7
BAB 2
LANDASAN TEORI
2.1 Pengertian Database
Menurut W.H Inmon (2002, p3), database didefinisikan sebagai suatu
koleksi dari penyimpanan data yang terhubung yang sering digunakan dan
mengurangi redudansi-perulangan- menurut skemanya. Sebuah database dapat
digunakan pada aplikasi tunggal atau jamak.
Sesungguhnya data warehouse adalah suatu bentuk dari database, namun
data warehouse memiliki sifat interaktif dalam akses informasi dengan waktu respon
yang tinggi. Dengan demikian data warehouse berbeda dengan database karena
database digunakan pada proses operasional transaksasi bisnis dan data warehouse
fokus kepada proses analisis dan pengambilan keputusan bagi eksekutif.
2.2 Pengertian OLTP
OLTP (On-Line Transaction Processing) menggambarkan kebutuhan sistem
dalam ruang lingkup operasional dan merupakan proses yang mendukung operasi
bisnis sehari-hari.
OLTP dirancang untuk memungkinkan terjadinya pengaksesan secara
bersamaan oleh beberapa user terhadap sumber data yang sama dan mengatur proses
yang diperlukan (Veiera, Professional SQL Server 7.0 Programming, 1999, p 680).
8
Sesuai dengan namanya OLTP mengizinkan transaksi untuk mengakses langsung ke
database.
Transaksi yang dilakukan termasuk operasi insert, update, dan delete.
Database OLTP biasanya bersifat relasional dan dalam bentuk normal ketiga. Dan
yang terpenting, database OLTP dibangun untuk mampu menangani banyak transaksi
dengan performa tinggi. (Veiera, Professional SQL Server 7.0 Programming, 1999, p
682).
2.3 Pengertian Data Warehouse
Data Warehouse ikut berperan dalam pengambilan keputusan database.
Karena banyak organisasi kurang dapat menggunakan Operational database dalam
mendukung secara langsung pengambilan keputusan, maka terbentuklah data
warehouse.
Berikut ini adalah beberapa definisi dari Data Warehouse yang telah kami
kumpulkan dari beberapa sumber pustaka.
1. Menurut Inmon dan Hackathorn (1994, p2)
Data warehouse merupakan sebuah kumpulan data yang bersifat subject
oriented, integrated, time variant, dan non volatile yang dapat mendukung proses
pembuatan keputusan manajemen.
2. Menurut Vidette Poe (1996, p6). Data warehouse adalah merupakan data yang
bersifat analisis dan hanya dapat dibaca saja yang digunakan sebagai dasar dari
sistem penunjang keputusan.
9
3. Data warehouse adalah suatu database pusat dimana seluruh pusat data
perusahaan dikumpulkan untuk menunjang keputusan bagi setiap departemen
dalam perusahaan tersebut.
Dari definisi-definisi diatas dapat ditarik suatu kesimpulan yaitu data
warehouse adalah suatu database yang saling terhubung yang digunakan untuk query
dan analisis yang memiliki sifat subject oriented (berorientasi subyek), integrated
(saling terpadu), nonvolatile (tidak dapat berubah), dan time variant (memiliki
variasi waktu) bagi para pengambil keputusan yaitu eksekutif perusahaan.
Data-data dari operational database dan external source diekstrak, disaring,
disummary dan kemudian diload ke data warehouse. Karena data warehouse
mengandung data-data historis, maka seringkali aktivitasnya meliputi pengambilan
kembali data-data yang telah benar-benar di summarized.Data warehouse berguna
untuk mempermudah membuat aplikasi bagi DSS (Decision Support System) dan EIS
(Executive Information System)
2.4 Data Warehouse versus OLTP
Database yang disediakan pada lingkungan data warehouse berbeda dengan
database pada lingkungan operasional yang mendukung OLTP (Online Transaction
Processing). Perbedaan itu adalah bahwa database pada data warehouse adalah
database analasis, sedangkan database pada lingkungan operasional yang
mendukung OLTP (Online Transaction Processing) adalah database operasional.
OLTP dirancang untuk menangkap informasi dan memutakhirkan isi data
dengan sangat cepat.
10
Karakteristik OLTP (Poe,1996,p119) :
• Rata-rata transaksi adalah tinggi.
• Pemutakhiran data secara teratur setiap kali terjadi perubahan.
• Tidak terjadi redudansi perulangan untuk menjaga integritas data.
Tabel OLTP Data Warehouse
Tujuan Menjalankan operasi Mengambil dan menganalisis
sehari-hari informasi
Manajemen Database RDBMS RDBMS
Metode Pemodelan data Normalisasi Skema bintang/multidimensi
Akses SQL SQL ditambah dengan kemampuan
menganalisis data
Kegunaan data Digunakan untuk menjalankan Digunakan untuk menganalisis kegiatan bisnis harian dan mengamati strategi bisnis
Tabel 2.1 Perbandingan Data Warehouse dengan OLTP
2.5 Karakteristik Data Warehouse
Karakteristik Data Warehouse menurut Inmon dan Hackathorn(1994,p2)
adalah sebagai berikut:
• Subject oriented (berorientasi subjek)
• Time variant (variasi waktu)
• Integrated (saling terintegrasi)
• Nonvolatile (tidak dapat berubah)
2.5.1 Subject Oriented
11
Karakteristik pertama dari Data Warehouse yaitu berorientasi pada subyek-
subyek utama dari perusahaan. Sebaliknya, OLTP berorientasi pada proses / fungsi.
Contohnya, dalam dunia perbankan Data Warehouse akan berorientasi pada subyek
utama antara lain customer, vendor, dan product. Sedangkan OLTP berorientasi pada
proses / fungsinya, antara lain tabungan, peminjaman, dan kartu kredit.
2.5.2 Time Variant
Data dalam data warehouse berhubungan dengan suatu titik atau point
dalam suatu periode waktu(semester, tahun fiscal atau periode pembayaran). Dengan
demikian data dalam data warehouse akurat selama periode waktu tertentu. Sehingga
dikatakan memiliki rentang waktu(time variance).
Data warehouse juga memiliki tempat untuk penyimpanan data untuk
10 tahun yang lalu atau lebih lama lagi. Yang mungkin nanti akan dapat digunakan
untuk perbandingan trend dan forecasting
2.5.3 Integrated
Adanya konsolidasi dari aplikasi oriented data system yang berbeda yaitu
data dalam warehouse disimpan dalam suatu format yang konsisten ( seperti
penamaan variabel, ukuran ukuran serta atribut fisik ). Misalnya dalam aplikasi
pengkodean
Data warehouse akan sangat berhasil apabila mampu untuk kombinasikan
data dari banyak system operasi dan hal itu merupakan suatu yang sangat efektif.
12
Salah satu alasan utama dalam menyatukan data adalah kemampuannya untuk
melakukan referensi silang antara aplikasi.
Kemampuan untuk menyajikan dan mengerti korelasi antara aktifitas dari
grup organisasi yang berbeda dalam suatu perusahaan merupakan suatu fasilitas yang
terbaik yang dapat dilakukan oleh data warehouse.
Data warehouse tidak hanya melayani penyatuan data diaplikasi sekarang,
tetapi memiliki kemampuan untuk menyatukan data dari beberapa versi aplikasi yang
telah digunakan sebelumnya
Konsistensi yang ditunjukkan oleh data warehouse dapat dilihat pada :
• Encoding (pengkodean)
Sebagai contoh, software developer harus memberi kode “m” untuk jenis kelamin
pria, “f” untuk jenis kelamin wanita. Dapat juga memberi kode “1” atau “male”
untuk pria serta “0” atau “female” untuk wanita.
• Attribute measurement (pengukuran atribut)
Sebagai contoh, ada beberapa satuan ukuran yang digunakan untuk satuan
panjang dalam database seperti cm, inchi, meter, dan yard. Dengan karakteristik
integrasi data, maka ukuran tersebut harus konsisten seperti menetapkan ukuran
satuan panjang yaitu cm.
• Multiple source (banyak sumber)
Dalam database ada kemungkinan banyaknya deskripsi dari suatu informasi,
namun dengan prinsip integrasi data, seluruh informasi tersebut harus memiliki
kesamaan deskripsi yang konsisten.
• Conflicting Keys (Kunci yang berbeda)
13
Sebagai contoh, dalam database ada beberapa tipe data yang berbeda dalam
field yang sama seperti field kode barang dalam tabel penjualan memiliki tipe data
character (char) dengan field size 10 sedangkan dalam tabel lain berbeda, misal
char (12). Semua perbedaan itu harus diintegrasikan menjadi satu tipe data yaitu
char dengan ukuran 12.
2.5.4 Non volatile
Data warehouse tidak dapat mengalami perubahan. Lain halnya pada
database operasional dapat dilakukan update, insert, delete terhadap data yang
mengubah isi dari database sedangkan pada data warehouse hanya ada dua kegiatan
memanipulasi data yaitu loading data ( mengambil data dari data yang dibutuhkan
dari data warehouse ) dan akses data ( proses mengakses data warehouse, seperti
melakukan Query atau menampilkan laporan yang dibutuhkan ( tidak ada kegiatan
updating data).
P ro v id e s c o m m o n c o d in g o f d a ta b o thw ith in a n d a c c ro s s s u b je c t a re a s
R e ta il S a le sS y s te m
O u tle t S a le sS y s te m
C a ta lo g S a le sS y s te m
P ro d u c t C o d e :9 9 9 9 9 9 9
P ro d u c t C o d e :X X X X X X X X X
P ro d u c t C o d e :X X X X 9 9 9 9
P ro d u c t C o d e :C o m m o n C o d e o r a m a p p in g o f th e v a r io u s s o u rc e c o d e
S a le s S u b je c t A re a
G a m b a r 2 .1A s p e k T e r in te g ra s i d a r i D a ta W a re h o u s e
S u m b e r : C o re y , M ic h a e l., e t.a l, D a ta W a re h o u s in g (1 9 9 9 ,p 1 0 )
14
2.6 Struktur Data Warehouse
Data warehouse memiliki struktur yang spesifik serta memiliki perbedaan
dalam tingkatan ringkasan, detil data, dan umur data. Struktur tersebut terdiri dari:
• Current Detail Data (Detil data saat ini)
• Old Detail Data (Detil data historis)
• Lightly Summarized Data (Ringkasan data level menengah)
• Highly Summarized Data (Ringkasan data level tinggi)
• Metadata
change
change
replace
replace
replace
insert
insert load
access
operational data warehouse
data is updated on a record-by-record basis regularly
data is loaded into thewarehouse and is accessedthere, but once snapshot of datais made, the data in thewarehouse does not change
Gambar 2.2Aspek Nonvolatile Data Warehouse
Sumber : http://www.cait/wustl/edu/cait/papers/prism/vol1 no1/
15
2.6.1 Current Detail Data
Current Detail Data adalah data yang keakuratannya tepat pada saat akses
berdasarkan variansi waktu.
2.6.2 Old Detail Data
Old Detail Data merupakan data yang tersimpan dalam bentuk
penyimpanan yang besar. Old Detail Data berasal dari Current Detail Data backup
yang lama yang memiliki ukuran tahunan dan hampir tidak pernah diakses lagi. Old
Detailed Data biasanya disimpan pada media penyimpanan alternatif selain disk.
h ig h ly s u m m a r iz e d
lig h t lys u m m a r iz e d
c u r r e n td e ta i l d a ta
o ld e r d e ta ild a ta
G a m b a r 2 .3 . S t r u k tu r D a ta W a re h o u s eS u m b e r : h t tp : / /w w w .c a it .w u s t l.e d u /c a it /p a p e rs p r is m /v o l1 _ n o 1 /s t ru c tu re /h o m e .h tm l
16
Penyusunan direktori untuk data ini menggambarkan umur data agar dapat
mempermudah dalam melakukan akses selanjutnya.
2.6.3 Lightly Summarized Data
Lightly Summarized Data adalah berupa ringkasan dari Current Detail Data.
Di dalam tahap ini data belum dapat digunakan untuk pengambilan keputusan karena
sifat data belum “total summary” yang artinya data masih bersifat detil.Lightly
Summarized Data seringkali digunakan sebagai gambaran dari keadaan yang sedang
berlangsung maupun yang belum berlangsung. Data ini hampir selalu tersimpan
dalam disk dan yang perlu diperhatikan adalah satuan waktu ringkasan dan atribut
Lightly Summarized Data.
2.6.4 Highly Summarized Data
Highly Summarized Data adalah hasil proses summary yang memiliki sifat
“Total Summary”. Pada tingkat ini data sangat mudah diakses dan pada akhirnya
dapat digunakan sebagai pengambil keputusan bagi eksekutif perusahaan. Bagi
eksekutif hal ini sangatlah memudahkan karena mereka hanya perlu membaca atau
melakukan analisa dalam waktu yang singkat.
2.6.5 Metadata
Metadata termasuk dalam komponen penting pada data warehouse.
Metadata seringkali disebut ‘data tentang data’. Metadata memberikan peranan yang
penting untuk keefektifan penggunaan data warehouse. Dengan adanya metadata
17
maka akan mempermudah end user dalam melakukan analisis dan menghemat waktu
mereka. Metadata bertindak seperti indeks mengenai isi dari data warehouse.
Metadata mengandung :
• Struktur Data
Suatu direktori untuk membantu analisis DSS (Decision Support System) untuk
mencari lokasi/tempat data dalam data warehouse.
• Algoritma untuk meringkas data
Suatu algoritma untuk proses summary data antara current detail data dengan
lightly summarized data dan antara lightly summarized data dengan highly
summarized data, dan lain-lain.
• Pemetaan dari data operasional ke data warehouse
Suatu panduan pemetaan data pada pada saat data ditransformasi/diubah dari
lingkup data operasional menjadi lingkup data warehouse.
2.7 Anatomi Data Warehouse
Penerapan awal dari arsitektur data warehouse dibuat berdasarkan konsep
bahwa data warehouse mengambil data dari berbagai sumber dan memindahkannya
ke dalam sebuah pusat pengumpulan data yang besar. Konsep ini sebenarnya lebih
cenderung pada sebuah lingkungan mainframe yang terpusat.
Keunggulan teknologi client-server memungkinkan data warehouse
diterapkan dalam berbagai macam cara untuk menampung kebutuhan pemakai sistem
secara lebih proporsional. Misalnya : pemakai tertentu perlu menggabungkan data
18
dari sebuah sistem pengumpulan data yang statis, dengan data dari sistem operasional
yang dinamis hanya dalam sebuah query saja.
Berikut ini adalah tiga jenis dasar sistem Data Warehouse :
1. Data Warehouse Fungsional (Functional Data Warehouse)
2. Data Warehouse Terpusat (Centralized Data Warehouse)
3. Data Warehouse Terdistribusi (Distributed Data Warehouse)
2.7.1 Data Warehouse Fungsional
Data Warehouse Fungsional mempergunakan pendekatan kebutuhan dari
tiap bagian fungsi bisnis, misalnya departemen, divisi, dan sebagainya, untuk
mendefinisikan jenis data yang akan ditampung di dalam sistem.
Setiap unit fungsi dapat mempunyai gambaran datanya masing-masing.
Penerapan jenis sistem pengumpulan data seperti ini beresiko kehilangan konsistensi
data di luar lingkungan bisnis bersangkutan. Apabila pendekatan ini lingkupnya
diperbesar dari lingkungan fungsional menjadi lingkup perusahaan, konsistensi data
perusahaan tidak lagi dapat dijamin. Sebab utama dipergunakan pendekatan seperti
ini adalah bahwa sistem ini dapat memberi solusi yang mudah untuk dibangun
dengan biaya investasi yang relatif rendah dan dapat memberikan kelompok pemakai
sebuah kemampuan sistem pengumpulan data yang terbatas.
2.7.2 Data Warehouse Terpusat
Data warehouse terpusat adalah pendekatan yang paling banyak digunakan,
sebagian besar karena keterbiasaan pemakai dengan lingkungan mainframe yang
19
terpusat. Data diambil dari seluruh sistem operasional dan disimpan di dalam pusat
penyimpanan data. Pemakai kemudian bekerja dengan mempergunakan data yang
telah terkumpul tersebut untuk membangun data warehouse fungsional masing-
masing. Keuntungan sistem ini dibandingkan dengan data warehouse fungsional
adalah bahwa data benar-benar terpadu.
Sistem ini mengharuskan pemasok data harus mengirimkan data tepat pada
waktunya agar supaya tetap konsisten dengan pemasok lainnya. Di samping itu,
pemakai hanya dapat mengambil data dari bagian pengumpulan saja, dan tidak dapat
secara langsung berhubungan dengan pemasok datanya sendiri.
2.7.3 Data Warehouse Terdistribusi
Data Warehouse terdistribusi dikembangkan berdasarkan konsep data
warehouse “gateway” yang memungkinkan pemakai untuk langsung berhubungan
dengan sumber data maupun dengan pusat pengumpul data lainnya. Gambaran
pemakai atas data adalah berupa gambaran logik karena data mungkin diambil dari
berbagai sumber yang berbeda. Pendekatan ini mengandalkan keunggulan teknologi
“client-server” untuk mengambil data dari berbagai sumber. Pendekatan ini
memungkinkan tiap departemen atau divisi untuk membangun pengumpul data
fungsionalnya masing-masing atau bahkan sistem operasionalnya dan memadukan
bagian-bagian tersebut dengan teknologi client-server. Pendekatan ini memerlukan
biaya yang sangat besar karena setiap sistem pengumpulan data fungsional dan sistem
operasinya dikelola secara terpisah. Di samping itu, supaya berguna bagi perusahaan
data harus disinkronisasikan untuk memelihara keterpaduannya. Metode ini akan
20
sangat efektif apabila data telah tersedia dalam bentuk yang konsisten dan pemakai
ingin dapat menambah data tersebut dengan informasi baru apabila ingin memperoleh
gambaran baru atas informasi.
2.8 Arsitektur Data Warehouse
Menurut Poe (1996,p24) adalah sekumpulan aturan atau stuktur yang
memberikan kerangka untuk keseluruhan rancangan suatu sistem atau produk.
Arsitektur data menyediakan kerangka dengan mengidentifikasikan dan
memahami bagaimana data akan pindah melalui sistem dan digunakan dalam
perusahaan. Arsitektur data warehouse mempunyai komponen utama yaitu database
yang hanya dapat dibaca. Karakteristik arsitektur data warehouse (Poe,1996,pp40-41)
:
• Data diambil dari sistem sistem asal (sistem informasi yang ada), database dan
file.
• Data dari sistem asal diintegrasikan dan ditransformasi sebelum disimpan
kedalam data warehouse.
• Data Warehouse adalah jenis database read-only yang diciptakan untuk
mengambil keputusan.
• User mengakses data warehouse via front-end tool atau aplikasi.
21
2.9 Jenis Arsitektur Data Warehouse
Ada beragam arsitektur data warehouse diantaranya adalah:
• Arsitektur two-tier
• Arsitektur three-tier
• Arsitektur bottom-up
2.9.1 Arsitektur Two-tier
Pada arsitektur two-tier ini, operational data ditransformasikan dan
ditransfer ke data warehouse. Untuk membantu proses transformasi, sebuah
Enterprise Data Model (EDM) dibuat. Enterprise Data Model ini menjelaskan
tentang struktur data warehouse dan berisi metadata yang dibutuhkan untuk
menempatkan dan mengakses database yang dihasilkan dan sumber data eksternal.
Arsitektur two-tier biasanya akan menemui kesulitan perfomance bilamana
data warehouse berukuran besar.
22
operationaldatabase
operationaldatabase
ExternalData
source
Data Warehouseserver
summarized data
UserDepartments
TRANSFORMASI
Gambar 2.4 Arsitektur two-tier data warehouse
2.9.2 Arsitektur Three-tier
Organisasi yang menemui kesulitan dalam menerapkan arsitektur two-tier
pada umumnya akan beralih ke arsitektur three-tier.
User pada departemen pada umumnya hanya mengakses sebagian kecil dari
porsi data warehouse. Oleh karena itu digunakanlah data mart.
Pada umumnya data mart ini memiliki server yang terpisah dengan data
warehouse, yang bertujuan untuk perfomance dan fault tolerance. Masing-masing
departemen bertanggung jawab untuk mengawasi data mart departemennya.
23
userdepartments
data mart tier
data mart
data mart
Data Warehouse
summarizeddata
operationaldatabase
operationaldatabase
ExternalData source
data warehouseserver
Gambar 2.5 Arsitektur three-tier data warehouse
2.9.3 Arsitektur Bottom-up
Pada arsitektur bottom-up, data dimodelkan dalam satu function atau proses
dalam satu waktu dan disimpan di data mart yang terpisah. Bilamana waktunya tiba,
data baru disintesis, disaring (dibersihkan), dan dimerge ke dalam data mart yang
telah tersedia atau dapat juga dengan membangun ke data mart yang baru.
24
operationaldatabase
operationaldatabase
ExternalData source
data mart
userdepartments
data mart tier
transformationproses
Gambar 2.6 Arsitektur bottom-up data warehouse
25
2.10 Kegiatan Inti Data Warehouse :
Untuk melakukan penganalisaan dan pelaporan informasi bagi pihak-pihak
pengambil keputusan, maka dalam merancang data warehouse terdapat kegiatan-
kegiatan yang harus ada didalamnya, kegiatannya antara lain :
2.10.1 Memperoleh data dan menggabungkan data
Mendapatkan data dari berbagai sumber dan melakukan penggabungan pada
suatu tempat tertentu, data-data yang digabung adalah data yang akan membantu kita
dalam pembuatan laporan, karena data tersebut merupakan bentuk suatu kesatuan
2.10.2 Transformasi data
Pengolahan data dari awal kebentuk data yang telah disepakati, dengan
mengalami pemrosesan atau pengolahan terlebih dahulu yang sama artinya dengan
pengubahan dan kebentuk yang diharapkan
2.10.3 Pendistribusian data
Data-data yang akan kita gunakan dalam data warehouse berkaitan dengan
lingkungan kerja dalam perusahaan. Bagi perusahaan yang terhubung dengan
jaringan, pemakaian data warehouse mendukung kegiatan ini. Dimana pengguna
dapat menggunakan data warehouse ini secara lebih fleksibel dan merata pada
masing-masing bagian yang ada dalam perusahaan.
26
2.10.4 Penggunaan data
Data yang telah disaring akan menghasilkan ringkasan-ringkasan yang
dapat memudahkan pengguna dalam mengambil suatu keputusan. Disini kegiatan
pemakaian data akan menjadi lebih sering jika para pengambil keputusan ingin
menganalisa produk yang telah dipasarkan pada masyarakat.
2.11 Skema Bintang
Skema bintang (Poe,1996, p120-121) adalah perancangan yang memiliki
struktur sederhana dengan tabel-tabel yang relatif dan penggabungan yang diketahui.
Skema Bintang merupakan suatu rancangan database di data warehouse
yang menggambarkan hubungan yang jelas antara struktur tabel fakta dan tabel
dimensi.
Skema ini dapat dibaca dengan mudah oleh para analis maupun pemakai
yang tidak biasa dengan stuktur database.
2.12 Keuntungan menggunakan skema bintang
Skema bintang memiliki keuntungan yang tidak didapat oleh skema
relasional biasa.
Keuntungan skema bintang:
• Respon data yang lebih cepat dihasilkan dari perancangan database
• Kemudahan dalam mengembangkan atau memodifikasi data yang terus
berubah
27
• End user dapat menyesuaikan cara berpikir dan menggunakan data, konsep ini
dikenal juga dengan istilah paralel dalam perancangan database
• Menyederhanakan pemahaman dan penelusuran metadata bagi pemakai dan
pengembang.
2.13 Perancangan Skema Bintang
Skema Bintang memiliki 2 macam tabel, yakni:
2.13.1 Tabel Fakta (fact table)
Tabel fakta sering juga disebut table mayor. Tabel ini merupakan inti dari
skema bintang dan berisi data aktual yang akan dianalisis(data kuantitatif dan
transaksi). Field-field tabel fakta sering disebut measure dan biasanya dalam bentuk
numerik. Selalu berisi foreign key dari masing-masing tabel dimensi. Tabel ini dapat
terdiri dari banyak kolom dan ribuan baris data
2.13.2 Tabel Dimensi (dimension table)
Sering juga disebut tabel minor. Tabel dimensi biasanya lebih kecil dan
berisi data yang merupakan deskripsi lebih lanjut dari data yang ada pada tabel fakta.
2.14 Ketentuan Pembacaan Skema Bintang
Adapun ketentuan pembacaan skema bintang adalah sebagai berikut:
• Bagian yang ada di bawah tabel adalah kolom-kolom dari tabel.
• Primary key dan foreign key diberi kotak.
28
• Primary key diarsir, sedangkan foreign key yang bukan primary key tidak
diarsir.
• Foreign key yang berhubungan ditunjukkan dengan garis yang
menghubungkan tabel-tabel.
• Kolom yang bukan primary key atau foreign key disebut kolom data pada
tabel fakta dan atribut pada tabel dimensi.
2.15 Jenis-jenis Skema Bintang
Ada beberapa macam jenis skema bintang, yaitu :
2.15.1 Skema Bintang Sederhana
Dalam skema ini, setiap tabel harus memiliki primary key yang terdiri dari
satu kolom atau lebih dan primary key tersebut harus bersifat unik.
Primary key dari tabel fakta terdiri dari satu atau lebih foreign key. Foreign
key adalah kolom pada satu tabel yang nilainya didefinisikan oleh primary key pada
tabel yang lain.
Gambar dibawah ini menggambarkan hubungan antara tabel fakta dan tabel
dimensi. Tabel fakta memiliki tiga foreign key, dimana masing-masing foreign key itu
merupakan primary key pada tabel dimensi.
29
2.15.2 Skema Bintang dengan Banyak Tabel Fakta
Skema bintang juga dapat terdiri dari lebih dari satu table fakta. Hal ini
terjadi karena mereka berisi lebih banyak tabel fakta, misalnya disamping penjualan
terdapat tabel fakta forecasting dan tabel fakta result. Tetapi walaupun terdapat
banyak tabel fakta, mereka menggunakan tabel dimensi secara bersama-sama.
Kunci 1
AtributAtribut...Atribut
Tabel Dimensi 1
Kunci 2
AtributAtribut...Atribut
Tabel Dimensi 2 Kunci 1
Kolom DataKolom Data...Kolom Data
Tabel Fakta
Kunci 2Kunci 3 Kunci 3
AtributAtribut...Atribut
Tabel Dimensi 3
Gambar 2.7 Hubungan antara tabel dimensi pada Skema BintangSederhana (Sumber : Poe, 1996, p124)
30
Gambar 2.8. Skema Bintang dengan lebih dari 1 Tabel FaktaSumber : Poe,1996, p126
2.15.3 Skema Snowflake
Snowflake merupakan variasi lain dari skema bintang dimana tabel dimensi
dari skema bintang diorganisasi menjadi suatu hierarki dengan melakukan
normalisasi.
Prinsip dasar dari skema ini tidak jauh berbeda dari skema bintang.
Penggunaan tabel dimensi sangatlah menonjol, karena itulah perbedaan mendasar
dari skema bintang dan skema snowflake. Skema snowflake menggunakan beberapa
tabel fakta dan tabel dimensi yang sudah mengalami normalisasi, sedangkan skema
bintang menggunakan tabel dimensi yang masih denormalisasi. Skema snowflake
Kunci 1
AtributAtribut...Atribut
Tabel Dimensi 1
Kunci 2
AtributAtribut...Atribut
Tabel Dimensi 2 Kunci 1
Kolom DataKolom Data...Kolom Data
Tabel Fakta 1
Kunci 2Kunci 3 Kunci 3
AtributAtribut...Atribut
Tabel Dimensi 3
Kunci 1
Kolom DataKolom Data...Kolom Data
Kunci 2Kunci 3
Tabel Fakta 2
31
dibuat berdasarkan OLTP sehingga semua data akan termuat detail dalam setiap tabel
fakta dan tabel dimensi.
Keuntungan dari skema snowflake adalah :
• Kecepatan memindahkan data dari data OLTP kedalam metadata.
• Sebagai kebutuhan dari alat pengambil keputusan tingkat tinggi dimana dengan
tipe yang seperti ini seluruh struktur dapat digunakan sepenuhnya.
• Banyak yang beranggapan lebih nyaman merancang dalam bentuk normal ketiga.
Sedangkan kerugiannya adalah mempunyai masalah yang besar dalam hal
kinerja (performance), hal ini disebabkan semakin banyaknya join antar tabel-tabel
yang dilakukan dalam skema snowflake ini, maka semakin lambat juga kinerja yang
dilakukan.
Sebuah skema bintang yang menyediakan atribut yang lengkap, konsisten
dan mudah dimengerti memungkinkan bagi pemakai untuk memperoleh penampilan
Kunci 1Kunci 2Kunci 3
Kolom DataKolom Data...Kolom Data
Tabel Fakta
Kunci 1Atribut 4Atribut 5Atribut 6
Atribut 5
Tabel Dimensi 1
Tabel Atribut 5
Atribut 6Tabel Atribut 6 Kunci 2
Atribut 7Kunci 6Atribut 8
Tabel Dimensi 2
Kunci 6Atribut
Tabel Dimensi 6
Atribut 8Tabel Atribut 8
Kunci 3Atribut 1Atribut 2Atribut 3
Tabel Dimensi 3
Kunci 4Kunci 5
Kunci 4Atribut
Tabel Dimensi 4
Kunci 5Atribut
Tabel Dimensi 5
Gambar 2.9. Skema SnowflakeSumber : Poe, 1996, p129
32
data yang mudah digunakan dan mudah dimengerti. Perancangan skema bintang yang
baik membantu pemakai untuk menulis pencarian yang diinginkan dengan cara yang
dimengerti.
2.16 Perencanaan Strategi Informasi
analysis of goals andproblems
The overview model offunction of the enterprise
entity-relationshipmodeling
critical succes factoranalysis
Perform technologyimpact analysis
Strategic system vision
of directinterest to
topmanagement
of primaryinterest totop MISplanners
Gambar 2.10 piramid teknologi informasi
Bagian puncak dari piramid teknologi informasi ada kaitannya dengan
perencanaan strategi. Diagram sederhana yang terdiri dari level-level ini
menggambarkan strategi sebagai sebuah level level single pada puncak piramid.
Bila dilihat secara detil gambar tersebut dibagi menjadi dua lapisan. Lapisan pertama
berisi tentang tipe perencanaan yang menjadi perhatian bagi top management.
Lapisan kedua berisi tentang model dari perusahaan dan informasinya yang menjadi
perhatian utama bagi para perencana sistem informasi.
33
Pada lapisan pertama berkaitan dengan dampak teknologi dimasa depan
pada perusahaan, bagaimana cara teknologi tersebut digunakan untuk perusahaan itu
agar lebih kompetitif, faktor sukses dalam mengelola perusahaan dan goal serta
problem yang ada pada perusahaan (Martin. James: Information Engineering Book II;
1990; p 13-15). Untuk lebih jelasnya berikut penjelasan dari gambar diatas :
1. Analysis of Goals and Problems : menerangkan tentang bentuk
permasalahan dan pemecahannya dari perusahaan dengan cara
menghubungkannya kepada departemen atau unit organisasi yang terlibat
serta tanggung jawab yang ada pada tiap-tiap manajer pada masing-masing
departemen tersebut.
2. Critical Succes Factor Analysis : dikaitkan dengan mengidentifikasi area
yang “segala sesuatunya harus berjalan dengan benar” jika ingin
perusahaan tersebut cepat sukses, dan itu berkaitan dengan mempergunakan
sumber daya pada tempat yang tepat.
3. Technology Impact Analysis : menjelaskan bagaimana teknologi informasi
yang ada di perusahaan dapat berguna dalam menghadapi kesempatan dan
ancaman di perusahaan.
4. Strategic System Vision : berkaitan dengan strategi membuat sistem baru
dengan tujuan membuat perusahaan tersebut lebih kompetitif. Dalam
strategi sistem ini membutuhkan restrukturisasi pada perusahaan.
5. The overview model of the functions in the enterprise : memetakan fungsi
bisnis secara hirarki. Hal ini berhubungan dengan unit organisasi, lokasi
dan entitas dimana data tersebut disimpan.
34
6. Entity Relationship Modeling : menggambarkan hubungan-hubungan antar
entitas dalam bentuk diagram. Entitas ini berhubungan dengan fungsi bisnis
yang telah dipetakan dalam matriks.
2.17 Data Mart
Data Warehouse dan data mart didefinisikan dan digunakan secara terpisah
di dalam sistem data warehouse. Data Mart adalah kumpulan data yang lebih kecil
dari data warehouse yang digunakan untuk melakukan analisa bisnis di satu divisi.
Sedangkan data warehouse adalah kumpulan dari seluruh data perusahaan yang
digunakan untuk melakukan analisa bisnis secara keseluruhan ( Peterson, Timothy;
Pinkelman, James; Microsoft OLAP Unleashed, second edition, 2000, p54).
2.18 Agregasi
Agregasi adalah proses penghitungan data fakta selama pendefinisian
atribut. Sebagai Contoh: Jumlah mahasiswa berdasarkan jurusan dan program studi
dengan menghitung jumlah mahasiswa dari data transaksi yang terjadi. Agregasi
dapat dibuat selama proses transformasi dan pemuatan data ke dalam data
warehouse.
Menurut Poe (1996,p136), faktor yang mendorong pembuatan agregasi:
• Meningkatnya penampilan pencarian(searching)
• Mengurangi jumlah penggunaan kode produk universal
Suatu agregasi yang baik dapat dibuat untuk digunakan oleh 300 user dalam
satu hari, karena akan lebih bermanfaat jika dibandingkan dengan membuat agregasi
35
yang membutuhkan waktu 2 jam tetapi hanya digunakan sekali dalam setahun oleh
satu user saja.
Salah satu teknik yang harus dicatat adalah saat pemuatan data warehouse.
Kita tetap membutuhkan teknik database klasik seperti partisi tabel secara fisik. Hal
ini menjadi penting bilamana data warehouse mencapai gigabyte data.
2.19 Denormalisasi
Denormalisasi adalah proses penggabungan field-field dari beberapa tabel
untuk meningkatkan penampilan yang ada. Ini adalah sebuah proses yang bertolak
belakang dengan bentuk normal dalam proses normalisasi.
Alasan utama untuk melakukan hal ini (Poe, 1996, p139) :
1. Untuk mengurangi jumlah hubungan yang terjadi antar tabel-tabel yang harus
mengalami proses pada waktu dilakukan pencarian. Dengan inilah penampilan
database dapat ditingkatkan.
2. Untuk membuat struktur fisik dari database yang semakin mendekati model
dimensi dari pemakai. Membuat struktur tabel sesuai dengan yang ingin
ditanyakan oleh pemakai, memungkinkan terjadinya akses langsung, yang sekali
lagi akan meningkatkan penampilan.
2.20 Tingkatan Manajemen Pengguna Informasi
Tingkatan manajemen dalam suatu organisasi pada umumnya terbagi
menjadi :
1. Tingkatan Operasional
36
Berfokus pada pelaksanaan atas apa yang organisasi itu hasilkan atau
lakukan. Yang termasuk ke dalam tingkatan operasional ini adalah Senior
Geologist, Senior Geophysicalist.
2. Tingkatan Teknis / Manajemen
Mengelola fungsi operasi dan sebagai penghubung antara yang
memproduksi produk atau jasa dan mereka yang menggunakan keluaran
itu. Yang termasuk ke dalam tingkatan teknis ini adalah Field Manager,
Operation Manager.
3. Tingkatan Strategis
Menetapkan tujuan jangka panjang dan arah bagi organisasi. Yang
termasuk ke dalam tingkatan strategis ini adalah : General Manager.
• Pengaruh tingkatan manajemen terhadap Sumber Informasi dapat
digambarkan sebagai berikut :
Gambar 2.11 Pengaruh Tingkatan Manajemen terhadap Sumber Informasi
Dapat dilihat bahwa manajemen tingkat strategis menerima informasi
eksternal yang lebih banyak dibandingkan dengan informasi yang berasal
dari internal. Sebaliknya, tingkatan operasional lebih banyak menerima
informasi yang berasal dari internal perusahaan.
Eksternal
Internal
Strategic Planning Level
Management Control Level
Operational Control Level
37
• Pengaruh Tingkatan Manajemen terhadap Bentuk Penyajian Informasi
dapat digambarkan sebagai berikut :
Pada gambar tersebut terlihat bahwa tingkatan strategis membutuhkan
informasi dalam bentuk yang ringkas (summary), sedangkan tingkatan operasional
perusahaan lebih membutuhkan informasi dalam bentuk yang lebih rinci (detail).
2.21 Pengertian Critical Succes Factor (CSF)
Critical Succes Factor (CSF) adalah area dalam jumlah terbatas dimana
nilai kepuasan dapat menjamin kinerja yang kompetitif bagi seorang indvidu,
departemen, atau organisasi. CSF merupakan salah satu area penting dimana “segala
sesuatu harus berjalan dengan benar” bagi sebuah bisnis untuk berkembang dan goal
seorang manajer dapat dicapai. Sebuah goal berarti keseluruhan tujuan, sebuah CSF
adalah apa yang harus dilakukan untuk mencapai goal tersebut. (Martin. James:
Information Engineering Book II; 1990; p 89).
.
2.22 Pengertian Pembelian
Pembelian menurut Mulyadi (1997,p302), pembelian adalah suatu usaha
pengadaan barang yang diperlukan oleh perusahaan. Sistem pembelian digunakan
Ringkasan
Detail
Strategic Planning Level
Management Control Level
Operational Control Level
Gambar 2.12. Pengaruh Tingkat Manajemen terhadap Bentuk Penyajian Informasi
38
dalam perusahaan untuk pengadaan barang yang diperlukan oleh perusahaan.
Transaksi pembelian dapat digolongkan menjadi dua, yaitu pembelian lokal dan
impor. Pembelian lokal adalah pembelian dari pemasok dalam negeri, sedangkan
pembelian impor adalah pembelian dari pemasok luar negeri.
Fungsi yang terkait dengan pembelian adalah :
1. Fungsi gudang : Bertanggung jawab untuk mengajukan permintaan pembelian
sesuai dengan posisi persediaan barang yang ada digudang dan untuk menyimpan
barang yang telah diterima oleh fungsi penerimaan.
2. Fungsi pembelian : Bertanggung jawab untuk memperoleh informasi mengenai
harga barang. Menentukan pemasok yang dipilih dalam pengadaan barang dan
mengeluarkan order pembelian kepada pemasok yang dipilih.
3. Fungsi akuntansi : Fungsi yang terkait adalah fungsi pencatatan utang dan
persediaan barang. Fungsi pencatatan uang berfungsi untuk mencatat transaksi ke
dalam register bukti kas keluar. Fungsi persediaan barang bertanggung jawab
untuk mencatat harga produksi barang yang dibeli kedalam kartu persediaan.
2.23 Pengertian Manajemen Produksi dan Manajemen Operasi
Manajemen produksi dan operasi menurut T.Hani Handoko (1997,p 3)
merupakan usaha-usaha pengelolaan secara optimal penggunaan sumber daya –
sumber daya( atau sering disebut faktor-faktor produksi )-tenaga kerja, mesin-mesin,
peralatan-dalam proses transformasi bahan mentah dan tenaga kerja menjadi berbagai
produk dan jasa .
39
Setiap perusahaan memiliki karakteristik yang berbeda-beda, sebagai contoh
di perusahaan minyak, dikenal adanya istilah eksplorasi dan operasi.
Eksplorasi adalah kegiatan pencarian minyak dan gas bumi dengan
mempergunakan prinsip – prinsip geologi, geofisika, geokimia , dan pengeboran
(Tim Pengelola DPKK Migas, 2000,p III-3)
Operasi adalah kegiatan melaksanakan pengembangan lapangan yang
meliputi optimalisasi produksi migas melalui kegiatan pengeboran, pemeliharaan
sumur dan fasilitas produksi ( Tim Pengelola DPKK Migas, 2000,p III-6)
Organisasi –organisasi yang sukses hendaknya mempunyai sistem pelaporan
yang memberikan umpan balik (feedback) agar manajer dapat mengetahui apakah
kegiatan – kegiatannya dapat memenuhi permintaan konsumen atau tidak.
2.24 Pengertian Penggajian
Gaji menurut Mulyadi (1997, p377-378), Gaji merupakan pembayaran atas
penyerahan jasa yang dilakukan oleh karyawan yang mempunyai jenjang jabatan
manajer, umumnya gaji dibayarkan secara tetap perbulan. Informasi yang dibutuhkan
oleh manajemen dari kegiatan penggajian dan pengupahan adalah :
1. Jumlah biaya gaji dan upah yang menjadi beban perusahaan selama periode
akuntansi tertentu.
2. Jumlah biaya gaji dan upah yang menjadi beban setiap pertanggungjawaban
selama periode akuntansi tertentu.
3. Jumlah gaji dan upah yang diterima setiap karyawan selama periode
akuntansi tertentu.
40
4. Rincian unsur biaya gaji dan upah yang menjadi beban perusahaan dan
setiap pusat pertanggungjawaban selama periode akuntansi tertentu.
2.25 Pengertian Persediaan
Persediaan menurut Mulyadi (1997, p 555) terbagi menjadi persediaan
produk jadi, persediaan produk dalam proses, persediaan bahan baku, persediaan
bahan penolong, persediaan bahan habis pakai pabrik, dan persediaan suku cadang.
Berikut ini adalah penjabaran transaksi dari semua tipe persediaan : Produk
selesai diproduksi, readjusment, pembelian, retur pembelian, penjualan, retur
penjualan, pemakaian barang gudang, pengembalian barang gudang, penghitungan
fisik persediaan.
Top Related