

FK_UTANGPIUTANGFK_TUNJANGAN

FK_PENGGAJIAN

FK_THR

FK_PENGUPAHAN

UPAH

TGLUPAH

JUMJAMUPAH

JUMUPAH

DEDUKSI_UPAH

PTKP_UP

PKP_UP

PJUPALV1

PJUPALV2

PJUPALV3

PJUPALV4

PJUPALV5

UPAH_AKHIR

NIP_UPA

NIP

PKUPAH

date

numeric(2,0)

numeric(20,0)

numeric(20,0)

numeric(20,0)

numeric(20,0)

numeric(15,0)

numeric(15,0)

numeric(15,0)

numeric(15,0)

numeric(15,0)

numeric(15,0)

char(28)

char(20)

char(28)

TRAN_THR

NIPTHR

NIP

THR

TAHAP

DEDUKSI_THR

PTKP_

PKP

PJK17LV1

PJK17LV2

PJK17LV3

PJK17LV4

PJK17LV5

THRBERSIH

char(20)

char(20)

numeric(20,0)

numeric(2,0)

numeric(20,0)

numeric(20,0)

numeric(20,0)

numeric(15,0)

numeric(15,0)

numeric(15,0)

numeric(15,0)

numeric(15,0)

numeric(15,0)

TRAN_GAJI

NIPGP

NIP

GAJI_POKOK

LEMBUR_AKM

TUNJANGAN

TOTAL

DEDUKSI_THN

PTKP_

PKP

TAR17LV1

TAR17LV2

TAR17LV3

TAR17LV4

TAR17LV5

TOT_BERSIH

char(20)

char(20)

numeric(20,0)

numeric(20,0)

numeric(20,0)

numeric(20,0)

numeric(20,0)

numeric(20,0)

numeric(20,0)

numeric(15,0)

numeric(15,0)

numeric(15,0)

numeric(15,0)

numeric(15,0)

numeric(20,0)

TRAN_DETAIL_TUNJ

NIPTUNJ

NIP

TUN_PROFESI

TUN_JABATAN

TUN_KEAHLIAN

TUN_TRANSPOR

TUN_PANGAN

TUN_KESEHATAN

TUN_ANAK

TUN_ISTRI

TUN_PAJAK

AL_TUN_LAIN1

AL_TUN_LAIN2

AL_TUN_LAIN3

AL_TUN_LAIN4

AL_TUN_LAIN5

TUN_PENSIUN

char(20)

char(20)

numeric(20,0)

numeric(20,0)

numeric(20,0)

numeric(20,0)

numeric(20,0)

numeric(20,0)

numeric(20,0)

numeric(20,0)

numeric(20,0)

char(20)

char(20)

char(20)

char(20)

char(20)

numeric(20,0)

UTANGPIUTANGKARYAWAN

NIPPIUT

NIP

TAMBAHAN

KET_TAMBAH

PENGURANG

KET_KURANG

TGLTRAN

NO_AKUN_DEBET

NO_AKUN_KREDIT1

char(20)

char(20)

numeric(20,0)

char(255)

numeric(20,0)

char(255)

date

char(20)

char(20)

PPH21AKHIR

NIPPAJ

NIP

BRUTO_PJK

DEDUKSI_THN

PKP

PTKP_

TARIF1

TARIF2

TARIF3

TARIF4

TARIF5

TOTALPJKTAHUN

char(20)

char(20)

numeric(20,0)

numeric(20,0)

numeric(20,0)

numeric(20,0)

numeric(15,0)

numeric(15,0)

numeric(15,0)

numeric(15,0)

numeric(15,0)

numeric(20,0)

TRAN_KARYAWAN

NIP

NAMA_AHLI

KD_GOL

KD_DEPTX

KD_AGAMA

KD_JABATAN

NAMA

ALAMAT

KOTA

TGLLAHIR

KOTA LAHIR

KELAMIN

KAWIN

JUMANAK

KDDEPT

KDGOL

KDAGAMA

TELPON

KDJABATAN

KDKEAHLIAN

PENSIUNAN

STATUS_PEG

char(20)

char(50)

char(15)

char(15)

char(15)

char(10)

char(30)

char(50)

char(20)

date

char(20)

char(1)

char(1)

numeric(1,0)

char(10)

char(10)

char(10)

char(20)

char(10)

char(10)

char(1)

char(20)

LEMBUR

NIPLEM

TGLLEMBUR

NIP

JUMJAM

JUMLEMBUR

PKLEMBUR

char(20)

date

char(20)

numeric(2,0)

numeric(20,0)

int

Gambar 4. PDM Sistem

HASIL DAN PEMBAHASAN

1. Sistem Transaksional

Bagian ini mengunakan TPS

dalam sistem berfungsi untuk

6

mencatat transaksi penggajian dan

pengupahan,

Gambar 5. Form Transaksional

2. Sistem Pelaporan.

Sistem pelaporan berada pada

aplikasi master dengan form kontrol

pada gambar 6 di bawah;

Gambar 6. Form Laporan

Hasil laporan kemudian diterbitkan

sebagaimana gambar 7 berikut ;

Gambar 7. Laporan Penggajian

3. Evaluasi dan uji korelasi.

Uji coba kefektifan pemartisian basis

data pada basis data non

transaksional prosessing(master)

dilakukan dengan 9 macam kueri

yang memiliki karakteristik yang

berbeda satu sama lainnya. Sumber

daya lingkungan pengujian ialah

konstan. Pengujian dilakukan pada

local host dengan prosessor Pentium

2140 dengan kecepatan clock 1,6

Ghz dan RAM 1 Gb.

Tabel 1. Tabel Karakter Kueri Tes

Kueri

Join Tabel Select

Where Cluase Order By

1 2 tabel Selektif tidak ada

NIP, Periode

2 tidak ada Selektif

tidak ada

NIP, Periode

3 2 tabel Selektif periode

= 2011

NIP, Periode

4 2 tabel Selektif

less

than

2006

NIP, Periode

5 2 tabel Selektif less than NIP,

7

2003 Periode

6 2 tabel Selektif jum.anak

< 2

NIP, Periode

7 2 tabel Selektif jum.anak

>= 2

NIP, Periode

8 3 tabel Selektif tidak ada

NIP, Periode

9 3 tabel Selektif tahun >

2006

NIP, Periode

hasil pengujian kecepatan kueri

berdasarkan jumlah partisi dilakukan

dengan hasil jumlah kueri sebagai

berikut;

Tabel 2. Jumlah Data Hasil Kueri

Ku Jum Ku Jum Ku Jum

Data Data Data

1 477504 4 238752 7 320832

2 477504 5 119376 8 477504

3 39792 6 155672 9 253436

Uji coba dilakukan pada 12, 6, 3 dan

tanpa partisi dengan hasil uji sebagai

berikut;

Tabel 3.Uji Kueri 12 Partisi

Waktu Kueri

Kueri partisi 12(Periode tahun)

Uji 1 Uji 2 Uji 3

1 16,578 16,574 16,141

2 13,751 13,813 13,547

3 0,594 0,513 0,594

4 7,895 7,781 8,812

5 2,016 2,156 2,344

6 14,501 13,906 14,675

7 14,872 15,516 14,973

8 15,078 15,281 14,996

9 4,687 4,611 4,641


Waktu Kueri


Uji 1 Uji 2 Uji 3

1 17,031 17,563 16,819

2 14,578 14,312 14,473

3 0,547 0,547 0,531

4 7,751 8,781 8,782

5 2,157 2,251 2,21

6 14,334 14,453 14,657

7 14,719 15,344 15,172

8 16,607 16,047 16,703

9 6,594 6,609 6,187


Waktu Kueri


Uji 1 Uji 2 Uji 3

1 17,091 16,781 17

2 14,5 14,344 14,156

3 0,51 0,547 0,55

4 8,789 8,719 8,781

5 2,359 2,641 2,625

6 14,5 14,406 14,24

7 15,078 15,28 14,891

8 17,547 17,487 17,642

9 8,021 6,987 6,907

Tabel 6.Uji Kueri tanpa Partisi

Waktu Kueri

Kueri tanpa partisi

Uji 1 Uji 2 Uji 3

1 51 60,422 57,156

2 36,219 33,672 33,873

3 0,53 0,51 1,43

4 24,469 24,579 24,89

5 4,469 4,89 4,906

6 53,672 53,657 49,156

7 55,61 54,984 56,61

8 39,78 37,985 39,812

9 9,46 10,12 10,547

8

Hasil Koefisien r ialah ;

Tabel 7. r Korelasi Hasil Uji

Ku r Ku r Ku r

korelasi korelasi korelasi

1 -0,6878 4 -

0,703457 7 -0,68235

2 -

0,70205 5 -0,75023 8 -

0,74278

3 -

0,29568 6 -0,68235 9 -

0,93941

KESIMPULAN

Untuk menyelesaikan pekerjaan

penggajian dan pengupahan dengan

kuantitas yang besar diperlukan

sistem terkomputerisasi . Dari hasil

uji statistik terhadap 9 macam kueri

didapati bahwa rata-rata ;

- Terdapat hubungan antara

pemartisian basis data

dengan kecepatan

penyelesaiaan kueri select

- Jumlah pemartisian basis

data cenderung secara

signifikan mempengaruhi

secara terbalik/negatif

kecepatan penyelesaian

kueri select yang dalam

tabel 7 ditunjukkan dengan

nilai minus r korelasi.

Artinya semakin

banyak/detail pemartisian

maka kecenderungan akan

mempunyai kecepatan

menyelesaikan kueri select

lebih singkat

- Pada karakter kueri select

tertentu yaitu dengan skala

data scanning yang kecil

maka jumlah partisi tidak

akan berpengaruh banyak

dalam penyelesaian kueri

select yang ditunjukkan dgn

angka r = 0,29568 pada

kueri ke 3.

DAFTAR PUSTAKA

McCabe, JamesD., 2003, Network analysis,

architecture and design , Morgan

Kaufmann, San Francisco

MySQL, Documentation Library, 2011,

MySQL 5.1 Reference Manual, 08

Februari 2011.

Kyte, Thomas, 2010, Expert Oracle

Database Architecture: Oracle

Database Programming 9i, 10g,

and 11g Techniques and Solutions

, Apress.

http://dev.mysql.com/doc/refman/5.1/en/partitioning-maintenance.html/http://dev.mysql.com/doc/refman/5.1/en/partitioning-maintenance.html/http://dev.mysql.com/doc/refman/5.1/en/partitioning-maintenance.html/http://dev.mysql.com/doc/refman/5.1/en/partitioning-maintenance.html/

PENERAPAN BASIS DATA TERPARTISI DALAM...

Documents

Transcript of PENERAPAN BASIS DATA TERPARTISI DALAM...