Pembangunan Perangkat Lunak Data Mart GP Shoes

1

BAB 1

PENDAHULUAN

1.1 Latar Belakang Masalah

GP SHOES adalah salah satu perusahaan swasta yang kegiatan utamanya adalah memproduksi sepatu pria dan wanita. Perusahaan ini berdiri tahun 1989 dan berlokasi di Jl. Gunungpuntang km 28, Kp. Kebontunggul RT 03 RW 03 Ds. Campakamulya Kec.Cimaung Kab. Bandung. Produk yang di produksi oleh GP SHOES memiliki kualitas yang tinggi dan harga yang ekonomis guna untuk memenuhi permintaan pasar.

GP SHOES melakukan banyak produksi yang dihasilkan setiap harinya. Dengan banyaknya produksi yang dihasilkan, maka data hasil produksi semakin banyak. Data hasil produksi tersebut dimasukan ke dalam sistem yang sudah ada untuk dianalisis oleh manajer produksi dan dijadikan sebagai informasi yang berguna bagi perusahan, saat ini perusahaan mengalami kendala dalam menyajikan suatu informasi strategis produksi ataupun laporan stratrgis produksi yang dibutuhkan oleh manajer produksi. Dalam penyajian informasinya masih dilakukan secara manual dan membutuhkan waktu yang cukup lama dalam proses pencarian datanya. Tentunya akan menghambat dalam pengambilan keputusan produksi oleh manajer produksi. Akibatnya akan menjadi suatu kerugian bagi perusahaan.

Berdasarakan permasalahan yang ada pada devisi produksi di GP SHOES, maka perlu dibangunnya sebuah perangkat lunak data mart untuk memudahkan dalam pengambilan keputusan pihak manajer produksi untuk mendapatkan informasi strategis yang cepat sehingga dapat digunakan perencanaan jangka panjang. Data mart dapat menyajikan informasi secara cepat, mudah dan detail yang digunakan untuk analisa data dan juga dapat mendukung pembuatan laporan strategis produksi secara ringkas atau memiliki periode waktu berupa tabel dan grafik.

Data Mart merupakan sebagian dari data warehouse, yaitu kumpulan data yang berorientasi subjek, terintegrasi, memiliki periode waktu, dan tidak dapat di update serta dapat mendukung untuk pengambilan keputusan manajer produksi ,

serta dapat membantu dalam pembuatan laporan akhir dan analisis data pada divisi produksi [1].

1.2 Rumusan Masalah

Berdasarkan pemaparan latar belakang maka identifikasi masalanya adalah bagaimana membangun perangkat lunak data mart pada GP SHOES.

1.3 Maksud dan Tujuan

Berdasarkan permasalahan yang diteliti, maka maksud dari penulisan tugas akhir ini adalah untuk membangun perangkat lunak data mart pada GP SHOES. Sedangkan tujuanya adalah sebagai berikut :

1. Membantu pihak manajer produksi untuk mendapatkan suatu informasi strategis produksi yang cepat dan ringkas.

2. Membantu pihak manajer produksi dalam pembuatan laporan strategis produksi.

1.4 Batasan Masalah

Ada beberapa masalah dalam penelitian ini agar pembahasan lebih terfokus sesui dengan tujuan yang akan di capai. Batasan masalah dalam penelitian ini adalah :

1. Data masukan yang di gunakan untuk sistem informasi yang akan di bangun adalah data dari divisi produksi.

2. Data untuk pengujian yaitu data dari tahun 2013 dan 2014.

3. Pemodelan untuk pembangunan perangkat lunak menggunakan UML (Unified Modeling Language).

4. Analisis dan perancangan perangkat lunak menggunakan analisis berorientasi objek.

5. DBMS menggunakan SQL Server 2012.

6. Pembangunan perangkat lunak mengunakan Visual Studio 2012. 7. Skema yang di gunakan Skema Constellation.

8. Proses pembuatan data mart dengan proses ETL (Extract Transform Loading).

9. Pengujian data mart menggunakan OLAP (On-Line Analytical Processing).

1.5 Metodologi Penelitian

Metodologi penelitian yang digunakan adalah metode deskrpitif. Metode deskriptif adalah salah satu metode penelitian yang banyak digunakan untuk menjelaskan suatu masalah dan menjabarkan suatu keadaan atau fenomena yang terjadi saat ini.

1.5.1 Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah sebagai berikut :

1 Wawancara

Wawancara merupakan teknik pengumpulan data yang dilakukan dengan cara tanya jawab dengan pihak perusahaan terkait dengan permasalahan yang diambil.

2 Observasi

Observasi merupakan teknik pengumpulan data yang dilakukan dengan cara melakukan pengamatan secara langsung terhadap permasalahan yang ada di perusahaan.

3 Studi Literatur

Studi literatur merupakan teknik pengumpulan data dengan cara mengumpulkan literatur, jurnal, dan bacaan lainnya yang berkaitan dengan topik penelitian.

1.5.2 Metode Pembangunan Perangkat Lunak

Metode pembangunan perangkat lunak menggunakan paradigma peangkat lunak waterfall. Paradigma waterfall ini dipilih dikarenakan model ini memberikan pendekatan-pendekatan sistematis dan berurutan dalam pembuatan perangkat lunak. Tahapan-tahapan yang ada pada metode waterfall menurut Roger S Pressman dapat dilihat pada Gambar 1.1

Communication

Planning

Modeling

Construction

Deployment

Project initation reqiurements gathering

Estimating scheduling tracking

Analisys design

Code test

Delivery support feedback

Gambar 1.1 Model Waterfall [2]

Penjelasan Gambar 1.1adalah sebagai berikut : 1. Communication

Pada tahap ini dilakukan analisis dan kebutuhan perangkat lunak dan pengumpulan data berdasarkan hasil wawancara dengan pihak perusahaan. 2. Planning

Pada tahap ini dilakukan analisis kebutuhan perusahaan mengenai hal-hal apa saja yang dibutuhkan dalam pembuatan perangkat lunak.

3. Modeling

Pada tahap ini dilakukan perancangan struktur data, arsitektur perangkat lunak, dan perancangan antarmuka dari perangkat lunak yang akan dibangun, disesuaikan dengan kebutuhan perangkat lunak dari perusahaan.

4. Construction

Pada tahap ini dilakukan pembangunan perangkat lunak yang disesuaikan dengan kebutuhan perangkat lunak dari perusahaan serta dilakukan pengimplementasian dari proses perancangan yang telah dilakukan dan pengujian terhadap perangkat lunak yang telah dibangun.

5. Deployment

1.5.3 Metode Pemecahan Masalah Data Mart

Metode pemecahan masalah yang digunakan dalam pembuatan data mart pada GP SHOES adalah sebagai berikut :

1. Business Requirement Definition

Menganalisis proses bisnis dan seluruh kebutuhan yang ada di GP SHOES dalam pembuatan data mart.

2. Dimensional Modeling

Memodelan data menjadi data multidimensi berdasarkan hasil yang di dapat dari Business Requirement Definition

3. Physical Design

Tahap ini merupakan tahap perancangan fisik data mart. Seperti hardware dan software yang dibutuhkan, banyaknya memori yang diperlukan, pembentukan partisi jika diperlukan, dan lain-lain.

4. Data Staging Design

Perancangan data staging terdiri dari 3 tahap utama atau biasa disebut dengan ETL ( Extract, Transform, dan Load) yang merupakan proses pengubahan data dari OLTP database menjadi data mart.

5. OLAP & Reporting Tools

Mengatur data yang ada dalam data mart menjadi data multidimensi berdasarkan model yang akan ditampilkan kepada user untuk pengambilan keputusan.

6. Deployment

Pengoperasian data mart serta reporting tools yang sudah jadi.

1.6 Sistematika Penulisan

Sistemaktika penulisan penelitian ini disusun untuk memberikan gambaran umum tentang penelitian yang akan dijalankan. Sistematika penulisannya adalah sebagai berikut :

BAB 1 PENDAHULUAN

Pada bab ini menguraikan tentang latar belakang masalah, rumusan masalah, maksud dan tujuan, batasan masalah, metodologi penelitian, serta sistematika penulisan.

BAB 2 TINJAUAN PUSTAKA

Pada bab ini menjelaskan sekilas tentang perusahaan beserta teori-teori yang dijadikan sebagai referensi untuk menunjang dalam pembuatan sistem.

BAB 3 ANALISIS DAN PERANCANGAN

Pada bab ini menguraikan analisis dan perancangan sistem, yaitu analisis masalah, analisis sistem yang sedang berjalan, analisis kebutuhan informasi, analisis arsitektur data mart, analisis spesifikasi kebutuhan perangkat lunak, analisis kebutuhan non-fungsional, analisis kebutuhan fungsional, perancangan struktur menu, perancangan antarmuka, perancangan pesan, perancangan jaringan semantik, dan perancangan method untuk aplikasi yang akan dibangun sesuai dengan hasil analisis.

BAB 4 IMPLEMENTASI DAN PENGUJIAN

Pada bab ini berisi tahap implementasi dari perancangan sistem yang kemudian akan dilakukan pengujian terhadap perangkat lunak yang dibuat dengan pengujian black box, yaitu berfokus pada fungsionalitas perangkat lunak.

BAB 5 KESIMPULAN DAN SARAN

Pada bab ini berisi tentang kesimpulan yang diperoleh dari permasalahan serta saran yang akan menjadi masukan bagi pengembangan sistem ini.

9 2.1 Profil Perusahaan

Pada tahun 1986 di Jalan Gunungpuntang Km 28 Cimaung didirian sebuah perusahaan sepatu yang didirikan oleh Bapak Wahyu berbekal pengetahuan, keterampilan, dan pengalaman selama menjadi tukan sepatu, perusahaan tersebut di berinama GP SHOES. Sebelumnya perusahaan ini hanyalan sebuah perusahaan industry kecil dengan modal terbatas yang hanya untuk memenuhi kebutuhan masyarakat sekitar.

Awal mulanya bapak wahyu mengawali usahanya dengan bekal pengalaman dan keterampilan yang dimilikinya dalam memproduksi sepatu untuk pria dan wanita. Dengan bertambahnya produksi sepatu, bapak wahyu meminta bantuan rekanya untuk menyelesaikan produksi tersebut agar proses produksi dapat terselesaikan. Hasil produksinya dikirim ke toko sepatu di daerah cibaduyut.

Perkembangan usaha Bapak wahyu dari tahun ke tahun menunjukan peningkatan dengan banyaknya pesanan untuk membuatkan sepatu sehingga untuk melayani pesanan yang begitu banyak maka Bapak wahyu menambah karyawan untuk membantu mengerjakan pesanan tersebut. Selain itu bapak Wahyu menambah jumlah peralatan sehingga usaha ini pada tahun 1995 merupakan usaha home industry yang terkenal di daerah Kebontunggul khususnya. Dalam perkembangan selanjutnya, perusahaan terus menambah kapasitas produksinya dan memperluas jangkauan pemasaran produksinya. Pada tahun 2009 pemasaran produksinya sudah mengekspor produknya keluar negeri.

2.1.1 Visi dan Misi Perusahaan Visi :

“Menjadi perusahaan sepatu kualitas terbaik” Misi :

1. Menjaga kepercayaan para pelanggan.

3. Mempertahankan harga yang kompetitif dan menciptakan produk yang berbeda dari perusahaan lain.

2.1.2 Struktur Organisasi

Struktur organisasi adalah pola hubungan antara bagian-bagian dari instansi atau menggambarkan dengan jelas pemisah kegiatan pekerjaan antar bagian dalam suatu instansi. Berikut struktur organisasi divisi produksi di GP SHOES dapat dilihat pada Gambar 2.1.

Gambar 2.1 Struktur Organisasi GP SHOES

2.2 Landasan Teori

Pada sub bab ini berisi teori- teori yang digunakan dalam proses analisis dan perancangan serta implementasi dalam tugas akhir ini

2.2.1 Data Warehouse

Data warehouse merupakan kumpulan data yang berorientasi subjek, terintegrasi, tidak dapat di update, memiliki dimensi waktu, yang digunakan untuk mendukung proses manajemen pengambilan keputusan dan kecerdasan bisnis [4]. Data warehouse memiliki karakteristik, sebagai berikut :

1. Berorientasi subjek (Subject Oriented)

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, product dan sales), hal ini dikarenakan kebutuhan dari data warehouse untuk menyimpan data-data yang bersifat penunjang suatu keputusan.

2. Terintegrasi ( Integrated )

Data Warehouse dapat menyimpan data-data yang berasal dari sumber-sumber yang terpisah kedalam suatu format yang konsisten dan saling terintegrasi satu dengan lainnya.

3. Rentang Waktu ( Time-variant )

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 :

- Cara yang paling sederhana adalah menyajikan data warehouse pada rentang waktu tertentu, misalnya antara 5 sampai 10 tahun ke depan.

- Cara yang kedua, dengan menggunakan variasi/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.

- 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

Data warehouse tidak dapat di-update secara real time tetapi di-referesh dari sistem operasional secara reguler. Data yang baru selalu ditambahkan kedalam database itu sendiri. Database tersebut secara terus-menerus menerima dan menyimpan data baru, kemudian disatukan dengan data sebelumnya.

2.2.2 Data Mart

Data Mart adalah bagian pada data warehouse yang mendukung pembuatan laporan dan analisa data pada suatu unit, bagian atau operasional pada suatu persahaan. Data mart sering digunakan untuk memberikan informasi kepada segmen fungsional organisasi. [1].

Ada empat tugas yang dapat dilakukan dengan adanya data mart, empat tugas tersebut adalah sebagai berikut :

1. Pembuatan laporan

Pembuatan laporan merupakan salah satu kegunaan data mart yang paling umum dilakukan. Dengan menggunakan query sederhana didapatkan laporan per hari, per bulan, per tahun, atau jangka waktu kapanpun yang diinginkan. 2. On-Line Analytical Processing (OLAP)

Dengan adanya data mart, semua informasi baik detail maupun hasil summary yang dibutuhkan dalam proses analisa mudah didapat. OLAP merupakan konsep data multidimensi dan memungkinkan pada pemakai menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah SQL. Fasilitas lain adalah roll-up dan drill-down. Drill-down adalah kemampuan untuk melihat detail dari suatu informasi dan roll-up adalah kebalikannya.

3. Data Mining

Data mining merupakan proses untuk menggali (mining) pengetahuan dan informasi baru dari data yang berjumlah banyak pada data mart.

4. Proses informasi executive

Data mart dapat membuat ringkasan informais yang penting dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi keseluruhan data. Dengan menggunakan data mart segala laporan telah diringkas dan dapat pula mengetehaui segala rinciannya secara lengkap, sehingga mempermudah proses pengambilan keputusan.

2.2.2.1Model Dimensional Data Mart

Model dimensional pada data mart terdiri dari tabel fakta dan tabel dimensi. Tabel fakta merupakan tabel yang berisi kumpulan foreign key dari primary key yang terdapat pada masing-masing tabel dimensi, sedangkan tabel dimensi merupakan tabel yang berisi data detail yang menjelaskan foreign key yang terdapat pada tabel fakta.

Ada beberapa model skema yang terdapat pada pemodelan data mart, yaitu skema star, skema snowflake, dan skema constellation. Penjelasan dari masing-masing model skema adalah sebagai berikut :

1. Star Schema

Skema ini mengikuti bentuk bintang, dimana terdapat satu tabel fakta di pusat bintang dengan beberapa tabel dimensi yang mengelilinginya. Semua tabel dimensi berhubungan dengan ke tabel fakta. Tabel fakta memiliki beberapa primary key dalam tabel dimensi. Berikut adalah contoh skema bintang dapat dilihat pada Gambar 2.2

Gambar 2.2 Star Schema 2. Snowflake Schema

Menurut Connolly dan Begg [1], Snowflake Schema merupakan perluasan dari skema bintang dengan tambahan beberapa tabel dimensi yang tidak berhubungan secara langsung dengan tabel fakta. Tabel dimensi tersebut

berhubungan dengan tabel dimensi yang lain. Berikut adalah contoh skema bola salju dapat dilihat pada Gambar 2.3

Gambar 2.3 Snowflake schema

3. Skema Constellation

Skema Constellation adalah skema muti dimensional yang berisikan lebih dari satu table fakta yang saling berbagi table dimensi. Berikut adalah contoh skema constellation dapat dilihat pada Gambar 2.4

Gambar 2.4 Skema Constellation

2.2.2.2ETL (Extract, Transform, Loading)

Proses ETL (Extract, Transform, Loading) merupakan proses yang harus dilalui dalam pembentukan data mart [5]. ETL merupakan fase pemrosesan data dari sumber data kemudian masuk ke dalam data mart. Tujuan ETL adalah mengumpulkan, menyaring, mengolah dan menggabungkan data dari berbagai sumber untuk disimpan ke dalam data mart. Berikut adalah penjelasan dari tiap proses ETL :

1. Ekstraksi Data (Extract)

Ekstraksi data adalah proses pengambilan data dari berbagai sistem operasional, baik menggunakan query atau aplikasi ETL. Terdapat beberapa fungsi ekstraksi data, yaitu :

a. Ekstraksi data secara otomatis dari aplikasi sumber. b. Penyaringan atau seleksi data hasil ekstraksi.

c. Pengiriman data dari berbagai platform aplikasi ke sumber data. d. Perubahan format layout data dari format aslinya.

e. Penyimpanan dalam file sementara untuk penggabungan dengan hasil ekstraksi dari sumber lain.

2. Transformasi Data (Transformation)

Transformasi adalah proses dimana data hasil ekstraksi disaring dan diubah sesuai dengan aturan bisnis yang berlaku. Langkah-langkah dalam transformasi data adalah sebagai berikut :

a. Memetakan data input dari skema data aslinya ke skema data mart. b. Melakukan konversi tipe data.

c. Membersihkan dan membuang data yang sama (duplikasi). d. Memeriksa referensi data.

e. Mengisi nilai-nilai yang kosong dengan nilai default. f. Menggabungkan data.

3. Pengisian Data (Loading)

Pengisian data adalah proses memasukkan data yang didapatkan dari hasil transformasi ke dalam data mart. Cara untuk memasukkan data adalah dengan menjalankan SQL script secara periodik.

2.2.2.3OLAP (On-Line Analytical Processing)

OLAP (On-Line Analytical Processing) adalah teknologi yang memproses data ke dalam struktur multidimensi, menyediakan jawaban yang cepat untuk query analisis yang kompleks dengan tujuan untuk mengorganisir sejumlah data yang besar, agar bisa dianalisa dan dievaluasi dengan cepat serta menyediakan kecepatan dan fleksibelitas untuk mendukung analisa dalam waktu nyata [6]. Ada beberapa karakteristik OLAP, yaitu :

1. Mengijinkan pelaku bisnis melihat data dari sudut pandang logical dan multidimensional pada data warehouse.

2. Memfasilitasi query yang kompleks dan analisa bagi pengguna.

3. Mengijinkan pengguna melakukan drill-down untuk menampilkan data yang lebih detail atau roll-up untuk agregasi dari suatu dimensi atau beberapa dimensi.

4. Menyediakan proses kalkulasi dan perbandingan data. 5. Menampilkan hasil dalam bentuk tabel atau grafik. Keuntungan dari OLAP, yaitu :

1. Mengingkatkan produktivitas pemakai akhir bisnis, pengembang IT, dan keseluruhan organisasi.

2. Pengawasan yang lebih dan akses tepat waktu terhadap informasi strategis dapat membuat pengambilan keputusan lebih cepat.

3. Mengurangi pengembangan aplikasi bagi staf IT dengan membuat pemakaian akhir dapat mengubah skema dan membuat model sendiri.

4. Penyimpanan pengawasan organisasi melalui integritas data koorporasi sebagai aplikasi OLAP tergantung pada data warehouse dan sistem OLTP untuk memperbaharui sumber tingkatan data.

OLAP dapat digunakan untuk melakukan seperti: 1. Konsolidasi (roll-up)

Konsolidasi melibatkan pengelompokan data. 2. Drill-down

Suatu bentuk yang merupakan kebalikan dari konsolidasi untuk menjabarkan data yang ringkas menjadi data yang lebih detail. Gambaran untuk roll-up dan drill-down dapat dilihat pada Gambar 2.5

Gambar 2.5 Roll-up dan Drill-down 3. Slicing dan dicing

Menjabarkan pada kemampuan untuk melihat data dari sudut pandang. Gambaran untuk slicing dan dicing dapat dilihat pada Gambar 2.6

Gambar 2.6 Slicing dan Dicing 2.2.2.4Pengertian Tabel Fakta dan Dimensi

Menurut Inmon [4], table fakta adalah tabel pusat dari skema bintang dimana data sering muncul akan ditempatkan di tabel tersebut. Tabel fakta disebut juga tabel utama(major table), merupakan inti dari skema bintang dan berisi data actual yang akan dianalisis(data kuantitatif dan transaksi). Tabel fakta adalah tabel yang umumnya mengandung angka dan data historis dimana key(kunci) yang dihasilkan sangat unik karena merupakan kumpulan foreign key dan primary key yang ada pada masing-masing tabel dimensi yang berhubungan atau merupakan tabel terpusat dari skema bintang. Tabel fakta menyimpan tipetipe measure yang berbeda, seperti measure yang secara langsung berhubungan dengan tabel dimensi dan measure yang tidak berhubungan dengan tabel dimensi

`Tabel dimensi adalah tempat dimana data-data yang tidak berhubungan yang berelasi dengan tabel fakta ditempatkan di dalam tabel dimensional. Tabel dimensi juga disebut tabel kecil (minor table), karena memegang data deskriptif yang mencerminkan dimensi suatu bisnis. Tabel dimensi merupakan tabel yang berisi kategori dengan ringakasan data detail yang dapat dilaporkan, seperti laporan keuntungan pada tabel fakta dapat dilaporkan sebagai dimensi waktu(berupa per bulan atau per tahun).

2.2.3 Microsoft SQL Server

Microsoft SQL Server adalah sebuah sistem manajemen basis data relasional (RDBMS) produk Microsoft. Bahasa query utamanya adalah

Transact-SQL yang merupakan implementasi dari Transact-SQL standar ANSI/ISO yang digunakan oleh Microsoft dan Sybase. Umumnya SQL Server digunakan di sunia bisnis yang memiliki basis data yang berskala kecil sampai dengan menengah, tetapi kemudian berkembang dengan digunakannya SQL Server pada basis data besar [7]. Pengguna yang menggunakan SQL Server dapat menyimpan banyak data dan dapat untuk diimplementasi untuk kepentingan bisnis dan perusahaan.

2.2.4 SSIS (SQL Server Integration Service)

SSIS (SQL Server Integration Services) adalah suatu platform untuk membangun sistem yang handal untuk integrasi data, extraction, transformation, dan loading yang digunakan pada data warehousing. SSIS menawarkan solusi dalam menghadapi permasalahan data integrasi. Selain itu, tools ini membatu untuk menigkatkan efisiensi waktu pembuatan.

Arsitektur SQL Server Integration Services secara umum berisi berbagai macam komponen, diantaranya yaitu :

1. SSIS Deginer. Merupakan tools yang digunakan untuk membuat dan mengatur paket integration service. Pada SQL Server 2012, tools ini sudah terintegrasi dengan Visual Studio 2010 yang merupakan bagian project Bussiness Intelegence.

2. Runtime Engine. Komponen ini berguna untuk menjalankan semua paket SSIS yang sudah dibuat.

3. Task dan executable binary.

4. Data Flow Engine dan Data Flow. Komponen data flow merupakan enkapsulasi data flow engine yang menyediakan buffer didalam memori dan bertugas memindahkan data dari sumber data ke tujuan data. Sedangkan data flow merupakan sumber data, tujuan data, dan transformasi.

5. Integration Services service. Memungkinkan SQL Server Management Studio dapat digunakan untuk melakukan monitoring paket SSIS dan mengatur SSIS storage yang digunakan.

SQL Server Import dan Export Wizard. Tools ini digunakan untuk melakukan copy data dari sumber ke tujuan data.

2.2.5 UML (Unified Modeling Language)

UML (Unified Modelling Language) adalah salah satu alat bantu yang sangat handal di dunia pengembangan sistem yang berorientasi objek. Hal ini disebabkan karena UML menyediakan bahasa pemodelan visual yang memungkinkan bagi pengembang untuk membuat cetak biru atas visi mereka dalam bentuk yang baku, mudah untuk dimengerti serta dilengkapi dengan mekanisme yang efektif untuk berbagi (sharing) dan mengkomunikasikan rancangan mereka yang lain [8].

UML merupakan kesatuan dari bahasa pemodelan yang dikembangkan oleh Booch, Object Modelling Technique (OMT) dan Object Oriented Software Engineering (OOSE) [8]. Metode Booch dari Grady Booch sangat terkenal dengan nama metode Design Object Oriented. Metode ini menjadikan proses analisis dan design ke dalam empat tahapan iteratif, yaitu identifikasi kelas-kelas dan objek-objek, identifikasi semantik dari hubungan objek dan kelas tersebut, perincian interface dan implementasi. Keunggulan metode Booch adalah pada detail kayanya dengan notasi dan elemen. Pemodelan OMT yang dikembangkan oleh Rumbaugh didasarkan pada analisis terstruktur dan pemodelan entity-relationship. Tahapan utama dalam metodologi ini adalah analisis, design sistem, design objek dan implementasi. Keunggulan metode ini adalah dalam penotasian yang mendukung semua konsep OO. Metode OOSE dari Jacobson lebih memberi penekanan pada use case. OOSE memiliki tiga tahapan yaitu membuat model requirement dan analisis, design dan implementasi, dan model pengujian (test model). Keunggulan metode ini adalah mudah dipelajari karena memiliki notasi yang sederhana namun mencakup seluruh tahapan dalam rekayasa perangkat lunak.

Dengan UML, metode Booch, OMT dan OOSE digabungkan dengan membuang elemen-elemen dari metode lain yang lebih efektif dan elemen-elemen baru yang belum ada pada metode terdahulu sehingga UML lebih ekspresif dan seragam daripada metode lainnya.

2.2.5.1Use Case Diagram

Use Case adalah deskripsi fungsi dari sebuah sistem dari perspektif pengguna. Use case bekerja dengan cara mendeskripsikan tipikal interaksi antara user (pengguna) sebuah sistem dengan sistemnya sendiri melalui sebuah cerita bagaimana sebuah sistem dipakai. Urutan langkah-langkah yang menerangkan antara pengguna dan sistem disebut skenario. Setiap skenario mendeskripsikan urutan kejadian. Setiap urutan diinisialisasi oleh orang, sistem lain, perangkat keras atau urutan waktu. Dengan demikian secara singkat biasa dikatakan use case adalah serangkaian skenario yang digabungkan bersama-sama oleh tujuan umum pengguna [8].

Berikut ini adalah contoh Use Case Diagram:

Gambar 2.7 Use Case Diagram

2.2.5.2Use Case Scenario

Sebuah diagram yang menunjukkan kasus penggunaan dan aktor dapat menjadi titik awal yang bagus, tetapi tidak memberikan cukup detail untuk desainer sistem untuk benar-benar memahami persis bagaimana kekhawatiran sistem akan dipenuhi. Use Case Skenario adalah cara terbaik untuk mengungkapkan informasi penting ini dalam bentuk penggunaan description setiap kasus berbasis teks harus disertai dengan satu [5].

Berikut ini adalah contoh Use Case Scenario:

Gambar 2.8 Use Case Scenario

2.2.5.3Class Diagram

Class Diagram adalah diagram yang digunakan untuk menampilkan beberapa kelas serta paket-paket yang ada dalam sistem/perangkat lunak yang sedang kita kembangkan. Diagram kelas memberikan gambaran/diagram statis tentang sistem/perangkat lunak dan relasi-relasi yang ada di dalamnya [9].

Berikut ini adalah contoh Class Diagram:

Gambar Error! No text of specified style in document..1 Class Diagram

2.2.5.4Sequence Diagram

Sequence Diagram digunakan untuk menggambarkan perilaku pada sebuah skenario. Diagram ini menunjukkan sejumlah contoh objek dan message (pesan) yang diletakkan diantara objek-objek ini dalam use case.

Komponen utama sequence diagram terdiri atas objek yang dituliskan dengan kotak segiempat bernama. Message diwakili oleh garis dengan tanda panah dan waktu yang ditunjukkan dengan progress vertical [8].

Berikut ini adalah contoh Sequence Diagram:

Gambar 2.10 Sequence Diagram 2.2.5.5Activity Diagram

Activity Diagram adalah teknik untuk mendeskripsikan logika prosedural, proses bisnis dan aliran kerja dalam banyak kasus. Activity Diagram mempunyai peran seperti halnya flowchart, akan tetapi perbedaannya dengan flowchart adalah activity diagram mendukung perilaku paralel sedangkan flowchart tidak bias [8].

117 5.1 Kesimpulan

Berdasarkan hasil analsisi serta pengujian pada aplikasi data mart yang dibangun, maka dapat disimpulkan bahwa :

1. Penerapan data mart pada GP SHOES dapat memberikan informasi strategis yang ringkas dan tepat serta dapat mempercepat dalam proses penganalisaan untuk pengambilan keputusan oleh manajer produksi. 2. Penerapan data mart pada GP SHOES dapat mempermudah di bagian

Divisi produksi dalam pembuatan laporan informasi strategis yang di butuhkan oleh manajer produksi.

5.2 Saran

Berikut ini adalahsaran yang di berikan untuk pembangunan sistem kedepanya, adalah sebagai beriut :

1. Sistem tidak hanya menganalisi di bagian divisi produksi tetapi sistem dapat menganalisis seluruh divisi yang ada pada GP SHOES guna untuk memenuhi informasi strategis bagi perusahaan.

2. Untuk pengembangan selanjutnya perangkat lunak data mart bisa di kembangkan kembali pada divisi lainya.

BIODATA PENULIS

DATA PRIBADI

NIM : 10109455

Nama Lengkap : Roni Sulaeman

Jenis Kelamin : Laki-laki

Tempat & Tgl Lahir : Bandung, 11 Juni 1990

Alamat : Kp. Kebontunggul Rt03/03 Ds. Campakamulya kec. Cimaung kab. Bandung

No. Telepon / HP : (+62) 82118266973

E-mail : Ronisulaeman85@yahoo.com

PENDIDIKAN FORMAL

1997 - 2003 : SDN Siliwangi Cimaung 2003 - 2006 : MTS Darul Hikam Kiangroke 2006 – 2009 : SMKN 3 Baleendah

SKRIPSI

Diajukan untuk Menenpuh Ujian Akhir Sarjana

Roni Sulaeman

10109455

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK DAN ILMU KOMPUTER

UNIVERSITAS KOMPUTER INDONESIA

2016

v

DAFTAR ISI

ABSTRAK ... i ABSTRACT ... ii KATA PENGANTAR ... iii DAFTAR ISI ... v DAFTAR GAMBAR ... ix DAFTAR TABEL ... xii DAFTAR SIMBOL ... xv DAFTAR LAMPIRAN ... xviii BAB 1 PENDAHULUAN ... 1 1.1 Latar Belakang Masalah ... 1 1.2 Rumusan Masalah ... 2 1.3 Maksud dan Tujuan ... 2 1.4 Batasan Masalah... 2 1.5 Metodologi Penelitian ... 3 1.5.1 Metode Pengumpulan Data ... 3 1.5.2 Metode Pembangunan Perangkat Lunak ... 3 1.5.3 Metode Pemecahan Masalah Data Mart ... 5 1.6 Sistematika Penulisan... 6 BAB 2 TINJAUAN PUSTAKA ... 7 2.1 Profil Perusahaan ... 7 2.1.1 Visi dan Misi Perusahaan ... 7 2.1.2 Struktur Organisasi... 8 2.2 Landasan Teori ... 8 2.2.1 Data Warehouse ... 8

vi

2.2.2.3 OLAP (On-Line Analytical Processing) ... 14 2.2.2.4 Pengertian Tabel Fakta dan Dimensi ... 15 2.2.3 Microsoft SQL Server ... 16 2.2.4 SSIS (SQL Server Integration Service)... 16 2.2.5 UML (Unified Modeling Language) ... 17 2.2.5.1 Use Case Diagram ... 18 2.2.5.2 Use Case Scenario ... 19 2.2.5.3 Class Diagram ... 20 2.2.5.4 Sequence Diagram ... 20 2.2.5.5 Activity Diagram ... 21 BAB 3 ANALISIS DAN PERANCANGAN ... 23 3.1 Analisis Sistem ... 23 3.1.1 Analisis Masalah ... 23 3.1.2 Analisis Sistem Yang Sedang Berjalan ... 23 3.1.2.1 Prosedur Permintaan Produk ... 23 3.1.2.2 Prosedur Pengisian Data Produksi ... 24 3.1.3 Pemecahaan Masalah Data Mart ... 25 3.1.3.1 Busniess Requirement Definition ... 26 3.1.3.1.1 Analisis Sumber Data ... 26 3.1.3.1.2 Analisis OLTP PT GP SHOES ... 26 3.1.3.1.3 Analisis Kebutuhan Informasi... 33 3.1.3.2 Dimensional Modeling ... 34

vii

3.1.3.2.1 Analisis Dimensi dan Fakta Bisnis ... 34 3.1.3.3 Physical Design ... 36 3.1.3.4 Data Stagging Design ... 37 3.1.3.5 OLAP dan Reporting Tools ... 52 3.1.3.6 Deployment ... 55 3.1.4 Analisis spesifikasi kebutuhan perangkat lunak ... 58 3.1.4.1 Analisis Kebutuhan non-fungsional ... 59 3.1.4.1.1 Analisis Kebutuhan Perangkat Keras ... 59 3.1.4.1.2 Analis Kebutuhan Perangkat Lunak... 60 3.1.4.1.3 Analisis Kebutuhan Perangkat Pikir ... 61 3.1.5 Analisis Kebutuhan Fungsional ... 62 3.1.5.1 Use Case Diagram ... 62 3.1.5.2 Skenario Use Case... 64 3.1.5.3 Activity Diagram ... 72 3.1.5.4 Sequence Diagram ... 77 3.1.5.5 Class Diagram ... 81 3.1.5.6 Perancangan Class ... 82 3.2 Perancangan Sistem ... 84 3.2.1 Perancangan Struktur Menu ... 84 3.2.2 Perancangan Antar Muka ... 85 3.2.3 Perancangan Pesan ... 89 3.2.4 Perancangan Jaringan Semantik ... 89 BAB 4 IMPLEMENTASI DAN PENGUJIAN ... 91 4.1 Implementasi Sistem ... 91 4.1.1 Perangkat Lunak Pembangun ... 91

viii

4.1.5 User Interface ... 96 4.1.5.1 Form Login... 96 4.1.5.2 Form Update Data Mart. ... 97 4.1.5.3 Menu Lihat Data ... 98 4.1.5.4 Form Analisis ... 98 4.1.5.5 Form Lihat Grafik ... 99 4.1.5.6 Cetak Laporan Anlisis ... 99 4.2 Pengujian Sistem ... 100 4.2.1 Rencana Pengujian ... 101 4.2.2 Skenario Pengujian... 101 4.2.3 Hasil Pengujian ... 104 4.2.4 Evaluasi ... 115 4.2.5 Kesimpulan Pengujian ... 116 BAB 5 KESIMPULAN DAN SARAN... 117 5.1 Kesimpulan ... 117 5.2 Saran ... 117 DAFTAR PUSTAKA ... 119

119

DAFTAR PUSTAKA

[1] C. a. Begg, Data Warehouse, 2005.

[2] R. S. Pressmann, Software Engineering, Yogyakarta: Andi, 2010.

[3] M. Y. Pusadan, Rancang Bangun Data Warehouse, Yogyakarta: Graha Ilmu, 2013.

[4] R. Kimball dan M. Ross, The Data Warehouse Toolkit, Indianapolis: John Wiley & Sons, Inc, 2013.

[5] A. Prabawati, SQL Server 2012, Yogyakarta: Andi, 2013.

[6] Munawar, Pemodelan Visual Dengan UML, Yogyakarta: Graha Ilmu, 2005. [7] A. Nugroho, Rational Rose Untuk Pemodelan Berorientasi Objek, Bandung:

Informatika, 2005.

[8] Andrew Cristian Tooy, Bandung, 2013.

[9] W. Inmon, Building Data Warehouse, Indiana: Wiley Publishing, 2005. [10] K. H. a. R. Miles, Learning UML 2.0, sebastopol : O'Reilly: Inc, 2006.

Roni Sulaeman (10109455)

Teknik Informatika – Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung

Email : ronisulaeman85@yahoo.com

ABSTRAK

GP SHOES adalah salah satu perusahaan swasta yang kegiatan utamanya memproduksi sepatu pria dan wanita. Perusahaan ini di percaya sebagai

suplier bagi perusahaan lainnya. Saat ini dalam menyajikan suatu informasi strategis produksi ataupun laporan strategis produksi yang dibutuhkan oleh manajer produksi masih secara manual dan membutuhkan waktu yang cukup lama dalam proses pencarian datanya. Tentunya akan menghambat dalam pengambilan keputusan produksi oleh manajer produksi. Akibatnya akan menjadi suatu kerugian bagi perusahaan.

Berdasarkan permasalahan yang ada pada divisi produksi di GP SHOES, maka perlu dibangunnya sebuah perangkat lunak data mart

untuk memudahkan dalam pengambilan keputusan pihak manajer produksi untuk mendapatkan informasi strategis yang cepat sehingga dapat digunakan perencanaan jangka panjang. Data Mart

dapat menyajikan informasi secara cepat, mudah dan detail yang digunakan untuk analisa data dan juga dapat mendukung pembuatan laporan strategis produksi secara ringkas atau memiliki periode waktu berupa tabel dan grafik. Pembangunan aplikasi data mart menggunakan sistem SSIS (SQL Server Integration Service), ETL, OLAP dan untuk pembangunan data mart menggunakan analisis Objek serta skema yang di gunakan adalah skema

constellation .

Berdasarkan hasil pengujian blackbox dan beta, maka diperoleh kesimpulan bahwa data mart ini dapat menyajikan suatu informasi strategis yang cepat dan ringkas dalam menganalisis informasi strategis, serta dapat mempermudah dalam pembuatan laporan informasi strategis yang di butuhkan oleh manajer produksi di GP SHOES.

Kata Kunci : Data Mart , Skema Constellation, SSIS , OLTP, ETL, OLAP.

1. PENDAHULUAN

GP SHOES adalah salah satu perusahaan swasta yang kegiatan utamanya adalah memproduksi sepatu pria dan wanita. Perusahaan ini berdiri tahun

1989 dan berlokasi di Jl. Gunungpuntang km 28, Kp. Kebontunggul RT 03 RW 03 Ds. Campakamulya Kec.Cimaung Kab. Bandung. Produk yang di produksi oleh GP SHOES memiliki kualitas yang tinggi dan harga yang ekonomis guna untuk memenuhi permintaan pasar.

GP SHOES melakukan banyak produksi yang dihasilkan setiap harinya. Dengan banyaknya produksi yang dihasilkan, maka data hasil produksi semakin banyak. Data hasil produksi tersebut dimasukan ke dalam sistem yang sudah ada untuk dianalisis oleh manajer produksi dan dijadikan sebagai informasi yang berguna bagi perusahan, saat ini perusahaan mengalami kendala dalam menyajikan suatu informasi strategis produksi ataupun laporan stratrgis produksi yang dibutuhkan oleh manajer produksi. Dalam penyajian informasinya masih dilakukan secara manual dan membutuhkan waktu yang cukup lama dalam proses pencarian datanya. Tentunya akan menghambat dalam pengambilan keputusan produksi oleh manajer produksi. Akibatnya akan menjadi suatu kerugian bagi perusahaan.

Berdasarakan permasalahan yang ada pada devisi produksi di GP SHOES, maka perlu dibangunnya sebuah perangkat lunak data mart

untuk memudahkan dalam pengambilan keputusan pihak manajer produksi untuk mendapatkan informasi strategis yang cepat sehingga dapat digunakan perencanaan jangka panjang. Data mart

dapat menyajikan informasi secara cepat, mudah dan detail yang digunakan untuk analisa data dan juga dapat mendukung pembuatan laporan strategis produksi secara ringkas atau memiliki periode waktu berupa tabel dan grafik.

Data Mart merupakan sebagian dari data warehouse, yaitu kumpulan data yang berorientasi subjek, terintegrasi, memiliki periode waktu, dan tidak dapat di update serta dapat mendukung untuk pengambilan keputusan manajer produksi , serta dapat membantu dalam pembuatan laporan akhir dan analisis data pada divisi produksi [1].

1.1 Data Warehouse

Data warehouse merupakan kumpulan data yang berorientasi subjek, terintegrasi, tidak dapat di

1. Berorientasi subjek (Subject Oriented) 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, product dan sales), hal ini dikarenakan kebutuhan dari data warehouse untuk menyimpan data-data yang bersifat penunjang suatu keputusan. 2. Terintegrasi ( Integrated )

Data Warehouse dapat menyimpan data-data yang berasal dari sumber-sumber yang terpisah kedalam suatu format yang konsisten dan saling terintegrasi satu dengan lainnya.

3. Rentang Waktu ( Time-variant )

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 :

- Cara yang paling sederhana adalah menyajikan data warehouse pada rentang waktu tertentu, misalnya antara 5 sampai 10 tahun ke depan.

- Cara yang kedua, dengan menggunakan variasi/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. - 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

Data warehouse tidak dapat di-update secara real time tetapi di-referesh

database itu sendiri. Database tersebut secara terus-menerus menerima dan menyimpan data baru, kemudian disatukan dengan data sebelumnya.

1.2 Data Mart

Data Mart adalah bagian pada data warehouse yang mendukung pembuatan laporan dan analisa data pada suatu unit, bagian atau operasional pada suatu persahaan. Data mart sering digunakan untuk memberikan informasi kepada segmen fungsional organisasi. [1].

Ada empat tugas yang dapat dilakukan dengan adanya data mart, empat tugas tersebut adalah sebagai berikut :

1. Pembuatan laporan

Pembuatan laporan merupakan salah satu kegunaan data mart yang paling umum dilakukan. Dengan menggunakan query

sederhana didapatkan laporan per hari, per bulan, per tahun, atau jangka waktu kapanpun yang diinginkan.

2. On-Line Analytical Processing (OLAP) Dengan adanya data mart, semua informasi baik detail maupun hasil summary yang dibutuhkan dalam proses analisa mudah didapat. OLAP merupakan konsep data multidimensi dan memungkinkan pada pemakai menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah SQL. Fasilitas lain adalah roll-up dan drill-down.

Drill-down adalah kemampuan untuk melihat detail dari suatu informasi dan roll-up adalah kebalikannya.

3. Data Mining

Data mining merupakan proses untuk menggali (mining) pengetahuan dan informasi baru dari data yang berjumlah banyak pada data mart. 4. Proses informasi executive

Data mart dapat membuat ringkasan informais yang penting dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi keseluruhan data. Dengan menggunakan data mart segala laporan telah diringkas dan dapat pula mengetehaui segala rinciannya secara lengkap, sehingga mempermudah proses pengambilan keputusan.

1.2.1 Model Dimensionaling

Model dimensional pada data mart terdiri dari tabel fakta dan tabel dimensi. Tabel fakta merupakan tabel yang berisi kumpulan foreign key

Ada beberapa model skema yang terdapat pada pemodelan data mart, yaitu skema star, skema

snowflake, dan skema constellation. Penjelasan dari masing-masing model skema adalah sebagai berikut :

1. Star Schema

Skema ini mengikuti bentuk bintang, dimana terdapat satu tabel fakta di pusat bintang dengan beberapa tabel dimensi yang mengelilinginya. Semua tabel dimensi berhubungan dengan ke tabel fakta. Tabel fakta memiliki beberapa primary key dalam tabel dimensi. Berikut adalah contoh skema bintang dapat dilihat pada Gambar 1.1.

Gambar 1.1 Star Schema 2. Snowflake Schema

Menurut Connolly dan Begg [1], Snowflake Schema merupakan perluasan dari skema bintang dengan tambahan beberapa tabel dimensi yang tidak berhubungan secara langsung dengan tabel fakta. Tabel dimensi tersebut berhubungan dengan tabel dimensi yang lain. Berikut adalah contoh skema bola salju dapat dilihat pada Gambar 1.2

Gambar 1.2 Snowflake schema 3. Skema Constellation

Skema Constellation adalah skema muti dimensional yang berisikan lebih dari satu table fakta yang saling berbagi table dimensi. Berikut adalah contoh skema constellation dapat dilihat pada Gambar 1.3.

Gambar 1.3 Skema Constellation 1.2.2 Pemecahan Masalah Data Mart

Metode pemecahan masalah yang digunakan dalam pembuatan data mart pada GP SHOES adalah sebagai berikut :

Gambar 1.4 Tahapan data mart [3] 1.2.3 Busnies Requiremen Defenition

Menganalisis proses bisnis dan seluruh kebutuhan yang ada di GP SHOES dalam pembuatan data mart.

1.2.3.1 Analisis Sumber Data

Analisis sumber data merupakan proses menganalisa sumber data yang ada di GP SHOES bagian produksi. Sumber data ini terdiri dari beberapa dokumen dapat dilihat Tabel dibawah ini :

Tabel 1.1 Sumber Data

No Data Definisi

1 Pelanggan Data ini berisi data pelanggan yang dimiliki GP SHOES

2 Order Data ini berisi data order sepatu dari pelanggan 3 Produksi Data ini berisi data produk

(sepatu) yang diproduksi dari bahan baku menjadi barang jadi

4 Sepatu Data ini berisi data sepatu yang sudah di produksi oleh GP SHOES

5 Ukuran Data ini berisi data ukuran sepatu yang di produksi oleh GP SHOES

6 Warna Data ini berisi data warna sepatu yang ada di GP SHOES

SHOES 1.2.3.2 Analisis OLTP GP SHOES

Pada penelitian ini sumber data yang digunakan yaitu dengan memanfaatkan OLTP yang terdapat di Gp SHOES. Berikut diagram relasi OLTP GP SHOES dapat dilihat pada gambar 1.5

Gambar 1.5 OLTP GP SHOES 1.2.3.3 Analisis Kebutuhan Informasi

Analisis kebutuhan informasi merupakan tahap untuk menganalisis apa saja yang dibutuhkan oleh GP SHOES untuk data mart yang akan dibangun. Informasi yang akan disajikan secara detail. Berdasarkan wawancara dengan manajer produksi GP SHOES, informasi yang di butuhkan antara lain :

1. Informasi jumlah produksi sepatu pertahun, perbulan, dan pertanggal

2. Informasi jumlah produksi sepatu berdasarkan ukuran sepatu pertahun, perbulan dan pertanggal.

3. Informasi jumlah produksi sepatu berdasarkan merek sepatu pertahun, perbulan, dan pertanggal.

4. Informasi jumlah produksi sepatu

berdasarkan warna pertahun, perbulan dan pertanggal.

5. Informasi jumlah produksi sepatu berdasarkan merek dan ukuran pertahun, perbulan dan pertanggal.

1.2.4 Model Dimensionaling

Memodelkan data menjadi data multidimensi berdasarkan hasil yang di dapat dari

Business Requirement Definition.

Strategis dan perhari. Tabel Fakta Fact_produksi Tabel Dimensi 1. Dim_sepatu 2. Dim_waktu

2 Kebutuhan

Informasi Strategis

Informasi jumlah produksi sepatu berdasarkan ukuran sepatu pertahun, perbulan dan perhari. Tabel Fakta Fact_produksi Tabel Dimensi 1. Dim_ukuran 2. Dim_waktu

3 Kebutuhan

Informasi Strategis

Informasi jumlah produksi sepatu berdasarkan merek sepatu pertahun, perbulan, dan perhari. Tabel Fakta Fact_produksi Tabel Dimensi 1. Dim_sepatu 2. Dim_waktu

4 Kebutuhan

Informasi Strategis

Informasi jumlah produksi sepatu berdasarkan warna pertahun, perbulan dan perhari. Tabel Fakta Fact_produksi Tabel Dimensi 1. Dim_warna 2. Dim_waktu

5 Kebutuhan

Informasi Strategis

Informasi jumlah produksi sepatu berdasarkan merek dan ukuran pertahun, perbulan dan tanggal.

Berdasarkan penjelasan diatas dapat disimpulkan bahwa dalam pembangunan datamart menggunakan beberapa tabel fakta dan dimensi, maka dapat diketahui model skema yang digunakan dalam pembangunan datamart bisa di lihat pada Gambar 1.6.

dibutuhkan, banyaknya memori yang diperlukan, pembentukan partisi jika diperlukan, dan lain-lain.

a. Perangkat lunak yang di butuhkan untuk menjalankan data mart sebagai berikut :

1. DBMS SQL Server 2012 sebagai

database.

b. Sedangkan perangkat keras yang dibutuhkan untuk menjalankan data mart ini adalah sebagai berikut :

1. Processor : Intel Core 2 Duo, 2.0 GHz

2. Memory : RAM 1 GB

3. Harddisk : 256 GB

4. VGA : 128 MB

1.2.6 Data Stagging Design

Perancangan data staging terdiri dari 3 tahap utama atau biasa disebut dengan ETL ( Extract, Transform, dan Load) yang merupakan proses pengubahan data dari OLTP database menjadi data mart.

a. Extract

Proses ini merupakan pemilihan data dari sumber data untuk pembuatan data mart, yaitu tabel produk, tabel produksi, tabel bahan baku, tabel stok keluar, dan tabel stok produksi serta tabel yang tidak dijadikan untuk pembuatan data mart, yaitu tabel detail produksi dan tabel stok masuk karena tidak dibutuhkan dalam kebutuhan informasi. Atribut-atribut yang ada pada tabel yang akan diekstrak tidak ada perubahan menambah atau mengurangi atribut- atribut yang ada pada tabel yang akan diekstrak tidak ada perubahan menambah atau mengurangi atribut-atributnya, masih tetap sama dengan sumber data. Proses ekstraksi data dari sumber data ke dalam data mart adalah sebagai berikut :

Tabel 1.2 Extract

No Nama Tabel Field

1 Tabel Pelanggan

id_pelanggan Nama nama_toko

2 Tabel Order

no_order tgl_order tgl_kirim id_pelanggan

3 Tabel produksi

id_sepatu id_warna id_ukuran Jumlah Tanggal

4 Tabel ukuran id_ukuran Ukuran

5 Tabel warna id_warna Warna

b. Transform

Proses transform yang dilakukan terdiri dari 2 proses, yaitu :

1. Cleaning

Proses cleaning membersihkan data yang tidak perlu dari tabel yang di-extract, yaitu menghilangkan field yang tidak terpakai. Berikut merupakan nama field yang dihilangkan dalam proses cleaning.

a) Cleaning tabel order

Pada tabel order tidak memerlukan field

tgl_kirim dan total yang nantinya pada tabel order akan dijadikan tabel fakta. Proses cleaning pada tabel order field dihilangkan karena field

no_order,id_kirim dan Total tidak digunakan untuk proses penganalisaan data order. Untuk lebih jelasnya dalam proses cleaning pada tabel orderi dapat dilihat pada Tabel 1.3.

Tabel 1.3 Cleaning Tabel Order

Tabel Order Tabel Order

No Field No Field

1 no_order 1 Tgl_order 2 tgl_order 2 Id_pelanggan 3 tgl_kirim 3 Jumlah 4 Id_pelanggan

5 Jumlah 6 Total

2. Conditioning

Proses conditioning pada tabel ini adalah dengan mengubah field tgl_order menjadi tabel dimensi waktu dengan primary key id_waktu. Untuk lebih jelasnya proses conditioning pada tabel produksi dapat dilihat pada Tabel 1.4.

No Field No Field

1 tgl_order 1 id_waktu

2 id_pelanggan 2 id_pelanggan

3 Jumlah 3 Jumlah

Tabel Order Dim_waktu

tgl_order date id_waktu Integer Tanggal Integer Bulan Integer

nama_bulan nvarchar(50) Tahun Integer full_date Date c. Loading

Setelah data di extract dan di transform, selanjutnya data tersebut dimasukkan kedalam data mart. Proses loading pada aplikasi data mart akan dilakukan secara otomatis setelah proses transform

selesai. Teknik yang digunakan adalah update. Proses ini akan langsung meng-update data mart

tanpa merubah data yang sudah ada. 1.2.7 OLAP dan Reporting Tools

Mengatur data yang ada dalam data mart

menjadi data multidimensi berdasarkan model yang akan ditampilkan kepada user untuk pengambilan keputusan .

1. Analisis Menggunakan OLAP

Pada lapisan ini, yaitu melakukan pengambilan data dari data mart untuk menjadikan hasil output berupa laporan dan digunakan untuk analisis data dengan OLAP. Proses analisis OLAP yang digunakan adalah roll-up dan drill-down serta

slicing dan dicing karena kedua proses tersebut membantu dalam hal filtering berdasarkan dimensi.

a. Roll-Up

Roll-Up merupakan proses dimana kita ingin melihat data secara global. Sebagai contoh, menampilkan jumlah produk yang diproduksi perbulan. Roll-up

dapat menampilkan informasi jumlah produk yang dihasilkan berdasarkan periode perbulan menjadi jumlah produk yang diproduksi pertahun.

Menjadi

b. Drill-Down

Drill-Down merupakan kebalikan dari roll-up, dimana kita ingin melihat data yang lebih detail. Sebagai contoh, menampilkan jumlah produk yang diproduksi pertahun. Drill-down dapat menampilkan informasi jumlah produk yang dihasilkan berdasarkan periode pertahun menjadi jumlah produk yang diproduksi perbulan.

Menjadi

c. Slicing dan Dicing

Slicing dan dicing adalah proses mengambil potongan kubus berdasarkan nilai tertentu pada satu dimensi atau lebih. Sebagai contoh untuk melihat jumlah produk yang diproduksi berdasarkan tahun dan bulan.

Dicing :

Dicing adalah kebalikan dari Slicing.

1.2.8 Deployment

Pengoperasian data mart serta reporting tools yang sudah jadi.

2. Peracangan Aplikasi data Mart

Perancangan data mart dapat dilihat pada gambar berikut :

Gambar 1.7 Use Case Diagram

2.1 Class Diagram yang di rancang dalam pembangunan datamart di GP SHOES dapat di lihat pada gambar berikut :

Gambar 1.8 ClassDiagram

2.1 Perancangan Struktur Menu Data Mart Berkut ini adalah perancangan struktur menu dari perangkat lunak data mart yang akan dibangun dapat dilihat Pada Gambar 1.8.

Login

Form Manajer

Update ETL Lihat Data

Data Pelanggan

Data Ukuran Sepatu Data Warna Sepatu

Data Order Data Sepatu Bahan Baku Pemakaian Bahan Baku Produksi Analisis Home

Produksi Pemakaian Bahan Baku Lupa Password

Order

Waktu

Gambar 1.8 Struktur Menu Data Mart

System login update ETL menganalisis datamart proses extract proses loading proses transform melihat grafik mencetak laporan Manajer Produksi <<include>> <<include>> <<include>> melihat datamart <<include>> <<include>> <<include>> <<extend>> ETL +ExtractTransformLoading() FormDataMart -query +FormDataMart() -Chart() -FormDataMart_Load() -FormDataMart_FormClosing() -btnCetakOrder_Click() -Link_CreateMarginalHeaderAreaOrder() -Link_CreateMarginalFooterAreaOrder() -btnGrafikOrder_Click() -btnPivotOrder_Click() -btnCetakProduksi_Click() -Link_CreateMarginalHeaderAreaProduksi() -Link_CreateMarginalFooterAreaProduksi() -btnGrafikProduksi_Click() -btnPivotProduksi_Click() -btnCetakPemakaianBahanBaku_Click() -Link_CreateMarginalHeaderAreaPemakaianBahanBaku() -Link_CreateMarginalFooterAreaPemakaianBahanBaku() -btnGrafikPemakaianBahanBaku_Click() -btnPivotPemakaianBahanBaku_Click() -DimWaktu() -DimBahanBaku() -FactPemakaianBahanBaku() -Dim Sepatu() -DimUkuran() -DimWarna() -FactProduksi() -DimPelanggan() -FactOrder() MPengguna -id_user -username -password +IdUser() +Username() +Password() -query +FormLogin() -btnMasuk_Click() -btnKeluar_Click() -txtUsername_Validating() -txtPassword_Validating() -Login_FormClosing() Program +Main() PrintingSystem +PrintingSystem() PrintableComponentLink +PrintableComponentLink() +CreateDocument() +ShowPreview()

Berdasarkan hasil analsisi serta pengujian pada aplikasi data mart yang dibangun, maka dapat disimpulkan bahwa :

1. Penerapan data mart pada GP SHOES dapat memberikan informasi strategis yang ringkas dan tepat serta dapat mempercepat dalam proses penganalisaan untuk pengambilan keputusan oleh manajer produksi.

2. Penerapan data mart pada GP SHOES dapat mempermudah di bagian Divisi produksi dalam pembuatan laporan informasi strategis yang di butuhkan oleh manajer produksi.

4. DAFTAR PUSTAKA

[1] Andrew Cristian Tooy, Bandung, 2013. [2] M. Y. Pusadan, Rancang Bangun Data

Warehouse, Yogyakarta: Graha Ilmu, 2013. [3] R. Kimball dan M. Ross, The Data Warehouse

Toolkit, Indianapolis: John Wiley & Sons, Inc, 2013.

[4] W. Inmon, Building Data Warehouse, Indiana: Wiley Publishing, 2005.

Teknik Informatika – Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung

Email : ronisulaeman85@yahoo.com

ABSTRACK

GP SHOES is a private company whose main activity producing men’s shoes and women’s shoes.The company is in the trust as a supplier for other companies. Currently in presenting a strategic update of production or production stratragis reports required by the production manager is still manual and requires a long time in the search process data. Surely it would hamper decision-making in production by the production manager. The result would be a loss for the company.

Based on the existing problems in the production division in GP SHOES, hence the need to build a software data marts to facilitate the decision making the production manager to obtain strategic information quickly so that it can be used long-term planning. Data Mart can provide information quickly, easy and detail used for data analysis and report generation can also support the production of strategic briefly or have a period of time in the form of tables and graphs. Development of a data mart application system using SSIS ( SQL Server Integration Service) and for the construction of a data mart using object analysis.

Based on the results of blackbox testing and beta, it could be concluded that the data mart is able to present a strategic information quickly and succinctly in analyzing strategic information, and can facilitate in making the report strategic information needed by the production manager at GP SHOES.

Keyword: Data Mart , Constellation Skema, SSIS , OLTP, ETL, OLAP.

1. Introduction

GP SHOES is a private company whose main activity is producing shoes for men’s and women’s

the company was incorporated in 1898 and located in Jl. Gunungpuntang km 28, Kp. Kebontunggul RT 03 RW 03 Ds. Campakamulya Kec.Cimaung Kab. Bandung. Products manufactured by GP SHOES has a high quality and economical prices in order to meet market demand.

GP SHOES did a lot of production is generated every day. With so many manufactured products, then the data from the production of more and more. Data output from the project entered into the

existing system to be analyzed by the production manager and serve as useful information for the company, the company is currently experiencing problems in presenting a production of strategic information or reports required by the production stratrgis production manager.

In the presentation of the information is still done manually and requires a long time in the search process data. Surely it would hamper decision-making in production by the production manager. The result would be a loss for the company.

Investigation on the problems of the production at the GP'S SHOES, it is necessary to build a data mart software to facilitate in decision-making parties production manager to get information quickly that strategic planning can be used long term. Data mart can present information in a quick, easy and detail that is used to analyze the data and can also support making the strategic production report in summary or have a period of time in the form of tables and graphs.

Data Mart is part of the data warehouse, which is a collection of data subject oriented, integrated, have a period of time, and can not be updated and can support the production manager for decision making, and can assist in making the final report and analysis of data on production division [1].

1.1Data Warehouse

The data warehouse is a subject-oriented data set, integrated, can not be updated, has the dimension of time, which is used to support management decision-making processes and business intelligence [4]. The data warehouse has characteristics, as follows :

1. Subject Oriented

Data warehouse subject oriented data warehouse means designed to analyze data based on certain subjects within the organization, rather than on the particular application or function. The data warehouse is organized around the main subjects of the company (customers, products and sales), this is because the needs of the data warehouse for storing data that is supporting a decision.Terintegrasi ( Integrated )

other.Rentang Waktu ( Time-variant ) all data in the data warehouse can be said to be accurate or valid at any given time. To view the time interval used to measure the accuracy of a data warehouse, , We can use the way include:

- The simplest way is to present the data warehouse at a certain time range, such as between 5 to 10 years into the future.

- The second way, using variations / differences in time are included in data warehouse either implicitly or explicitly, an explicit the element of time in days, weeks, months and others. Implicitly for example, when the data is duplicated at each end of the month, or quarterly. The element of time will remain implicit in the data.

- The third way, the time variation presented data warehouse through a long series of snapshots. Snapshot is a view of a specific portion of the data corresponding user desires of all the data that is read-only.

2. Non-Volatile

Data warehouses can not be updated in real time but on-referesh of the operating system on a regular basis. The new data are being added to the database itself. The database is constantly receiving and storing new data, and then combined with previous data.

1.2 Data Mart

Data Mart is part of the data warehouse that supports the creation of report and analysis on a unit, section or operational at a persahaan. Data mart are often used to provide information to the functional segments organisasia. [1].

There are four tasks that can be performed by the data mart, four tasks are as follows:

1. Preparing report

Preparing report is one of the data mart to the most commonly used. By using a simple query obtained reports per day, per month, per year, or whenever desired time period.

2. On-Line Analytical Processing (OLAP) With the data mart, all the information both detail and summary results needed in the

SQL commands. Another facility is the roll-up and drill-down. Drill-down is the ability to see details of the information and the roll-up is just the opposite.

3. Data Mining

Data mining is the process of digging (mining) knowledge and new information from a large number of data in the data mart.

4. The process of executive information

Data marts can make a summary of important information with the goal of making business decisions, without the need to explore the entire data. By using a data mart of all reports have been summarized and can also find out all the details in full, thus simplifying the decision-making process.

1.2.1 Model Dimensionaling

Dimensional model of the data mart consists of the fact tables and dimension tables. Fact table is a table that contains a collection of primary key foreign key contained in each dimension table, while the dimension table is a table that contains detailed data that describes a foreign key contained in the fact table.

There are several models of the scheme contained in the modeling data marts, the star schema, snowflake schema, and constellation schemes. Explanation of each model are as follows : 1. Star Schema

This scheme follows the shape of a star, where there is one fact table in the center of a star with several surrounding dimension tables. All associated with the dimension tables to the fact table. The fact table has several primary key in the dimension table. Here is an example of a star schema can be seen in Image 1.1.

Image 1.1 Star Schema 2. Snowflake Schema

According to Connolly and Begg [1], Snowflake Schema is an extension of a star schema with an additional dimension tables that are not

seen in Image 1.2.

Image 1.2 Snowflake schema

3. Skema Constellation

Constellation scheme is a multidimensional schema that contains more than one table to the fact that sharing table dimensions.

Here is an example constellation scheme can be seen in Image 1.3.

Image 1.3 Skema Constellation

1.2.2 Troubleshooting Data Mart

Troubleshooting methods that are used in the manufacture of a data mart on GP SHOES are as follows:

Image 1.4 Tahapan data mart [3]

1.2.3 Busnies Requiremen Defenition

Analyzing business processes and all of the needs that exist in GP SHOES in making the data mart.

1.2.3.1 Analysis of the data source

Analysis of the data source is the process of analyzing existing data sources in GP SHOES production. The data source is made up of several documents can be seen Table below:

Tabel 1.1 Sumber Data No Data Definisi

the customer order data 3 Production This data contains data

products (shoes) are produced from raw materials into finished goods

4 Shoes This data contains data shoes that have been produced by GP SHOES 5 Size This data contains the data

size of the shoes manufactured by GP SHOES 6 Colour This data contains the color data of shoes on GP SHOES

7 The use of raw

materials

This data contains data usage of raw materials that have been used by GP SHOES

1.2.3.2 Analisis OLTP GP SHOES

In this study, the data source used is by using OLTP contained in Gp SHOES. The following diagram OLTP GP SHOES relations can be seen in Image 1.5

Image 1.5 OLTP GP SHOES

1.2.3.3 Information Needs Analysis

Analysis of information needs is the stage to analyze what is needed by GP SHOES for data mart to be built. The information will be presented in detail. Based on interviews with production managers GP SHOES, information is needed, among others:

1. Information production quantities of shoes every year, every month and every date.

2. Information shoe production number based on the size of shoes every year, every month and every date.

4. Information shoe production quantities by color every year, every month and every date.

5. Information production quantities of shoes by brand and size every year, every month and every date.

1.2.4 Model Dimensionaling

Modeling data into multidimensional data based on the results obtained from the Business Requirement Definition.

1.2.4.1 Analysts Dimension and Business Facts

1 Strategic

Information Needs

nformation production quantities of shoes every year, every month and every date.

table Facts Fact_produksi

Tabel Dimensi

1. Dim_sepatu 2. Dim_waktu

2 Strategic

Information Needs

Information shoe production number based on the size of shoes every year, every month and every date

table Facts Fact_produksi

table Dimensions

1. Dim_ukuran 2. Dim_waktu

3 Strategic

Information Needs

Information shoe production number based brand shoes every year, every month and every date.

table Facts Fact_produksi

table Dimensions

1. Dim_sepatu 2. Dim_waktu

4 Strategic

Information Needs

Information shoe production quantities by color every year, every month and every date.

table Facts Fact_produksi

table Dimensions

1. Dim_warna 2. Dim_waktu

5 Strategic

Information Needs

Information production quantities of shoes by brand and size every year, every month and every date

Based on the above explanation can be concluded that in the construction of a data mart using some fact and dimension tables, it can be seen the model

Image 1.6 Skema Constellation

1.2.5 Physican Design

This stage is the stage of the physical design of the data mart. Such as hardware and software you need, how much memory is required, the establishment of the partition if required, and others.

a. The software required to run the data mart as follows :

1. DBMS SQL Server 2012 as database. b. While the hardware neede to run the data mart

are as follows :

1. Processor : Intel Core 2 Duo, 2.0 GHz

2. Memory : RAM 1 GB

3. Harddisk : 256 GB

4. VGA : 128 MB

1.2.6 Data Stagging Design

Designing a data staging consists of three main stages or commonly called ETL (Extract, Transform, and Load) which is the process of converting data from OLTP database into the data mart.

a. Extract

This process is the selection of data from the data source for the manufacture of data mart, which is the product table, the production table, the table of raw materials, table stock out, and table stock production as well as tables that are not used for the manufacture of data marts, namely tables detail production and table stock entry because it is not needed in the information needsi. The attributes that exist in the table will be extracted no change increase or decrease the attributes in the table will be extracted no change increase or decrease its attributes, it still remains the same as the source data. The process of extracting data from the data source into the data mart is as follows:

No Nama Tabel Field

1 Tabel Pelanggan

id_pelanggan Nama nama_toko

2 Tabel Order

no_order tgl_order tgl_kirim id_pelanggan Jumlah Total

3 Tabel produksi

id_produksi id_sepatu id_warna id_ukuran Jumlah Tanggal 4 Tabel ukuran id_ukuran

Ukuran 5 Tabel warna id_warna

Warna

b. Transform

The process of transformation is done consists of two processes, that is :

1. Cleaning

Cleaning process cleans unnecessary data from tables in the extract, which removes unused fields. Here is a field name is omitted in the process of cleaning.

a) Cleaning tabel order

In order table does not require field tgl_kirim and a total that will send the order table will be used as the fact table. In order table does not require a date field and a total that will send the order table will be used as the fact table. Cleaning process in order table field removed because no_order field, id_kirim and Total are not used to the process of analyzing the data order. For more details in the process of cleaning the table order can be seen in Tabel 1.3 Cleaning Tabel Order

Tabel Order Tabel Order

No Field No Field

1 no_order 1 Tgl_order

2 tgl_order 2 Id_pelanggan

3 tgl_kirim 3 Jumlah

4 Id_pelanggan

5 Jumlah

6 Total

Conditioning process at this table is to change field tgl_order into tabel dimensi waktu with primary key id_waktu. For more details on the conditioning process can be seen in the production Tabel 1.4.

Tabel 1.4 Conditioning Tabel Order

Tabel Order Fact_Order

No Field No Field

1 tgl_order 1 id_waktu

2 id_pelanggan 2 id_pelanggan

3 Jumlah 3 Jumlah

Tabel Order Dim_waktu

tgl_order date id_waktu Integer

Tanggal Integer

Bulan Integer

nama_bulan nvarchar(50)

Tahun Integer

full_date Date

c. Loading

When the data is extracted and transformed, then the data is entered into the data mart. The process of loading the application data marts will be performed automatically after the process is complete transform. The technique used is the update. This process will immediately update the data mart without changing existing data.

1.2.7 OLAP dan Reporting Tools

Manage the data in the data marts into a multidimensional data based on the model that will be shown to the user for decision making.

1. Analisis Menggunakan OLAP

In this layer, the data collection from the data mart to make the output in the form of reports and used for data analysis with OLAP. OLAP analysis process used is a roll-up and drill-down and slicing and dicing for both processes helps in filtering based on the dimensions.

a. Roll-Up

Roll-Up is a process where we want to see the data globally. For example, displaying the number of products produced per month. Roll-up can display information on the number of products produced by the period of a month into a number of products produced per year.

Into

b. Drill-Down

Drill-Down is the inverse of the roll-up, which we want to see the data in more detail. For example, displaying the number of products produced per year. Drill-down to show information on the number of products produced by periods per year to the number of products produced per month.

Into

c. Slicing and Dicing

Slicing and dicing is the process of taking pieces of the cube by specific values in one or more dimensions. For example, to see the number of products produced by year and month.

Slicing :

Dicing :

Dicing is the opposite of slicing.

1.2.8 Deployment

Slicing and dicing is the process of taking a cut Operation data marts and reporting tools that is so.

2. Design Data Mart Application

The design of the data mart can be seen in the following image:

Image 1.7 Use Case Diagram

2.1 Class Diagram designed in the construction of a data mart in GP SHOES can be seen in the following figure:

System

login

update ETL

menganalisis datamart proses extract

proses loading proses transform

melihat grafik

mencetak laporan Manajer Produksi

<<include>> <<include>> <<include>>

melihat datamart

<<include>>

<<include>> <<include>>

Image 1.8 Class Diagram

2.1 Menu Structure Design Data Mart

Here is the design of the software menu structure of the data mart to be built can be seen In Image1.8.

Login

Form Manajer

Update ETL Lihat Data

Data Pelanggan

Data Ukuran Sepatu Data Warna Sepatu

Data Order Data Sepatu Bahan Baku Pemakaian Bahan Baku Produksi Analisis Home

Produksi Pemakaian Bahan Baku Lupa Password

Order

Waktu

Image 1.8 Struktur Menu Data Mart

Based on the results of testing on the application analsisi and data marts are built, it can be concluded that:

1. Application data marts on GP SHOES can provide strategic information that is concise and precise and can speed up the process of analyzing for decision making by the production manager.

2. Application of data marts with a GP SHOES can facilitate at the production division in preparing reports on the strategic information needed by the production manager. ETL +ExtractTransformLoading() FormDataMart -query +FormDataMart() -Chart() -FormDataMart_Load() -FormDataMart_FormClosing() -btnCetakOrder_Click() -Link_CreateMarginalHeaderAreaOrder() -Link_CreateMarginalFooterAreaOrder() -btnGrafikOrder_Click() -btnPivotOrder_Click() -btnCetakProduksi_Click() -Link_CreateMarginalHeaderAreaProduksi() -Link_CreateMarginalFooterAreaProduksi() -btnGrafikProduksi_Click() -btnPivotProduksi_Click() -btnCetakPemakaianBahanBaku_Click() -Link_CreateMarginalHeaderAreaPemakaianBahanBaku() -Link_CreateMarginalFooterAreaPemakaianBahanBaku() -btnGrafikPemakaianBahanBaku_Click() -btnPivotPemakaianBahanBaku_Click() -DimWaktu() -DimBahanBaku() -FactPemakaianBahanBaku() -Dim Sepatu() -DimUkuran() -DimWarna() -FactProduksi() -DimPelanggan() -FactOrder() MPengguna -id_user -username -password +IdUser() +Username() +Password() -query +FormLogin() -btnMasuk_Click() -btnKeluar_Click() -txtUsername_Validating() -txtPassword_Validating() -Login_FormClosing() Program +Main() PrintingSystem +PrintingSystem() PrintableComponentLink +PrintableComponentLink() +CreateDocument() +ShowPreview()

[1] Andrew Cristian Tooy, Bandung, 2013. [2] M. Y. Pusadan, Rancang Bangun Data

Warehouse, Yogyakarta: Graha Ilmu, 2013. [3] R. Kimball dan M. Ross, The Data Warehouse

Toolkit, Indianapolis: John Wiley & Sons, Inc, 2013.

[4] W. Inmon, Building Data Warehouse, Indiana: Wiley Publishing, 2005.

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)

Edisi...Volume..., Bulan 20..ISSN :2089-9033

4. BIBLIOGRAPHY

[1] Andrew Cristian Tooy, Bandung, 2013. [2] M. Y. Pusadan, Rancang Bangun Data

Warehouse, Yogyakarta: Graha Ilmu, 2013. [3] R. Kimball dan M. Ross, The Data Warehouse

Toolkit, Indianapolis: John Wiley & Sons, Inc, 2013.

[4] W. Inmon, Building Data Warehouse, Indiana: Wiley Publishing, 2005.

iii

KATA PENGANTAR

Puji dan syukur kehadirat Allah SWT yang telah mana memberikan ridho, hidayah, rahmat dan karunia-Nya , sehinga penulis dapat menyelesaikan laporan tugan akhir ini.

Laporan tugas akhir ini merupakan syarat untuk menyelesaikan studi jenjang strata satu (S1) di program Studi Tekni Informatika Teknik dan Ilmu Komputer, Universitas Komputer Indonesia (UNIKOM) dengan judul “PEMBANGUNAN PERANGKAT LUNAK DATA MART PADA GP SHOES”.

Laporan ini tidak akan berarti apa-apa tanpa bantuan, bimbingan, dorongan dan dukungan semua pihak dengan segenap hati dan rasa tulus yang telah memberikan semua hal penulis butuhkan dalam menyelesaikan tugas akhir ini, untuk itu pada kesempatan ini penulis mengucapkan terima kasih yang sebesar-besarnya kepada :

1. Allah SWT yang telah memberikan rahmatnya dan karunia-Nya.

2. Kedua orang tua dan keluarga yang telah mendoakan ,mendukung dan

mensuport dalam menyelesaikan tugas akhir ini yang menjadikan kekuatan bagi penulis.

3. Bapak Wahyu Selaku owner dan Ibu Sari selaku Manajer Produksi yang telah memberikan kesempatan bagi penulis untuk melaksanakan tugas akhir di GP SHOES.

4. Alif Finandhita, S.kom., M.T., selaku dosen pembimbing yang telah memberikan bimbingan, arahan, serta masukan dan saran kepada penulis.

5. Ibu sufa’atin, S.T., M.kom., selaku dosen wali yang selalu

mendengarkan keluh kesan dan senantiasa memberikan masukan serta saran bagi penulis.

6. Seluruh dosen pengajar dan staf di UNIKOM khususnya kepada

Program Studi Teknik Informatika yang telah memberikan ilmu dan pengetahuan serata membantu proses perkuliahan.

iv

7. Teman-teman seperjuanagn IF-11 dan teman-teman skripsi yang selalu

memberikan masukan dan semangat dalam pengerjaan skripsi, serta semua pihak yang sudah membantu dalam penyusunan skripsi ini yang tidak dapat penulis cantumkan satu persatu, atas perhatian, dukungan dan bantuan yang telah diberikan kepada penulis.

8. Seluruh pihak yang telah memberikan bantuan kepada penulis dalam menyelesaikan tugas akhir ini, penulis menyadari bahwa skripsi ini tidak jauh dari sempurna, karena keterbatasan kemampuan, pengetahuan, dan pengalaman penulis, oleh karena itu penulis menerima segala masukan kritik dan saran dalam perbaikan untuk masa mendatang.

Akhir kata, semoga skripsi ini berguna khususnya bagi penulis, dan untuk seluruh pembaca dan dapat dijadikan pertimbangan bagi pihak-pihak yang berkepentikan, Amin

Bandung, 27 Februari 2016