Prototipe data warehouse penjualan produk bakosurtanal
PROTOTIPE DATA WAREHOUSE PENJUALAN PRODUK
BAKOSURTANAL
RIKA INDRIANI
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2010
PROTOTIPE DATA WAREHOUSE PENJUALAN PRODUK
BAKOSURTANAL
RIKA INDRIANI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2010
ABSTRACT
RIKA INDRIANI. Data Warehouse Sale Prototype of Bakosurtanal Product. Supervised by
HARI AGUNG ADRIANTO.
Speeding up reporting process and obtaining strategic information based on a multidimensional
analysis query can be done by building OLAP applications integrated with data warehouse.
Development of data warehouse Bakosurtanal product sales data and web-based OLAP
applications has been done using Palo. Palo is one of the OLAP server with multidimensional data
storage model (MOLAP). Mondrian is an OLAP server with relational data storage model
(ROLAP)
This research aims to develop a data warehouse and wab-based OLAP using Mondrian 3.1.6.
This research designs the data warehouse using star scheme and OLAP development. This
research produces a web-based OLAP cube consisting of one data cube: sales of products and four
dimensions: time, type of data, qualification, and scale. Users can interact with the following
facilities: 1) Selecting dimensions to display the information at the level needed, 2) Displaying
information in the form of bar charts, stacked bar, line charts, line charts, stacked area, and pie
charts 3) Exporting files into Microsoft Excel format. Users can explore this application using
OLAP operations including roll-up, drill-down, slice, dice, etc.
Keywords: data warehouse, data of sales, Bakosurtanal’s product, Mondrian
Judul Skripsi : Prototipe Data Warehouse Penjualan Produk BAKOSURTANAL
Nama
: Rika Indriani
NIM
: G64066039
Menyetujui:
Pembimbing,
Hari Agung Adrianto, S.Kom, M.Si
NIP. 19760917 200501 1 001
Mengetahui:
Ketua Departemen Ilmu Komputer
Dr. Ir. Sri Nurdiati, M.Sc
NIP 19601126 198601 2 001
Tanggal Lulus :
KATA PENGANTAR
Puji dan syukur kehadirat Allah Subhanahu Wa Ta’ala yang telah memberikan rahmat,
tuntunan dan kemurahan-Nya kepada penulis untuk dapat menyelesaikan penelitian ini. Akhirnya,
skripsi dengan judul “Prototipe Data Warehouse Penjualan Produk Bakosurtanal”, yang
disusun sebagai salah satu syarat untuk mengikuti ujian akhir sarjana pada Fakultas Matematika
dan Ilmu Pengetahuan Alam Institut Pertanian Bogor, dapat diselesaikan.
Dalam pengerjaan penelitian ini tentu tidak lepas dari pihak-pihak yang terus mendukung dan
membantu, oleh karena itu dengan tulus penulis mengucapkan terima kasih kepada :
1.
Ibu dan kakak-kakakku tercinta yang telah memberikan dukungan, do’a, semangat dan
kasih sayang yang luar biasa kepada penulis sehingga dapat menyelesaikan penelitian ini.
2.
Suamiku tercinta, Yusup Hendra Perkasa, ST yang selalu setia menemani dan tak pernah
lelah memberikan semangat, do’a, dukungan, cinta dan kasih sayangnya serta menjadi
tempat bertukar pikiran.
3.
Bapak Hari Agung Adrianto, S.Kom, M.Si., selaku pembimbing yang telah bersedia
meluangkan waktu untuk memberikan bimbingan dan masukkan yang sangat bermanfaat
dalam penyusunan penelitian ini.
4.
Bapak Ahmad Ridha, S.Kom, M.S, dan Ibu Annisa, S.Kom, M.Kom. yang bersedia
menjadi penguji pada sidang ujian akhir penulis.
5.
Bapak/Ibu Dosen Institut Pertanian Bogor yang telah memberikan ilmunya pada penulis
selama belajar di Institut Pertanian Bogor ini.
6.
Rekan-rekan mahasiswa/i Ekstensi Ilkom Angkatan 1, terima kasih atas kebersamaan dan
kerja samanya.
7.
Kepada pihak lainnya yang telah memberikan kontribusi besar selama pengerjaan
penelitian ini yang tidak dapat disebutkan satu-persatu, penulis ucapkan terima kasih
banyak.
Akhirnya, sebagai seorang manusia biasa, penulis menyadari pasti ada kekurangan dan
kelemahan yang terdapat pada penelitian ini. Untuk itu, penulis terbuka terhadap kritik dan saran
dari semua pihak. Dan semoga penelitian ini dapat bermanfaat bagi kita semua. Amin.
Bogor, November 2010
Rika Indriani
RIWAYAT HIDUP
Penulis dilahirkan di Bogor pada tanggal 28 Agustus 1984. Penulis merupakan anak kelima
dari lima bersaudara pasangan bapak Hapid (Alm) dan ibu Endeh Saodah. Penulis menyelesaikan
program studi Diploma 3 Teknik Informatika, Departemen Ilmu Komputer, Fakultas Matematika
dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor pada tahun 2006. Kemudian pada tahun
2007, penulis diterima sebagai mahasiswi Program Sarjana Ilmu Komputer Penyelenggaraan
Khusus, Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Pertanian Bogor.
Selain tercatat sebagai mahasiswi, penulis bekerja sebagai Pegawai Negeri Sipil (PNS) di
Badan Koordinasi Survei dan Pemetaan Nasional (Bakosurtanal) sejak tahun 2006 hingga
sekarang. Penulis merupakan staf di Biro Keuangan, Kepegawaian dan Hukum dan terhitung
mulai tanggal 01 Oktober 2010, penulis diangkat dalam jabatan fungsional pranata komputer
tingkat terampil dengan jabatan pranata komputer pelaksana.
DAFTAR ISI
Halaman
DAFTAR TABEL.............................................................................................................................v
DAFTAR GAMBAR ........................................................................................................................v
DAFTAR LAMPIRAN.....................................................................................................................v
PENDAHULUAN.............................................................................................................................1
Latar Belakang.............................................................................................................................1
Tujuan..........................................................................................................................................1
Ruang Lingkup ............................................................................................................................1
Manfaat........................................................................................................................................1
TINJAUAN PUSTAKA....................................................................................................................1
Data warehouse ...........................................................................................................................1
Model Data Multidimensi............................................................................................................2
Operasi-operasi pada OLAP........................................................................................................3
Pemodelan Penyimpanan Data ....................................................................................................3
Arsitektur Komponen OLAP Pentaho .........................................................................................4
Metode Pengembangan Data Warehouse ....................................................................................4
METODE PENELITIAN..................................................................................................................6
Desain Logis................................................................................................................................6
Proses Loading ............................................................................................................................6
Uji Query.....................................................................................................................................6
Pembuatan Data Warehouse .......................................................................................................6
Lingkungan Pengembangan ........................................................................................................7
HASIL DAN PEMBAHASAN.........................................................................................................7
Desain Logis................................................................................................................................7
Proses Loading ............................................................................................................................8
Desain Fisik.................................................................................................................................8
Uji Query.....................................................................................................................................9
KESIMPULAN DAN SARAN .........................................................................................................9
Kesimpulan..................................................................................................................................9
Saran............................................................................................................................................9
DAFTAR PUSTAKA .......................................................................................................................9
LAMPIRAN....................................................................................................................................11
iv
DAFTAR GAMBAR
Halaman
1
2
3
4
5
6
7
8
Skema bintang (Han & Kamber 2006). ........................................................................................3
Skema kepingan salju (Han & Kamber 2006). .............................................................................3
Skema galaksi (Han & Kamber 2006)..........................................................................................3
Gambaran komponen Pentaho OLAP (Bouman & Doungen 2009).............................................5
Gambaran metode pengembangan data warehouse (Malinowski & Zimányi 2008) . .................6
Diagram alir metode penelitian . ..................................................................................................6
Skema bintang dengan tabel fakta penjualan_produk. .................................................................8
Skema galaksi dengan tabel fakta lembar_penjualan dan harga_penjualan (Nurhasanah 2009)..9
DAFTAR TABEL
Halaman
1 Atribut hasil analisis dan deskripsi tiap atribut (Nurhasanah 2009) .............................................7
2 Kebutuhan analisis data penjualan setiap pengguna (Nurhasanah 2009) .....................................7
3 Nama dan deskripsi dimensi dari kubus Jumlah Penjualan ..........................................................8
DAFTAR LAMPIRAN
Halaman
1 Proses bisnis kegiatan penjualan produk surta ...........................................................................11
2 Bentuk formulir pemesanan (Form-LP) .....................................................................................12
3 Contoh catatan data penjualan produk Bakosurtanal..................................................................13
4 Contoh format laporan penjualan produk surta dalam bentuk grafik dan tabel..........................15
5 Atribut-atribut data penjualan tahun 2002 – 2007 ......................................................................18
6 Model hierarki tiap dimensi........................................................................................................19
7 Data dalam tabel dimensi ...........................................................................................................20
8 Grafik hasil operasi roll up jumlah produk surta yang terjual per tahun ....................................24
9 Grafik hasil operasi drill dwon jumlah produk surta yang terjual per jenis data ........................25
10 Grafik hasil operasi slice jumlah lembar penjualan produk surta pada dimensi waktu dan
dimensi skala ..............................................................................................................................26
11 Grafik hasil operasi dice jumlah lembar penjualan produk surta pada dimensi waktu , jenis data,
dan kualifikasi tertentu ...............................................................................................................27
v
PENDAHULUAN
Latar Belakang
Badan Koordinasi Survei dan Pemetaan
Nasional
(Bakosurtanal)
merupakan
Lembaga Pemerintah Non Departemen yang
bertugas melaksanakan survei dan pemetaan
sesuai
dengan
ketentuan
peraturan
perundang-undangan yang berlaku. Dalam
hal tersebut, Bakosurtanal mempunyai
kewenangan menyediakan informasi spasial
kedalam suatu produk survei dan pemetaan
(surta) berupa peta atau atlas dalam berbagai
format, jenis dan skala. Untuk itu,
Bakosurtanal menjadi titik tumpu dalam
pelaksanaan pendistribusian dan pelayanan
produk surta kepada pengguna dalam
berbagai kalangan.
Perolehan produk surta dapat dilakukan
secara langsung atau tertulis (melalui surat/
faksimili).
Untuk
pembelian
secara
langsung, pengguna harus mengisi formulir
pesanan (Form-LP) yang disediakan di loket
penjualan. Setelah terjadi transaksi, petugas
unit pelayanan mencatat data penjualan
tersebut menggunakan Microsoft Office
Excel. Pengolahan data yang disajikan
dalam bentuk laporan penjualan masih
dilakukan dengan query manual pada setiap
tabel data penjualan yang tersimpan di
Microsoft Office Excel. Laporan tersebut
disesuaikan dengan kebutuhan pengguna.
Dengan proses tersebut, data yang tercatat
memiliki atribut-atribut terbatas dan tidak
konsisten antar tahun. Hal tersebut
menyebabkan tingkat akurasi rendah
terhadap hasil analisis data penjualan dan
membutuhkan waktu yang lama.
Untuk mempercepat proses pelaporan
dan memperoleh informasi yang strategis
berdasarkan
query
analisis
yang
multidimensi, dapat dilakukan dengan
membangun
aplikasi
OLAP
yang
diintegrasikan dengan data warehouse.
Pembangunan
data
warehouse
data
penjualan produk Bakosurtanal dan aplikasi
OLAP berbasis web telah dilakukan pada
penelitian sebelumnya (Nurhasanah 2009)
dengan menggunakan Palo. Palo merupakan
salah satu OLAP server dengan model
penyimpanan data multidimensi (MOLAP)
sehingga jumlah volume data yang dapat
ditangani terbatas. Saat ini banyak OLAP
server yang dikembangkan dan bersifat open
source salah satunya adalah Mondrian
Mondrian
(http://mondrian.pentaho.org/).
merupakan OLAP server dengan model
penyimpanan data relasional (ROLAP) yang
dikembangkan
dengan
Java
dan
memungkinkan
penguna
menganalisis
dataset yang disimpan di database secara
interaktif. Selain terdapat perbedaan pada
OLAP server yang digunakan, skema pada
penelitian ini juga berbeda dengan penelitian
sebelumnya. Pada penelitian sebelumnya,
skema yang digunakan adalah skema galaksi
sedangkan pada penelitian kali ini digunakan
skema bintang. Hal tersebut terjadi karena
setelah dilakukan pengkajian lebih lanjut,
terdapat redudansi data pada penelitian
sebelumnya yang menggunakan skema
galaksi.
Tujuan
Penelitian
ini
bertujuan
untuk
membangun suatu sistem data warehouse
yang dapat mendukung analisis penjualan
produk sesuai dengan kebutuhan pengguna.
Ruang Lingkup
Ruang lingkup penelitian ini adalah:
1 Penelitian ini akan menghasilkan
prototipe data warehouse dan aplikasi
OLAP berbasis web. Data tersebut
dilakukan analisis menggunakan OLAP
server Mondrian.
2 Data yang digunakan adalah data
penjualan produk survei dan pemetaan
Bakosurtanal tahun 2002 sampai dengan
2007.
Manfaat
Hasil
penelitian
yang
diperoleh
diharapkan dapat mendukung pengambilan
keputusan yang strategis untuk mencapai
tujuan bisnis (meningkatkan mutu produk,
meningkatkan
layanan
konsumen,
meningkatkan penjualan, dll) yang didapat
secara informatif, cepat dan akurat.
TINJAUAN PUSTAKA
Data warehouse
Data warehouse menyediakan arsitektur
dan alat bagi para eksekutif bisnis untuk
mengatur secara sistematis, mengerti, dan
menggunakan
data
dalam
membuat
keputusan strategis.
Secara umum, data warehouse merujuk
pada suatu basis data yang dikelola secara
terpisah dari basis data operasional pada
sebuah organisasi. data warehouse dapat
terdiri dari berbagai macam aplikasi sistem
yang
terintegrasi
dan
mendukung
1
pemrosesan informasi dengan menyediakan
suatu platform yang kokoh untuk analisis
data yang mengandung histori dan
terkonsolidasi.
Data
warehouse
mempunyai
karakteristik
berorientasi
subjek,
terintegrasi, time variant dan non volatile.
Hal tersebut tersebut membedakan data
warehouse dengan sistem penyimpanan data
lainnya, berikut adalah penjelasan dari
masing-masing karakteristik (Han &
Kamber 2006):
• Orientasi subjek
Data warehouse diorganisasikan pada
subjek-subjek utama seperti halnya
konsumen, pemasok, produk dan
penjualan.
Dibandingkan
dengan
berkonsentrasi terhadap kegiatan operasi
keseharian dan proses transaksi dari
suatu organisasi, data warehouse fokus
terhadap pembentukan model data dan
analisis
data
untuk pengambilan
keputusan. Karena itu data warehouse
biasanya menyediakan pola pandang
yang sangat mudah terhadap beberapa
subjek yang ada dengan menghilangkan
data yang tidak berguna pada proses
pengambilan keputusan.
• Terintegrasi
Data warehouse biasanya terbentuk
dengan melakukan integrasi terhadap
data yang berbeda seperti halnya basis
data relasional, flat file dan catatan
transaksi online. Teknik data cleaning
dan integrasi data diterapkan untuk
memastikan konsistensi dalam hal
keseragaman
penamaan,
struktur
pengkodean, pengukuran atribut dan hal
lainnya.
• Time variant
Data disimpan untuk menyediakan
informasi dari perspektif historical
(seperti 5-10 tahun kebelakang). Setiap
struktur kunci pada data warehouse
mengandung elemen waktu baik itu
secara implisit ataupun eksplisit.
• Non volatile
Data terpisah dari data operasional
sehingga tidak membutuhkan suatu
proses
transaksi,
recovery,
dan
mekanisme kontrol konkurensi akan
tetapi hanya membutuhkan dua operasi
dalam mengakses data yaitu pemasukan
data pertama dan pengaksesan data.
Model Data Multidimensi
Data warehouse didasarkan pada suatu
model data multidimensi. Model ini melihat
data dalam bentuk kubus data. Kubus data
memungkinkan data yang akan dimodelkan
dan dilihat dalam multidimensi. Hal tersebut
didefinisikan oleh dimensi dan fakta.
Dalam istilah umum, Dimensi adalah
perspektif atau entitas yang digunakan
sebagai tempat menyimpan beberapa record
yang saling berhubungan. Masing-masing
dimensi memiliki sebuah tabel yang terkait
dengannya, disebut sebagai tabel dimensi.
Fakta adalah ukuran-ukuran numerik.
Fakta merupakan kuantitas yang akan
dianalisis hubungan antar dimensi. Tabel
fakta berisi nama dari fakta (ukuran) dan
keys dari tabel dimensi yang bersangkutan.
Untuk menggambarkan hubungan antar
data pada data multidimensi digunakan
skema multidimensi. Pada data warehouse,
skema merupakan sekumpulan tabel yang
berhubungan.
Skema digunakan untuk
menunjukkan hubungan antara tabel dimensi
dengan tabel fakta.
Skema ditentukan
berdasarkan kebutuhan data warehouse dan
keinginan pembuat data warehouse. Data
warehouse membutuhkan skema yang
ringkas dan berorientasi subjek. Tipe-tipe
skema multidimensi antara lain (Han &
Kamber 2006):
1 Skema bintang (star schema)
Skema bintang adalah skema data
warehouse yang paling umum. Skema
bintang merupakan struktur logikal yang
memiliki tabel fakta yang terdiri atas data
faktual ditengahnya, dan dikelilingi oleh
tabel-tabel dimensi yang berisi referensi
data.
Keuntungan
yang
didapat
jika
menggunakan skema ini adalah peningkatan
kinerja data warehouse, pemrosesan query
yang lebih efisien, dan waktu respon yang
cepat. Bentuk skema bintang dapat dilihat
pada Gambar 1.
2 Skema kepingan
schema)
salju
(snowflake
Skema kepingan salju adalah variasi dari
skema bintang yang beberapa tabel dimensi
dinormalisasi sehingga membagi data
kedalam tabel tambahan.
2
Gambar 3 Skema galaksi (Han & Kamber
2006).
Gambar 1 Skema bintang (Han & Kamber
2006).
Perbedaan utama antara model kepingan
salju dan skema bintang adalah bahwa tabel
dimensi dari model kepingan salju dapat
disimpan dalam bentuk normalisasi untuk
mengurangi redudansi. Selanjutnya, struktur
kepingan
salju
dapat
menghemat
penggunaan memori, tapi waktu yang
dibutuhkan untuk pemrosesan query menjadi
lebih lama akibatnya kinerja sistem dapat
berdampak buruk. Bentuk skema kepingan
salju dapat dilihat pada Gambar 2.
Operasi-operasi pada OLAP
Dalam model multidimensi, data tersebut
akan disusun dalam berbagai dimensi, dan
masing-masing dimensi berisi beberapa
tingkat abstraksi yang didefinisikan oleh
konsep hierarki. Hal tersebut memberikan
fleksibilitas bagi pengguna untuk melihat
data dari perspektif yang berbeda. Sejumlah
operasi OLAP pada kubus data yang ada
untuk mewujudkan perspektif yang berbeda,
memungkinkan query interaktif dan analisis
data. Oleh karena itu, OLAP menyediakan
lingkungan yang user-friendly untuk analisis
data secara interaktif. Beberapa operasi
OLAP dijelaskan berikut ini (Han &
Kamber 2006):
• Roll up (drill up): roll up dilakukan
dengan cara menaikkan tingkat hierarki
atau mereduksi jumlah dimensi.
• Drill down: drill down merupakan
kebalikan dari roll up. Operasi ini
merepresentasikan data secara lebih
detail.
Gambar 2 Skema kepingan salju (Han &
Kamber 2006).
3 Skema galaksi (fact constellation)
Aplikasi canggih mungkin memerlukan
beberapa tabel fakta untuk berbagi tabel
dimensi. Skema semacam ini dapat dilihat
sebagai kumpulan bintang, dan karenanya
disebut skema galaksi atau konstelasi fakta.
Keuntungan menggunakan skema ini
adalah menghemat memori dan mengurangi
kesalahan yang mungkin terjadi. Bentuk
skema galaksi dapat dilihat pada Gambar 3.
• Pivot (rotate): merotasikan sumbu data
untuk memberikan alternatif dalam
presentasi data.
• Slice and Dice: slice melakukan seleksi
pada satu dimensi kubus sehingga
menghasilkan subcube. Dice merupakan
proses mendefinisikan subcube dengan
memilih dua atau lebih dimensi.
• Pivot
(rotate):
memvisualisasikan
operasi yang merotasikan sumbu data
sebagai alternatif dalam presentasi data.
Pemodelan Penyimpanan Data
Server OLAP memfasilitasi pengguna
dengan data multidimensi dari data
warehouse atau data mart, tanpa
mempermasalahkan tentang bagaimana atau
di mana data disimpan. Namun, arsitektur
3
fisik dan implementasi OLAP server harus
mempertimbangkan masalah penyimpanan
data. Implementasi dari sebuah server data
warehouse untuk pemrosesan OLAP
meliputi (Bouman & Doungen 2009):
menjelaskan apa yang terjadi ketika
pengguna menggunakan aplikasi Pentaho
OLAP (Bouman & Doungen 2009).
1
Pengguna web browser menggunakan
sebuah HTTP request untuk melihat,
browse atau drill down kedalam tabel
pivot OLAP
2
JPivot servlet menerima request dari
pengguna dan menerjemahkan request
tersebut kedalam sebuah MDX query.
MDX query ini kemudian dikirmkan ke
Mondrian engine
3
Mondrian menginterpretasikan MDX
query dan menerjemahkannya kedalam
satu atau lebih SQL query. Teknik
khusus ini disebut sebagai ROLAP,
yang merupakan singkatan dari
Relational OLAP
4
Relational
Database
Management
System (RDBMS) mengeksekusi query
yang
diberikan
oleh
Mondrian.
Mondrian menerima hasil query dalam
bentuk tabular (relational)
5
Mondrian memproses hasil yang
diterima
dari
RDBMS
dan
menerjemahkannya kedalam result-set
multidimensi. Ini sebenarnya adalah
hasil query MDX dari query MDX yang
dikirim ke Mondrian pada langkah 2
6
JPivot
menggunakan
hasil
multidimensi untuk membuat halaman
HTML menampilkan data. Inilah yang
kemudian dikirim ke browser untuk
ditunjukkan kepada pengguna
MOLAP
Multidimensional
online
analitycal
processing (MOLAP) menyimpan data dan
aggregasi pada struktur data multidimensi.
Struktur MOLAP ini tidak tersimpan pada
data warehouse tapi tersimpan pada OLAP
server, sehingga performa query yang
dihasilkan olehnya sangat bagus. Model
penyimpanan ini sesuai untuk database
dengan ukuran kecil sampai sedang.
ROLAP
Relational online analitycal processing
(ROLAP)
menggunakan
tabel
pada
relational database untuk menyimpan detail
data dan aggregasi kubus. Berbeda dengan
MOLAP, ROLAP tidak menyimpan salinan
database tapi mengakses langsung pada
tabel fakta ketika membutuhkan jawaban
sebuah query, sehingga query pada ROLAP
mempunyai response time yang lebih lambat
dibandingkan MOLAP maupun HOLAP.
Karakteristik model ini digunakan untuk
menyimpan data yang besar dan jarang
dilakukannya proses query. Misalkan, data
histori dalam jumlah besar dari beberapa
tahun yang sebelumnya.
HOLAP
Hybrid
OLAP,
Menggabungkan
teknologi ROLAP dan MOLAP. HOLAP
menggabungkan kelebihan-kelebihan yang
ada pada keduanya, skalabilitas yang lebih
besar dari ROLAP dan perhitungan yang
lebih cepat dari MOLAP. HOLAP
menggunakan relational database untuk
menyimpan detil data dan menggunakan
multidimentional
database
untuk
menyimpan agregasinya.
Arsitektur Komponen OLAP Pentaho
Mondrian merupakan aplikasi server
OLAP berbasis open source yang sangat
populer dan saat ini bernaung di bawah
Pentaho Corporation. Proyek Mondrian ini
merupakan kombinasi yang sangat baik
dengan JPivot - interface berbasis web yang
juga merupakan proyek open source.
Gambar 2 menunjukkan gambaran semantik
dari komponen Pentaho Analysis Services
dan hubungan diantara komponen tersebut.
Urutan peristiwa pada Gambar 4
Metode Pengembangan Data Warehouse
Metode
yang
digunakan
untuk
merancang database operasional meliputi
tahapan yang didefinisikan dengan baik.
Tahap pertama adalah spesifikasi kebutuhan
yang terdiri dari mengumpulkan permintaan
pengguna ke dalam spesifikasi yang koheren
dan ringkas. Tahap berikutnya, desain
konseptual, desain logis, dan desain fisik
yang merupakan hasil penerjemahan dari
kebutuhan pengguna.
Karena data warehouse adalah database
yang khusus ditujukan untuk mendukung
proses pengambilan keputusan, tahapan
yang digunakan dalam desain database
konvensional diadopsi untuk pengembangan
data warehouse.
4
OLAP Front End
Metadata and Beck End
Pentaho Schema Workbench
Client
Web Browser Crosstab
XML Editor
Pentaho Agregator Designer
………
∑
Edit
1. HTTP
Request
Optimize, Publish
Publish
Pentaho BI server
6. HTML
Response
Schema File
(XML)
Read Metadata
2. MDX
Jpivot
Servlet
Mondrian ROLAP
Engine
5. Multidimensional
Result
3. SQL
Data Warehouse
4. Relational Result
RDBMS
∑
Gambar 4 Gambaran komponen Pentaho OLAP (Bouman & Doungen 2009).
Selama proses pengumpulan kebutuhan,
pengguna di berbagai tingkat manajemen
diwawancara untuk mengetahui analisis
kebutuhan mereka. Spesifikasi yang
diperoleh berfungsi sebagai dasar untuk
membuat sebuah skema database yang
mampu merespon permintaan pengguna.
Dalam banyak situasi, karena kurangnya
model konseptual yang diterima baik untuk
aplikasi
data
warehouse,
desainer
melewatkan tahap desain konseptual dan
menggunakan representasi logis berdasarkan
skema bintang dan / atau skema kepingan
salju.
Selanjutnya
desain
fisik
mempertimbangkan
fasilitas
yang
disediakan oleh DBMS yang ada untuk
melakukan penyimpanan, pengindeksan, dan
manipulasi data yang terdapat pada data
warehouse.
Namun, pengalaman menunjukkan
bahwa
pengembangan
sistem
data
warehouse berbeda secara signifikan dari
pengembangan
sistem
database
konvensional. Oleh karena itu, modifikasi
terhadap metode yang dijelaskan di atas
sangat penting. Sebagai contoh, tidak seperti
database konvensional, data dalam data
warehouse diekstrak dari sistem beberapa
sumber. Sebagai akibatnya, beberapa
pendekatan untuk desain data warehouse
tidak hanya mempertimbangkan kebutuhan
pengguna tetapi juga ketersediaan data.
Selain itu, karena dalam banyak kasus data
diambil dari berbagai sumber maka harus
ditransformasikan sebelum dimuat ke dalam
data
warehouse,
maka
perlu
dipertimbangkan selama desain data
warehouse proses ekstraksi-transformasiloading
(ETL).
Gambaran
metode
pengembangan data warehouse dapat dilihat
pada Gambar 5 (Malinowski & Zimányi
2008).
5
Mulai
TAHAP I
Spesifikasi Kebutuhan
dimensi tersebut dan skema yang terbentuk
pada tahapan ini. Pada tahapan ini, terdapat
beberapa perbedaan dengan penelitian
sebelumnya diantaranya adalah skema yang
digunakan dan kubus data yang terbentuk.
Mulai
Desain Konseptual
Desain Logis
TAHAP II
Desain Logis
Proses Loading
Desain Fisik
Proses ETL
Desain Fisik
Uji Query
Uji Query
TAHAP III
Data Warehouse Final
Data Warehouse Final
Selesai
Selesai
Gambar 6 Diagram alir metode penelitian.
Proses Loading
Keterangan:
: Optional
Gambar 5 Gambaran metode pengembangan
data warehouse (Malinowski &
Zimányi 2008).
METODE PENELITIAN
Tahapan yang dilakukan pada penelitian
ini dapat dilihat pada Gambar 6. Penelitian
ini menggunakan data pada penelitian
sebelumnya sehingga tahapan spesifikasi
kebutuhan,
proses
ekstraksi,
dan
transformasi data tidak dilakukan.
Desain Logis
Pada tahap ini dilakukan desain logis
terhadap atribut-atribut yang didapat pada
tahapan sebelumnya. Dari atribut-atribut
tersebut, ditentukan yang menjadi ukuran
(measure) dan yang bukan ukuran (nonmeasure) pada sebuah tabel fakta. Selain itu
ditentukan pula dimensi beserta hierarki dari
Pada tahap ini data sudah siap untuk
dimasukkan ke data warehouse. Tahap
pemuatan bertujuan untuk memuat data yang
terseleksi ke dalam data warehouse tujuan
dan membuat indeks yang diperlukan.
Desain Fisik
Tahapan ini melakukan konversi data
yang dihasilkan pada proses ETL kedalam
sistem manajemen basis data MySQL.
Uji Query
Tahap ini dilakukan setelah pembuatan
data warehouse selesai. Pengujian ini
dilakukan untuk melihat apakah operasi
dasar OLAP berhasil diimplementasikan dan
sesuai dengan informasi yang ditampilkan.
Pengujian
dilakukan
dengan
memvisualisasikan kubus data dengan grafik
dan tabel pivot.
Pembuatan Data Warehouse
Tahap ketiga yang dilakukan pada
penelitian ini adalah membuat data
6
warehouse dengan menggunakan data
penjualan produk surta Bakosurtanal mulai
tahun 2002 sampai tahun 2007.
Lingkungan Pengembangan
Lingkungan
pengembangan
yang
digunakan untuk pengembangan aplikasi
OLAP adalah sebagai berikut:
Perangkat lunak yang digunakan:
1 Web server Apache Tomcat
2 MySQL versi 5.0
3 Mondrian Server 3.1.6
4 Windows XP Pro SP2 Edition
5 Schema Workbench
6 Web browser Mozilla Firefox 3.0.1
Perangkat keras yang digunakan dalam
membagun sistem ini berupa komputer
dengan spesifikasi:
atribut yang menjadi ukuran (measure) dan
non ukuran (non measure), maka ditentukan
terlebih dahulu atribut yang dipilih
berdasarkan kebutuhan analisis data
penjualan setiap pengguna. Pemilihan atribut
berdasarkan subjek utama yang akan
dianalisis untuk proses pengambilan
keputusan sesuai dengan kebutuhan
pengguna. Atribut yang digunakan dapat
dilihat pada Tabel 1 sedangkan kebutuhan
analisis data penjualan setiap pengguna
dapat dilihat pada Tabel 2. Jumlah lembar
dipilih sebagai measure untuk mengetahui
jumlah lembar produk yang terjual pada
bulan dan tahun tertentu sedangkan jumlah
harga, dipilih sebagai measure untuk
mengetahui jumlah rupiah yang diperoleh
dari penjualan produk pada bulan dan tahun
tertentu.
Tabel 1 Atribut hasil analisis dan deskripsi
tiap atribut (Nurhasanah 2009)
Atribut
1 Processor Intel Core Duo
2 Memory 512 MB
Deskripsi
Tanggal
Tanggal pemesanan
Kualifikasi
Nama kualifikasi
Jenis data
Nama jenis data
Skala
Nilai skala
Jumlah lembar
Menyatakan jumlah
lembar
Jumlah harga
Menyatakan jumlah
harga
3 Harddisk 80 GB
4 Keyboard dan mouse
5 Monitor
HASIL DAN PEMBAHASAN
Selama ini, proses analisis data hasil
penjualan masih dilakukan secara manual.
Proses bisnis dari kegiatan penjualan
tersebut dapat dilihat pada Lampiran 1.
Untuk memesan produk surta pengguna
harus mengisi lembar pesanan yang
disediakan di loket penjualan.
Bentuk
lembar pemesanan dapat dilihat pada
Lampiran 2. Kemudian staf pelayanan
mencatat data penjualan tersebut dengan
menggunakan Microsoft Office Excel,
hasilnya dapat dilihat pada Lampiran 3.
Untuk membuat laporan masih dilakukan
query manual pada tiap tabel data di
Microsoft Office Excel. Contoh laporan
yang dihasilkan dapat dilihat pada Lampiran
4. Dalam proses bisnis di atas, data yang
tercatat memiliki atribut-atribut terbatas dan
tidak konsisten antar tahun seperti terlihat
pada Lampiran 5. Hal ini membuat hasil
analisis kurang akurat dan membutuhkan
waktu lama.
Desain Logis
Sebelum menentukan desain logis dalam
bentuk skema dengan cara memilih atribut-
Tabel 2 Kebutuhan analisis data penjualan
setiap pengguna (Nurhasanah 2009)
Pengguna
Kebutuhan
Frekuensi
Kepala
Bidang
Pelayanan
Jumlah
hasil
penjualan
per
jenis
data,
per
skala, dan
berdasarkan
kualifikasi
pembeli.
Bulanan,
tahunan
Kepala Unit
Kerja Eselon
II
Jumlah
hasil
penjualan
per
unit
kerja
masingmasing.
Bulanan,
tahunan
7
Pengguna
Kebutuhan
Frekuensi
Bagian
Perencanaan
Jumlah
hasil
penjualan
per
jenis
data dan per
skala.
Bulanan,
3 bulanan,
tahunan
Jumlah
hasil
penjualan
setiap bulan
dalam satu
tahun,
jumlah hasil
penjualan
per
jenis
data,
per
skala dan
berdasarkan
kualifikasi
pembeli.
Bulanan,
tahunan
Sekretaris
Utama
dan dapat dilihat pada Gambar 7 disertai
dengan perbandingan skema yang digunakan
pada penelitian sebelumnya yaitu skema
galaksi yang dapat dilihat pada Gambar 8.
Proses Loading
Proses ekstraksi dan transformasi data
telah dilakukan pada penelitian sebelumnya
sehingga proses yang dilakukan pada
tahapan ini hanya proses pemuatan data
(loading). Proses pemuatan data tetap
dilakukan karena terdapat perbedaan OLAP
server yang digunakan. Data yang sudah
siap digunakan untuk pembuatan data
warehouse dimuat ke kubus data OLAP
server Mondrian dengan format .xml.
Desain Fisik
Desain fisik nama dan deskripsi dimensi
dari kubus Jumlah Penjualan dapat dilihat
pada Tabel 3.
Hasil analisis data ditentukan satu tabel
fakta (penjualan_produk) dan empat dimensi
(kualifikasi, jenis data, waktu, dan skala).
Untuk masing-masing dimensi ditentukan
tingkat perincian yang diperlukan beserta
hierarki yang membentuknya. Dimensi
waktu dapat disusun dalam tiga level yaitu
tahun > triwulan > bulan. Dimensi jenis data
memiliki dua level yaitu nama unit kerja dan
nama data. Dimensi kualifikasi memiliki
satu level yaitu jenis kualifikasi. Dimensi
skala memiliki satu level yaitu skala. Model
hierarki setiap dimensi dapat dilihat pada
Lampiran 6 sedangkan data dalam tabel
dimensi dapat dilihat pada Lampiran 7.
Skema yang digunakan yaitu skema bintang
Tabel 3 Nama dan deskripsi dimensi dari
kubus Jumlah Penjualan
Nama Dimensi
Deskripsi
Waktu
Bulan dan tahun
pemesanan
Jenis_data
Nama jenis produk
Kualifikasi
Kualifikasi pemesan
Skala
Nilai skala
Ukuran
Jml_lembar
Nama ukuran (jumlah
lembar)
Ukuran
Jml_harga
Nama ukuran (jumlah
harga)
waktu
jenisdata
PK id_waktu
tahun
triwulan
bulan
PK id_data
nama_unit_kerja
nama_data
kualifikasi
PK id_kualifikasi
kualifikasi
penjualan_produk
FK id_waktu
FK id_kualifikasi
FK id_data
FK id_skala
jml_lembar
jml_harga
skala
PK id_skala
skala
Gambar 7 Skema bintang dengan tabel fakta penjualan_produk.
8
Gambar 8 Skema galaksi dengan tabel fakta lembar_penjualan dan harga_penjualan (Nurhasanah
2009).
Uji Query
Implementasi
yaitu:
KESIMPULAN DAN SARAN
operasi-operasi
OLAP
• Operasi roll up pada waktu, yaitu
triwulan (roll up) ke tahun. Contoh
roll up untuk mengetahui jumlah
lembar tiap tahun. Roll up dimensi
waktu dari tingkat triwulan menjadi
tingkat tahun untuk mengetahui
jumlah lembar produk surta yang
terjual per tahun. Implementasi roll
up dapat dilihat pada Lampiran 8.
• Operasi drill down dilakukan untuk
mengetahui jumlah lembar dan
jumlah harga hasil penjualan produk
surta yang lebih rinci. Misalnya
untuk mengetahui jumlah lembar
pada masing-masing jenis data.
Implementasi drill down dapat dilihat
pada Lampiran 9.
• Operasi Slice dan dice dilakukan
melihat keadaan jumlah lembar dan
jumlah harga hasil penjualan pada
waktu tertentu, jenis data dan skala
tertentu atau kualifikasi tertentu.
Implementasi hasil operasi slice
dapat dilihat pada Lampiran 10
sedangkan untuk operasi dice dapat
dilihat pada Lampiran 11 .
Kesimpulan
Dengan Pembangunan data warehouse
dan OLAP berbasis web data penjualan peta
Bakosurtanal, proses analisis hasil penjualan
produk surta tidak lagi dilakukan secara
manual. Hasil analisis yang dihasilkan lebih
akurat dan dapat disajikan dalam berbagai
format dan tampilan seperti dalam berbagai
bentuk grafik dan dalam bentuk .xls file.
dapat
melihat
Pengambil
keputusan
informasi penjualan dengan mudah dan
dapat dilakukan sewaktu-waktu karena
informasi diakses melalui web.
Saran
Dikembangkan aplikasi untuk integrasi
basis data penjualan dari masing-masing
outlet sehingga data warehouse yang dibuat
mencakup informasi mengenai jumlah hasil
penjualan dari masing-masing lokasi outlet.
DAFTAR PUSTAKA
Bouman R, Doungen J. 2009. Pentaho
Solutions: Business Intellegence and
Data Warehousing with Pentaho and
MySQL. Indianapolis : Wiley Publishing,
Inc.
Han J, Kamber M. 2006. Data Mining :
Concepts and Techniques. San Fransisco
: Morgan Kaufmann Publisher.
Malinowski E, Zimányi E. 2008. Advance
Data Warehouse Design. Berlin: Springer
9
Nurhasanah S. 2009. Prototipe Data
Warehouse Data Penjualan Produk
BAKOSURTANAL [Skripsi]. Bogor:
Departemen Ilmu Komputer, FMIPA,
Institut Pertanian Bogor.
Sulistyaningsih W. 2010. Pembangunan
Data Warehouse Akademik (Studi Kasus:
Kurikulum
Mayor-Minor
Program
Sarjana Departemen Ilmu Komputer IPB)
[Skripsi]. Bogor: Departemen Ilmu
Komputer, FMIPA, Institut Pertanian
Bogor.
Trisminingsih R. 2010. Pembangunan
Spatial Data Warehouse Berbasis Web
untuk Persebaran Hotspot di Wilayah
Indonesia [Skripsi]. Bogor: Departemen
Ilmu
Komputer,
FMIPA, Institut
Pertanian Bogor.
10
Lampiran 1 Proses bisnis kegiatan penjualan produk survei dan pemetaan
11
Lampiran 2 Bentuk formulir pemesanan (Form-LP)
12
LAPORAN PENJUALAN DATA PRODUK BAKOSURTANAL
BULAN : DESEMBER
TAHUN : 2006
1
01-12-06
Mega Gracia
Perorangan
LANGSUNG
Kualifikasi
ALAMAT
DAERAH
ATLAS
Pembelian
JUMLAH
1:1.000.000
INSTANSI
1:500.000
PEMESAN
1:250.000
TANGGAL
1:50.000
NO.
1:25.000
SKALA
LBR.
Perorangan
Jakarta
Jawa
2
2
Jawa
2
2
1
1
2
01-12-06
Tirto
PDAM Kab.
Pacitan
FAX
Negeri
Jl. Suryo
Pranoto No. 2
Pacitan Jatim
3
01-12-06
Nursudin
Perorangan
LANGSUNG
Perorangan
Jakarta
Jawa
4
01-12-06
Enom Surya
Perorangan
LANGSUNG
Perorangan
Jakarta
Kalimantan
4
4
Sumatera
15
15
5
01-12-06
Ujang
Pasifik Cons
LANGSUNG
Swasta
Jl. Muara Baru
Ujung No. 11
Bogor
6
01-12-06
Iryadi
Univ. YAI
LANGSUNG
Mahasiswa
Jakarta
Jawa
1
1
7
01-12-06
Dimas
Perorangan
LANGSUNG
Perorangan
Jakarta
Jawa
1
1
LPI
10
10
9
9
8
01-12-06
Dedi
PT. Sugico
Graha
LANGSUNG
Swasta
Jl. Imam
Bonjol No. 68
Jakarta
9
01-12-06
Ridwan
PT. Bhumi
Mandiri
Semesta
LANGSUNG
Swasta
Jakarta
Sumatera
10
01-12-06
Leny
Unpak
LANGSUNG
Mahasiswa
Bogor
Jawa
11
01-12-06
Bukhari
Perorangan
LANGSUNG
Perorangan
12
01-12-06
Sheila
PT. Connell
Wagner
LANGSUNG
Swasta
Jl. Gardu Raya
No. 11 Bogor
Gd. Artha
Graha Lt. 8
Jakarta
Aceh
Digital
Kalimantan
2
2
69
69
2
2
HARGA
40,000
40,000
Lampi
ran 3
Conto
h
catata
n data
penjua
lan
produ
k
Bakos
urtanal
20,000
80,000
150,000
20,000
20,000
250,000
90,000
40,000
690,000
300,000
13
13
01-12-06
Apris
CV. Techno
LANGSUNG
Swasta
Jakarta
Nusra
6
6
14
01-12-06
Chairil
Perorangan
LANGSUNG
Perorangan
Jakarta
Jawa
3
3
Dion
PT. Tripatra
Engg
Swasta
Jl. MT Haryono No. 11
Jakarta
Sumatera
15
01-12-06
LANGSUNG
12
Sumatera
16
01-12-06
Daryanto
Outlet Bappeda
Jateng
17
01-12-06
Yunus
PT. Mac
18
01-12-06
Wening
Perorangan
FAX
LANGSUNG
LANGSUNG
Jawa
89
89
Swasta
Jakarta
Jawa
3
3
Jl. Rajawali No. 29 Depok
Digital
Lampung
Perorangan
Edi
Pemkab. Bogor
LANGSUNG
Negeri
20
01-12-06
Tukiman
Perorangan
LANGSUNG
Perorangan
LANGSUNG
Swasta
LANGSUNG
Swasta
04-12-06
Dhany
22
04-12-06
Windo
PT. LMT
23
04-12-06
Ary
PT. Kalpataru
Investama
24
04-12-06
Edy
PT. Comet
Mawati
PT. Asoka Putra
Perkasa
25
04-12-06
Jl. Bersih No. 10 Pemda
Cibinong
Jl. Raya Jakarta Bogor
KM.46 Cibinong
Jl. Buncit Raya No. 45
Jakarta
Komp. Gudang Peluru
D/2 Jakarta
Jawa
2
2
3
Aceh
3
12
12
Jawa
3
3
Jawa
8
8
Kalimantan
6
6
Kalimantan
9
9
4
4
LANGSUNG
Swasta
Jl. MH Thamrin Kav. 53
Jakarta
LANGSUNG
Swasta
Jl. Tebet No. 10 Jakarta
Kalimantan
Swasta
Korea Center Building 4
Floor Jakarta
Kalimantan
LANGSUNG
2
Outlet
01-12-06
21
2
Jl. Pemuda No. 127-128
Semarang
19
PT. Sarana Eka
Citra
12
Sumatera
Sumatera
12
12
6
6
1
1
120,000
60,000
120,000
20,000
1,780,000
60,000
600,000
60,000
120,000
60,000
160,000
120,000
180,000
80,000
300,000
60,000
10,000
14
Lampiran 4 Contoh format laporan penjualan produk surta dalam bentuk grafik dan tabel
15
Lampiran 4 Lanjutan
KONTRIBUSI PUSAT-PUSAT DI BAKOSURTANAL TERHADAP PNBP
BULAN : DESEMBER 2007
NO
1
2
3
4
5
6
NAMA PUSAT
JUMLAH (RP)
PUSAT ATLAS
PDKK
PDRTR
PGG
PSSAD
PUSJASINFO
3,725,000
1,936,000
233,191,000
1,400,000
1,335,000
5,435,000
TOTAL
247,022,000
16
Lampiran 4 Lanjutan
REKAP PENJUALAN DATA PRODUK
BAKOSURTANAL
BULAN : DESEMBER 2007
NO.
1
2
3
4
5
6
1
2
3
4
5
6
7
8
9
10
1
2
1
2
1
1
2
3
4
5
URAIAN
PUSAT ATLAS
ATLAS
CD ATLAS ELEKTRONIK
INDONESIA FROM SPACE
BALI FROM SPACE
LOMBOK FROM SPACE
BANTEN FROM SPACE
PDRTR
BALI
DATA DIGITAL
IRIAN
JAWA
KALIMANTAN
NUSRA
MALUKU
SULAWESI
SUMATERA
PETA FOTO
PUSJASINFO
PLOT PETA
BUKU PANDUAN MEMBACA PETA
PDKK
LLN
LPI
PSSAD
REPPROT
PGG
Titik GPS
Titik TTG
BUKU PANDUAN DATUM
BUKU PASUT 2007
RAW DATA
TOTAL
JML. LEMBAR
51
11
2
1
1
1
8
237
98
1,806
877
322
19
529
313
6
33
7
25
20
5
6
21
1
1
5
4,406
17
Lampiran 5 Atribut-atribut data penjualan tahun 2002 – 2007
Nama Atribut
Tanggal
Instansi
Cara Order
Kualifikasi
Alamat
Daerah
Skala
Jumlah Lembar
Total Harga
2002
9
9
9
9
9
9
9
2003
9
9
9
9
9
9
9
2004
9
9
9
9
9
9
9
9
9
2005
9
9
9
9
9
9
9
9
9
2006
9
9
9
9
9
9
9
9
9
2007
9
9
9
9
9
9
9
9
9
18
Lampiran 6 Model hierarki tiap dimensi
a Model hierarki dimensi waktu
b Model hierarki dimensi jenis data
All
Unit Kerja
Jenis Data
All
PDRTR
Atlas
NTB from space
Buku Atlas
Indeks Atlas
Sulawesi
Sumatera
Peta Foto
Pusjasinfo
Plot Peta
PDKK
Buku Cakupan
Indeks Peta
LLN
PSDAD
LBI
Peta Neraca
Peta Tematik
Peta Propinsi
LPI
PGG
Titik TTG
PSDAL
Sisjar
Titik GPS Buku Spesifikasi
Basisdata
Buku SNI
Data Pasut
c Model hierarki dimensi kualifikasi
d Model hierarki dimensi skala
All
All
Skala
1:25.000
1:50.000
1:250.000
1:500.000
1:1.000.000
Atlas
19
Buku Integrasi Neraca
SDA
Lampiran 7 Data dalam tabel dimensi
a Data dimensi waktu
id_waktu
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
tahun
2002
2002
2002
2002
2002
2002
2002
2002
2002
2002
2002
2002
2003
2003
2003
2003
2003
2003
2003
2003
2003
2003
2003
2003
2004
2004
2004
2004
2004
2004
2004
2004
2004
2004
2004
2004
2005
2005
2005
2005
2005
2005
2005
2005
2005
2005
triwulan
Triwulan I 2002
Triwulan I 2002
Triwulan I 2002
Triwulan II 2002
Triwulan II 2002
Triwulan II 2002
Triwulan III 2002
Triwulan III 2002
Triwulan III 2002
Triwulan IV 2002
Triwulan IV 2002
Triwulan IV 2002
Triwulan I 2003
Triwulan I 2003
Triwulan I 2003
Triwulan II 2003
Triwulan II 2003
Triwulan II 2003
Triwulan III 2003
Triwulan III 2003
Triwulan III 2003
Triwulan IV 2003
Triwulan IV 2003
Triwulan IV 2003
Triwulan I 2004
Triwulan I 2004
Triwulan I 2004
Triwulan II 2004
Triwulan II 2004
Triwulan II 2004
Triwulan III 2004
Triwulan III 2004
Triwulan III 2004
Triwulan IV 2004
Triwulan IV 2004
Triwulan IV 2004
Triwulan I 2005
Triwulan I 2005
Triwulan I 2005
Triwulan II 2005
Triwulan II 2005
Triwulan II 2005
Triwulan III 2005
Triwulan III 2005
Triwulan III 2005
Triwulan IV 2005
bulan
Jan-2002
Feb-2002
Mar-2002
Apr-2002
May-2002
Jun-2002
Jul-2002
Aug-2002
Sep-2002
Oct-2002
Nov-2002
Dec-2002
Jan-2003
Feb-2003
Mar-2003
Apr-2003
May-2003
Jun-2003
Jul-2003
Aug-2003
Sep-2003
Oct-2003
Nov-2003
Dec-2003
Jan-2004
Feb-2004
Mar-2004
Apr-2004
May-2004
Jun-2004
Jul-2004
Aug-2004
Sep-2004
Oct-2004
Nov-2004
Dec-2004
Jan-2005
Feb-2005
Mar-2005
Apr-2005
May-2005
Jun-2005
Jul-2005
Aug-2005
Sep-2005
Oct-2005
20
Lampiran 7 Lanjutan
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
Triwulan IV 2005
Triwulan IV 2005
Triwulan I 2006
Triwulan I 2006
Triwulan I 2006
Triwulan II 2006
Triwulan II 2006
Triwulan II 2006
Triwulan III 2006
Triwulan III 2006
Triwulan III 2006
Triwulan IV 2006
Triwulan IV 2006
Triwulan IV 2006
Triwulan I 2007
Triwulan I 2007
Triwulan I 2007
Triwulan II 2007
Triwulan II 2007
Triwulan II 2007
Triwulan III 2007
Triwulan III 2007
Triwulan III 2007
Triwulan IV 2007
Triwulan IV 2007
Triwulan IV 2007
2005
2005
2006
2006
2006
2006
2006
2006
2006
2006
2006
2006
2006
2006
2007
2007
2007
2007
2007
2007
2007
2007
2007
2007
2007
2007
Nov-2005
Dec-2005
Jan-2006
Feb-2006
Mar-2006
Apr-2006
May-2006
Jun-2006
Jul-2006
Aug-2006
Sep-2006
Oct-2006
Nov-2006
Dec-2006
Jan-2007
Feb-2007
Mar-2007
Apr-2007
May-2007
Jun-2007
Jul-2007
Aug-2007
Sep-2007
Oct-2007
Nov-2007
Dec-2007
b Data dimensi kualifikasi
id_kualifikasi
kualifikasi
1
2
3
4
5
6
Swasta
Negeri
Perorangan
Mahasiswa
Outlet
Tidak ada keterangan
c Data dimensi skala
id_skala
1
2
3
4
5
6
skala
1:25.000
1:50.000
1:250.000
1:500.000
1:1.000.000
Atlas
21
Lampiran 7 Lanjutan
d Data dimensi jenis_data
id_data
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
nama data
NTB from Space
Indeks Atlas
Buku Atlas
Bali From Space
PETA WAC
Peta Jalur Penerbangan
LPI
LLN
LBI
Timor Timur
Sumatera
Sulawesi
Peta Indonesia
Peta Foto
Peta Dinding
Nusa Tenggara
Maluku
Kalimantan
Jawa
Irian Jaya
Data Digital
Bali
Aceh
Peta Dunia
Peta ASEAN
Foto Udara
Titik TTG
Titik GPS
Data Pasut
Buku Prediksi Pasut
Buku Panduan GPS
Buku Panduan Datum
Buku Jaringan Kontrol
Buku Data Kota
Spek Basis Data Neraca Sumberdaya Lahan
REPPORT
Peta Tematik
Peta Propinsi
Katalog Data Tematik
Digital Sistem Lahan Jatim
Buku Spek Teknis Nilai Ekonomi Sumberdaya Air
Buku Satuan Lahan
Peta Neraca
Buku Integrasi Neraca SDA
Plot Peta
Panduan Membaca Peta
unit_kerja
Atlas
Atlas
Atlas
Atlas
PDKK
PDKK
PDKK
PDKK
PDKK
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PGG
PGG
PGG
PGG
PGG
PGG
PGG
PGG
PSDAD
PSDAD
PSDAD
PSDAD
PSDAD
PSDAD
PSDAD
PSDAD
PSDAL
PSDAL
Pusjasinfo
Pusjasinfo
22
Lampiran 7 Lanjutan
47
48
49
50
Indeks Peta
Buku Cakupan
Buku Spesifikasi Basisdata
Buku SNI
Pusjasinfo
Pusjasinfo
Sisjar
Sisjar
23
Lampiran 8 Grafik hasil operasi roll up jumlah produk surta yang terjual per tahun
Roll up dari triwulan ke tahun
24
Lampiran 9 Grafik hasil operasi drill dwon jumlah produk surta yang terjual per jenis data
Drill down dari nama
pusat ke jenis data
25
Lampiran 10 Grafik hasil operasi slice jumlah lembar penjualan produk surta pada dimensi waktu dan dimensi skala
Slice jumlah produk surta yang terjual
setiap skala pada tahun 2003
26
Lampiran 11 Grafik hasil operasi dice jumlah lembar penjualan produk surta pada dimensi waktu , jenis data, dan kualifikasi tertentu
dice jumlah produk surta yang terjual
pada pusat Atlas dan PSDAD pada
Tahun 2004, 2006 dan 2007 dengan
kualifikasi pembeli Swasta
27
ABSTRACT
RIKA INDRIANI. Data Warehouse Sale Prototype of Bakosurtanal Product. Supervised by
HARI AGUNG ADRIANTO.
Speeding up reporting process and obtaining strategic information based on a multidimensional
analysis query can be done by building OLAP applications integrated with data warehouse.
Development of data warehouse Bakosurtanal product sales data and web-based OLAP
applications has been done using Palo. Palo is one of the OLAP server with multidimensional data
storage model (MOLAP). Mondrian is an OLAP server with relational data storage model
(ROLAP)
This research aims to develop a data warehouse and wab-based OLAP using Mondrian 3.1.6.
This research designs the data warehouse using star scheme and OLAP development. This
research produces a web-based OLAP cube consisting of one data cube: sales of products and four
dimensions: time, type of data, qualification, and scale. Users can interact with the following
facilities: 1) Selecting dimensions to display the information at the level needed, 2) Displaying
information in the form of bar charts, stacked bar, line charts, line charts, stacked area, and pie
charts 3) Exporting files into Microsoft Excel format. Users can explore this application using
OLAP operations including roll-up, drill-down, slice, dice, etc.
Keywords: data warehouse, data of sales, Bakosurtanal’s product, Mondrian
PENDAHULUAN
Latar Belakang
Badan Koordinasi Survei dan Pemetaan
Nasional
(Bakosurtanal)
merupakan
Lembaga Pemerintah Non Departemen yang
bertugas melaksanakan survei dan pemetaan
sesuai
dengan
ketentuan
peraturan
perundang-undangan yang berlaku. Dalam
hal tersebut, Bakosurtanal mempunyai
kewenangan menyediakan informasi spasial
kedalam suatu produk survei dan pemetaan
(surta) berupa peta atau atlas dalam berbagai
format, jenis dan skala. Untuk itu,
Bakosurtanal menjadi titik tumpu dalam
pelaksanaan pendistribusian dan pelayanan
produk surta kepada pengguna dalam
berbagai kalangan.
Perolehan produk surta dapat dilakukan
secara langsung atau tertulis (melalui surat/
faksimili).
Untuk
pembelian
secara
langsung, pengguna harus mengisi formulir
pesanan (Form-LP) yang disediakan di loket
penjualan. Setelah terjadi transaksi, petugas
unit pelayanan mencatat data penjualan
tersebut menggunakan Microsoft Office
Excel. Pengolahan data yang disajikan
dalam bentuk laporan penjualan masih
dilakukan dengan query manual pada setiap
tabel data penjualan yang tersimpan di
Microsoft Office Excel. Laporan tersebut
disesuaikan dengan kebutuhan pengguna.
Dengan proses tersebut, data yang tercatat
memiliki atribut-atribut terbatas dan tidak
konsisten antar t
BAKOSURTANAL
RIKA INDRIANI
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2010
PROTOTIPE DATA WAREHOUSE PENJUALAN PRODUK
BAKOSURTANAL
RIKA INDRIANI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2010
ABSTRACT
RIKA INDRIANI. Data Warehouse Sale Prototype of Bakosurtanal Product. Supervised by
HARI AGUNG ADRIANTO.
Speeding up reporting process and obtaining strategic information based on a multidimensional
analysis query can be done by building OLAP applications integrated with data warehouse.
Development of data warehouse Bakosurtanal product sales data and web-based OLAP
applications has been done using Palo. Palo is one of the OLAP server with multidimensional data
storage model (MOLAP). Mondrian is an OLAP server with relational data storage model
(ROLAP)
This research aims to develop a data warehouse and wab-based OLAP using Mondrian 3.1.6.
This research designs the data warehouse using star scheme and OLAP development. This
research produces a web-based OLAP cube consisting of one data cube: sales of products and four
dimensions: time, type of data, qualification, and scale. Users can interact with the following
facilities: 1) Selecting dimensions to display the information at the level needed, 2) Displaying
information in the form of bar charts, stacked bar, line charts, line charts, stacked area, and pie
charts 3) Exporting files into Microsoft Excel format. Users can explore this application using
OLAP operations including roll-up, drill-down, slice, dice, etc.
Keywords: data warehouse, data of sales, Bakosurtanal’s product, Mondrian
Judul Skripsi : Prototipe Data Warehouse Penjualan Produk BAKOSURTANAL
Nama
: Rika Indriani
NIM
: G64066039
Menyetujui:
Pembimbing,
Hari Agung Adrianto, S.Kom, M.Si
NIP. 19760917 200501 1 001
Mengetahui:
Ketua Departemen Ilmu Komputer
Dr. Ir. Sri Nurdiati, M.Sc
NIP 19601126 198601 2 001
Tanggal Lulus :
KATA PENGANTAR
Puji dan syukur kehadirat Allah Subhanahu Wa Ta’ala yang telah memberikan rahmat,
tuntunan dan kemurahan-Nya kepada penulis untuk dapat menyelesaikan penelitian ini. Akhirnya,
skripsi dengan judul “Prototipe Data Warehouse Penjualan Produk Bakosurtanal”, yang
disusun sebagai salah satu syarat untuk mengikuti ujian akhir sarjana pada Fakultas Matematika
dan Ilmu Pengetahuan Alam Institut Pertanian Bogor, dapat diselesaikan.
Dalam pengerjaan penelitian ini tentu tidak lepas dari pihak-pihak yang terus mendukung dan
membantu, oleh karena itu dengan tulus penulis mengucapkan terima kasih kepada :
1.
Ibu dan kakak-kakakku tercinta yang telah memberikan dukungan, do’a, semangat dan
kasih sayang yang luar biasa kepada penulis sehingga dapat menyelesaikan penelitian ini.
2.
Suamiku tercinta, Yusup Hendra Perkasa, ST yang selalu setia menemani dan tak pernah
lelah memberikan semangat, do’a, dukungan, cinta dan kasih sayangnya serta menjadi
tempat bertukar pikiran.
3.
Bapak Hari Agung Adrianto, S.Kom, M.Si., selaku pembimbing yang telah bersedia
meluangkan waktu untuk memberikan bimbingan dan masukkan yang sangat bermanfaat
dalam penyusunan penelitian ini.
4.
Bapak Ahmad Ridha, S.Kom, M.S, dan Ibu Annisa, S.Kom, M.Kom. yang bersedia
menjadi penguji pada sidang ujian akhir penulis.
5.
Bapak/Ibu Dosen Institut Pertanian Bogor yang telah memberikan ilmunya pada penulis
selama belajar di Institut Pertanian Bogor ini.
6.
Rekan-rekan mahasiswa/i Ekstensi Ilkom Angkatan 1, terima kasih atas kebersamaan dan
kerja samanya.
7.
Kepada pihak lainnya yang telah memberikan kontribusi besar selama pengerjaan
penelitian ini yang tidak dapat disebutkan satu-persatu, penulis ucapkan terima kasih
banyak.
Akhirnya, sebagai seorang manusia biasa, penulis menyadari pasti ada kekurangan dan
kelemahan yang terdapat pada penelitian ini. Untuk itu, penulis terbuka terhadap kritik dan saran
dari semua pihak. Dan semoga penelitian ini dapat bermanfaat bagi kita semua. Amin.
Bogor, November 2010
Rika Indriani
RIWAYAT HIDUP
Penulis dilahirkan di Bogor pada tanggal 28 Agustus 1984. Penulis merupakan anak kelima
dari lima bersaudara pasangan bapak Hapid (Alm) dan ibu Endeh Saodah. Penulis menyelesaikan
program studi Diploma 3 Teknik Informatika, Departemen Ilmu Komputer, Fakultas Matematika
dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor pada tahun 2006. Kemudian pada tahun
2007, penulis diterima sebagai mahasiswi Program Sarjana Ilmu Komputer Penyelenggaraan
Khusus, Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Pertanian Bogor.
Selain tercatat sebagai mahasiswi, penulis bekerja sebagai Pegawai Negeri Sipil (PNS) di
Badan Koordinasi Survei dan Pemetaan Nasional (Bakosurtanal) sejak tahun 2006 hingga
sekarang. Penulis merupakan staf di Biro Keuangan, Kepegawaian dan Hukum dan terhitung
mulai tanggal 01 Oktober 2010, penulis diangkat dalam jabatan fungsional pranata komputer
tingkat terampil dengan jabatan pranata komputer pelaksana.
DAFTAR ISI
Halaman
DAFTAR TABEL.............................................................................................................................v
DAFTAR GAMBAR ........................................................................................................................v
DAFTAR LAMPIRAN.....................................................................................................................v
PENDAHULUAN.............................................................................................................................1
Latar Belakang.............................................................................................................................1
Tujuan..........................................................................................................................................1
Ruang Lingkup ............................................................................................................................1
Manfaat........................................................................................................................................1
TINJAUAN PUSTAKA....................................................................................................................1
Data warehouse ...........................................................................................................................1
Model Data Multidimensi............................................................................................................2
Operasi-operasi pada OLAP........................................................................................................3
Pemodelan Penyimpanan Data ....................................................................................................3
Arsitektur Komponen OLAP Pentaho .........................................................................................4
Metode Pengembangan Data Warehouse ....................................................................................4
METODE PENELITIAN..................................................................................................................6
Desain Logis................................................................................................................................6
Proses Loading ............................................................................................................................6
Uji Query.....................................................................................................................................6
Pembuatan Data Warehouse .......................................................................................................6
Lingkungan Pengembangan ........................................................................................................7
HASIL DAN PEMBAHASAN.........................................................................................................7
Desain Logis................................................................................................................................7
Proses Loading ............................................................................................................................8
Desain Fisik.................................................................................................................................8
Uji Query.....................................................................................................................................9
KESIMPULAN DAN SARAN .........................................................................................................9
Kesimpulan..................................................................................................................................9
Saran............................................................................................................................................9
DAFTAR PUSTAKA .......................................................................................................................9
LAMPIRAN....................................................................................................................................11
iv
DAFTAR GAMBAR
Halaman
1
2
3
4
5
6
7
8
Skema bintang (Han & Kamber 2006). ........................................................................................3
Skema kepingan salju (Han & Kamber 2006). .............................................................................3
Skema galaksi (Han & Kamber 2006)..........................................................................................3
Gambaran komponen Pentaho OLAP (Bouman & Doungen 2009).............................................5
Gambaran metode pengembangan data warehouse (Malinowski & Zimányi 2008) . .................6
Diagram alir metode penelitian . ..................................................................................................6
Skema bintang dengan tabel fakta penjualan_produk. .................................................................8
Skema galaksi dengan tabel fakta lembar_penjualan dan harga_penjualan (Nurhasanah 2009)..9
DAFTAR TABEL
Halaman
1 Atribut hasil analisis dan deskripsi tiap atribut (Nurhasanah 2009) .............................................7
2 Kebutuhan analisis data penjualan setiap pengguna (Nurhasanah 2009) .....................................7
3 Nama dan deskripsi dimensi dari kubus Jumlah Penjualan ..........................................................8
DAFTAR LAMPIRAN
Halaman
1 Proses bisnis kegiatan penjualan produk surta ...........................................................................11
2 Bentuk formulir pemesanan (Form-LP) .....................................................................................12
3 Contoh catatan data penjualan produk Bakosurtanal..................................................................13
4 Contoh format laporan penjualan produk surta dalam bentuk grafik dan tabel..........................15
5 Atribut-atribut data penjualan tahun 2002 – 2007 ......................................................................18
6 Model hierarki tiap dimensi........................................................................................................19
7 Data dalam tabel dimensi ...........................................................................................................20
8 Grafik hasil operasi roll up jumlah produk surta yang terjual per tahun ....................................24
9 Grafik hasil operasi drill dwon jumlah produk surta yang terjual per jenis data ........................25
10 Grafik hasil operasi slice jumlah lembar penjualan produk surta pada dimensi waktu dan
dimensi skala ..............................................................................................................................26
11 Grafik hasil operasi dice jumlah lembar penjualan produk surta pada dimensi waktu , jenis data,
dan kualifikasi tertentu ...............................................................................................................27
v
PENDAHULUAN
Latar Belakang
Badan Koordinasi Survei dan Pemetaan
Nasional
(Bakosurtanal)
merupakan
Lembaga Pemerintah Non Departemen yang
bertugas melaksanakan survei dan pemetaan
sesuai
dengan
ketentuan
peraturan
perundang-undangan yang berlaku. Dalam
hal tersebut, Bakosurtanal mempunyai
kewenangan menyediakan informasi spasial
kedalam suatu produk survei dan pemetaan
(surta) berupa peta atau atlas dalam berbagai
format, jenis dan skala. Untuk itu,
Bakosurtanal menjadi titik tumpu dalam
pelaksanaan pendistribusian dan pelayanan
produk surta kepada pengguna dalam
berbagai kalangan.
Perolehan produk surta dapat dilakukan
secara langsung atau tertulis (melalui surat/
faksimili).
Untuk
pembelian
secara
langsung, pengguna harus mengisi formulir
pesanan (Form-LP) yang disediakan di loket
penjualan. Setelah terjadi transaksi, petugas
unit pelayanan mencatat data penjualan
tersebut menggunakan Microsoft Office
Excel. Pengolahan data yang disajikan
dalam bentuk laporan penjualan masih
dilakukan dengan query manual pada setiap
tabel data penjualan yang tersimpan di
Microsoft Office Excel. Laporan tersebut
disesuaikan dengan kebutuhan pengguna.
Dengan proses tersebut, data yang tercatat
memiliki atribut-atribut terbatas dan tidak
konsisten antar tahun. Hal tersebut
menyebabkan tingkat akurasi rendah
terhadap hasil analisis data penjualan dan
membutuhkan waktu yang lama.
Untuk mempercepat proses pelaporan
dan memperoleh informasi yang strategis
berdasarkan
query
analisis
yang
multidimensi, dapat dilakukan dengan
membangun
aplikasi
OLAP
yang
diintegrasikan dengan data warehouse.
Pembangunan
data
warehouse
data
penjualan produk Bakosurtanal dan aplikasi
OLAP berbasis web telah dilakukan pada
penelitian sebelumnya (Nurhasanah 2009)
dengan menggunakan Palo. Palo merupakan
salah satu OLAP server dengan model
penyimpanan data multidimensi (MOLAP)
sehingga jumlah volume data yang dapat
ditangani terbatas. Saat ini banyak OLAP
server yang dikembangkan dan bersifat open
source salah satunya adalah Mondrian
Mondrian
(http://mondrian.pentaho.org/).
merupakan OLAP server dengan model
penyimpanan data relasional (ROLAP) yang
dikembangkan
dengan
Java
dan
memungkinkan
penguna
menganalisis
dataset yang disimpan di database secara
interaktif. Selain terdapat perbedaan pada
OLAP server yang digunakan, skema pada
penelitian ini juga berbeda dengan penelitian
sebelumnya. Pada penelitian sebelumnya,
skema yang digunakan adalah skema galaksi
sedangkan pada penelitian kali ini digunakan
skema bintang. Hal tersebut terjadi karena
setelah dilakukan pengkajian lebih lanjut,
terdapat redudansi data pada penelitian
sebelumnya yang menggunakan skema
galaksi.
Tujuan
Penelitian
ini
bertujuan
untuk
membangun suatu sistem data warehouse
yang dapat mendukung analisis penjualan
produk sesuai dengan kebutuhan pengguna.
Ruang Lingkup
Ruang lingkup penelitian ini adalah:
1 Penelitian ini akan menghasilkan
prototipe data warehouse dan aplikasi
OLAP berbasis web. Data tersebut
dilakukan analisis menggunakan OLAP
server Mondrian.
2 Data yang digunakan adalah data
penjualan produk survei dan pemetaan
Bakosurtanal tahun 2002 sampai dengan
2007.
Manfaat
Hasil
penelitian
yang
diperoleh
diharapkan dapat mendukung pengambilan
keputusan yang strategis untuk mencapai
tujuan bisnis (meningkatkan mutu produk,
meningkatkan
layanan
konsumen,
meningkatkan penjualan, dll) yang didapat
secara informatif, cepat dan akurat.
TINJAUAN PUSTAKA
Data warehouse
Data warehouse menyediakan arsitektur
dan alat bagi para eksekutif bisnis untuk
mengatur secara sistematis, mengerti, dan
menggunakan
data
dalam
membuat
keputusan strategis.
Secara umum, data warehouse merujuk
pada suatu basis data yang dikelola secara
terpisah dari basis data operasional pada
sebuah organisasi. data warehouse dapat
terdiri dari berbagai macam aplikasi sistem
yang
terintegrasi
dan
mendukung
1
pemrosesan informasi dengan menyediakan
suatu platform yang kokoh untuk analisis
data yang mengandung histori dan
terkonsolidasi.
Data
warehouse
mempunyai
karakteristik
berorientasi
subjek,
terintegrasi, time variant dan non volatile.
Hal tersebut tersebut membedakan data
warehouse dengan sistem penyimpanan data
lainnya, berikut adalah penjelasan dari
masing-masing karakteristik (Han &
Kamber 2006):
• Orientasi subjek
Data warehouse diorganisasikan pada
subjek-subjek utama seperti halnya
konsumen, pemasok, produk dan
penjualan.
Dibandingkan
dengan
berkonsentrasi terhadap kegiatan operasi
keseharian dan proses transaksi dari
suatu organisasi, data warehouse fokus
terhadap pembentukan model data dan
analisis
data
untuk pengambilan
keputusan. Karena itu data warehouse
biasanya menyediakan pola pandang
yang sangat mudah terhadap beberapa
subjek yang ada dengan menghilangkan
data yang tidak berguna pada proses
pengambilan keputusan.
• Terintegrasi
Data warehouse biasanya terbentuk
dengan melakukan integrasi terhadap
data yang berbeda seperti halnya basis
data relasional, flat file dan catatan
transaksi online. Teknik data cleaning
dan integrasi data diterapkan untuk
memastikan konsistensi dalam hal
keseragaman
penamaan,
struktur
pengkodean, pengukuran atribut dan hal
lainnya.
• Time variant
Data disimpan untuk menyediakan
informasi dari perspektif historical
(seperti 5-10 tahun kebelakang). Setiap
struktur kunci pada data warehouse
mengandung elemen waktu baik itu
secara implisit ataupun eksplisit.
• Non volatile
Data terpisah dari data operasional
sehingga tidak membutuhkan suatu
proses
transaksi,
recovery,
dan
mekanisme kontrol konkurensi akan
tetapi hanya membutuhkan dua operasi
dalam mengakses data yaitu pemasukan
data pertama dan pengaksesan data.
Model Data Multidimensi
Data warehouse didasarkan pada suatu
model data multidimensi. Model ini melihat
data dalam bentuk kubus data. Kubus data
memungkinkan data yang akan dimodelkan
dan dilihat dalam multidimensi. Hal tersebut
didefinisikan oleh dimensi dan fakta.
Dalam istilah umum, Dimensi adalah
perspektif atau entitas yang digunakan
sebagai tempat menyimpan beberapa record
yang saling berhubungan. Masing-masing
dimensi memiliki sebuah tabel yang terkait
dengannya, disebut sebagai tabel dimensi.
Fakta adalah ukuran-ukuran numerik.
Fakta merupakan kuantitas yang akan
dianalisis hubungan antar dimensi. Tabel
fakta berisi nama dari fakta (ukuran) dan
keys dari tabel dimensi yang bersangkutan.
Untuk menggambarkan hubungan antar
data pada data multidimensi digunakan
skema multidimensi. Pada data warehouse,
skema merupakan sekumpulan tabel yang
berhubungan.
Skema digunakan untuk
menunjukkan hubungan antara tabel dimensi
dengan tabel fakta.
Skema ditentukan
berdasarkan kebutuhan data warehouse dan
keinginan pembuat data warehouse. Data
warehouse membutuhkan skema yang
ringkas dan berorientasi subjek. Tipe-tipe
skema multidimensi antara lain (Han &
Kamber 2006):
1 Skema bintang (star schema)
Skema bintang adalah skema data
warehouse yang paling umum. Skema
bintang merupakan struktur logikal yang
memiliki tabel fakta yang terdiri atas data
faktual ditengahnya, dan dikelilingi oleh
tabel-tabel dimensi yang berisi referensi
data.
Keuntungan
yang
didapat
jika
menggunakan skema ini adalah peningkatan
kinerja data warehouse, pemrosesan query
yang lebih efisien, dan waktu respon yang
cepat. Bentuk skema bintang dapat dilihat
pada Gambar 1.
2 Skema kepingan
schema)
salju
(snowflake
Skema kepingan salju adalah variasi dari
skema bintang yang beberapa tabel dimensi
dinormalisasi sehingga membagi data
kedalam tabel tambahan.
2
Gambar 3 Skema galaksi (Han & Kamber
2006).
Gambar 1 Skema bintang (Han & Kamber
2006).
Perbedaan utama antara model kepingan
salju dan skema bintang adalah bahwa tabel
dimensi dari model kepingan salju dapat
disimpan dalam bentuk normalisasi untuk
mengurangi redudansi. Selanjutnya, struktur
kepingan
salju
dapat
menghemat
penggunaan memori, tapi waktu yang
dibutuhkan untuk pemrosesan query menjadi
lebih lama akibatnya kinerja sistem dapat
berdampak buruk. Bentuk skema kepingan
salju dapat dilihat pada Gambar 2.
Operasi-operasi pada OLAP
Dalam model multidimensi, data tersebut
akan disusun dalam berbagai dimensi, dan
masing-masing dimensi berisi beberapa
tingkat abstraksi yang didefinisikan oleh
konsep hierarki. Hal tersebut memberikan
fleksibilitas bagi pengguna untuk melihat
data dari perspektif yang berbeda. Sejumlah
operasi OLAP pada kubus data yang ada
untuk mewujudkan perspektif yang berbeda,
memungkinkan query interaktif dan analisis
data. Oleh karena itu, OLAP menyediakan
lingkungan yang user-friendly untuk analisis
data secara interaktif. Beberapa operasi
OLAP dijelaskan berikut ini (Han &
Kamber 2006):
• Roll up (drill up): roll up dilakukan
dengan cara menaikkan tingkat hierarki
atau mereduksi jumlah dimensi.
• Drill down: drill down merupakan
kebalikan dari roll up. Operasi ini
merepresentasikan data secara lebih
detail.
Gambar 2 Skema kepingan salju (Han &
Kamber 2006).
3 Skema galaksi (fact constellation)
Aplikasi canggih mungkin memerlukan
beberapa tabel fakta untuk berbagi tabel
dimensi. Skema semacam ini dapat dilihat
sebagai kumpulan bintang, dan karenanya
disebut skema galaksi atau konstelasi fakta.
Keuntungan menggunakan skema ini
adalah menghemat memori dan mengurangi
kesalahan yang mungkin terjadi. Bentuk
skema galaksi dapat dilihat pada Gambar 3.
• Pivot (rotate): merotasikan sumbu data
untuk memberikan alternatif dalam
presentasi data.
• Slice and Dice: slice melakukan seleksi
pada satu dimensi kubus sehingga
menghasilkan subcube. Dice merupakan
proses mendefinisikan subcube dengan
memilih dua atau lebih dimensi.
• Pivot
(rotate):
memvisualisasikan
operasi yang merotasikan sumbu data
sebagai alternatif dalam presentasi data.
Pemodelan Penyimpanan Data
Server OLAP memfasilitasi pengguna
dengan data multidimensi dari data
warehouse atau data mart, tanpa
mempermasalahkan tentang bagaimana atau
di mana data disimpan. Namun, arsitektur
3
fisik dan implementasi OLAP server harus
mempertimbangkan masalah penyimpanan
data. Implementasi dari sebuah server data
warehouse untuk pemrosesan OLAP
meliputi (Bouman & Doungen 2009):
menjelaskan apa yang terjadi ketika
pengguna menggunakan aplikasi Pentaho
OLAP (Bouman & Doungen 2009).
1
Pengguna web browser menggunakan
sebuah HTTP request untuk melihat,
browse atau drill down kedalam tabel
pivot OLAP
2
JPivot servlet menerima request dari
pengguna dan menerjemahkan request
tersebut kedalam sebuah MDX query.
MDX query ini kemudian dikirmkan ke
Mondrian engine
3
Mondrian menginterpretasikan MDX
query dan menerjemahkannya kedalam
satu atau lebih SQL query. Teknik
khusus ini disebut sebagai ROLAP,
yang merupakan singkatan dari
Relational OLAP
4
Relational
Database
Management
System (RDBMS) mengeksekusi query
yang
diberikan
oleh
Mondrian.
Mondrian menerima hasil query dalam
bentuk tabular (relational)
5
Mondrian memproses hasil yang
diterima
dari
RDBMS
dan
menerjemahkannya kedalam result-set
multidimensi. Ini sebenarnya adalah
hasil query MDX dari query MDX yang
dikirim ke Mondrian pada langkah 2
6
JPivot
menggunakan
hasil
multidimensi untuk membuat halaman
HTML menampilkan data. Inilah yang
kemudian dikirim ke browser untuk
ditunjukkan kepada pengguna
MOLAP
Multidimensional
online
analitycal
processing (MOLAP) menyimpan data dan
aggregasi pada struktur data multidimensi.
Struktur MOLAP ini tidak tersimpan pada
data warehouse tapi tersimpan pada OLAP
server, sehingga performa query yang
dihasilkan olehnya sangat bagus. Model
penyimpanan ini sesuai untuk database
dengan ukuran kecil sampai sedang.
ROLAP
Relational online analitycal processing
(ROLAP)
menggunakan
tabel
pada
relational database untuk menyimpan detail
data dan aggregasi kubus. Berbeda dengan
MOLAP, ROLAP tidak menyimpan salinan
database tapi mengakses langsung pada
tabel fakta ketika membutuhkan jawaban
sebuah query, sehingga query pada ROLAP
mempunyai response time yang lebih lambat
dibandingkan MOLAP maupun HOLAP.
Karakteristik model ini digunakan untuk
menyimpan data yang besar dan jarang
dilakukannya proses query. Misalkan, data
histori dalam jumlah besar dari beberapa
tahun yang sebelumnya.
HOLAP
Hybrid
OLAP,
Menggabungkan
teknologi ROLAP dan MOLAP. HOLAP
menggabungkan kelebihan-kelebihan yang
ada pada keduanya, skalabilitas yang lebih
besar dari ROLAP dan perhitungan yang
lebih cepat dari MOLAP. HOLAP
menggunakan relational database untuk
menyimpan detil data dan menggunakan
multidimentional
database
untuk
menyimpan agregasinya.
Arsitektur Komponen OLAP Pentaho
Mondrian merupakan aplikasi server
OLAP berbasis open source yang sangat
populer dan saat ini bernaung di bawah
Pentaho Corporation. Proyek Mondrian ini
merupakan kombinasi yang sangat baik
dengan JPivot - interface berbasis web yang
juga merupakan proyek open source.
Gambar 2 menunjukkan gambaran semantik
dari komponen Pentaho Analysis Services
dan hubungan diantara komponen tersebut.
Urutan peristiwa pada Gambar 4
Metode Pengembangan Data Warehouse
Metode
yang
digunakan
untuk
merancang database operasional meliputi
tahapan yang didefinisikan dengan baik.
Tahap pertama adalah spesifikasi kebutuhan
yang terdiri dari mengumpulkan permintaan
pengguna ke dalam spesifikasi yang koheren
dan ringkas. Tahap berikutnya, desain
konseptual, desain logis, dan desain fisik
yang merupakan hasil penerjemahan dari
kebutuhan pengguna.
Karena data warehouse adalah database
yang khusus ditujukan untuk mendukung
proses pengambilan keputusan, tahapan
yang digunakan dalam desain database
konvensional diadopsi untuk pengembangan
data warehouse.
4
OLAP Front End
Metadata and Beck End
Pentaho Schema Workbench
Client
Web Browser Crosstab
XML Editor
Pentaho Agregator Designer
………
∑
Edit
1. HTTP
Request
Optimize, Publish
Publish
Pentaho BI server
6. HTML
Response
Schema File
(XML)
Read Metadata
2. MDX
Jpivot
Servlet
Mondrian ROLAP
Engine
5. Multidimensional
Result
3. SQL
Data Warehouse
4. Relational Result
RDBMS
∑
Gambar 4 Gambaran komponen Pentaho OLAP (Bouman & Doungen 2009).
Selama proses pengumpulan kebutuhan,
pengguna di berbagai tingkat manajemen
diwawancara untuk mengetahui analisis
kebutuhan mereka. Spesifikasi yang
diperoleh berfungsi sebagai dasar untuk
membuat sebuah skema database yang
mampu merespon permintaan pengguna.
Dalam banyak situasi, karena kurangnya
model konseptual yang diterima baik untuk
aplikasi
data
warehouse,
desainer
melewatkan tahap desain konseptual dan
menggunakan representasi logis berdasarkan
skema bintang dan / atau skema kepingan
salju.
Selanjutnya
desain
fisik
mempertimbangkan
fasilitas
yang
disediakan oleh DBMS yang ada untuk
melakukan penyimpanan, pengindeksan, dan
manipulasi data yang terdapat pada data
warehouse.
Namun, pengalaman menunjukkan
bahwa
pengembangan
sistem
data
warehouse berbeda secara signifikan dari
pengembangan
sistem
database
konvensional. Oleh karena itu, modifikasi
terhadap metode yang dijelaskan di atas
sangat penting. Sebagai contoh, tidak seperti
database konvensional, data dalam data
warehouse diekstrak dari sistem beberapa
sumber. Sebagai akibatnya, beberapa
pendekatan untuk desain data warehouse
tidak hanya mempertimbangkan kebutuhan
pengguna tetapi juga ketersediaan data.
Selain itu, karena dalam banyak kasus data
diambil dari berbagai sumber maka harus
ditransformasikan sebelum dimuat ke dalam
data
warehouse,
maka
perlu
dipertimbangkan selama desain data
warehouse proses ekstraksi-transformasiloading
(ETL).
Gambaran
metode
pengembangan data warehouse dapat dilihat
pada Gambar 5 (Malinowski & Zimányi
2008).
5
Mulai
TAHAP I
Spesifikasi Kebutuhan
dimensi tersebut dan skema yang terbentuk
pada tahapan ini. Pada tahapan ini, terdapat
beberapa perbedaan dengan penelitian
sebelumnya diantaranya adalah skema yang
digunakan dan kubus data yang terbentuk.
Mulai
Desain Konseptual
Desain Logis
TAHAP II
Desain Logis
Proses Loading
Desain Fisik
Proses ETL
Desain Fisik
Uji Query
Uji Query
TAHAP III
Data Warehouse Final
Data Warehouse Final
Selesai
Selesai
Gambar 6 Diagram alir metode penelitian.
Proses Loading
Keterangan:
: Optional
Gambar 5 Gambaran metode pengembangan
data warehouse (Malinowski &
Zimányi 2008).
METODE PENELITIAN
Tahapan yang dilakukan pada penelitian
ini dapat dilihat pada Gambar 6. Penelitian
ini menggunakan data pada penelitian
sebelumnya sehingga tahapan spesifikasi
kebutuhan,
proses
ekstraksi,
dan
transformasi data tidak dilakukan.
Desain Logis
Pada tahap ini dilakukan desain logis
terhadap atribut-atribut yang didapat pada
tahapan sebelumnya. Dari atribut-atribut
tersebut, ditentukan yang menjadi ukuran
(measure) dan yang bukan ukuran (nonmeasure) pada sebuah tabel fakta. Selain itu
ditentukan pula dimensi beserta hierarki dari
Pada tahap ini data sudah siap untuk
dimasukkan ke data warehouse. Tahap
pemuatan bertujuan untuk memuat data yang
terseleksi ke dalam data warehouse tujuan
dan membuat indeks yang diperlukan.
Desain Fisik
Tahapan ini melakukan konversi data
yang dihasilkan pada proses ETL kedalam
sistem manajemen basis data MySQL.
Uji Query
Tahap ini dilakukan setelah pembuatan
data warehouse selesai. Pengujian ini
dilakukan untuk melihat apakah operasi
dasar OLAP berhasil diimplementasikan dan
sesuai dengan informasi yang ditampilkan.
Pengujian
dilakukan
dengan
memvisualisasikan kubus data dengan grafik
dan tabel pivot.
Pembuatan Data Warehouse
Tahap ketiga yang dilakukan pada
penelitian ini adalah membuat data
6
warehouse dengan menggunakan data
penjualan produk surta Bakosurtanal mulai
tahun 2002 sampai tahun 2007.
Lingkungan Pengembangan
Lingkungan
pengembangan
yang
digunakan untuk pengembangan aplikasi
OLAP adalah sebagai berikut:
Perangkat lunak yang digunakan:
1 Web server Apache Tomcat
2 MySQL versi 5.0
3 Mondrian Server 3.1.6
4 Windows XP Pro SP2 Edition
5 Schema Workbench
6 Web browser Mozilla Firefox 3.0.1
Perangkat keras yang digunakan dalam
membagun sistem ini berupa komputer
dengan spesifikasi:
atribut yang menjadi ukuran (measure) dan
non ukuran (non measure), maka ditentukan
terlebih dahulu atribut yang dipilih
berdasarkan kebutuhan analisis data
penjualan setiap pengguna. Pemilihan atribut
berdasarkan subjek utama yang akan
dianalisis untuk proses pengambilan
keputusan sesuai dengan kebutuhan
pengguna. Atribut yang digunakan dapat
dilihat pada Tabel 1 sedangkan kebutuhan
analisis data penjualan setiap pengguna
dapat dilihat pada Tabel 2. Jumlah lembar
dipilih sebagai measure untuk mengetahui
jumlah lembar produk yang terjual pada
bulan dan tahun tertentu sedangkan jumlah
harga, dipilih sebagai measure untuk
mengetahui jumlah rupiah yang diperoleh
dari penjualan produk pada bulan dan tahun
tertentu.
Tabel 1 Atribut hasil analisis dan deskripsi
tiap atribut (Nurhasanah 2009)
Atribut
1 Processor Intel Core Duo
2 Memory 512 MB
Deskripsi
Tanggal
Tanggal pemesanan
Kualifikasi
Nama kualifikasi
Jenis data
Nama jenis data
Skala
Nilai skala
Jumlah lembar
Menyatakan jumlah
lembar
Jumlah harga
Menyatakan jumlah
harga
3 Harddisk 80 GB
4 Keyboard dan mouse
5 Monitor
HASIL DAN PEMBAHASAN
Selama ini, proses analisis data hasil
penjualan masih dilakukan secara manual.
Proses bisnis dari kegiatan penjualan
tersebut dapat dilihat pada Lampiran 1.
Untuk memesan produk surta pengguna
harus mengisi lembar pesanan yang
disediakan di loket penjualan.
Bentuk
lembar pemesanan dapat dilihat pada
Lampiran 2. Kemudian staf pelayanan
mencatat data penjualan tersebut dengan
menggunakan Microsoft Office Excel,
hasilnya dapat dilihat pada Lampiran 3.
Untuk membuat laporan masih dilakukan
query manual pada tiap tabel data di
Microsoft Office Excel. Contoh laporan
yang dihasilkan dapat dilihat pada Lampiran
4. Dalam proses bisnis di atas, data yang
tercatat memiliki atribut-atribut terbatas dan
tidak konsisten antar tahun seperti terlihat
pada Lampiran 5. Hal ini membuat hasil
analisis kurang akurat dan membutuhkan
waktu lama.
Desain Logis
Sebelum menentukan desain logis dalam
bentuk skema dengan cara memilih atribut-
Tabel 2 Kebutuhan analisis data penjualan
setiap pengguna (Nurhasanah 2009)
Pengguna
Kebutuhan
Frekuensi
Kepala
Bidang
Pelayanan
Jumlah
hasil
penjualan
per
jenis
data,
per
skala, dan
berdasarkan
kualifikasi
pembeli.
Bulanan,
tahunan
Kepala Unit
Kerja Eselon
II
Jumlah
hasil
penjualan
per
unit
kerja
masingmasing.
Bulanan,
tahunan
7
Pengguna
Kebutuhan
Frekuensi
Bagian
Perencanaan
Jumlah
hasil
penjualan
per
jenis
data dan per
skala.
Bulanan,
3 bulanan,
tahunan
Jumlah
hasil
penjualan
setiap bulan
dalam satu
tahun,
jumlah hasil
penjualan
per
jenis
data,
per
skala dan
berdasarkan
kualifikasi
pembeli.
Bulanan,
tahunan
Sekretaris
Utama
dan dapat dilihat pada Gambar 7 disertai
dengan perbandingan skema yang digunakan
pada penelitian sebelumnya yaitu skema
galaksi yang dapat dilihat pada Gambar 8.
Proses Loading
Proses ekstraksi dan transformasi data
telah dilakukan pada penelitian sebelumnya
sehingga proses yang dilakukan pada
tahapan ini hanya proses pemuatan data
(loading). Proses pemuatan data tetap
dilakukan karena terdapat perbedaan OLAP
server yang digunakan. Data yang sudah
siap digunakan untuk pembuatan data
warehouse dimuat ke kubus data OLAP
server Mondrian dengan format .xml.
Desain Fisik
Desain fisik nama dan deskripsi dimensi
dari kubus Jumlah Penjualan dapat dilihat
pada Tabel 3.
Hasil analisis data ditentukan satu tabel
fakta (penjualan_produk) dan empat dimensi
(kualifikasi, jenis data, waktu, dan skala).
Untuk masing-masing dimensi ditentukan
tingkat perincian yang diperlukan beserta
hierarki yang membentuknya. Dimensi
waktu dapat disusun dalam tiga level yaitu
tahun > triwulan > bulan. Dimensi jenis data
memiliki dua level yaitu nama unit kerja dan
nama data. Dimensi kualifikasi memiliki
satu level yaitu jenis kualifikasi. Dimensi
skala memiliki satu level yaitu skala. Model
hierarki setiap dimensi dapat dilihat pada
Lampiran 6 sedangkan data dalam tabel
dimensi dapat dilihat pada Lampiran 7.
Skema yang digunakan yaitu skema bintang
Tabel 3 Nama dan deskripsi dimensi dari
kubus Jumlah Penjualan
Nama Dimensi
Deskripsi
Waktu
Bulan dan tahun
pemesanan
Jenis_data
Nama jenis produk
Kualifikasi
Kualifikasi pemesan
Skala
Nilai skala
Ukuran
Jml_lembar
Nama ukuran (jumlah
lembar)
Ukuran
Jml_harga
Nama ukuran (jumlah
harga)
waktu
jenisdata
PK id_waktu
tahun
triwulan
bulan
PK id_data
nama_unit_kerja
nama_data
kualifikasi
PK id_kualifikasi
kualifikasi
penjualan_produk
FK id_waktu
FK id_kualifikasi
FK id_data
FK id_skala
jml_lembar
jml_harga
skala
PK id_skala
skala
Gambar 7 Skema bintang dengan tabel fakta penjualan_produk.
8
Gambar 8 Skema galaksi dengan tabel fakta lembar_penjualan dan harga_penjualan (Nurhasanah
2009).
Uji Query
Implementasi
yaitu:
KESIMPULAN DAN SARAN
operasi-operasi
OLAP
• Operasi roll up pada waktu, yaitu
triwulan (roll up) ke tahun. Contoh
roll up untuk mengetahui jumlah
lembar tiap tahun. Roll up dimensi
waktu dari tingkat triwulan menjadi
tingkat tahun untuk mengetahui
jumlah lembar produk surta yang
terjual per tahun. Implementasi roll
up dapat dilihat pada Lampiran 8.
• Operasi drill down dilakukan untuk
mengetahui jumlah lembar dan
jumlah harga hasil penjualan produk
surta yang lebih rinci. Misalnya
untuk mengetahui jumlah lembar
pada masing-masing jenis data.
Implementasi drill down dapat dilihat
pada Lampiran 9.
• Operasi Slice dan dice dilakukan
melihat keadaan jumlah lembar dan
jumlah harga hasil penjualan pada
waktu tertentu, jenis data dan skala
tertentu atau kualifikasi tertentu.
Implementasi hasil operasi slice
dapat dilihat pada Lampiran 10
sedangkan untuk operasi dice dapat
dilihat pada Lampiran 11 .
Kesimpulan
Dengan Pembangunan data warehouse
dan OLAP berbasis web data penjualan peta
Bakosurtanal, proses analisis hasil penjualan
produk surta tidak lagi dilakukan secara
manual. Hasil analisis yang dihasilkan lebih
akurat dan dapat disajikan dalam berbagai
format dan tampilan seperti dalam berbagai
bentuk grafik dan dalam bentuk .xls file.
dapat
melihat
Pengambil
keputusan
informasi penjualan dengan mudah dan
dapat dilakukan sewaktu-waktu karena
informasi diakses melalui web.
Saran
Dikembangkan aplikasi untuk integrasi
basis data penjualan dari masing-masing
outlet sehingga data warehouse yang dibuat
mencakup informasi mengenai jumlah hasil
penjualan dari masing-masing lokasi outlet.
DAFTAR PUSTAKA
Bouman R, Doungen J. 2009. Pentaho
Solutions: Business Intellegence and
Data Warehousing with Pentaho and
MySQL. Indianapolis : Wiley Publishing,
Inc.
Han J, Kamber M. 2006. Data Mining :
Concepts and Techniques. San Fransisco
: Morgan Kaufmann Publisher.
Malinowski E, Zimányi E. 2008. Advance
Data Warehouse Design. Berlin: Springer
9
Nurhasanah S. 2009. Prototipe Data
Warehouse Data Penjualan Produk
BAKOSURTANAL [Skripsi]. Bogor:
Departemen Ilmu Komputer, FMIPA,
Institut Pertanian Bogor.
Sulistyaningsih W. 2010. Pembangunan
Data Warehouse Akademik (Studi Kasus:
Kurikulum
Mayor-Minor
Program
Sarjana Departemen Ilmu Komputer IPB)
[Skripsi]. Bogor: Departemen Ilmu
Komputer, FMIPA, Institut Pertanian
Bogor.
Trisminingsih R. 2010. Pembangunan
Spatial Data Warehouse Berbasis Web
untuk Persebaran Hotspot di Wilayah
Indonesia [Skripsi]. Bogor: Departemen
Ilmu
Komputer,
FMIPA, Institut
Pertanian Bogor.
10
Lampiran 1 Proses bisnis kegiatan penjualan produk survei dan pemetaan
11
Lampiran 2 Bentuk formulir pemesanan (Form-LP)
12
LAPORAN PENJUALAN DATA PRODUK BAKOSURTANAL
BULAN : DESEMBER
TAHUN : 2006
1
01-12-06
Mega Gracia
Perorangan
LANGSUNG
Kualifikasi
ALAMAT
DAERAH
ATLAS
Pembelian
JUMLAH
1:1.000.000
INSTANSI
1:500.000
PEMESAN
1:250.000
TANGGAL
1:50.000
NO.
1:25.000
SKALA
LBR.
Perorangan
Jakarta
Jawa
2
2
Jawa
2
2
1
1
2
01-12-06
Tirto
PDAM Kab.
Pacitan
FAX
Negeri
Jl. Suryo
Pranoto No. 2
Pacitan Jatim
3
01-12-06
Nursudin
Perorangan
LANGSUNG
Perorangan
Jakarta
Jawa
4
01-12-06
Enom Surya
Perorangan
LANGSUNG
Perorangan
Jakarta
Kalimantan
4
4
Sumatera
15
15
5
01-12-06
Ujang
Pasifik Cons
LANGSUNG
Swasta
Jl. Muara Baru
Ujung No. 11
Bogor
6
01-12-06
Iryadi
Univ. YAI
LANGSUNG
Mahasiswa
Jakarta
Jawa
1
1
7
01-12-06
Dimas
Perorangan
LANGSUNG
Perorangan
Jakarta
Jawa
1
1
LPI
10
10
9
9
8
01-12-06
Dedi
PT. Sugico
Graha
LANGSUNG
Swasta
Jl. Imam
Bonjol No. 68
Jakarta
9
01-12-06
Ridwan
PT. Bhumi
Mandiri
Semesta
LANGSUNG
Swasta
Jakarta
Sumatera
10
01-12-06
Leny
Unpak
LANGSUNG
Mahasiswa
Bogor
Jawa
11
01-12-06
Bukhari
Perorangan
LANGSUNG
Perorangan
12
01-12-06
Sheila
PT. Connell
Wagner
LANGSUNG
Swasta
Jl. Gardu Raya
No. 11 Bogor
Gd. Artha
Graha Lt. 8
Jakarta
Aceh
Digital
Kalimantan
2
2
69
69
2
2
HARGA
40,000
40,000
Lampi
ran 3
Conto
h
catata
n data
penjua
lan
produ
k
Bakos
urtanal
20,000
80,000
150,000
20,000
20,000
250,000
90,000
40,000
690,000
300,000
13
13
01-12-06
Apris
CV. Techno
LANGSUNG
Swasta
Jakarta
Nusra
6
6
14
01-12-06
Chairil
Perorangan
LANGSUNG
Perorangan
Jakarta
Jawa
3
3
Dion
PT. Tripatra
Engg
Swasta
Jl. MT Haryono No. 11
Jakarta
Sumatera
15
01-12-06
LANGSUNG
12
Sumatera
16
01-12-06
Daryanto
Outlet Bappeda
Jateng
17
01-12-06
Yunus
PT. Mac
18
01-12-06
Wening
Perorangan
FAX
LANGSUNG
LANGSUNG
Jawa
89
89
Swasta
Jakarta
Jawa
3
3
Jl. Rajawali No. 29 Depok
Digital
Lampung
Perorangan
Edi
Pemkab. Bogor
LANGSUNG
Negeri
20
01-12-06
Tukiman
Perorangan
LANGSUNG
Perorangan
LANGSUNG
Swasta
LANGSUNG
Swasta
04-12-06
Dhany
22
04-12-06
Windo
PT. LMT
23
04-12-06
Ary
PT. Kalpataru
Investama
24
04-12-06
Edy
PT. Comet
Mawati
PT. Asoka Putra
Perkasa
25
04-12-06
Jl. Bersih No. 10 Pemda
Cibinong
Jl. Raya Jakarta Bogor
KM.46 Cibinong
Jl. Buncit Raya No. 45
Jakarta
Komp. Gudang Peluru
D/2 Jakarta
Jawa
2
2
3
Aceh
3
12
12
Jawa
3
3
Jawa
8
8
Kalimantan
6
6
Kalimantan
9
9
4
4
LANGSUNG
Swasta
Jl. MH Thamrin Kav. 53
Jakarta
LANGSUNG
Swasta
Jl. Tebet No. 10 Jakarta
Kalimantan
Swasta
Korea Center Building 4
Floor Jakarta
Kalimantan
LANGSUNG
2
Outlet
01-12-06
21
2
Jl. Pemuda No. 127-128
Semarang
19
PT. Sarana Eka
Citra
12
Sumatera
Sumatera
12
12
6
6
1
1
120,000
60,000
120,000
20,000
1,780,000
60,000
600,000
60,000
120,000
60,000
160,000
120,000
180,000
80,000
300,000
60,000
10,000
14
Lampiran 4 Contoh format laporan penjualan produk surta dalam bentuk grafik dan tabel
15
Lampiran 4 Lanjutan
KONTRIBUSI PUSAT-PUSAT DI BAKOSURTANAL TERHADAP PNBP
BULAN : DESEMBER 2007
NO
1
2
3
4
5
6
NAMA PUSAT
JUMLAH (RP)
PUSAT ATLAS
PDKK
PDRTR
PGG
PSSAD
PUSJASINFO
3,725,000
1,936,000
233,191,000
1,400,000
1,335,000
5,435,000
TOTAL
247,022,000
16
Lampiran 4 Lanjutan
REKAP PENJUALAN DATA PRODUK
BAKOSURTANAL
BULAN : DESEMBER 2007
NO.
1
2
3
4
5
6
1
2
3
4
5
6
7
8
9
10
1
2
1
2
1
1
2
3
4
5
URAIAN
PUSAT ATLAS
ATLAS
CD ATLAS ELEKTRONIK
INDONESIA FROM SPACE
BALI FROM SPACE
LOMBOK FROM SPACE
BANTEN FROM SPACE
PDRTR
BALI
DATA DIGITAL
IRIAN
JAWA
KALIMANTAN
NUSRA
MALUKU
SULAWESI
SUMATERA
PETA FOTO
PUSJASINFO
PLOT PETA
BUKU PANDUAN MEMBACA PETA
PDKK
LLN
LPI
PSSAD
REPPROT
PGG
Titik GPS
Titik TTG
BUKU PANDUAN DATUM
BUKU PASUT 2007
RAW DATA
TOTAL
JML. LEMBAR
51
11
2
1
1
1
8
237
98
1,806
877
322
19
529
313
6
33
7
25
20
5
6
21
1
1
5
4,406
17
Lampiran 5 Atribut-atribut data penjualan tahun 2002 – 2007
Nama Atribut
Tanggal
Instansi
Cara Order
Kualifikasi
Alamat
Daerah
Skala
Jumlah Lembar
Total Harga
2002
9
9
9
9
9
9
9
2003
9
9
9
9
9
9
9
2004
9
9
9
9
9
9
9
9
9
2005
9
9
9
9
9
9
9
9
9
2006
9
9
9
9
9
9
9
9
9
2007
9
9
9
9
9
9
9
9
9
18
Lampiran 6 Model hierarki tiap dimensi
a Model hierarki dimensi waktu
b Model hierarki dimensi jenis data
All
Unit Kerja
Jenis Data
All
PDRTR
Atlas
NTB from space
Buku Atlas
Indeks Atlas
Sulawesi
Sumatera
Peta Foto
Pusjasinfo
Plot Peta
PDKK
Buku Cakupan
Indeks Peta
LLN
PSDAD
LBI
Peta Neraca
Peta Tematik
Peta Propinsi
LPI
PGG
Titik TTG
PSDAL
Sisjar
Titik GPS Buku Spesifikasi
Basisdata
Buku SNI
Data Pasut
c Model hierarki dimensi kualifikasi
d Model hierarki dimensi skala
All
All
Skala
1:25.000
1:50.000
1:250.000
1:500.000
1:1.000.000
Atlas
19
Buku Integrasi Neraca
SDA
Lampiran 7 Data dalam tabel dimensi
a Data dimensi waktu
id_waktu
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
tahun
2002
2002
2002
2002
2002
2002
2002
2002
2002
2002
2002
2002
2003
2003
2003
2003
2003
2003
2003
2003
2003
2003
2003
2003
2004
2004
2004
2004
2004
2004
2004
2004
2004
2004
2004
2004
2005
2005
2005
2005
2005
2005
2005
2005
2005
2005
triwulan
Triwulan I 2002
Triwulan I 2002
Triwulan I 2002
Triwulan II 2002
Triwulan II 2002
Triwulan II 2002
Triwulan III 2002
Triwulan III 2002
Triwulan III 2002
Triwulan IV 2002
Triwulan IV 2002
Triwulan IV 2002
Triwulan I 2003
Triwulan I 2003
Triwulan I 2003
Triwulan II 2003
Triwulan II 2003
Triwulan II 2003
Triwulan III 2003
Triwulan III 2003
Triwulan III 2003
Triwulan IV 2003
Triwulan IV 2003
Triwulan IV 2003
Triwulan I 2004
Triwulan I 2004
Triwulan I 2004
Triwulan II 2004
Triwulan II 2004
Triwulan II 2004
Triwulan III 2004
Triwulan III 2004
Triwulan III 2004
Triwulan IV 2004
Triwulan IV 2004
Triwulan IV 2004
Triwulan I 2005
Triwulan I 2005
Triwulan I 2005
Triwulan II 2005
Triwulan II 2005
Triwulan II 2005
Triwulan III 2005
Triwulan III 2005
Triwulan III 2005
Triwulan IV 2005
bulan
Jan-2002
Feb-2002
Mar-2002
Apr-2002
May-2002
Jun-2002
Jul-2002
Aug-2002
Sep-2002
Oct-2002
Nov-2002
Dec-2002
Jan-2003
Feb-2003
Mar-2003
Apr-2003
May-2003
Jun-2003
Jul-2003
Aug-2003
Sep-2003
Oct-2003
Nov-2003
Dec-2003
Jan-2004
Feb-2004
Mar-2004
Apr-2004
May-2004
Jun-2004
Jul-2004
Aug-2004
Sep-2004
Oct-2004
Nov-2004
Dec-2004
Jan-2005
Feb-2005
Mar-2005
Apr-2005
May-2005
Jun-2005
Jul-2005
Aug-2005
Sep-2005
Oct-2005
20
Lampiran 7 Lanjutan
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
Triwulan IV 2005
Triwulan IV 2005
Triwulan I 2006
Triwulan I 2006
Triwulan I 2006
Triwulan II 2006
Triwulan II 2006
Triwulan II 2006
Triwulan III 2006
Triwulan III 2006
Triwulan III 2006
Triwulan IV 2006
Triwulan IV 2006
Triwulan IV 2006
Triwulan I 2007
Triwulan I 2007
Triwulan I 2007
Triwulan II 2007
Triwulan II 2007
Triwulan II 2007
Triwulan III 2007
Triwulan III 2007
Triwulan III 2007
Triwulan IV 2007
Triwulan IV 2007
Triwulan IV 2007
2005
2005
2006
2006
2006
2006
2006
2006
2006
2006
2006
2006
2006
2006
2007
2007
2007
2007
2007
2007
2007
2007
2007
2007
2007
2007
Nov-2005
Dec-2005
Jan-2006
Feb-2006
Mar-2006
Apr-2006
May-2006
Jun-2006
Jul-2006
Aug-2006
Sep-2006
Oct-2006
Nov-2006
Dec-2006
Jan-2007
Feb-2007
Mar-2007
Apr-2007
May-2007
Jun-2007
Jul-2007
Aug-2007
Sep-2007
Oct-2007
Nov-2007
Dec-2007
b Data dimensi kualifikasi
id_kualifikasi
kualifikasi
1
2
3
4
5
6
Swasta
Negeri
Perorangan
Mahasiswa
Outlet
Tidak ada keterangan
c Data dimensi skala
id_skala
1
2
3
4
5
6
skala
1:25.000
1:50.000
1:250.000
1:500.000
1:1.000.000
Atlas
21
Lampiran 7 Lanjutan
d Data dimensi jenis_data
id_data
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
nama data
NTB from Space
Indeks Atlas
Buku Atlas
Bali From Space
PETA WAC
Peta Jalur Penerbangan
LPI
LLN
LBI
Timor Timur
Sumatera
Sulawesi
Peta Indonesia
Peta Foto
Peta Dinding
Nusa Tenggara
Maluku
Kalimantan
Jawa
Irian Jaya
Data Digital
Bali
Aceh
Peta Dunia
Peta ASEAN
Foto Udara
Titik TTG
Titik GPS
Data Pasut
Buku Prediksi Pasut
Buku Panduan GPS
Buku Panduan Datum
Buku Jaringan Kontrol
Buku Data Kota
Spek Basis Data Neraca Sumberdaya Lahan
REPPORT
Peta Tematik
Peta Propinsi
Katalog Data Tematik
Digital Sistem Lahan Jatim
Buku Spek Teknis Nilai Ekonomi Sumberdaya Air
Buku Satuan Lahan
Peta Neraca
Buku Integrasi Neraca SDA
Plot Peta
Panduan Membaca Peta
unit_kerja
Atlas
Atlas
Atlas
Atlas
PDKK
PDKK
PDKK
PDKK
PDKK
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PDRTR
PGG
PGG
PGG
PGG
PGG
PGG
PGG
PGG
PSDAD
PSDAD
PSDAD
PSDAD
PSDAD
PSDAD
PSDAD
PSDAD
PSDAL
PSDAL
Pusjasinfo
Pusjasinfo
22
Lampiran 7 Lanjutan
47
48
49
50
Indeks Peta
Buku Cakupan
Buku Spesifikasi Basisdata
Buku SNI
Pusjasinfo
Pusjasinfo
Sisjar
Sisjar
23
Lampiran 8 Grafik hasil operasi roll up jumlah produk surta yang terjual per tahun
Roll up dari triwulan ke tahun
24
Lampiran 9 Grafik hasil operasi drill dwon jumlah produk surta yang terjual per jenis data
Drill down dari nama
pusat ke jenis data
25
Lampiran 10 Grafik hasil operasi slice jumlah lembar penjualan produk surta pada dimensi waktu dan dimensi skala
Slice jumlah produk surta yang terjual
setiap skala pada tahun 2003
26
Lampiran 11 Grafik hasil operasi dice jumlah lembar penjualan produk surta pada dimensi waktu , jenis data, dan kualifikasi tertentu
dice jumlah produk surta yang terjual
pada pusat Atlas dan PSDAD pada
Tahun 2004, 2006 dan 2007 dengan
kualifikasi pembeli Swasta
27
ABSTRACT
RIKA INDRIANI. Data Warehouse Sale Prototype of Bakosurtanal Product. Supervised by
HARI AGUNG ADRIANTO.
Speeding up reporting process and obtaining strategic information based on a multidimensional
analysis query can be done by building OLAP applications integrated with data warehouse.
Development of data warehouse Bakosurtanal product sales data and web-based OLAP
applications has been done using Palo. Palo is one of the OLAP server with multidimensional data
storage model (MOLAP). Mondrian is an OLAP server with relational data storage model
(ROLAP)
This research aims to develop a data warehouse and wab-based OLAP using Mondrian 3.1.6.
This research designs the data warehouse using star scheme and OLAP development. This
research produces a web-based OLAP cube consisting of one data cube: sales of products and four
dimensions: time, type of data, qualification, and scale. Users can interact with the following
facilities: 1) Selecting dimensions to display the information at the level needed, 2) Displaying
information in the form of bar charts, stacked bar, line charts, line charts, stacked area, and pie
charts 3) Exporting files into Microsoft Excel format. Users can explore this application using
OLAP operations including roll-up, drill-down, slice, dice, etc.
Keywords: data warehouse, data of sales, Bakosurtanal’s product, Mondrian
PENDAHULUAN
Latar Belakang
Badan Koordinasi Survei dan Pemetaan
Nasional
(Bakosurtanal)
merupakan
Lembaga Pemerintah Non Departemen yang
bertugas melaksanakan survei dan pemetaan
sesuai
dengan
ketentuan
peraturan
perundang-undangan yang berlaku. Dalam
hal tersebut, Bakosurtanal mempunyai
kewenangan menyediakan informasi spasial
kedalam suatu produk survei dan pemetaan
(surta) berupa peta atau atlas dalam berbagai
format, jenis dan skala. Untuk itu,
Bakosurtanal menjadi titik tumpu dalam
pelaksanaan pendistribusian dan pelayanan
produk surta kepada pengguna dalam
berbagai kalangan.
Perolehan produk surta dapat dilakukan
secara langsung atau tertulis (melalui surat/
faksimili).
Untuk
pembelian
secara
langsung, pengguna harus mengisi formulir
pesanan (Form-LP) yang disediakan di loket
penjualan. Setelah terjadi transaksi, petugas
unit pelayanan mencatat data penjualan
tersebut menggunakan Microsoft Office
Excel. Pengolahan data yang disajikan
dalam bentuk laporan penjualan masih
dilakukan dengan query manual pada setiap
tabel data penjualan yang tersimpan di
Microsoft Office Excel. Laporan tersebut
disesuaikan dengan kebutuhan pengguna.
Dengan proses tersebut, data yang tercatat
memiliki atribut-atribut terbatas dan tidak
konsisten antar t