Pembangunan Data Warehouse Penjualan Barang Pada PT. Simpati Intan Permata
PEMBANGUNAN DATA WAREHOUSE
PENJ UALAN BARANG
PADA PT. SIMPATI INTAN PERMATA
SKRIPSI
Diajukan untuk Menempuh Ujian Akhir Sar jana
Pr ogr am Str ata Satu J ur usan Teknik Infor matika
Fakultas Teknik dan Ilmu Komputer
Univer sitas Komputer Indonesia
ASBARTANOV LASE
10106223
J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS KOMPUTER INDONESIA
BANDUNG
2011
ABSTRAK
PEMBANGUNAN DATA WAREHOUSE PENJ UALAN BARANG
PADA PT. SIMPATI INTAN PERMATA
Oleh
ASBARTANOV LASE
10106223
Perkembangan teknologi informasi yang mengalami kemajuan pesat pada
masa ini memberi peran besar dalam perubahan yang mendasar khususnya dalam
struktur, operasi, dan manajemen pada sebuah organisasi. PT. Simpati Intan
Permata (SIP) merupakan perusahaan yang bergerak di bidang penjualan alat-alat
rumah tangga, furniture dan alat elektronik. Perusahaan ini memiliki beberapa
cabang di Jawa Barat dengan menawarkan secara langsung barang ke konsumen
dengan sistem pembayaran cash dan kredit. Pengolahan data setiap cabang dan
setiap bulan databasenya terpisah-pisah, terdapat beberapa tabel pada database
yang ada tidak digunakan dan kesulitan dalam membuat laporan yang mudah
dipahami sehingga mempengaruhi analisis data dalam mengambil suatu
keputusan.
Data warehouse menjadikan data perusahaan yang tersebar menjadi
terintegrasi dan ringkas sehingga membantu pimpinan/manager dalam
menganalisis data yang ada untuk pengambilan keputusan yang bersifat strategis
secara cepat dan tepat. Pembangunan data warehouse ini menggunakan
pemodelan data skema snowflake dan perancangan OLAP (On-Line Analytical
Processing) untuk pengolahan dan analisis datanya dengan menggunakan teknik
Drill Down/Drill Up.
Hasil penelitian ini diharapkan membantu pimpinan/manager dalam
menganalisis data dalam jumlah besar sehingga memudahkan dalam mengambil
suatu keputusan.
Kata Kunci : Data warehouse, etl, olap.
i
ABSTRACT
DEVELOPMENT OF GOODS SALES DATA WAREHOUSE
IN PT. SIMPATI INTAN PERMATA
by
ASBARTANOV LASE
10106223
Information technology development gives biggest part for an organization,
especially in structural, operational and management. PT. Simpati Intan Permata
(SIP) is an organization which selling household tool, furniture and electronic
tools. It has some branches in west java which offering direct goods to consumer
with payment system in cash and credit. Every month, the branches manage their
own database separately from others branch. They also don’t use all of database,
and they have difficulties to make an understandable report data analysis in order
to make a decision.
Data warehouse makes the spreading of company’s data become integrated
and summary. It helps manager to analyze data for quick and direct strategic
decision making. The arrangement of this data warehouse is using snowflake
schema model data and OLAP and for managing and analyzing data is using
Drill Down/Drill Up technique.
This research is expected to help a manager analyzing a sum of data and to
make easier manager in decision making.
Keyword : Data warehouse, ETL, OLAP.
ii
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus atas kasih
dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul
“Pembangunan Data Warehouse Penjualan Bar ang Pada PT. Simpati Intan
Per mata”. Penyusunan skripsi ini merupakan salah satu syarat untuk
menyelesaikan Program Studi Strata I (SI) pada Jurusan Teknik Informatika
Universitas Komputer Indonesia (UNIKOM) Bandung.
Penulis menyadari bahwa dalam penyusunan skripsi ini masih terdapat
kekurangan karena keterbatasan pengetahuan, kemampuan dan pengalaman yang
dimiliki. Oleh karena itu, penulis senantiasa mengharapkan kritik maupun saran
yang ditujukan demi kesempurnaan skripsi ini dimasa yang akan datang. Proses
penyelesaian laporan ini tidak terlepas dari bantuan berbagai pihak, oleh karena
itu dengan segala kerendahan hati penulis ingin menyampaikan terima kasih
kepada :
1. Bapak Andri Heryandi S.T., M.T. selaku pembimbing yang telah memberikan
bantuan, pengarahan dan bimbingan kepada penulis dalam menyelesaikan
skripsi ini.
2. Keluarga tercinta yaitu Papa, Mama, Abang dan Adik yang telah memberikan
kasih sayang, doa dan dukungan baik moral maupun materi.
3. Ibu Mira Kania Sabariah, S.T., M.T. dan Bapak Adam Mukharil Bachtiar,
S.Kom. selaku Penguji I dan Penguji III yang telah memberikan kritik dan
sarannya dalam penulisan skripsi ini.
4. Ibu Mira Kania Sabariah, S.T., M.T. selaku Ketua Jurusan Teknik Informatika.
iii
iv
5. Bapak Galih Hermawan, S.Kom. Selaku Dosen Wali kelas IF-5 Angkatan 2006
6. Seluruh dosen dan staf Jurusan Teknik Informatika Universitas Komputer
Indonesia Bandung.
7. Teman-teman IF-5 angkatan 2006 yang tidak bisa disebutkan satu persatu.
Terima kasih untuk segala tawa dan tangis yang selama ini telah kita lalui
bersama.
8. Bapak Faatulo Tafonao, S.H. selaku Direktur PT. Simpati Intan Permata yang
telah mengijinkan penulis untuk melaksanakan penelitian skripsi ini. Terima
kasih untuk segala bantuan yang telah diberikan sehingga penulis dapat
menyelesaikan skripsi ini.
9. Semua pihak yang tidak dapat penulis sebutkan satu persatu yang telah
memberikan bantuan dan dorongan dalam penyusunan skripsi ini.
Akhir kata, semoga skripsi ini dapat bermanfaat khususnya bagi penulis dan
rekan-rekan jurusan Teknik Informatika
Bandung, Agustus 2011
Penulis
BAB I
PENDAHULUAN
1.1. Latar Belakang Masalah
Perkembangan teknologi informasi yang mengalami kemajuan pesat pada
masa ini memberi peran besar dalam perubahan yang mendasar khususnya dalam
struktur, operasi, dan manajemen pada sebuah organisasi. PT. Simpati Intan
Permata (SIP) merupakan perusahaan yang bergerak di bidang penjualan alat-alat
rumah tangga, furniture dan alat elektronik. Perusahaan ini memiliki beberapa
cabang di Jawa Barat dengan menawarkan secara langsung barang ke konsumen
dengan sistem pembayaran cash dan kredit.
Penyimpanan data dalam jumlah besar dari berbagai sumber secara
terintegarasi merupakan hal yang penting dalam perusahaan ini. PT. Simpati Intan
Permata (SIP) yang memiliki beberapa cabang di Jawa Barat tentunya memiliki
data disetiap cabangnya. Data yang tersebar disetiap cabang yang berbeda
tentunya mempengaruhi keseragaman dan konsistensi data. Data warehouse dapat
mengumpulkan dan menyatukan berbagai data yang ada disetiap cabang serta
dapat membuat laporan secara cepat, akurat dan sesuai kebutuhan.
Untuk dapat menangani data dalam jumlah besar dan memanfaatkannya
semaksimal mungkin bukanlah hal yang mudah. Oleh karena itu, diperlukan
teknologi informasi yang dapat mengatasinya yaitu data warehouse yang dapat
mempercepat proses pengumpulan data untuk penyajian informasi yang
multidimensi dan ringkas sehingga dapat memaksimalkan kualitas keputusan yang
dibuat oleh pimpinan perusahaan dalam menganalisis tren penjualan.
1
2
Dengan memanfaatkan data yang ada dalam sistem informasi untuk
menunjang kegiatan pengambilan keputusan tidak cukup hanya mengandalkan
data operasional saja, diperlukan suatu analisis data untuk menggali potensipotensi informasi yang ada. Untuk itulah perlu dibangun sebuah data warehouse
yang selanjutnya dapat dianalisis sehingga memudahkan dalam pengambilan
keputusan.
1.2.Rumusan Masalah
Bagaimana Membangun Data Warehouse Penjualan Barang Pada PT.
Simpati Intan Permata.
1.3. Maksud dan Tujuan
1.3.1. Maksud
Maksud laporan ini adalah untuk Membangun Data Warehouse Penjualan
Barang Pada PT. Simpati Intan Permata.
1.3.2. Tujuan
Tujuan dari pembuatan laporan ini adalah sebagai berikut :
1. Membangun data warehouse pada PT. Simpati Intan Permata.
2. Memudahkan pimpinan/manager dalam mengambil keputusan.
3. Memudahkan proses analisa data dalam bentuk laporan.
1.4.Batasan Masalah
1.4.1. Sistem
Batasan sistem yang akan dibangun yaitu :
1. Data warehouse yang dibangun yaitu data warehouse penjualan barang.
2. Pemodelan data warehouse yang digunakan yaitu skema snowflake.
3
1.4.2. Per angkat Lunak
Untuk pembangunan data warehouse dibutuhkan perangkat lunak dengan
spesifikasi sebagai berikut :
1. Sistem Operasi Windows XP.
2. Microsoft Visual Studio 2008 sebagai perangkat pembangunan data warehouse
(tools).
3. Microsoft SQL Server 2008 sebagai Database Manajemen Sistem (DBMS).
1.4.3. Pengguna
Pengguna yang akan menggunakan data warehouse ini adalah :
1. Manager Marketing
1.5.Metodologi
1.5.1 Teknik Pengumpulan Data
Metodologi yang digunakan dalam mengumpulkan data yang berkaitan
dengan penyusunan laporan dan pembuatan aplikasi ini adalah sebagai berikut:
a. Studi Pustaka
Teknik pengumpulan data dengan cara mencari informasi yang berhubungan
dengan permasalahan yang akan dibahas dengan bersumber pada buku-buku,
serta bacaan lain yang dapat membantu menyelesaikan pembangunan data
warehouse.
b. Observasi
Teknik pengumpulan data dengan mengadakan penelitian dan terjun langsung
ke lingkungan objek yang diteliti.
4
c. Wawancara
Teknik pengumpulan data dengan mengadakan tanya jawab secara langsung
mengenai hal-hal yang berkaitan dengan topik yang diambil.
1.5.2 Model Pembangunan Perangkat Lunak
Dalam membangun aplikasi ini, digunakan model Waterfall sebagai model
pembangunan perangkat lunak yang meliputi :
1. Rekayasa Sistem
Tahap ini merupakan kegiatan pengumpulan data sebagai pendukung
pembangunan sistem serta menentukan ke arah mana data warehouse ini akan
dibangun.
2. Analisis Sistem
Merupakan tahap menganalisis seluruh kebutuhan pembangunan data
warehouse termasuk didalamnya kegunaan data warehouse yang diharapkan
pengguna dan batasan pembangunan data warehouse itu sendiri. Informasi
yang didapat melalui tahap pengumpulan data, selanjutnya akan dianalisis
untuk mendapatkan dokumentasi kebutuhan pengguna untuk digunakan pada
tahap selanjutnya.
3. Per ancangan Sistem
Tahap perancangan interface yang mudah dimengerti user yang mengacu pada
data-data analisis. Tahap ini membantu dalam mendefinisikan arsitektur data
warehouse secara keseluruhan.
5
4. Pengujian Sistem
Dalam tahap ini dilakukan pengujian terhadap data warehouse yang telah
dibangun. Pada tahap ini menggunakan dua metode pengujian, yaitu pengujian
alpha dan pengujian betha. Pengujian alpha dilakukan dengan metode black
box untuk menguji fungsional sistem seperti kesalahan sintak, terminasi dan
kesalahan interface apakah sudah sesuai dengan fungsi yang dibangun.
Sedangkan pengujian betha dilakukan dengan mewawancarai langsung
direktur PT. Simpati Intan Permata.
5. Pemeliharaan Sistem
Tahap akhir dimana suatu perangkat lunak yang sudah dibangun dapat
mengalami perubahan-perubahan atau penambahan sesuai dengan permintaan
pengguna.
Gambar 1.1 Metodologi Waterfall
6
1.6. Sistematika Penulisan
Sistematika penulisan laporan ini dibagi dalam beberapa bab dengan pokok
pembahasan secara umum sebagai berikut:
1. BAB I PENDAHULUAN
Bab ini merupakan bagian yang menjelaskan latar belakang masalah,
perumusan masalah, maksud dan tujuan, batasan masalah, metodologi
penelitian, dan sistematika penulisan.
2. BAB II TINJ AUAN PUSTAKA
Bab ini terbagi menjadi dua bagian, yaitu tinjauan umum perusahaan dan
landasan teori. Tinjauan umum perusahaan berisi tentang sejarah singkat
perusahaan, visi, misi, struktur organisasi, job description, dan logo
perusahaan. Sedangkan landasan teori berisi teori-teori pendukung dalam
Pembangunan Data Warehouse Penjualan Barang Pada PT. Simpati Intan
Permata.
3. BAB III
ANALISIS DAN PERANCANGAN
Bab ini berisi analisis kebutuhan untuk pembangunan data warehouse. Selain
itu bab ini juga berisi pemodelan data yang ada di PT. Simpati Intan Permata.
4. BAB IV IMPLEMENTASI DAN PENGUJ IAN
Bab ini berisi hasil implementasi analisis dan perancangan data warehouse
yang dilakukan, serta hasil pengujian pembangunan data warehouse di
lingkungan kerja PT. Simpati Intar Permata untuk mengetahui apakah data
warehouse yang dibangun sudah memenuhi kebutuhan user.
7
5. BAB V KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan tentang keseluruhan dari proses pembangunan data
warehouse dan saran mengenai data warehouse yang dibangun untuk
perbaikan dimasa yang akan datang.
6. DAFTAR PUSTAKA
Berisi referensi penunjang dan pendukung perancangan dan pembangunan
data warehouse. Referensi pendukung bisa berupa buku, jurnal dan hasil
proceeding (hasil seminar).
BAB II
TINJ AUAN PUSTAKA
2.1. Profil Tempat Penelitian
2.1.1. Sejarah Instansi
Simpati Intan Permata didirikan di Bandung pada 2 Februari 2003 oleh
Bapak Faatulo Tafonao,S.H. Semula nama perusahaannya adalah Jerry Pratama
kemudian berganti nama lagi menjadi CV Elita Pratama sebelum akhirnya
menjadi SIMPATI INTAN PERMATA. Saat ini
Simpati Intan Permata
berkantor di Jl.Sangkuriang Barat II No 3 Cimahi Bandung. Perusahaan ini
bergerak di bidang perkreditan alat – alat rumah tangga, elektronik, furniture dan
telah melebarkan sayapnya dengan membuka kantor cabang di Garut,
Tasikmalaya, Soreang, Bandung Timur, Sukabumi, Cisaranten, Magelang dan
Cimahi yang menjadi pusatnya.
Simpati Intan Permata adalah perusahaan yang telah berbadan hukum
(perseroan terbatas) dan telah terdaftar di departemen perpajakan (NPWP
02.617.585.1.421.000) serta telah mendapatkan sertifikat API (ANGKA
PENGENAL IMPOR) API – U : 102802395) dari kementrian Hukum dan HAM.
Sesuai dengan visi dan misi PT Simpati Intan Permata menjadi perusahaan
yang terbaik dan terbesar dalam bidang Cash & Kredit dalam skala nasional dan
misi untuk mensejahterakan seluruh karyawan & stake holder serta memberikan
manfaat yang sebesar-besarnya kepada masyarakat, karena itu perusahaan
membutuhkan sumber daya yang sangat besar baik sumber daya manusia, modal,
dll.
9
10
Dalam hal pengadaan barang dan modal PT Simpati Intan Permata telah
menjalin kerja sama dengan BRI, Bank Mandiri, BRI Syariah, Air Lux, Sanken,
PT Golan, Mutiara Super Kitchen serta pihak lain yang sampai saat ini berjalan
dengan baik atas dasar saling menguntungkan.
Sistem Bisnis perusahaan adalah penjualan secara cash & kredit selama 10
bulan. Area pemasaran meliputi jawa barat dan (baru) sebagian kecil wilayah
jawa tengah. Produk yang dipasarkan adalah barang-barang yang unik & familiar
serta sudah menjadi kebutuhan di hampir semua lapisan masyarakat yang
dipasarkan dengan cara canvassing ke seluruh area pemasaran PT Simpati Intan
Permata.
2.1.2. Visi dan Misi Per usahaan
1. Visi
Menjadikan perusahaan yang terbaik dan terbesar dalam bidang cash dan
kredit multi produk di Indonesia.
2. Misi
a. Mensejahterahkan seluruh karyawan yang ada dalam perusahaan
b. Meningkatkan kualitas sumber daya manusia menuju professional dalam
bidangnya
c. Menyerap tenaga kerja sebanyak-banyaknya dalam upaya turut membangun
bangsa
d. Menjadi salah satu perusahaan yang mampu tampil dalam kancah
persaingan era globalisasi secara berkesinambungan.
11
e. Menciptakan insan-insan yang berahlak mulia dan bertaqwa kepada Tuhan
Yang Maha Esa.
2.1.3. Logo Instansi
Gambar 2.1. Logo Per usahaan
2.1.4. Badan Hukum Instansi
Simpati Intan Permata adalah perusahaan yang telah berbadan hukum
(perseroan terbatas) dan telah terdaftar di departemen perpajakan (NPWP
02.617.585.1.421.000) serta telah mendapatkan sertifikat API (ANGKA
PENGENAL IMPOR) API – U : 102802395) dari kementrian Hukum dan HAM.
2.1.5. Str uktur Organisasi dan Deskr ipsi Ker ja
2.1.5.1. Str uktur Organisasi
Struktur organisasi PT Simpati Intan Permata dapat digambarkan sebagai berikut :
12
Gambar 2.2. Struktur Organisasi
2.1.5.2. Deskripsi Peker jaan
1. Manager Mar keting
a. Membina Sumber Daya Manusia (SDM) marketing yang ada.
b. Melakukan promosi atau degradasi pada departemen marketing.
c. Menentukan harga jual produk.
d. Melakukan riset pasar dan competitor.
e. Mementukan target pemasaran wilayah area pemasaran dan sumber daya
yang lainnya.
13
2. Kepala Bagian
a. Membina Sumber Daya Manusia (SDM) marketing yang ada
b. Melakukan promosi atau degradasi pada departemen marketing.
c. Menentukan harga jual produk.
d. Melakukan riset pasar dan competitor.
e. Mementukan target pemasaran wilayah area pemasaran dan sumber daya
yang lainnya.
3. Supervisior
a. Bertanggung jawab terhadap Sumber Daya Manusia (SDM) marketing pada
groupnya.
b. Membina marketing dalam groupnya.
c. Melakukan survey terhadap penjualan daripada marketing di groupnya.
4. Asisten Supervisior
a. Membantu tugas-tugas yang dilakukan supervisior.
5. Marketing
a. Melakukan penjualan baik secara direct selling ataupun demo sesuai dengan
prosedur perusahaan.
b. Mengikuti target produktivitas yang telah ditetapkan oleh perusahaan.
6. Manajer Kolektor
a. Bertanggung jawab terhadap asset perusahaan dalam mendog tagihan
(piutang).
b. Melakukan promosi atau degradasi pada para kolektor dalam naungan
perusahaan.
14
7. Kolektor
a. Bertugas sebagai pimpinan kolektor dan bertanggung jawab langsung
kepada manager kolektor.
b. Menjaga aset perusahaan dalam bentuk tagihan.
8. Kepala Accounting
a. Melakukan laporan keuangan kepada direktur secara teratur.
b. Mengeluarkan gaji karyawan.
c. Melakukan laporan perpajakan perusahaan.
d. Inventarisir aset perusahaan yang berbentuk uang dan barang.
9. Staf Gudang
a. Bertanggungjawab terhadap aset dalam bentuk barang pada perusahaan.
b. Melakukan analisa dan estimasi barang tiap bulannya kemudian dilaporkan
kepada accounting.
c. Memelihara dan memperbaiki barang-barang yang rusak.
10. Staf administr asi penjualan
a. Memasukkan data-data penjualan dan piutang untuk selanjutnya dicetak dan
dilaporkan kepada manger collection.
b. Mencatat semua aktifitas penjualan untuk kemudian dilaporkan kepada
departemen acoounting, piutang, Manager Marketing.
c. Melakukan pencetakan kuitansi.
15
2.2. Landasan Teor i
2.2.1 Data
Data adalah sumber informasi yang bentuknya masih mentah. Menurut
Jogianto (1990), data adalah kenyataan yang menggambarkan suatu kejadiankejadian dan kesatuan nyata. Data merupakan bentuk jamak dari datum, berasal
dari bahasa Latin yang berarti “sesuatu yang diberikan”. Dalam penggunaan
sehari-hari data berarti suatu pernyataan yang diterima secara apa adanya.
Pernyataan ini adalah hasil pengukuran atau pengamatan suatu variabel yang
bentuknya dapat berupa angka, kata-kata, atau citra.
Dalam keilmuan (ilmiah), fakta dikumpulkan menjadi data. Data kemudian
diolah sehingga dapat diutarakan secara jelas dan tepat agar dapat dimengerti oleh
orang lain yang tidak langsung mengalaminya sendiri, hal ini dinamakan
deskripsi.
Secara konseptual, data adalah deskripsi tentang benda, kejadian, aktivitas,
dan transaksi yang tidak mempunyai makna atau tidak berpengaruh secara
langsung kepada pemakai.
2.2.2 Infor masi
Informasi dapat didefinisikan sebagai data yang diolah menjadi bentuk yang
lebih berguna dan lebih berarti bagi penerimanya. Informasi diperoleh dari
kegiatan pengumpulan data. Setelah terkumpul, data kemudian diolah dan
dianalisis serta dipilah-pilah sehingga didapatkan informasi yang berguna dan
sesuai dengan kebutuhan. Kualitas dari sebuah informasi ditentukan oleh tiga hal
16
yaitu keakuratan informasi, ketepatan waktunya (up-to-date), dan relevan dengan
keadaan atau kebutuhan.
2.2.3 Data Warehouse
2.2.3.1. Sejarah
Sejak awal 1990-an, data gudang yang berada di garis depan aplikasi
teknologi informasi sebagai cara bagi organisasi untuk secara efektif
menggunakan informasi digital untuk perencanaan bisnis dan pengambilan
keputusan. Oleh karena itu, pemahaman tentang sistem arsitektur data warehouse
adalah akan menjadi penting dalam peran dan tanggung jawab dalam pengelolaan
informasi.
1. 1960 – General Mills dan Dartmouth College , dalam proyek penelitian
bersama, mengembangkan dimensi syarat dan fakta.
2. 1970 – ACNielsen dan IRI menyediakan data mart dimensi untuk penjualan
eceran.
3. 1983 – Teradata memperkenalkan sistem manajemen database yang khusus
dirancang untuk mendukung keputusan.
4. 1988 – Barry Devlin dan Paul Murphy mempublikasikan artikel arsitektur An
untuk dan sistem informasi bisnis di IBM Systems Journal mana mareka
memperkenalkan istilah “data bisnis” gudang.
5. 1990 – memperkenalkan Sistem Bata Merah Red Brick Warehouse, sebuah
sistem manajemen database khusus untuk data warehouse.
6. 1991 – memperkenalkan Prism Prism Solusi Gudang Manager, perangkat
lunak untuk mengembangkan gudang data.
17
7. 1991 – Bill Inmon menerbitkan buku Membangun Data Warehouse.
8. 1995 – Data Warehousing Institute, sebuah organisasi nirlaba yang
mempromosikan data warehouse, didirikan.
9. 1996 – Ralph Kimball menerbitkan buku The Data Warehouse Toolkit.
10. 2000 – Daniel Linstedt melepaskan Vault Data, memungkinkan real time
diaudit data warehouse.
2.2.3.2. Penger tian
Beberapa pengertian dari beberapa ahli tentang definisi datawarehousing:
1. Menurut W.H. Inmon dan Richard D.H., data warehousing adalah koleksi data
yang mempunyai sifat berorientasi subjek, terintegrasi, time-variant, dan
bersifat tetap dari koleksi data dalam mendukung proses pengambilan
keputusan management.
2. Menurut Vidette Poe, data warehousing merupakan basis data yang bersifat
analisis dan read only yang digunakan sebagai fondasi dari sistem penunjang
keputusan.
3. Menurut Paul Lane, data warehousing merupakan basis data relasional yang
didesain lebih kepada query dan analisa dari pada proses transaksi, biasanya
mengandung history data dari proses transaksi dan bisa juga data dari sumber
lainnya. Data warehousing memisahkan beban kerja analisis dari beban kerja
transaksi dan memungkinkan organisasi menggabung/konsolidasi data dari
berbagai macam sumber.
18
Jadi, data warehousing merupakan metode dalam perancangan basis data,
yang menunjang DSS (Decission Support System) dan EIS (Executive
Information System). Dari definisi-definisi yang dijelaskan tadi, dapat
disimpulkan data warehouse adalah basis data yang saling bereaksi yang dapat
digunakan untuk query dan analisisis, bersifat orientasi subjek, terintegrasi, timevariant, tidak berubah yang digunakan untuk membantu para pengambil
keputusan.
2.2.3.3. Kar akter istik
Karakteristik data warehouse menurut Inmon yaitu :
1. Subject Oriented (Berorientasi Subjek)
Data warehouse berorientasi subjek artinya data warehouse didesain untuk
menganalisa data berdasarkan subjek-subjek tertentu dalam organisasi, bukan
pada proses atau fungsi aplikasi tertentu.
Data warehouse diorganisasikan disekitar subjek-subjek utama dari
perusahaan (customers, products dan sales) dan tidak diorganisasikan pada areaarea aplikasi utama (customer invoicing, stock control dan product sales). Hal ini
dikarenakan kebutuhan dari data warehouse untuk menyimpan data-data yang
bersifat sebagai penunjang suatu keputusan, dari pada aplikasi yang berorientasi
terhadap data.
Jadi dengan kata lain, data yang disimpan adalah berorientasi kepada subjek
bukan terhadap proses. Secara garis besar perbedaan antara data operasional dan
data warehouse yaitu :
19
Tabel 2.1. Perbedaan Data Oper asional dan Data Warehouse
Data Warehouse
Data Operasional
Dirancang
berorientasi
hanya
aplikasi dan fungsi tertentu.
pada Dirancang berdasar pada subjek-subjek
tertentu (utama).
Focusnya pada desain database dan Focusnya pada pemodelan data dan
proses.
desain data.
Berisi rincian atau detail data.
Berisi data-data history yang akan dipakai
dalam proses analisis.
Relasi
antar
tabel
berdasar
aturan Banyak aturan bisnis dapat tersaji antara
terkini(selalu mengikuti rule (aturan) tabel-tabel.
terbaru).
2. Integrated (Terintegrasi)
Data Warehouse dapat menyimpan data-data yang berasal dari sumber-sumber
yang terpisah kedalam suatu format yang konsisten dan saling terintegrasi satu
dengan lainnya. Dengan demikian data tidak bisa dipecah-pecah karena data yang
ada merupakan suatu kesatuan yang menunjang keseluruhan konsep data
warehouse itu sendiri.
Syarat integrasi sumber data dapat dipenuhi dengan berbagai cara sepeti
konsisten dalam penamaan variable, konsisten dalam ukuran variable, konsisten
dalam struktur pengkodean dan konsisten dalam atribut fisik dari data.
20
3. Time Variant (Rentang Waktu)
Seluruh data pada data warehouse dapat dikatakan akurat atau valid pada
rentang waktu tertentu. Untuk melihat interval waktu yang digunakan dalam
mengukur keakuratan suatu data warehouse, kita dapat menggunakan cara antara
lain :
a. Cara yang paling sederhana adalah menyajikan data warehouse pada rentang
waktu tertentu, misalnya antara 5 sampai 10 tahun ke depan.
b. Cara yang kedua, dengan menggunakan variasi atau perbedaan waktu yang
disajikan dalam data warehouse baik implicit maupun explicit secara explicit
dengan unsur waktu dalam hari, minggu, bulan dsb. Secara implicit misalnya
pada saat data tersebut diduplikasi pada setiap akhir bulan, atau per tiga bulan.
Unsur waktu akan tetap ada secara implisit didalam data tersebut.
c. Cara yang ketiga,variasi waktu yang disajikan data warehouse melalui
serangkaian snapshot yang panjang. Snapshot merupakan tampilan dari
sebagian data tertentu sesuai keinginan pemakai dari keseluruhan data yang
ada bersifat read-only.
4. Non Volatile
Karakteristik keempat dari data warehouse adalah non-volatile, maksudnya
data pada data warehouse tidak di-update secara real time tetapi di refresh dari
sistem operasional secara reguler. Data yang baru selalu ditambahkan sebagai
suplemen bagi database itu sendiri dari pada sebagai sebuah perubahan. Database
tersebut secara kontinu menyerap data baru ini, kemudian secara incremental
disatukan dengan data sebelumnya.
21
2.2.3.4. Arsitektur
Menurut Poe, arsitektur adalah sekumpulan atau struktur yang memberikan
kerangka untuk keseluruhan rancangan suatu sistem atau produk. Ada arsitektur
client-server, arsitektur networking
dan masih banyak arsitektur lainnya.
Arsitektur data menyediakan kerangka dengan mengidentifikasikan dan
memahami bagaimana data akan pindah melalui sistem dan digunakan dalam
perusahaan. Arsitektur data untuk data warehouse mempunyai komponen utama
yaitu read-only database.
Karakterisitik arsitektur data warehouse (Poe) :
1. Data diambil dari sistem asal (sistem informasi yang ada), database dan file.
2. Data dari sistem asal diintegrasikan dan ditransformasi sebelum disimpan ke
dalam Database Management System (DBMS) seperti Oracle,Ms SQL Server,
Sybase dan masih banyak yang lainnya.
3. Data warehouse merupakan sebuah database terpisah bersifat hanya dapat
dibaca yang dibuat khusus untuk mendukung pengambilan keputusan
4. Pemakai mengakses data warehouse melalui aplikasi front end tool.
Arsitektur dan komponen utama dari data warehouse dapat dilihat pada
gambar berikut ini :
22
Gambar 2.3. Arsitektur dan komponen utama dari data warehouse
a. Operational Data
Sumber data dari data warehouse dapat diambil langsung dari mainframe,
basis data relasional seperti Oracle, Ms SQL server dan sebagainya. Selain itu
dapat melaluo Operational Data Source (ODS). ODS menampung data yang
diekstrak dari sistem utama atau sumber-sumber data yang ada dan kemudian data
hasil ekstrasi tersebut dibersihkan.
b. Load manager
Load manager juga disebut sebagai komponen front-end yang bertugas
melakukan seluruh operasi yang berhubungan dengan ekstrasi dan me-load data
ke warehouse.
23
c. Warehouse Manager
Warehouse manager melakukan seluruh operasi-operasi yang berhubungan
dengan kegiatan manajemen data di dalam warehouse. Operasi-operasi tersebut
meliputi :
1. Analisis terhadap data untuk memastikan konsistensi
2. Transformasi dan penggabungan sumber data dari tempat penyimpanan
sementara menjadi tabel-tabel data warehouse.
3. Penciptaan indeks-indeks dan view berdasarkan tabel-tabel dasar
4. Melakukan denormalisasi dan agregasi jika diperlukan
5. Backing-Up dan mengarsipkan data
d. Query manager
Query manager juga disebut komponen back-end, melakukan operasioperasi yang berhubungan dengan manajemen user queries. Operasi-operasi yang
dilakukan oleh komponen ini termasuk mengarahkan query kepada tabel-tabel
yang tepat dan menjadwalkan eksekusi dari query tersebut.
e. End-user Access Tools
Prinsip atau tujuan utama dari dibangunnya data warehouse adalah untuk
menyediakan informasi bisnis kepada user-user untuk dapat melakukan
pengambilan keputusan secara cepat dan tepat. User ini berinteraksi dengan
warehouse melalui end-user access tools. Data warehouse harus secara efisien
mendukung secara khusus kebutuhan user serta secara rutin melakukan analisis.
Performa yang baik dapat dicapai dengan merencanakan dahulu keperluan-
24
keperluan untuk melakukan joins, summations dan laporan-laporan per-periode
dengan end-users.
2.2.3.5 Model Dimensional
Model dimensional merupakan rancangan logikal yang bertujuan untuk
menampilkan data dalam bentuk standar dan intuitif yang memperbolehkan akses
dengan performa yang tinggi.
Model dimensional menggunakan konsep model hubungan antar entity (ER)
dengan beberapa batasan yang penting. Setiap model dimensi terdiri dari sebuah
tabel dengan sebuah komposit primary key, disebut dengan tabel fakta, dan satu
set tabel yang lebih kecil disebut tabel dimensi. Setiap tabel dimensi memiliki
sebuah simple primary key yang merespon tepat pada satu komponen primary key
pada tabel fakta. Dengan kata lain primary key pada tabel fakta terdiri dari dua
atau lebih foreign key. Struktur karakteristik ini disebut dengan skema bintang
atau join bintang.
Fitur terpenting dalam model dimensional ini adalah semua natural keys
diganti dengan kunci pengganti (surrogate keys). Maksudnya yaitu setiap kali join
antar tabel fakta dengan tabel dimensi selalu didasari kunci pengganti. Kegunaan
dari kunci pengganti adalah memperbolehkan data pada data warehouse untuk
memiliki beberapa kebebasan dalam penggunaan data, tidak seperti halnya yang
diproduksi oleh sistem OLTP.
Sebuah sistem OLTP memerlukan normalisasi untuk mengurangi redudansi,
validasi untuk input data, mendukung volume yang besar dari transaksi yang
25
bergerak sangat cepat. Model OLTP sering terlihat seperti jaring laba-laba yang
terdiri atas ratusan bahkan ribuan tabel sehingga sulit untuk dimengerti.
Sebaliknya, dimension model yang sering digunakan pada data warehouse
adalah skema bintang atau snowflake yang mudah dimengerti dan sesuai dengan
kebutuhan bisnis, mendukung query sederhana dan menyediakan performa query
yang superior dengan meminimalisasi tabel-tabel join.
Berikut
contoh
perbandingan diagram antara model data OLTP dengan dimension tabel data
warehouse :
Gambar 2.4 Model data OLTP
Gambar 2.5 Model Dimensional
26
Skema Star
Skema star merupakan struktur logika yang memiliki tabel fakta yang terdiri
atas data faktual ditengahnya, dan dikelilingi oleh tabel-tabel dimensi yang berisi
referensi data.
Gambar 2.6 Gambar Skema Star
Skema Snowflake
Merupakan varian dari skema star dimana tabel-tabel dimensi tidak terdapat
data yang di denormalisasi. Dengan kata lain satu atau lebih tabel dimensi tidak
bergabung secara langsung kepada tabel fakta tapi pada tabel dimensi lainnya.
Sebagai contoh, sebuah dimensi yang mendeskripsikan produk dapat dipisahkan
menjadi tiga tabel (snowflaked) seperti contoh dibawah ini :
27
Gambar 2.7. Skema Snowflake
2.2.3.6. Keuntungan dan Kerugian
Keuntungan menggunakan data warehouse
1. Data warehouse menyediakan model data yang umum untuk semua data tidak
tergantung sumber datanya. Hal ini mempermudah pembuatan laporan dan
analisis informasi dibandingkan jika diperlukan banyak model data untuk
menerima informasi seperti faktur penjualan, kuitansi pemesanan, tagihantagihan lainnya.
2. Saat meload data ke dalam data warehouse, ketidakkonsistenan akan
teridentifikasi dan diperbaiki. Hal ini akan mendukung juga dalam proses
pembuatan laporan dan analisis.
3. Informasi yang disimpan dalam data warehouse dibawah kontrol dari
pengguna data warehouse, sehingga sekalipun sumber data dibersihkan pada
28
suatu waktu, informasi itu akan tetap tersimpan dengan aman di data
warehouse.
4. Karena data warehouse terpisah dari sistem operasional, maka data warehouse
dapat menerima data tanpa memperlambat kerja kerja sistem operasional.
5. Data warehouse menyediakan fasilitas yang mendukung pengambilan
keputusan seperti laporan berdasarkan tren (misalnya : barang yang paling
banyak terjual di suatu area dalam 2 tahun terakhir), laporan perkecualian, dan
laporan yang menampilkan pencapaian di lapangan yang sesungguhnya
dibandingan dengan gol yang telah ditetapkan.
Kerugian menggunakan data warehouse
1. Data warehouse bukan merupakan lingkungan yang optimal untuk data yang
tidak terstruktur
2. Data perlu untuk diekstrak, diubah, dan diload ke data warehouse, sehingga
terdapat delay (tenggat waktu) di mana data yang dimasukkan ke dalam data
warehouse belum terdeteksi.
3. Semakin lama masa hidupnya, maka data warehouse dapat menyebabkan biaya
yang besar. Data warehouse umumnya tidak statis. Biaya perawatannya cukup
tinggi.
4. Data warehouse dapat menjadi ketinggalan dari data terbaru relatif cepat.
Maka, akan ada resiko bahwa data yang akan dianalisis di data warehouse
merupakan data yang tidak optimal.
29
2.2.4. Extract, Transform, Loading (ETL)
Extract, Transform, Loading ETL adalah proses pengekstrakan data dari
sumber data yang kemudian dimasukkan ke dalam data warehouse. ETL
dilakukan secara periodik untuk kebutuhan bisnis dengan analisa data yang kuat.
Gambar Extract, Transform, Loading dapat dilihat dibawah ini :
Operational
and External
Data
EXTRACT
Cleansing
Validation
TRANSFORM
Reconcilied Data
LOAD
Data
Warehouse
Gambar 2.8 Extr act, Transfor m, Loading
Filtering
30
Extraction
Data extraction adalah proses pengambilan data yang diperlukan dari
sumber data warehouse dan selanjutnya dimasukkan pada staging area untuk
diproses tahap berikutnya.
Pada fungsi ini, kita akan banyak berhubungan dengan berbagai tipe sumber
data. Format data, mesin yang berbeda, software dan arsitektur yang tidak sama.
Sehingga sebelum proses ini kita lakukan, sebaiknya perlu kita definisikan
requirement terhadap sumber data yang akan kita butuhkan untuk lebih
memudahkan pada extration ini.
Transformation
Pada kenyataannya, pada proses transaksional data disimpan dalam berbagai
format sehingga jarang kita temui data yang konsisten antara aplikasi-aplikasi
yang ada. Transformasi data ditujukan untuk mengatasi masalah ini.
Dengan proses transformasi data ini, kita melakukan standarisasi terhadap
data pada satu format konsisten. Beberapa contoh ketidakkonsistenan data
tersebut dapat diakibatkan oleh tipe data yang berbeda.
Loading
Data loading adalah memindahkan data ke data warehouse. Ada dua
loading data yang kita lakukan pada data warehouse. Pertama adalah inisial load,
proses ini dilakukan pada saat kita telah selesai mendesain dan membangun data
warehouse. Data yang kita masukan tentunya akan sangat besar dan memakan
waktu yang relatif lebih lama. Kedua incremental load dilakukan ketika data
31
warehouse telah dioperasikan. Kita melakukan data extraction, transformation
dan loading terhadap data tersebut.
Untuk inisial load dilakukan sekali saja, namun untuk incremental load
dapat kita jadwalkan sesuai dengan kebutuhan, bisa setiap hari, bulan, kuartal atau
tahun sesuai dengan kebutuhan kita.
2.2.5. On-Line Analytical Processing (OLAP)
OLAP
(On-Line
Analytical
Processing)
adalah
Database
Multi
dimensional pada sistem analisa data tingkat lanjut yang mendukung pengambilan
keputusan, bisnis model dan aktifitas riset. OLAP menyediakan cara untuk
menampilkan data multidimensional yang ada dalam Data Mart atau Data
Warehouse, dengan OLAP dapat dibuat cube yang mengorganisasikan data dan
membuat summary data untuk query yang efisien.
Sistem OLAP memungkinkan perusahaan untuk menyediakan akses
terhadap data dan fasilitas pembuatan laporan bagi seluruh organisasi. Sistem
OLAP menyediakan sumber tunggal untuk mencari program dan pengukuran
manajemen bisnis, informasi karyawan, pengukuran risiko dan teknikal,
peramalan penjualan dan biaya, dan informasi overhead.
2.2.5.1 Karakter istik OLAP
1. Menggunakan teknik analisa data multidimensional.
2. Menyediakan dukungan database tingkat lanjut.
3. Menyediakan cara pakai yang mudah dan User Interface yang mudah
dipahami.
4. Mendukung arsitektur client-server.
32
2.2.5.2 Cube
Cube adalah sebuah penyajian data secara multidimensional tergantung
dari banyaknya nilai dalam suatu Analisis. Pada kondisi konvensional kita akan
berpikiran bahwa cube akan terdiri dari 3 dimensi yaitu panjang, lebar dan tinggi.
Di dalam Analysis Services tidak di batasi oleh jumlah dimensi.
2.2.5.3 Cells
Tanpa memperhatikan dari banyaknya jumlah dimensi, cube terdiri dari
beberapa cell. Cell adalah atomic unit (Unit Terkecil) dari sebuah cube pada
Analysis Services.
2.2.5.4 Measure
Measure adalah sebuah entitas yang dapat dimonitor dan diukur dari
dimensi. Contohnya pendapatan dari seluruh karyawan dan rata-rata temperatur.
Juga dimungkinkan untuk melakukan perhitungan dari satu measure. Secara
mendasar measure di-load ke dalam OLAP database. Menghitung measure adalah
menghitung dari measure dasar sehingga untuk itu tidak perlu dimasukkan ke
dalam source data. Measure terdapat pada fact tabel yang mana dalam satu tabel
database terdiri dari banyak measures. Measurement tidak hanya terdapat pada
field tabel dalam sebuah database, tetapi dapat berupa hasil perhitungan.
Operasi-operasi yang terdapat pada OLAP antara lain :
1. Slicing dan Dicing
Slicing dan dicing adalah operasi untuk melihat data sebagai visualisasi dari
kubus. Dengan slicing dan dicing pengguna dapat melihat data dari beberapa
33
perspektif. Pengguna dapat mengekstrak bagian dari data agregrated dan dapat
memeriksa dengan detail berdasarkan dimensi-dimensi yang diinginkan. Data
Agregrated merupakan data praperhitungan (precalculated) dalam bentuk
rangkuman data (data summarized) sehingga query pada kubus (cube) lebih cepat.
Slicing memotong kubus sehingga dapat memfokuskan pada perspektif yang
spesifik (pada suatu dimensi). Sedangkan dicing memberikan kemampuan untuk
melihat pemilihan data pada dua dimensi atau lebih. Yaitu dengan merotasi cube
pada perspektif yang lain sehingga pengguna dapat melihat lebih spesifik terhadap
data yang dianalisa.
2. Roll up dan drill down
Drill down dan roll up adalah operasi untuk melihat data global atau detail
disepanjang level hirarki dimensi. Roll up untuk melihat data secara global atau
rangkuman (summary). Drill down memandu pengguna untuk memperoleh data
yang lebih detail. Drill down ini biasa digunakan untuk menjawab pertanyaan atas
suatu kasus tertentu. Misalnya untuk menjawab pertanyaan ketika sebuah
summary number (rata-rata atau jumlah) di bawah atau di atas harapan.
2.2.6. Basis Data
Basis data (database) adalah suatu pengorganisasian sekumpulan data yang
saling terkait sehingga memudahkan aktivitas untuk memperoleh informasi. Basis
data dimaksudkan untuk mengatasi masalah pada sistem yang memakai
pendekatan berbasis berkas.
34
Basis data dapat diartikan sebagai kumpulan data tentang suatu benda atau
kejadian yang saling berhubungan satu sama lain. Sedangkan data merupakan
fakta yang mewakili suatu obyek seperti manusia, hewan, peristiwa konsep,
keadaan, dan sebagainya, yang dapat dicatat dan mempunyai arti yang implisit.
Data dicatat atau direkam dalam bentuk angka, huruf, simbol, gambar, bunyi, atau
kombinasinya. Sebagai contoh, terdapat daftar nama dan nomor telepon, serta
alamat orang-orang yang menjadi anggota suatu organisasi.
Untuk mengelola basis data diperlukan perangkat lunak yang disebut DBMS
(Database Management System). DBMS adalah perangkat lunak sistem yang
memungkinkan para
pemakai
membuat,
memelihara,
mengontrol,
serta
mengakses basis data dengan cara yang praktis dan efisien. DBMS dapat
digunakan untuk mengakomodasi berbagai macam pemakai yang memiliki
kebutuhan akses yang berbeda-beda.
Database Management System (DBMS) adalah kumpulan program yang
digunakan untuk membuat dan mengelola basis data. Suatu DBMS merupakan
sistem perangkat lunak yang secara umum dapat digunakan untuk melakukan
pemrosesan dalam hal pendefinisian, penyusunan, dan manipulasi basis data
untuk berbagai aplikasi. Pendefinisian basis data meliputi spesifikasi tipe data,
struktur dan pembatasan (constraints) dari data yang harus disimpan dalam basis
data. Penyusunan basis data meliputi proses memasukkan data ke dalam media
penyimpanan data yang harus dikontrol oleh DBMS. Sedangkan yang termasuk
dalam manipulasi basis data seperti pembuatan pertanyaan (query) dari basis data
35
untuk mendapatkan informasi tertentu, melakukan pembaharuan (updating) data,
dan pembuatan laporan (report generation) dari data di dalam basis data.
Di dalam pendekatan basis data, sejumlah data disimpan dalam satu tempat
dengan definisi data yang tetap sehingga dapat diakses oleh beberapa pemakai
dengan berbagai program aplikasi melalui kontrol DBMS.
2.2.7. Microsoft SQL.Server
Microsoft SQL Server adalah sebuah sistem manajemen basis data relasional
(RDBMS) produk Microsoft dan Sysbase. Umumnya SQL Server digunakan di
dunia bisnis yang memiliki basis data berskala kecil sampai dengan menengah,
tetapi kemudian berkembang dengan digunakannya SQL Server pada basis data
berskala besar.
Mirosoft SQL Server dan Sysbase/ASE dapat berkomunikasi lewat jaringan
dengan menggunakan protokol TDS (Tabular Data Stream). Selain dari itu,
Microsoft SQL Server juga mendukung ODBS (Open Database Connectivity), dan
mempunyai driver JDBC untuk bahasa pemrograman Java. Fitur lain dari SQL
Server ini adalah kemampuannya untuk membuat basis data mirroring dan
clustering. Pada versi sebelumnya, Ms SQL Server 2000 terserang oleh worm
komputer SQL Slammer yang mengakibatkan kelambatan akses internet pada
tanggal 25 Januari 2003.
SQL Server 2008 adalah salah satu produk terkini Microsoft yang
menyajikan bukti nyata visi Microsoft dalam menyediakan platform basis data
yang mendukung aplikasi dengan kebutuhan kualitas dan integritas data yang
36
sangat
kritis
sekalipun
dengan
memperkecil
biaya
infrastruktur
dan
memungkinkan semua pengguna mengakses informasi secara lebih efisien.
Terdapat cukup banyak fitur-fitur inovasi yang dimiliki oleh SQL Server,
beberapa di antaranya adalah:
1. Pengelolaan sumber daya (resource governer), memungkinkan administrator
basis data untuk mendefinisikan pengalokasian sumber daya dan melakukan
prioritas terhadap masing-masing fitur, sehingga dapat memberikan performa
yang konsisten bagi pengguna.
2. Pengelolaan berdasar kebijakan (policy based government). SQL Server 2008
memperkenalkan
Declarative
Management
Framework
(DMF)
yang
menyediakan platform pengelolaan kebijakan bagi SQL Server Database
Engine. DMF memberikan beberapa keuntungan, di antaranya:
a. Keterkaitan pelaksanaan kebijakan yang sejalan dengan konfigurasi
sistem.
b. Pemantauan dan pencegahan perubahan kebijakan yang tidak sesuai
dengan konfigurasi sistem.
c. Mengurangi biaya kepemilikan (TCO) karena pengelolaan yang lebih
mudah.
d. Mendeteksi perbedaan pelaksanaan kebijakan melalui Management
Studio.
3. Audit: SQL Server mengizinkan pengguna yang berwenang untuk melakukan
audit terhadap komunikasi data yang terjadi. Mekanisme audit melingkupi
data yang dibaca, ditulis, dan dimodifikasi.
37
4. Spatial: SQL Server 2008 menyediakan dukungan spatial untuk aplikasi yang
membutuhkan dukungan informasi, lokasi, dan aplikasi berbasis spatial.
Visualisasi data: SQL Server menyediakan beberapa komponen visual yang dapat
digunakan untuk pelaporan, komponen visual seperti peta, gauge, dan diagram
dapat digunakan tanpa kebutuhan terhadap pihak ketiga.
2.2.8. SQL (Structured Query Language)
SQL (Structured Query Language) adalah bahasa yang digunakan untuk
mengakses basis data yang tergolong relasional. Standar SQL mula-mula
didefinisikan oleh ISO (International Standards Organization) dan ANSI (the
American National Standards Institute) yang dikenal dengan sebutan SQL86.
Pemahaman tentang SQL sangat bermanfaat karena dapat digunakan untuk
keperluan pemrograman. Sesungguhnya SQL tidak terbatas hanya untuk
mengambil data (query), tetapi juga dapat dipakai untuk menciptakan tabel,
menghapus tabel, menambahkan data ke tabel, menghapus data pada tabel,
mengganti data pada tabel, dan berbagai operasi yang lain.
Secara umum, SQL terdiri dari dua bahasa, yaitu Data Definition Language
(DDL) dan Data Manipulation Language (DML). Implementasi DDL dan DML
berbeda untuk setiap sistem manajemen basis data (SMBD), namun secara umum
implementasi tiap bahasa ini memiliki bentuk standar yang ditetapkan ANSI.
DDL digunakan untuk mendefinisikan, mengubah, serta menghapus basis data
dan obyek-obyek yang diperlukan untuk basis data, misalnya tabel, view, user,
dan sebagainya. Secara umum, DDL yang digunakan adalah CREATE untuk
membuat obyek baru, USE untuk menggunakan obyek, ALTER untuk mengubah
38
obyek yang sudah ada, dan DROP untuk menghapus obyek. DDL biasanya
digunakan oleh administrator basis data dalam pembuatan sebuah aplikasi basis
data. Sedangkan DML digunakan untuk memanipulasi data yang ada dalam
sebuah tabel.
BAB III
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem
Pada bagian ini akan dilakukan analisis terhadap sistem yang sedang
berjalan. Hasilnya digunakan untuk mengidentifikasi dan mengevaluasi berbagai
kelemahan serta kekuatan yang terdapat pada sistem yang sudah dimiliki oleh PT.
Simpati Intan Permata. Dari proses analisis tersebut akan dapat dihasilkan
berbagai saran perbaikan terhadap sistem yang dapat dijadikan dasar dalam
merancang data warehouse yang akan dibangun.
3.1.1 Analisis Masalah
Berdasarkan penelitian yang dilakukan pada PT. Simpati Intan Permata
(SIP), adapun masalah-masalah yang timbul adalah sebagai berikut :
1. Database yang masih terpisah-pisah, untuk mengolah data setiap cabang dan
data setiap bulan databasenya terpisah-pisah.
2. Aplikasi belum terintegrasi, Proses pengolahan data pelanggan dan pemesanan
barang terpisah dengan proses pengolahan pembayaran angsuran kredit
(pembuatan kwitansi).
3. Database yang masih redudansi, terdapat beberapa tabel yang tidak digunakan
dan tabel yang kolom/fieldnya sama pada database yang ada.
4. Kesulitan untuk membuat laporan transaksi dalam bentuk yang mudah
dipahami.
39
40
3.1.2 Analisis Pr osedur Yang Sedang Berjalan
Analisis prosedur atau proses sistem memberikan gambaran tentang sistem
yang saat ini sedang berjalan. Analisis sistem bertujuan untuk mengetahui lebih
jelas bagaimana cara kerja sistem tersebut sehingga kelebihan dan kekurangan
sistem dapat diketahui.
Adapun prosedur sistem yang berjalan saat ini yaitu :
A. Prosedur Pengadaan barang
1. Owner memesan/membeli barang ke supplier.
2. Supplier mengecek barang apakah barang tersedia atau tidak.
3. Jika barang tersedia maka supplier membuat kuitansi pemesanan sebanyak 2
rangkap yang belum terverifikasi.
4. Kuitansi pemesanan sebanyak 2 rangkap yang belum terverifikasi dan barang
diberikan kepada owner.
5. Owner mengecek barang pesanan dan kuitansi pemesanan yang belum
terverifikasi apakah sudah sesuai atau tidak.
6. Jika barang pesanan dan kuitansi pemesanan sudah sesuai maka owner
melakukan pembayaran sejumlah kuitansi pemesanan dan mengembalikan
kuitansi pemesanan yang sudah terverifikasi oleh owner.
7. Supplier memberikan kuitansi pemesanan sebanyak 1 rangkap yang telah
terverifikasi kepada owner.
8. Owner dan supplier mengarsipkan kuitansi pemesanan.
9. Owner memberikan barang ke bagian staf gudang.
10. Staf gudang mengarsipkan barang yang telah dibeli oleh owner.
41
B. Prosedur Penjualan Barang
1. Sales melakukan Reservasi/order ke konsumen dengan membawa brosur dan
ordersit (data pesanan) belum terverifikasi sebanyak 2 rangkap.
2. Jika konsumen berminat maka konsumen akan membaca dan mengisi data
pesanan (ordersit).
3. Konsumen mengembalikan brosur dan ordersit yang telah diverifikasi 1
rangkap.
4. Sales memberikan ordersit ke supervisior.
5. Supervisior melakukan survey lapangan terhadap konsumen yang memesan
barang berdasarkan ordersit yang diberikan oleh sales.
6. Jika konsumen memenuhi hasil survey maka supervisor memberikan laporan
konsumen yang memenuhi kelayakan beserta ordersit kepada staf bagian
penjualan.
7. Staf penjualan mencatat ordersit ke buku penjualan.
8. Staf penjualan mencetak kuitansi penagihan sebanyak 2 rangkap yang belum
terverifikasi dan memberikan barang ke kolektor.
9. Kolektor memberikan barang dan kuitansi penagihan sebanyak 2 rangkap yang
belum terverifikasi oleh kolektor.
10. Kosumen melakukan pembayaran sesuai dengan kuitansi penagihan.
11. Konsumen memberikan kuitansi penagihan dan uang pembayaran kepada
kolektor.
12. Kolektor mengecek jumlah pembayaran dengan kuitansi penagihan.
42
13. Jika pembayaran sesuai dengan
kuitansi penagihan maka
kolektor
memverifikasi kuitansi penagihan dan memberikan kuitansi penagihan
sebanyak 1 rangkap kepada konsumen sebagai bukti pembayaran.
14. Kolektor memberikan kuitansi penagihan yang telah terverifikasi ke bagian
staf penjualan.
15. Staf penjualan mengarsipkan kuitansi penagihan ke buku penjualan.
3.1.3 Analisis Kebutuhan Non Fungsional
Analisis kebutuhan non fungsional dilakukan untuk menghasilkan
spesifikasi yang rinci mengenai segala hal yang dapat dikerjakan oleh sistem pada
saat diimplementasikan. Hasil dari analisis ini akan menentukan masukan yang
dibutuhkan sistem, keluaran yang dihasilkan sistem, lingkup proses yang
digunakan untuk mengolah masukan sehingga menghasilkan keluaran yang
diinginkan, kendali terhadap sistem, dan macam-macam kategori pengguna
sistem.
3.1.3.1 Analisis Pengguna
Analisis pengguna dilakukan untuk mengetahui tugas dan karakteristik
pengguna yang akan menggunakan sistem yang akan dibangun. Dengan
mempertimbangkan tingkat pengalaman pengguna dalam menggunakan komputer
dapat dirancang sebuah sistem yang mudah dipelajari dan digunakan oleh
pengguna tersebut.
43
Pengguna yang nantinya akan menggunakan sistem ini hanya Manager
Marketing. Karakteristik pengguna pada PT. Simpati Intan Permata yaitu
Pendidikan Strata Satu dan software yang sering digunakan yaitu Microsoft
Office. Dari hasil pengumpulan data da
PENJ UALAN BARANG
PADA PT. SIMPATI INTAN PERMATA
SKRIPSI
Diajukan untuk Menempuh Ujian Akhir Sar jana
Pr ogr am Str ata Satu J ur usan Teknik Infor matika
Fakultas Teknik dan Ilmu Komputer
Univer sitas Komputer Indonesia
ASBARTANOV LASE
10106223
J URUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS KOMPUTER INDONESIA
BANDUNG
2011
ABSTRAK
PEMBANGUNAN DATA WAREHOUSE PENJ UALAN BARANG
PADA PT. SIMPATI INTAN PERMATA
Oleh
ASBARTANOV LASE
10106223
Perkembangan teknologi informasi yang mengalami kemajuan pesat pada
masa ini memberi peran besar dalam perubahan yang mendasar khususnya dalam
struktur, operasi, dan manajemen pada sebuah organisasi. PT. Simpati Intan
Permata (SIP) merupakan perusahaan yang bergerak di bidang penjualan alat-alat
rumah tangga, furniture dan alat elektronik. Perusahaan ini memiliki beberapa
cabang di Jawa Barat dengan menawarkan secara langsung barang ke konsumen
dengan sistem pembayaran cash dan kredit. Pengolahan data setiap cabang dan
setiap bulan databasenya terpisah-pisah, terdapat beberapa tabel pada database
yang ada tidak digunakan dan kesulitan dalam membuat laporan yang mudah
dipahami sehingga mempengaruhi analisis data dalam mengambil suatu
keputusan.
Data warehouse menjadikan data perusahaan yang tersebar menjadi
terintegrasi dan ringkas sehingga membantu pimpinan/manager dalam
menganalisis data yang ada untuk pengambilan keputusan yang bersifat strategis
secara cepat dan tepat. Pembangunan data warehouse ini menggunakan
pemodelan data skema snowflake dan perancangan OLAP (On-Line Analytical
Processing) untuk pengolahan dan analisis datanya dengan menggunakan teknik
Drill Down/Drill Up.
Hasil penelitian ini diharapkan membantu pimpinan/manager dalam
menganalisis data dalam jumlah besar sehingga memudahkan dalam mengambil
suatu keputusan.
Kata Kunci : Data warehouse, etl, olap.
i
ABSTRACT
DEVELOPMENT OF GOODS SALES DATA WAREHOUSE
IN PT. SIMPATI INTAN PERMATA
by
ASBARTANOV LASE
10106223
Information technology development gives biggest part for an organization,
especially in structural, operational and management. PT. Simpati Intan Permata
(SIP) is an organization which selling household tool, furniture and electronic
tools. It has some branches in west java which offering direct goods to consumer
with payment system in cash and credit. Every month, the branches manage their
own database separately from others branch. They also don’t use all of database,
and they have difficulties to make an understandable report data analysis in order
to make a decision.
Data warehouse makes the spreading of company’s data become integrated
and summary. It helps manager to analyze data for quick and direct strategic
decision making. The arrangement of this data warehouse is using snowflake
schema model data and OLAP and for managing and analyzing data is using
Drill Down/Drill Up technique.
This research is expected to help a manager analyzing a sum of data and to
make easier manager in decision making.
Keyword : Data warehouse, ETL, OLAP.
ii
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus atas kasih
dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul
“Pembangunan Data Warehouse Penjualan Bar ang Pada PT. Simpati Intan
Per mata”. Penyusunan skripsi ini merupakan salah satu syarat untuk
menyelesaikan Program Studi Strata I (SI) pada Jurusan Teknik Informatika
Universitas Komputer Indonesia (UNIKOM) Bandung.
Penulis menyadari bahwa dalam penyusunan skripsi ini masih terdapat
kekurangan karena keterbatasan pengetahuan, kemampuan dan pengalaman yang
dimiliki. Oleh karena itu, penulis senantiasa mengharapkan kritik maupun saran
yang ditujukan demi kesempurnaan skripsi ini dimasa yang akan datang. Proses
penyelesaian laporan ini tidak terlepas dari bantuan berbagai pihak, oleh karena
itu dengan segala kerendahan hati penulis ingin menyampaikan terima kasih
kepada :
1. Bapak Andri Heryandi S.T., M.T. selaku pembimbing yang telah memberikan
bantuan, pengarahan dan bimbingan kepada penulis dalam menyelesaikan
skripsi ini.
2. Keluarga tercinta yaitu Papa, Mama, Abang dan Adik yang telah memberikan
kasih sayang, doa dan dukungan baik moral maupun materi.
3. Ibu Mira Kania Sabariah, S.T., M.T. dan Bapak Adam Mukharil Bachtiar,
S.Kom. selaku Penguji I dan Penguji III yang telah memberikan kritik dan
sarannya dalam penulisan skripsi ini.
4. Ibu Mira Kania Sabariah, S.T., M.T. selaku Ketua Jurusan Teknik Informatika.
iii
iv
5. Bapak Galih Hermawan, S.Kom. Selaku Dosen Wali kelas IF-5 Angkatan 2006
6. Seluruh dosen dan staf Jurusan Teknik Informatika Universitas Komputer
Indonesia Bandung.
7. Teman-teman IF-5 angkatan 2006 yang tidak bisa disebutkan satu persatu.
Terima kasih untuk segala tawa dan tangis yang selama ini telah kita lalui
bersama.
8. Bapak Faatulo Tafonao, S.H. selaku Direktur PT. Simpati Intan Permata yang
telah mengijinkan penulis untuk melaksanakan penelitian skripsi ini. Terima
kasih untuk segala bantuan yang telah diberikan sehingga penulis dapat
menyelesaikan skripsi ini.
9. Semua pihak yang tidak dapat penulis sebutkan satu persatu yang telah
memberikan bantuan dan dorongan dalam penyusunan skripsi ini.
Akhir kata, semoga skripsi ini dapat bermanfaat khususnya bagi penulis dan
rekan-rekan jurusan Teknik Informatika
Bandung, Agustus 2011
Penulis
BAB I
PENDAHULUAN
1.1. Latar Belakang Masalah
Perkembangan teknologi informasi yang mengalami kemajuan pesat pada
masa ini memberi peran besar dalam perubahan yang mendasar khususnya dalam
struktur, operasi, dan manajemen pada sebuah organisasi. PT. Simpati Intan
Permata (SIP) merupakan perusahaan yang bergerak di bidang penjualan alat-alat
rumah tangga, furniture dan alat elektronik. Perusahaan ini memiliki beberapa
cabang di Jawa Barat dengan menawarkan secara langsung barang ke konsumen
dengan sistem pembayaran cash dan kredit.
Penyimpanan data dalam jumlah besar dari berbagai sumber secara
terintegarasi merupakan hal yang penting dalam perusahaan ini. PT. Simpati Intan
Permata (SIP) yang memiliki beberapa cabang di Jawa Barat tentunya memiliki
data disetiap cabangnya. Data yang tersebar disetiap cabang yang berbeda
tentunya mempengaruhi keseragaman dan konsistensi data. Data warehouse dapat
mengumpulkan dan menyatukan berbagai data yang ada disetiap cabang serta
dapat membuat laporan secara cepat, akurat dan sesuai kebutuhan.
Untuk dapat menangani data dalam jumlah besar dan memanfaatkannya
semaksimal mungkin bukanlah hal yang mudah. Oleh karena itu, diperlukan
teknologi informasi yang dapat mengatasinya yaitu data warehouse yang dapat
mempercepat proses pengumpulan data untuk penyajian informasi yang
multidimensi dan ringkas sehingga dapat memaksimalkan kualitas keputusan yang
dibuat oleh pimpinan perusahaan dalam menganalisis tren penjualan.
1
2
Dengan memanfaatkan data yang ada dalam sistem informasi untuk
menunjang kegiatan pengambilan keputusan tidak cukup hanya mengandalkan
data operasional saja, diperlukan suatu analisis data untuk menggali potensipotensi informasi yang ada. Untuk itulah perlu dibangun sebuah data warehouse
yang selanjutnya dapat dianalisis sehingga memudahkan dalam pengambilan
keputusan.
1.2.Rumusan Masalah
Bagaimana Membangun Data Warehouse Penjualan Barang Pada PT.
Simpati Intan Permata.
1.3. Maksud dan Tujuan
1.3.1. Maksud
Maksud laporan ini adalah untuk Membangun Data Warehouse Penjualan
Barang Pada PT. Simpati Intan Permata.
1.3.2. Tujuan
Tujuan dari pembuatan laporan ini adalah sebagai berikut :
1. Membangun data warehouse pada PT. Simpati Intan Permata.
2. Memudahkan pimpinan/manager dalam mengambil keputusan.
3. Memudahkan proses analisa data dalam bentuk laporan.
1.4.Batasan Masalah
1.4.1. Sistem
Batasan sistem yang akan dibangun yaitu :
1. Data warehouse yang dibangun yaitu data warehouse penjualan barang.
2. Pemodelan data warehouse yang digunakan yaitu skema snowflake.
3
1.4.2. Per angkat Lunak
Untuk pembangunan data warehouse dibutuhkan perangkat lunak dengan
spesifikasi sebagai berikut :
1. Sistem Operasi Windows XP.
2. Microsoft Visual Studio 2008 sebagai perangkat pembangunan data warehouse
(tools).
3. Microsoft SQL Server 2008 sebagai Database Manajemen Sistem (DBMS).
1.4.3. Pengguna
Pengguna yang akan menggunakan data warehouse ini adalah :
1. Manager Marketing
1.5.Metodologi
1.5.1 Teknik Pengumpulan Data
Metodologi yang digunakan dalam mengumpulkan data yang berkaitan
dengan penyusunan laporan dan pembuatan aplikasi ini adalah sebagai berikut:
a. Studi Pustaka
Teknik pengumpulan data dengan cara mencari informasi yang berhubungan
dengan permasalahan yang akan dibahas dengan bersumber pada buku-buku,
serta bacaan lain yang dapat membantu menyelesaikan pembangunan data
warehouse.
b. Observasi
Teknik pengumpulan data dengan mengadakan penelitian dan terjun langsung
ke lingkungan objek yang diteliti.
4
c. Wawancara
Teknik pengumpulan data dengan mengadakan tanya jawab secara langsung
mengenai hal-hal yang berkaitan dengan topik yang diambil.
1.5.2 Model Pembangunan Perangkat Lunak
Dalam membangun aplikasi ini, digunakan model Waterfall sebagai model
pembangunan perangkat lunak yang meliputi :
1. Rekayasa Sistem
Tahap ini merupakan kegiatan pengumpulan data sebagai pendukung
pembangunan sistem serta menentukan ke arah mana data warehouse ini akan
dibangun.
2. Analisis Sistem
Merupakan tahap menganalisis seluruh kebutuhan pembangunan data
warehouse termasuk didalamnya kegunaan data warehouse yang diharapkan
pengguna dan batasan pembangunan data warehouse itu sendiri. Informasi
yang didapat melalui tahap pengumpulan data, selanjutnya akan dianalisis
untuk mendapatkan dokumentasi kebutuhan pengguna untuk digunakan pada
tahap selanjutnya.
3. Per ancangan Sistem
Tahap perancangan interface yang mudah dimengerti user yang mengacu pada
data-data analisis. Tahap ini membantu dalam mendefinisikan arsitektur data
warehouse secara keseluruhan.
5
4. Pengujian Sistem
Dalam tahap ini dilakukan pengujian terhadap data warehouse yang telah
dibangun. Pada tahap ini menggunakan dua metode pengujian, yaitu pengujian
alpha dan pengujian betha. Pengujian alpha dilakukan dengan metode black
box untuk menguji fungsional sistem seperti kesalahan sintak, terminasi dan
kesalahan interface apakah sudah sesuai dengan fungsi yang dibangun.
Sedangkan pengujian betha dilakukan dengan mewawancarai langsung
direktur PT. Simpati Intan Permata.
5. Pemeliharaan Sistem
Tahap akhir dimana suatu perangkat lunak yang sudah dibangun dapat
mengalami perubahan-perubahan atau penambahan sesuai dengan permintaan
pengguna.
Gambar 1.1 Metodologi Waterfall
6
1.6. Sistematika Penulisan
Sistematika penulisan laporan ini dibagi dalam beberapa bab dengan pokok
pembahasan secara umum sebagai berikut:
1. BAB I PENDAHULUAN
Bab ini merupakan bagian yang menjelaskan latar belakang masalah,
perumusan masalah, maksud dan tujuan, batasan masalah, metodologi
penelitian, dan sistematika penulisan.
2. BAB II TINJ AUAN PUSTAKA
Bab ini terbagi menjadi dua bagian, yaitu tinjauan umum perusahaan dan
landasan teori. Tinjauan umum perusahaan berisi tentang sejarah singkat
perusahaan, visi, misi, struktur organisasi, job description, dan logo
perusahaan. Sedangkan landasan teori berisi teori-teori pendukung dalam
Pembangunan Data Warehouse Penjualan Barang Pada PT. Simpati Intan
Permata.
3. BAB III
ANALISIS DAN PERANCANGAN
Bab ini berisi analisis kebutuhan untuk pembangunan data warehouse. Selain
itu bab ini juga berisi pemodelan data yang ada di PT. Simpati Intan Permata.
4. BAB IV IMPLEMENTASI DAN PENGUJ IAN
Bab ini berisi hasil implementasi analisis dan perancangan data warehouse
yang dilakukan, serta hasil pengujian pembangunan data warehouse di
lingkungan kerja PT. Simpati Intar Permata untuk mengetahui apakah data
warehouse yang dibangun sudah memenuhi kebutuhan user.
7
5. BAB V KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan tentang keseluruhan dari proses pembangunan data
warehouse dan saran mengenai data warehouse yang dibangun untuk
perbaikan dimasa yang akan datang.
6. DAFTAR PUSTAKA
Berisi referensi penunjang dan pendukung perancangan dan pembangunan
data warehouse. Referensi pendukung bisa berupa buku, jurnal dan hasil
proceeding (hasil seminar).
BAB II
TINJ AUAN PUSTAKA
2.1. Profil Tempat Penelitian
2.1.1. Sejarah Instansi
Simpati Intan Permata didirikan di Bandung pada 2 Februari 2003 oleh
Bapak Faatulo Tafonao,S.H. Semula nama perusahaannya adalah Jerry Pratama
kemudian berganti nama lagi menjadi CV Elita Pratama sebelum akhirnya
menjadi SIMPATI INTAN PERMATA. Saat ini
Simpati Intan Permata
berkantor di Jl.Sangkuriang Barat II No 3 Cimahi Bandung. Perusahaan ini
bergerak di bidang perkreditan alat – alat rumah tangga, elektronik, furniture dan
telah melebarkan sayapnya dengan membuka kantor cabang di Garut,
Tasikmalaya, Soreang, Bandung Timur, Sukabumi, Cisaranten, Magelang dan
Cimahi yang menjadi pusatnya.
Simpati Intan Permata adalah perusahaan yang telah berbadan hukum
(perseroan terbatas) dan telah terdaftar di departemen perpajakan (NPWP
02.617.585.1.421.000) serta telah mendapatkan sertifikat API (ANGKA
PENGENAL IMPOR) API – U : 102802395) dari kementrian Hukum dan HAM.
Sesuai dengan visi dan misi PT Simpati Intan Permata menjadi perusahaan
yang terbaik dan terbesar dalam bidang Cash & Kredit dalam skala nasional dan
misi untuk mensejahterakan seluruh karyawan & stake holder serta memberikan
manfaat yang sebesar-besarnya kepada masyarakat, karena itu perusahaan
membutuhkan sumber daya yang sangat besar baik sumber daya manusia, modal,
dll.
9
10
Dalam hal pengadaan barang dan modal PT Simpati Intan Permata telah
menjalin kerja sama dengan BRI, Bank Mandiri, BRI Syariah, Air Lux, Sanken,
PT Golan, Mutiara Super Kitchen serta pihak lain yang sampai saat ini berjalan
dengan baik atas dasar saling menguntungkan.
Sistem Bisnis perusahaan adalah penjualan secara cash & kredit selama 10
bulan. Area pemasaran meliputi jawa barat dan (baru) sebagian kecil wilayah
jawa tengah. Produk yang dipasarkan adalah barang-barang yang unik & familiar
serta sudah menjadi kebutuhan di hampir semua lapisan masyarakat yang
dipasarkan dengan cara canvassing ke seluruh area pemasaran PT Simpati Intan
Permata.
2.1.2. Visi dan Misi Per usahaan
1. Visi
Menjadikan perusahaan yang terbaik dan terbesar dalam bidang cash dan
kredit multi produk di Indonesia.
2. Misi
a. Mensejahterahkan seluruh karyawan yang ada dalam perusahaan
b. Meningkatkan kualitas sumber daya manusia menuju professional dalam
bidangnya
c. Menyerap tenaga kerja sebanyak-banyaknya dalam upaya turut membangun
bangsa
d. Menjadi salah satu perusahaan yang mampu tampil dalam kancah
persaingan era globalisasi secara berkesinambungan.
11
e. Menciptakan insan-insan yang berahlak mulia dan bertaqwa kepada Tuhan
Yang Maha Esa.
2.1.3. Logo Instansi
Gambar 2.1. Logo Per usahaan
2.1.4. Badan Hukum Instansi
Simpati Intan Permata adalah perusahaan yang telah berbadan hukum
(perseroan terbatas) dan telah terdaftar di departemen perpajakan (NPWP
02.617.585.1.421.000) serta telah mendapatkan sertifikat API (ANGKA
PENGENAL IMPOR) API – U : 102802395) dari kementrian Hukum dan HAM.
2.1.5. Str uktur Organisasi dan Deskr ipsi Ker ja
2.1.5.1. Str uktur Organisasi
Struktur organisasi PT Simpati Intan Permata dapat digambarkan sebagai berikut :
12
Gambar 2.2. Struktur Organisasi
2.1.5.2. Deskripsi Peker jaan
1. Manager Mar keting
a. Membina Sumber Daya Manusia (SDM) marketing yang ada.
b. Melakukan promosi atau degradasi pada departemen marketing.
c. Menentukan harga jual produk.
d. Melakukan riset pasar dan competitor.
e. Mementukan target pemasaran wilayah area pemasaran dan sumber daya
yang lainnya.
13
2. Kepala Bagian
a. Membina Sumber Daya Manusia (SDM) marketing yang ada
b. Melakukan promosi atau degradasi pada departemen marketing.
c. Menentukan harga jual produk.
d. Melakukan riset pasar dan competitor.
e. Mementukan target pemasaran wilayah area pemasaran dan sumber daya
yang lainnya.
3. Supervisior
a. Bertanggung jawab terhadap Sumber Daya Manusia (SDM) marketing pada
groupnya.
b. Membina marketing dalam groupnya.
c. Melakukan survey terhadap penjualan daripada marketing di groupnya.
4. Asisten Supervisior
a. Membantu tugas-tugas yang dilakukan supervisior.
5. Marketing
a. Melakukan penjualan baik secara direct selling ataupun demo sesuai dengan
prosedur perusahaan.
b. Mengikuti target produktivitas yang telah ditetapkan oleh perusahaan.
6. Manajer Kolektor
a. Bertanggung jawab terhadap asset perusahaan dalam mendog tagihan
(piutang).
b. Melakukan promosi atau degradasi pada para kolektor dalam naungan
perusahaan.
14
7. Kolektor
a. Bertugas sebagai pimpinan kolektor dan bertanggung jawab langsung
kepada manager kolektor.
b. Menjaga aset perusahaan dalam bentuk tagihan.
8. Kepala Accounting
a. Melakukan laporan keuangan kepada direktur secara teratur.
b. Mengeluarkan gaji karyawan.
c. Melakukan laporan perpajakan perusahaan.
d. Inventarisir aset perusahaan yang berbentuk uang dan barang.
9. Staf Gudang
a. Bertanggungjawab terhadap aset dalam bentuk barang pada perusahaan.
b. Melakukan analisa dan estimasi barang tiap bulannya kemudian dilaporkan
kepada accounting.
c. Memelihara dan memperbaiki barang-barang yang rusak.
10. Staf administr asi penjualan
a. Memasukkan data-data penjualan dan piutang untuk selanjutnya dicetak dan
dilaporkan kepada manger collection.
b. Mencatat semua aktifitas penjualan untuk kemudian dilaporkan kepada
departemen acoounting, piutang, Manager Marketing.
c. Melakukan pencetakan kuitansi.
15
2.2. Landasan Teor i
2.2.1 Data
Data adalah sumber informasi yang bentuknya masih mentah. Menurut
Jogianto (1990), data adalah kenyataan yang menggambarkan suatu kejadiankejadian dan kesatuan nyata. Data merupakan bentuk jamak dari datum, berasal
dari bahasa Latin yang berarti “sesuatu yang diberikan”. Dalam penggunaan
sehari-hari data berarti suatu pernyataan yang diterima secara apa adanya.
Pernyataan ini adalah hasil pengukuran atau pengamatan suatu variabel yang
bentuknya dapat berupa angka, kata-kata, atau citra.
Dalam keilmuan (ilmiah), fakta dikumpulkan menjadi data. Data kemudian
diolah sehingga dapat diutarakan secara jelas dan tepat agar dapat dimengerti oleh
orang lain yang tidak langsung mengalaminya sendiri, hal ini dinamakan
deskripsi.
Secara konseptual, data adalah deskripsi tentang benda, kejadian, aktivitas,
dan transaksi yang tidak mempunyai makna atau tidak berpengaruh secara
langsung kepada pemakai.
2.2.2 Infor masi
Informasi dapat didefinisikan sebagai data yang diolah menjadi bentuk yang
lebih berguna dan lebih berarti bagi penerimanya. Informasi diperoleh dari
kegiatan pengumpulan data. Setelah terkumpul, data kemudian diolah dan
dianalisis serta dipilah-pilah sehingga didapatkan informasi yang berguna dan
sesuai dengan kebutuhan. Kualitas dari sebuah informasi ditentukan oleh tiga hal
16
yaitu keakuratan informasi, ketepatan waktunya (up-to-date), dan relevan dengan
keadaan atau kebutuhan.
2.2.3 Data Warehouse
2.2.3.1. Sejarah
Sejak awal 1990-an, data gudang yang berada di garis depan aplikasi
teknologi informasi sebagai cara bagi organisasi untuk secara efektif
menggunakan informasi digital untuk perencanaan bisnis dan pengambilan
keputusan. Oleh karena itu, pemahaman tentang sistem arsitektur data warehouse
adalah akan menjadi penting dalam peran dan tanggung jawab dalam pengelolaan
informasi.
1. 1960 – General Mills dan Dartmouth College , dalam proyek penelitian
bersama, mengembangkan dimensi syarat dan fakta.
2. 1970 – ACNielsen dan IRI menyediakan data mart dimensi untuk penjualan
eceran.
3. 1983 – Teradata memperkenalkan sistem manajemen database yang khusus
dirancang untuk mendukung keputusan.
4. 1988 – Barry Devlin dan Paul Murphy mempublikasikan artikel arsitektur An
untuk dan sistem informasi bisnis di IBM Systems Journal mana mareka
memperkenalkan istilah “data bisnis” gudang.
5. 1990 – memperkenalkan Sistem Bata Merah Red Brick Warehouse, sebuah
sistem manajemen database khusus untuk data warehouse.
6. 1991 – memperkenalkan Prism Prism Solusi Gudang Manager, perangkat
lunak untuk mengembangkan gudang data.
17
7. 1991 – Bill Inmon menerbitkan buku Membangun Data Warehouse.
8. 1995 – Data Warehousing Institute, sebuah organisasi nirlaba yang
mempromosikan data warehouse, didirikan.
9. 1996 – Ralph Kimball menerbitkan buku The Data Warehouse Toolkit.
10. 2000 – Daniel Linstedt melepaskan Vault Data, memungkinkan real time
diaudit data warehouse.
2.2.3.2. Penger tian
Beberapa pengertian dari beberapa ahli tentang definisi datawarehousing:
1. Menurut W.H. Inmon dan Richard D.H., data warehousing adalah koleksi data
yang mempunyai sifat berorientasi subjek, terintegrasi, time-variant, dan
bersifat tetap dari koleksi data dalam mendukung proses pengambilan
keputusan management.
2. Menurut Vidette Poe, data warehousing merupakan basis data yang bersifat
analisis dan read only yang digunakan sebagai fondasi dari sistem penunjang
keputusan.
3. Menurut Paul Lane, data warehousing merupakan basis data relasional yang
didesain lebih kepada query dan analisa dari pada proses transaksi, biasanya
mengandung history data dari proses transaksi dan bisa juga data dari sumber
lainnya. Data warehousing memisahkan beban kerja analisis dari beban kerja
transaksi dan memungkinkan organisasi menggabung/konsolidasi data dari
berbagai macam sumber.
18
Jadi, data warehousing merupakan metode dalam perancangan basis data,
yang menunjang DSS (Decission Support System) dan EIS (Executive
Information System). Dari definisi-definisi yang dijelaskan tadi, dapat
disimpulkan data warehouse adalah basis data yang saling bereaksi yang dapat
digunakan untuk query dan analisisis, bersifat orientasi subjek, terintegrasi, timevariant, tidak berubah yang digunakan untuk membantu para pengambil
keputusan.
2.2.3.3. Kar akter istik
Karakteristik data warehouse menurut Inmon yaitu :
1. Subject Oriented (Berorientasi Subjek)
Data warehouse berorientasi subjek artinya data warehouse didesain untuk
menganalisa data berdasarkan subjek-subjek tertentu dalam organisasi, bukan
pada proses atau fungsi aplikasi tertentu.
Data warehouse diorganisasikan disekitar subjek-subjek utama dari
perusahaan (customers, products dan sales) dan tidak diorganisasikan pada areaarea aplikasi utama (customer invoicing, stock control dan product sales). Hal ini
dikarenakan kebutuhan dari data warehouse untuk menyimpan data-data yang
bersifat sebagai penunjang suatu keputusan, dari pada aplikasi yang berorientasi
terhadap data.
Jadi dengan kata lain, data yang disimpan adalah berorientasi kepada subjek
bukan terhadap proses. Secara garis besar perbedaan antara data operasional dan
data warehouse yaitu :
19
Tabel 2.1. Perbedaan Data Oper asional dan Data Warehouse
Data Warehouse
Data Operasional
Dirancang
berorientasi
hanya
aplikasi dan fungsi tertentu.
pada Dirancang berdasar pada subjek-subjek
tertentu (utama).
Focusnya pada desain database dan Focusnya pada pemodelan data dan
proses.
desain data.
Berisi rincian atau detail data.
Berisi data-data history yang akan dipakai
dalam proses analisis.
Relasi
antar
tabel
berdasar
aturan Banyak aturan bisnis dapat tersaji antara
terkini(selalu mengikuti rule (aturan) tabel-tabel.
terbaru).
2. Integrated (Terintegrasi)
Data Warehouse dapat menyimpan data-data yang berasal dari sumber-sumber
yang terpisah kedalam suatu format yang konsisten dan saling terintegrasi satu
dengan lainnya. Dengan demikian data tidak bisa dipecah-pecah karena data yang
ada merupakan suatu kesatuan yang menunjang keseluruhan konsep data
warehouse itu sendiri.
Syarat integrasi sumber data dapat dipenuhi dengan berbagai cara sepeti
konsisten dalam penamaan variable, konsisten dalam ukuran variable, konsisten
dalam struktur pengkodean dan konsisten dalam atribut fisik dari data.
20
3. Time Variant (Rentang Waktu)
Seluruh data pada data warehouse dapat dikatakan akurat atau valid pada
rentang waktu tertentu. Untuk melihat interval waktu yang digunakan dalam
mengukur keakuratan suatu data warehouse, kita dapat menggunakan cara antara
lain :
a. Cara yang paling sederhana adalah menyajikan data warehouse pada rentang
waktu tertentu, misalnya antara 5 sampai 10 tahun ke depan.
b. Cara yang kedua, dengan menggunakan variasi atau perbedaan waktu yang
disajikan dalam data warehouse baik implicit maupun explicit secara explicit
dengan unsur waktu dalam hari, minggu, bulan dsb. Secara implicit misalnya
pada saat data tersebut diduplikasi pada setiap akhir bulan, atau per tiga bulan.
Unsur waktu akan tetap ada secara implisit didalam data tersebut.
c. Cara yang ketiga,variasi waktu yang disajikan data warehouse melalui
serangkaian snapshot yang panjang. Snapshot merupakan tampilan dari
sebagian data tertentu sesuai keinginan pemakai dari keseluruhan data yang
ada bersifat read-only.
4. Non Volatile
Karakteristik keempat dari data warehouse adalah non-volatile, maksudnya
data pada data warehouse tidak di-update secara real time tetapi di refresh dari
sistem operasional secara reguler. Data yang baru selalu ditambahkan sebagai
suplemen bagi database itu sendiri dari pada sebagai sebuah perubahan. Database
tersebut secara kontinu menyerap data baru ini, kemudian secara incremental
disatukan dengan data sebelumnya.
21
2.2.3.4. Arsitektur
Menurut Poe, arsitektur adalah sekumpulan atau struktur yang memberikan
kerangka untuk keseluruhan rancangan suatu sistem atau produk. Ada arsitektur
client-server, arsitektur networking
dan masih banyak arsitektur lainnya.
Arsitektur data menyediakan kerangka dengan mengidentifikasikan dan
memahami bagaimana data akan pindah melalui sistem dan digunakan dalam
perusahaan. Arsitektur data untuk data warehouse mempunyai komponen utama
yaitu read-only database.
Karakterisitik arsitektur data warehouse (Poe) :
1. Data diambil dari sistem asal (sistem informasi yang ada), database dan file.
2. Data dari sistem asal diintegrasikan dan ditransformasi sebelum disimpan ke
dalam Database Management System (DBMS) seperti Oracle,Ms SQL Server,
Sybase dan masih banyak yang lainnya.
3. Data warehouse merupakan sebuah database terpisah bersifat hanya dapat
dibaca yang dibuat khusus untuk mendukung pengambilan keputusan
4. Pemakai mengakses data warehouse melalui aplikasi front end tool.
Arsitektur dan komponen utama dari data warehouse dapat dilihat pada
gambar berikut ini :
22
Gambar 2.3. Arsitektur dan komponen utama dari data warehouse
a. Operational Data
Sumber data dari data warehouse dapat diambil langsung dari mainframe,
basis data relasional seperti Oracle, Ms SQL server dan sebagainya. Selain itu
dapat melaluo Operational Data Source (ODS). ODS menampung data yang
diekstrak dari sistem utama atau sumber-sumber data yang ada dan kemudian data
hasil ekstrasi tersebut dibersihkan.
b. Load manager
Load manager juga disebut sebagai komponen front-end yang bertugas
melakukan seluruh operasi yang berhubungan dengan ekstrasi dan me-load data
ke warehouse.
23
c. Warehouse Manager
Warehouse manager melakukan seluruh operasi-operasi yang berhubungan
dengan kegiatan manajemen data di dalam warehouse. Operasi-operasi tersebut
meliputi :
1. Analisis terhadap data untuk memastikan konsistensi
2. Transformasi dan penggabungan sumber data dari tempat penyimpanan
sementara menjadi tabel-tabel data warehouse.
3. Penciptaan indeks-indeks dan view berdasarkan tabel-tabel dasar
4. Melakukan denormalisasi dan agregasi jika diperlukan
5. Backing-Up dan mengarsipkan data
d. Query manager
Query manager juga disebut komponen back-end, melakukan operasioperasi yang berhubungan dengan manajemen user queries. Operasi-operasi yang
dilakukan oleh komponen ini termasuk mengarahkan query kepada tabel-tabel
yang tepat dan menjadwalkan eksekusi dari query tersebut.
e. End-user Access Tools
Prinsip atau tujuan utama dari dibangunnya data warehouse adalah untuk
menyediakan informasi bisnis kepada user-user untuk dapat melakukan
pengambilan keputusan secara cepat dan tepat. User ini berinteraksi dengan
warehouse melalui end-user access tools. Data warehouse harus secara efisien
mendukung secara khusus kebutuhan user serta secara rutin melakukan analisis.
Performa yang baik dapat dicapai dengan merencanakan dahulu keperluan-
24
keperluan untuk melakukan joins, summations dan laporan-laporan per-periode
dengan end-users.
2.2.3.5 Model Dimensional
Model dimensional merupakan rancangan logikal yang bertujuan untuk
menampilkan data dalam bentuk standar dan intuitif yang memperbolehkan akses
dengan performa yang tinggi.
Model dimensional menggunakan konsep model hubungan antar entity (ER)
dengan beberapa batasan yang penting. Setiap model dimensi terdiri dari sebuah
tabel dengan sebuah komposit primary key, disebut dengan tabel fakta, dan satu
set tabel yang lebih kecil disebut tabel dimensi. Setiap tabel dimensi memiliki
sebuah simple primary key yang merespon tepat pada satu komponen primary key
pada tabel fakta. Dengan kata lain primary key pada tabel fakta terdiri dari dua
atau lebih foreign key. Struktur karakteristik ini disebut dengan skema bintang
atau join bintang.
Fitur terpenting dalam model dimensional ini adalah semua natural keys
diganti dengan kunci pengganti (surrogate keys). Maksudnya yaitu setiap kali join
antar tabel fakta dengan tabel dimensi selalu didasari kunci pengganti. Kegunaan
dari kunci pengganti adalah memperbolehkan data pada data warehouse untuk
memiliki beberapa kebebasan dalam penggunaan data, tidak seperti halnya yang
diproduksi oleh sistem OLTP.
Sebuah sistem OLTP memerlukan normalisasi untuk mengurangi redudansi,
validasi untuk input data, mendukung volume yang besar dari transaksi yang
25
bergerak sangat cepat. Model OLTP sering terlihat seperti jaring laba-laba yang
terdiri atas ratusan bahkan ribuan tabel sehingga sulit untuk dimengerti.
Sebaliknya, dimension model yang sering digunakan pada data warehouse
adalah skema bintang atau snowflake yang mudah dimengerti dan sesuai dengan
kebutuhan bisnis, mendukung query sederhana dan menyediakan performa query
yang superior dengan meminimalisasi tabel-tabel join.
Berikut
contoh
perbandingan diagram antara model data OLTP dengan dimension tabel data
warehouse :
Gambar 2.4 Model data OLTP
Gambar 2.5 Model Dimensional
26
Skema Star
Skema star merupakan struktur logika yang memiliki tabel fakta yang terdiri
atas data faktual ditengahnya, dan dikelilingi oleh tabel-tabel dimensi yang berisi
referensi data.
Gambar 2.6 Gambar Skema Star
Skema Snowflake
Merupakan varian dari skema star dimana tabel-tabel dimensi tidak terdapat
data yang di denormalisasi. Dengan kata lain satu atau lebih tabel dimensi tidak
bergabung secara langsung kepada tabel fakta tapi pada tabel dimensi lainnya.
Sebagai contoh, sebuah dimensi yang mendeskripsikan produk dapat dipisahkan
menjadi tiga tabel (snowflaked) seperti contoh dibawah ini :
27
Gambar 2.7. Skema Snowflake
2.2.3.6. Keuntungan dan Kerugian
Keuntungan menggunakan data warehouse
1. Data warehouse menyediakan model data yang umum untuk semua data tidak
tergantung sumber datanya. Hal ini mempermudah pembuatan laporan dan
analisis informasi dibandingkan jika diperlukan banyak model data untuk
menerima informasi seperti faktur penjualan, kuitansi pemesanan, tagihantagihan lainnya.
2. Saat meload data ke dalam data warehouse, ketidakkonsistenan akan
teridentifikasi dan diperbaiki. Hal ini akan mendukung juga dalam proses
pembuatan laporan dan analisis.
3. Informasi yang disimpan dalam data warehouse dibawah kontrol dari
pengguna data warehouse, sehingga sekalipun sumber data dibersihkan pada
28
suatu waktu, informasi itu akan tetap tersimpan dengan aman di data
warehouse.
4. Karena data warehouse terpisah dari sistem operasional, maka data warehouse
dapat menerima data tanpa memperlambat kerja kerja sistem operasional.
5. Data warehouse menyediakan fasilitas yang mendukung pengambilan
keputusan seperti laporan berdasarkan tren (misalnya : barang yang paling
banyak terjual di suatu area dalam 2 tahun terakhir), laporan perkecualian, dan
laporan yang menampilkan pencapaian di lapangan yang sesungguhnya
dibandingan dengan gol yang telah ditetapkan.
Kerugian menggunakan data warehouse
1. Data warehouse bukan merupakan lingkungan yang optimal untuk data yang
tidak terstruktur
2. Data perlu untuk diekstrak, diubah, dan diload ke data warehouse, sehingga
terdapat delay (tenggat waktu) di mana data yang dimasukkan ke dalam data
warehouse belum terdeteksi.
3. Semakin lama masa hidupnya, maka data warehouse dapat menyebabkan biaya
yang besar. Data warehouse umumnya tidak statis. Biaya perawatannya cukup
tinggi.
4. Data warehouse dapat menjadi ketinggalan dari data terbaru relatif cepat.
Maka, akan ada resiko bahwa data yang akan dianalisis di data warehouse
merupakan data yang tidak optimal.
29
2.2.4. Extract, Transform, Loading (ETL)
Extract, Transform, Loading ETL adalah proses pengekstrakan data dari
sumber data yang kemudian dimasukkan ke dalam data warehouse. ETL
dilakukan secara periodik untuk kebutuhan bisnis dengan analisa data yang kuat.
Gambar Extract, Transform, Loading dapat dilihat dibawah ini :
Operational
and External
Data
EXTRACT
Cleansing
Validation
TRANSFORM
Reconcilied Data
LOAD
Data
Warehouse
Gambar 2.8 Extr act, Transfor m, Loading
Filtering
30
Extraction
Data extraction adalah proses pengambilan data yang diperlukan dari
sumber data warehouse dan selanjutnya dimasukkan pada staging area untuk
diproses tahap berikutnya.
Pada fungsi ini, kita akan banyak berhubungan dengan berbagai tipe sumber
data. Format data, mesin yang berbeda, software dan arsitektur yang tidak sama.
Sehingga sebelum proses ini kita lakukan, sebaiknya perlu kita definisikan
requirement terhadap sumber data yang akan kita butuhkan untuk lebih
memudahkan pada extration ini.
Transformation
Pada kenyataannya, pada proses transaksional data disimpan dalam berbagai
format sehingga jarang kita temui data yang konsisten antara aplikasi-aplikasi
yang ada. Transformasi data ditujukan untuk mengatasi masalah ini.
Dengan proses transformasi data ini, kita melakukan standarisasi terhadap
data pada satu format konsisten. Beberapa contoh ketidakkonsistenan data
tersebut dapat diakibatkan oleh tipe data yang berbeda.
Loading
Data loading adalah memindahkan data ke data warehouse. Ada dua
loading data yang kita lakukan pada data warehouse. Pertama adalah inisial load,
proses ini dilakukan pada saat kita telah selesai mendesain dan membangun data
warehouse. Data yang kita masukan tentunya akan sangat besar dan memakan
waktu yang relatif lebih lama. Kedua incremental load dilakukan ketika data
31
warehouse telah dioperasikan. Kita melakukan data extraction, transformation
dan loading terhadap data tersebut.
Untuk inisial load dilakukan sekali saja, namun untuk incremental load
dapat kita jadwalkan sesuai dengan kebutuhan, bisa setiap hari, bulan, kuartal atau
tahun sesuai dengan kebutuhan kita.
2.2.5. On-Line Analytical Processing (OLAP)
OLAP
(On-Line
Analytical
Processing)
adalah
Database
Multi
dimensional pada sistem analisa data tingkat lanjut yang mendukung pengambilan
keputusan, bisnis model dan aktifitas riset. OLAP menyediakan cara untuk
menampilkan data multidimensional yang ada dalam Data Mart atau Data
Warehouse, dengan OLAP dapat dibuat cube yang mengorganisasikan data dan
membuat summary data untuk query yang efisien.
Sistem OLAP memungkinkan perusahaan untuk menyediakan akses
terhadap data dan fasilitas pembuatan laporan bagi seluruh organisasi. Sistem
OLAP menyediakan sumber tunggal untuk mencari program dan pengukuran
manajemen bisnis, informasi karyawan, pengukuran risiko dan teknikal,
peramalan penjualan dan biaya, dan informasi overhead.
2.2.5.1 Karakter istik OLAP
1. Menggunakan teknik analisa data multidimensional.
2. Menyediakan dukungan database tingkat lanjut.
3. Menyediakan cara pakai yang mudah dan User Interface yang mudah
dipahami.
4. Mendukung arsitektur client-server.
32
2.2.5.2 Cube
Cube adalah sebuah penyajian data secara multidimensional tergantung
dari banyaknya nilai dalam suatu Analisis. Pada kondisi konvensional kita akan
berpikiran bahwa cube akan terdiri dari 3 dimensi yaitu panjang, lebar dan tinggi.
Di dalam Analysis Services tidak di batasi oleh jumlah dimensi.
2.2.5.3 Cells
Tanpa memperhatikan dari banyaknya jumlah dimensi, cube terdiri dari
beberapa cell. Cell adalah atomic unit (Unit Terkecil) dari sebuah cube pada
Analysis Services.
2.2.5.4 Measure
Measure adalah sebuah entitas yang dapat dimonitor dan diukur dari
dimensi. Contohnya pendapatan dari seluruh karyawan dan rata-rata temperatur.
Juga dimungkinkan untuk melakukan perhitungan dari satu measure. Secara
mendasar measure di-load ke dalam OLAP database. Menghitung measure adalah
menghitung dari measure dasar sehingga untuk itu tidak perlu dimasukkan ke
dalam source data. Measure terdapat pada fact tabel yang mana dalam satu tabel
database terdiri dari banyak measures. Measurement tidak hanya terdapat pada
field tabel dalam sebuah database, tetapi dapat berupa hasil perhitungan.
Operasi-operasi yang terdapat pada OLAP antara lain :
1. Slicing dan Dicing
Slicing dan dicing adalah operasi untuk melihat data sebagai visualisasi dari
kubus. Dengan slicing dan dicing pengguna dapat melihat data dari beberapa
33
perspektif. Pengguna dapat mengekstrak bagian dari data agregrated dan dapat
memeriksa dengan detail berdasarkan dimensi-dimensi yang diinginkan. Data
Agregrated merupakan data praperhitungan (precalculated) dalam bentuk
rangkuman data (data summarized) sehingga query pada kubus (cube) lebih cepat.
Slicing memotong kubus sehingga dapat memfokuskan pada perspektif yang
spesifik (pada suatu dimensi). Sedangkan dicing memberikan kemampuan untuk
melihat pemilihan data pada dua dimensi atau lebih. Yaitu dengan merotasi cube
pada perspektif yang lain sehingga pengguna dapat melihat lebih spesifik terhadap
data yang dianalisa.
2. Roll up dan drill down
Drill down dan roll up adalah operasi untuk melihat data global atau detail
disepanjang level hirarki dimensi. Roll up untuk melihat data secara global atau
rangkuman (summary). Drill down memandu pengguna untuk memperoleh data
yang lebih detail. Drill down ini biasa digunakan untuk menjawab pertanyaan atas
suatu kasus tertentu. Misalnya untuk menjawab pertanyaan ketika sebuah
summary number (rata-rata atau jumlah) di bawah atau di atas harapan.
2.2.6. Basis Data
Basis data (database) adalah suatu pengorganisasian sekumpulan data yang
saling terkait sehingga memudahkan aktivitas untuk memperoleh informasi. Basis
data dimaksudkan untuk mengatasi masalah pada sistem yang memakai
pendekatan berbasis berkas.
34
Basis data dapat diartikan sebagai kumpulan data tentang suatu benda atau
kejadian yang saling berhubungan satu sama lain. Sedangkan data merupakan
fakta yang mewakili suatu obyek seperti manusia, hewan, peristiwa konsep,
keadaan, dan sebagainya, yang dapat dicatat dan mempunyai arti yang implisit.
Data dicatat atau direkam dalam bentuk angka, huruf, simbol, gambar, bunyi, atau
kombinasinya. Sebagai contoh, terdapat daftar nama dan nomor telepon, serta
alamat orang-orang yang menjadi anggota suatu organisasi.
Untuk mengelola basis data diperlukan perangkat lunak yang disebut DBMS
(Database Management System). DBMS adalah perangkat lunak sistem yang
memungkinkan para
pemakai
membuat,
memelihara,
mengontrol,
serta
mengakses basis data dengan cara yang praktis dan efisien. DBMS dapat
digunakan untuk mengakomodasi berbagai macam pemakai yang memiliki
kebutuhan akses yang berbeda-beda.
Database Management System (DBMS) adalah kumpulan program yang
digunakan untuk membuat dan mengelola basis data. Suatu DBMS merupakan
sistem perangkat lunak yang secara umum dapat digunakan untuk melakukan
pemrosesan dalam hal pendefinisian, penyusunan, dan manipulasi basis data
untuk berbagai aplikasi. Pendefinisian basis data meliputi spesifikasi tipe data,
struktur dan pembatasan (constraints) dari data yang harus disimpan dalam basis
data. Penyusunan basis data meliputi proses memasukkan data ke dalam media
penyimpanan data yang harus dikontrol oleh DBMS. Sedangkan yang termasuk
dalam manipulasi basis data seperti pembuatan pertanyaan (query) dari basis data
35
untuk mendapatkan informasi tertentu, melakukan pembaharuan (updating) data,
dan pembuatan laporan (report generation) dari data di dalam basis data.
Di dalam pendekatan basis data, sejumlah data disimpan dalam satu tempat
dengan definisi data yang tetap sehingga dapat diakses oleh beberapa pemakai
dengan berbagai program aplikasi melalui kontrol DBMS.
2.2.7. Microsoft SQL.Server
Microsoft SQL Server adalah sebuah sistem manajemen basis data relasional
(RDBMS) produk Microsoft dan Sysbase. Umumnya SQL Server digunakan di
dunia bisnis yang memiliki basis data berskala kecil sampai dengan menengah,
tetapi kemudian berkembang dengan digunakannya SQL Server pada basis data
berskala besar.
Mirosoft SQL Server dan Sysbase/ASE dapat berkomunikasi lewat jaringan
dengan menggunakan protokol TDS (Tabular Data Stream). Selain dari itu,
Microsoft SQL Server juga mendukung ODBS (Open Database Connectivity), dan
mempunyai driver JDBC untuk bahasa pemrograman Java. Fitur lain dari SQL
Server ini adalah kemampuannya untuk membuat basis data mirroring dan
clustering. Pada versi sebelumnya, Ms SQL Server 2000 terserang oleh worm
komputer SQL Slammer yang mengakibatkan kelambatan akses internet pada
tanggal 25 Januari 2003.
SQL Server 2008 adalah salah satu produk terkini Microsoft yang
menyajikan bukti nyata visi Microsoft dalam menyediakan platform basis data
yang mendukung aplikasi dengan kebutuhan kualitas dan integritas data yang
36
sangat
kritis
sekalipun
dengan
memperkecil
biaya
infrastruktur
dan
memungkinkan semua pengguna mengakses informasi secara lebih efisien.
Terdapat cukup banyak fitur-fitur inovasi yang dimiliki oleh SQL Server,
beberapa di antaranya adalah:
1. Pengelolaan sumber daya (resource governer), memungkinkan administrator
basis data untuk mendefinisikan pengalokasian sumber daya dan melakukan
prioritas terhadap masing-masing fitur, sehingga dapat memberikan performa
yang konsisten bagi pengguna.
2. Pengelolaan berdasar kebijakan (policy based government). SQL Server 2008
memperkenalkan
Declarative
Management
Framework
(DMF)
yang
menyediakan platform pengelolaan kebijakan bagi SQL Server Database
Engine. DMF memberikan beberapa keuntungan, di antaranya:
a. Keterkaitan pelaksanaan kebijakan yang sejalan dengan konfigurasi
sistem.
b. Pemantauan dan pencegahan perubahan kebijakan yang tidak sesuai
dengan konfigurasi sistem.
c. Mengurangi biaya kepemilikan (TCO) karena pengelolaan yang lebih
mudah.
d. Mendeteksi perbedaan pelaksanaan kebijakan melalui Management
Studio.
3. Audit: SQL Server mengizinkan pengguna yang berwenang untuk melakukan
audit terhadap komunikasi data yang terjadi. Mekanisme audit melingkupi
data yang dibaca, ditulis, dan dimodifikasi.
37
4. Spatial: SQL Server 2008 menyediakan dukungan spatial untuk aplikasi yang
membutuhkan dukungan informasi, lokasi, dan aplikasi berbasis spatial.
Visualisasi data: SQL Server menyediakan beberapa komponen visual yang dapat
digunakan untuk pelaporan, komponen visual seperti peta, gauge, dan diagram
dapat digunakan tanpa kebutuhan terhadap pihak ketiga.
2.2.8. SQL (Structured Query Language)
SQL (Structured Query Language) adalah bahasa yang digunakan untuk
mengakses basis data yang tergolong relasional. Standar SQL mula-mula
didefinisikan oleh ISO (International Standards Organization) dan ANSI (the
American National Standards Institute) yang dikenal dengan sebutan SQL86.
Pemahaman tentang SQL sangat bermanfaat karena dapat digunakan untuk
keperluan pemrograman. Sesungguhnya SQL tidak terbatas hanya untuk
mengambil data (query), tetapi juga dapat dipakai untuk menciptakan tabel,
menghapus tabel, menambahkan data ke tabel, menghapus data pada tabel,
mengganti data pada tabel, dan berbagai operasi yang lain.
Secara umum, SQL terdiri dari dua bahasa, yaitu Data Definition Language
(DDL) dan Data Manipulation Language (DML). Implementasi DDL dan DML
berbeda untuk setiap sistem manajemen basis data (SMBD), namun secara umum
implementasi tiap bahasa ini memiliki bentuk standar yang ditetapkan ANSI.
DDL digunakan untuk mendefinisikan, mengubah, serta menghapus basis data
dan obyek-obyek yang diperlukan untuk basis data, misalnya tabel, view, user,
dan sebagainya. Secara umum, DDL yang digunakan adalah CREATE untuk
membuat obyek baru, USE untuk menggunakan obyek, ALTER untuk mengubah
38
obyek yang sudah ada, dan DROP untuk menghapus obyek. DDL biasanya
digunakan oleh administrator basis data dalam pembuatan sebuah aplikasi basis
data. Sedangkan DML digunakan untuk memanipulasi data yang ada dalam
sebuah tabel.
BAB III
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem
Pada bagian ini akan dilakukan analisis terhadap sistem yang sedang
berjalan. Hasilnya digunakan untuk mengidentifikasi dan mengevaluasi berbagai
kelemahan serta kekuatan yang terdapat pada sistem yang sudah dimiliki oleh PT.
Simpati Intan Permata. Dari proses analisis tersebut akan dapat dihasilkan
berbagai saran perbaikan terhadap sistem yang dapat dijadikan dasar dalam
merancang data warehouse yang akan dibangun.
3.1.1 Analisis Masalah
Berdasarkan penelitian yang dilakukan pada PT. Simpati Intan Permata
(SIP), adapun masalah-masalah yang timbul adalah sebagai berikut :
1. Database yang masih terpisah-pisah, untuk mengolah data setiap cabang dan
data setiap bulan databasenya terpisah-pisah.
2. Aplikasi belum terintegrasi, Proses pengolahan data pelanggan dan pemesanan
barang terpisah dengan proses pengolahan pembayaran angsuran kredit
(pembuatan kwitansi).
3. Database yang masih redudansi, terdapat beberapa tabel yang tidak digunakan
dan tabel yang kolom/fieldnya sama pada database yang ada.
4. Kesulitan untuk membuat laporan transaksi dalam bentuk yang mudah
dipahami.
39
40
3.1.2 Analisis Pr osedur Yang Sedang Berjalan
Analisis prosedur atau proses sistem memberikan gambaran tentang sistem
yang saat ini sedang berjalan. Analisis sistem bertujuan untuk mengetahui lebih
jelas bagaimana cara kerja sistem tersebut sehingga kelebihan dan kekurangan
sistem dapat diketahui.
Adapun prosedur sistem yang berjalan saat ini yaitu :
A. Prosedur Pengadaan barang
1. Owner memesan/membeli barang ke supplier.
2. Supplier mengecek barang apakah barang tersedia atau tidak.
3. Jika barang tersedia maka supplier membuat kuitansi pemesanan sebanyak 2
rangkap yang belum terverifikasi.
4. Kuitansi pemesanan sebanyak 2 rangkap yang belum terverifikasi dan barang
diberikan kepada owner.
5. Owner mengecek barang pesanan dan kuitansi pemesanan yang belum
terverifikasi apakah sudah sesuai atau tidak.
6. Jika barang pesanan dan kuitansi pemesanan sudah sesuai maka owner
melakukan pembayaran sejumlah kuitansi pemesanan dan mengembalikan
kuitansi pemesanan yang sudah terverifikasi oleh owner.
7. Supplier memberikan kuitansi pemesanan sebanyak 1 rangkap yang telah
terverifikasi kepada owner.
8. Owner dan supplier mengarsipkan kuitansi pemesanan.
9. Owner memberikan barang ke bagian staf gudang.
10. Staf gudang mengarsipkan barang yang telah dibeli oleh owner.
41
B. Prosedur Penjualan Barang
1. Sales melakukan Reservasi/order ke konsumen dengan membawa brosur dan
ordersit (data pesanan) belum terverifikasi sebanyak 2 rangkap.
2. Jika konsumen berminat maka konsumen akan membaca dan mengisi data
pesanan (ordersit).
3. Konsumen mengembalikan brosur dan ordersit yang telah diverifikasi 1
rangkap.
4. Sales memberikan ordersit ke supervisior.
5. Supervisior melakukan survey lapangan terhadap konsumen yang memesan
barang berdasarkan ordersit yang diberikan oleh sales.
6. Jika konsumen memenuhi hasil survey maka supervisor memberikan laporan
konsumen yang memenuhi kelayakan beserta ordersit kepada staf bagian
penjualan.
7. Staf penjualan mencatat ordersit ke buku penjualan.
8. Staf penjualan mencetak kuitansi penagihan sebanyak 2 rangkap yang belum
terverifikasi dan memberikan barang ke kolektor.
9. Kolektor memberikan barang dan kuitansi penagihan sebanyak 2 rangkap yang
belum terverifikasi oleh kolektor.
10. Kosumen melakukan pembayaran sesuai dengan kuitansi penagihan.
11. Konsumen memberikan kuitansi penagihan dan uang pembayaran kepada
kolektor.
12. Kolektor mengecek jumlah pembayaran dengan kuitansi penagihan.
42
13. Jika pembayaran sesuai dengan
kuitansi penagihan maka
kolektor
memverifikasi kuitansi penagihan dan memberikan kuitansi penagihan
sebanyak 1 rangkap kepada konsumen sebagai bukti pembayaran.
14. Kolektor memberikan kuitansi penagihan yang telah terverifikasi ke bagian
staf penjualan.
15. Staf penjualan mengarsipkan kuitansi penagihan ke buku penjualan.
3.1.3 Analisis Kebutuhan Non Fungsional
Analisis kebutuhan non fungsional dilakukan untuk menghasilkan
spesifikasi yang rinci mengenai segala hal yang dapat dikerjakan oleh sistem pada
saat diimplementasikan. Hasil dari analisis ini akan menentukan masukan yang
dibutuhkan sistem, keluaran yang dihasilkan sistem, lingkup proses yang
digunakan untuk mengolah masukan sehingga menghasilkan keluaran yang
diinginkan, kendali terhadap sistem, dan macam-macam kategori pengguna
sistem.
3.1.3.1 Analisis Pengguna
Analisis pengguna dilakukan untuk mengetahui tugas dan karakteristik
pengguna yang akan menggunakan sistem yang akan dibangun. Dengan
mempertimbangkan tingkat pengalaman pengguna dalam menggunakan komputer
dapat dirancang sebuah sistem yang mudah dipelajari dan digunakan oleh
pengguna tersebut.
43
Pengguna yang nantinya akan menggunakan sistem ini hanya Manager
Marketing. Karakteristik pengguna pada PT. Simpati Intan Permata yaitu
Pendidikan Strata Satu dan software yang sering digunakan yaitu Microsoft
Office. Dari hasil pengumpulan data da