Pembangunan Perangkat Lunak Data Warehouse Di CV. Karya Anugerah Tritunggal

SKRIPSI

Diajukan untuk Menempuh Ujian Akhir Sarjana

MUHAMMAD ALI SURADI

10110394

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK DAN ILMU KOMPUTER

UNIVERSITAS KOMPUTER INDONESIA

2016

iii

dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul Pembangunan Perangkat Lunak Data Warehouse di CV.Karya Anugerah Tritunggal.

Dalam penyusunan skripsi ini, penulis menyadari bahwa masih banyak kekurangan dan jauh dari kata sempurna. Namun penulis berharap skripsi ini dapat berguna bagi penulis dan bagi pembaca. Sesungguhnya banyak sekali pelajaran yang didapatkan penulis dalam proses penulisan skripsi ini, baik dari sisi formal, mental maupun non-formal. Hal tersebut merupakan karunia dari Allah SWT. Tidak lupa penulis mengucapkan terimakasih sebesar – besarnya karena berkat bantuan dan dukungan dari berbagai pihak tugas akhir ini dapat terselesaikan sebagai mana mestinya. Untuk itu saya mengucapkan terimakasih yang sebesar – besarnya kepada :

1. Allah SWT yang telah memberikan nikmat, rahmat dan kemudahan dalam pembuatan skripsi ini.

2. Kedua orang tua dan keluarga besar penulis yang sudah memberikan do’a, dukungan, kasih sayang dan motivasi, sehingga penulis dapat menyelesaikan skripsi ini.

3. Ibu Rani Susanto, S.Kom., M.Kom selaku dosen pembimbing yang telah banyak memberikan arahan, saran dan bimbingan kepada penulis.

4. Ibu Dian Dharmayanti, S.T., M.Kom. selaku dosen reviewer, yang telah memberikan arahan dan bimbingan kepada penulis

5. Ibu Sufaatin, S.T., M.Kom., selaku dosen wali, terima kasih banyak telah memberikan bimbingan dukungan dan arahan selama penulis berkuliah di Program Studi Teknik Informatika Universitas Komputer Indonesia.

6. Bapak dan Ibu dosen Program Studi Teknik Informatika yang telah ikhlas memberikan ilmu dan bantuan kepada penulis selama kuliah.

iv

8. Seluruh keluarga if-9 angkatan 2010 terimakasih atas dukungan dan kerjasamannya.

Akhir kata, semoga skripsi ini dapat bermanfaat bagi pembaca.

Bandung, 28 January 2016

v

DAFTAR ISI

ABSTRAK ... i

ABSTRACT ... ii

KATA PENGANTAR ... iii

DAFTAR ISI ... v

DAFTAR GAMBAR ... ix

DAFTAR TABEL ... xii

DAFTAR SIMBOL ... xvi

DAFTAR LAMPIRAN ... xx

BAB 1 PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 3

1.3 Maksud dan Tujuan ... 3

1.4 Batasan Masalah ... 3

1.5 Metodologi Penelitian ... 4

1.5.1 Metode Pengumpulan Data ... 4

1.5.2 Metode Pembangunan Perangkat Lunak ... 5

1.6 Sistematika Penulisan ... 6

BAB 2 TINJAUAN PUSTAKA ... 9

2.1 Profil Perusahaan ... 9

2.2 Struktur Organisasi Perusahaan ... 9

2.2.1 Deskripsi Kerja ... 10

2.3 Landasan Teori ... 12

2.3.1 Data ... 12

2.3.2 Informasi ... 12

2.3.3 Pengertian Basis Data (Database) ... 13

2.3.4 Database Management System (DBMS) ... 13

2.3.5 Data warehouse ... 14

2.3.5.1 Karakteristik Data warehouse ... 14

vi

2.3.5.3 Arsitektur Data warehouse ... 20

2.3.5.4 Proses ETL (Extraction, Transformation, Loading) ... 25

2.3.5.5 Jenis Dasar Data warehouse ... 27

2.3.5.6 Metodologi Perancangan Database untuk Data warehouse ... 30

2.3.5.7 Konsep pemodelan Data warehouse ... 31

2.3.5.8 Tujuan Data warehouse ... 37

2.3.5.9 Keuntungan Data warehouse ... 38

2.3.5.10 Data Warehouse Tools ... 39

2.3.6 The Systems Development Life Cycle (SDLC)... 42

2.3.6.1 Tahapan dalam Systems Development Life Cycle (SDLC) ... 42

2.3.7 OOAD (Object Oriented Analysis Design)... 43

2.3.7.1 Unified Modeling Language (UML) ... 44

2.3.7.2 Activity Diagram ... 44

2.3.7.3 Use Case... 44

2.3.7.4 Event Table ... 45

2.3.7.5 Use Case Description ... 46

2.3.7.6 Sequence Diagram ... 47

2.3.8 C# ... 48

2.3.9 SQL Server... 49

BAB 3 ANALISIS DAN PERANCANGAN ... 51

3.1 Analisis Sistem ... 51

3.1.1 Analisis Masalah ... 51

3.1.2 Analisis Sumber Data ... 52

3.1.3 Analisis Kebutuhan Informasi ... 57

3.2 Analisis Data Warehouse ... 57

3.2.1 Arsitektur Pembangunan Data Warehouse ... 57

3.2.2 Source Layer ... 58

3.2.3 Data Staging ... 58

3.2.4 Proses ETL ... 59

3.2.5 Data WareHouse Layer ... 84

vii

3.3 Spesifikasi Kebutuhan Perangkat Lunak ... 89

3.4 Analisis Kebutuhan Non Fungsional ... 90

3.5 Analisis Kebutuhan Fungsional ... 92

3.5.1 Usecase Diagram Perangkat lunak Datawarehouse ... 92

3.5.2 Definisi Aktor ... 93

3.5.3 Definisi Use Case ... 93

3.5.4 Skenario Use Case ... 93

3.5.5 Activity Diagram Perangkat Lunak Datawarehouse Karya Anugerah Tritunggal ... 95

3.5.6 Squence Diagram Perangkat Lunak Datawarehouse Karya Anugerah Tritunggal ... 100

3.5.7 Class Diagram Perangkat Lunak Datawarehouse Karya Anugerah Tritunggal ... 104

3.6 Perancangan Sistem ... 105

3.6.1 Perancangan Struktur menu ... 106

3.6.2 Perancangan Antarmuka Perangkat Lunak ... 108

3.6.3 Perancangan Form ... 108

3.6.4 Perancangan Report ... 111

3.6.5 Perancangan Pesan ... 112

3.6.6 Jaringan Semantik ... 114

BAB 4 IMPLEMENTASI DAN PENGUJIAN ... 116

4.1 Implementasi ... 116

4.1.1 Implementasi Perangkat Keras ... 116

4.1.2 Implementasi Perangkat Lunak ... 116

4.1.3 Implementasi Basis Data... 117

4.1.4 Implementasi Antar Muka ... 120

4.2 Pengujian Sistem ... 121

4.2.1 Pengujian Alpha ... 121

4.2.2 Kasus dan Hasil Pengujian Alpha ... 121

4.2.3 Kesimpulan Pengujian Alpha ... 126

viii

4.2.5 Pengujian Beta ... 128

4.2.6 Kesimpulan Pengujian Beta ... 131

BAB 5 KESIMPULAN DAN SARAN ... 132

5.1 Kesimpulan ... 132

5.2 Saran ... 132

134

[2] T. M. Connoly and E. B. Carolyn, Database Systems : A Practical approach to design, implamentation, and management, fourth edition, USA: Pearson Education Limited, 2005.

[3] W. H. Inmon, Building The Data Warehouse (4th ed.), IndianaPolis: Wiley Publishing, Inc., 2005.

[4] S. H. A. El-Sappagh, A. H. E. Bastawissy and A. M. A. Hendawi, "A proposed model for data warehouse ETL processes," p. 14, 2011.

[5] R. Kimball and R. Margy, The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling (2nd ed.), Wiley, 2002.

[6] I. Gustirahman, "Data Warehouse Retrieved," 2006. [Online]. Available: zakki.dosen.narotama.ac.id/files/2012/02/Definisi-Data-Warehouse.doc. [Accessed 10 Oktober 2015].

[7] H. Al Fatta, Analisis dan Perancangan Sistem Informasi, Yogyakarta: ANDI, 2007.

[8] J. W. Satzinger, J. Robert B and Stephen D Burd, Systems Analysis and Design in a Changing World, Fifth Edition, Course Technology, Cengange Learning, 2009.

[9] J. W. Satzinger, J. Robert B and S. D. Burd, System Analisis and Design with the Unified Process, USA: Course Technology, Cengage Learning, 2010. [10] D. Harold, Visual C# .Net Programming, Sybex, 2002.

[11] C. Leiter, D. Wood, M. Cierkowski and A. Boettger, Begining Microsoft SQL Server 2008 Administration, Wiley Publishing, Inc., 2009.

[12] datawarehouse4u, "Datawarehouse4u.Info," [Online]. Available:

135

[14] P. Ponniah, Data Warehousing Fundamentals. A Comprehensif Guide For IT Professional s, John Wiley & Sons, Inc., 2001 .

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

1

CV. Karya Anugerah Tritunggal merupakan perusahaan swasta dengan fokus pertumbuhan di bidang perdagangan batubara untuk industri, seperti industri listrik, semen, dan tekstil. Sejak didirikan pada tahun 2000, tujuan dari CV. Karya Anugerah Tritunggal adalah untuk mendapatkan keuntungan dari setiap peluang. Perusahaan telah menentukan beberapa tindakan untuk dapat mencapai tujuan tersebut yaitu, membina kerjasama dengan banyak perusahaan pertambangan untuk memenuhi persediaan, selalu memenuhi permintaan pasar, dan menanamkan investasi besar di sektor pertambangan. Oleh karena itu perusahaan membutuhkan pengolahan dan analisis yang tepat terhadap data operasional terutama data pembelian/pengadaan, data piutang produksi, data penjualan, data supplier, dan data konsumen.

Proses pengolahan data menjadi informasi memiliki peran yang sangat penting dalam pengambilan keputusan strategis perusahaan agar perusahaan tidak mengalami krisis informasi, perusahaan dituntut untuk memproses data menjadi informasi yang terintegrasi, dapat diakses, tepat, cepat, dan terpercaya. Krisis informasi bukan hanya disebabkan oleh kuantitas data namun dapat disebabkan juga oleh kualitas data yang diterima dan proses pengolahannya. Seiring dengan berjalannya waktu perusahaan ini telah memiliki data operasional yang terakumulasi dan menumpuk melihat CV. Karya Anugerah Tritunggal sudah memiliki konsumen yang cukup banyak.

Berdasarkan hasil wawancara dengan ibu Nur dari divisi operasional, didapatkan masalah bahwa pada kondisi sekarang, tidak adanya tindak lanjut terhadap data operasional tersebut dan proses pengolahan data yang ada saat ini masih belum memenuhi beberapa standar kualitas data yaitu integrated, integrity, accesible, dan timely. Pada standar kualitas data integrated, data operasional yang ada pada CV. Karya Anugerah Tritunggal masih terpisah pada setiap divisi yang berbeda. Kondisi eksisting pengolahan data perusahaan untuk standar kualitas

data integrity menunjukan setiap variabel pada data operasional tidak didukung oleh penggunaan jenis tipe data, hal ini terkadang mengakibatkan informasi yang salah pada saat pembuatan laporan. Data operasional yang terpisah pada setiap divisi berpengaruh pada standar kualitas data accesible yaitu, kurang efektif dalam mengakses data yang diinginkan dan sulit untuk menganalisa bisnis secara cepat dan tepat. Standar kualitas data berikutnya yang belum terpenuhi adalah timely, pencarian data yang dibutuhkan terkesan lambat karena banyaknya data yang menumpuk dan terpisah setiap divisi sehingga data tidak tersedia tepat pada waktu yang dibutuhkan. Hal tersebut menyebabkan hasil laporan akhir perusahaan masih berbentuk laporan setiap divisi saja, sehingga membuat pihak eksekutif perusahaan mengalami kesulitan dan terkesan lambat dalam menentuan kebijakan strategis karena struktur dari informasi yang dilaporkan sebagai laporan akhir tidak utuh dan tidak terintegrasi. Masalah tersebut terjadi karena kurangnya pengetahuan tentang pemanfaatan data yang melimpah tersebut. Oleh karena itu, ketersediaan data yang melimpah tersebut akan dimanfaatkan untuk pengembangan sebuah data warehouse yang kemudian dapat digunakan sebagai solusi bisnis untuk menentukan keputusan strategis perusahaan di masa mendatang.

Data warehouse adalah data yang mempunyai sifat berorientasi subjek, terintegrasi, time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management[3]. Pemakaian data warehouse hampir dibutuhkan oleh setiap perusahaan, Data warehouse memungkinkan integrasi berbagai macam jenis data dari berbagai macam aplikasi atau system yang dapat menjamin akses yang lebih cepat bagi manajemen untuk memperoleh informasi, dan menganalisisnya sebagai bahan informasi strategis khususnya untuk perusahaan.

Berdasarkan permasalahan di atas, untuk mengatasi permasalahan yang di hadapi CV. Karya Anugerah Tritunggal maka penelitian disini bermaksud untuk membuat Pembangunan Perangkat Lunak Data Warehouse di CV. Karya Anugerah Tritunggal.

1.2 Rumusan Masalah

Berdasarkan latar belakang yang telah disampaikan dapat diperoleh rumusan masalah yaitu bagaimana membangun sebuah perangkat lunak data warehouse di CV. Karya Anugerah Tritunggal.

1.3 Maksud dan Tujuan

Maksud dari penelitian ini adalah untuk membangun perangkat lunak Data Warehouse di CV. Karya Anugerah Tritunggal. Dan adapun tujuan dari penelitian ini adalah :

1. Menyajikan informasi yang multidimensi dan terintegrasi untuk pihak manager operasional.

2. Membantu pihak manager operasional dalam pembuatan laporan akhir yang multidimensi dan terintegrasi.

1.4 Batasan Masalah

Agar penelitian yang dilakukan lebih terarah dan mencapai sasaran yang ditentukan, maka diperlukan suatu pembatasan masalah atau ruang lingkup kajian yang meliputi hal-hal sebagai berikut :

1. Data yang digunakan adalah data penjualan, data pembelian, data angkutan, data konsumen, data suplier, data jenis material, data jenis pengiriman dan data jasa angkutan dalam waktu 3 bulan terakhir yang ada di CV. Karya Anugerah Tritunggal dengan format .xlsx(file microsoft exel).

2. Proses yang akan dilakukan yaitu : a. Proses Import data

b. Proses ETL (Extract, Transform, Load) c. Proses OLAP

3. Tools yang digunakan untuk data warehouse yaitu : a. SQL Server untuk pembangunan database

b. SQL Server BIDS sebagai pembangunan proses ETL dan proses OLAP c. DevExpress dan Crystal Reports sebagai tools pendukung dalam

pembangunan perangkat lunak datawarehouse d. Bahasa pemograman C# sebagai interface system.

4. Pemodelan analisis perangkat lunak yang digunakan adalah Object-oriented analysis and design (OOAD).

1.5 Metodologi Penelitian

Metodologi yang digunakan dalam penelitian ini adalah deskriptif. Metode deskriptif merupakan suatu metode penelitian yang bertujuan untuk membuat gambaran secara sistematis, faktual dan akurat mengenai fakta-fakta dan prilaku dari objek penelitian serta menjadi dasar pengambilan keputusan.

Adapun metode pengumpulan data, penelitian data mining dan pembangunan perangkat lunak sebagai berikut :

1.5.1 Metode Pengumpulan Data

Metedologi yang digunakan pada penelitian skripsi ini yaitu dengan melalui tahap pengumpulan data. Adapun metode pengumpulan data yang dilakukan adalah sebagai berikut:

a. Studi Pustaka

Memperoleh informasi dari penelitian terdahulu merupakan langkah penting dan harus dilakukan dalam penelitian. Hal ini dilakukan dengan cara menelusuri data dan informasi yang ada dan menelaahnya secara tekun, dengan cara membaca buku-buku, jurnal, skripsi, maupun referensi lainnya yang dapat dijadikan acuan pembahasan dalam pembangunan data warehouse ini.

b. Observasi

Teknik pengumpulan data dengan mengadakan penelitian dan terjun langsung ke lingkungan objek yang diteliti

c. Wawancara

Melakukan pengambilan data melalui wawancara atau diskusi dengan orang-orang yang terkait masalah data warehouse serta masalah-masalah yang terdapat pada penelitian yang diambil

1.5.2 Metode Pembangunan Perangkat Lunak

Teknik analisis data dalam pembuatan perangkat lunak menggunakan pemodelan perangkat lunak dengan paradigma waterfall seperti terlihat pada Gambar 1.1

Gambar 1.1 Model Waterfall [1]

Berikut adalah penjelasan dari tahapan-tahapan diatas: 1. Requirement Analysis and Definition

Merupakan tahapan penetapan fitur, kendala dan tujuan sistem melalui konsultasi dengan pengguna sistem. Semua hal tersebut akan ditetapkan secara rinci dan berfungsi sebagai spesifikasi sistem.

2. System and Software Design

Dalam tahapan ini akan dibentuk suatu arsitektur sistem berdasarkan persyaratan yang telah ditetapkan. Dan juga mengidentifikasi dan menggambarkan abstraksi dasar sistem perangkat lunak dan hubungan-hubungannya.

3. Implementation and Unit Testing

Dalam tahapan ini, hasil dari desain perangkat lunak akan direalisasikan sebagai satu set program atau unit program. Setiap unit akan diuji apakah sudah memenuhi spesifikasinya.

4. Integration and System Testing

Dalam tahapan ini, setiap unit program akan diintegrasikan satu sama lain dan diuji sebagai satu sistem yang utuh untuk memastikan sistem sudah memenuhi persyaratan yang ada. Setelah itu sistem akan dikirim ke pengguna sistem.

5. Operation and Maintenance

Dalam tahapan ini, sistem diinstal dan mulai digunakan. Selain itu juga memperbaiki error yang tidak ditemukan pada tahap pembuatan. Dalam tahap ini juga dilakukan pengembangan sistem seperti penambahan fitur dan fungsi baru.

1.6 Sistematika Penulisan

Sistematika penulisan skripsi ini disusun untuk memberikan gambaran secara umum tentang penelitian yang dijalankan. Sistematika penulisan skripsi ini adalah sebagai berikut :

BAB 1 PENDAHULUAN

Bab 1 membahas mengenai latar belakang permasalahan, mengidentifikasi masalah yang dihadapi, menentukan maksud dan tujuan penelitian, dengan diikuti batasan masalah agar penelitian lebih terfokus, menentukan metodologi penelitian yang digunakan, serta sistematika penulisan.

BAB 2 TINJAUAN PUSTAKA

Bab 2 membahas mengenai konsep dasar serta teori-teori yang berkaitan dengan topik penelitian dan hal-hal yang berguna dalam proses analisis permasalahan.

BAB 3 ANALISIS DAN PERANCANGAN SISTEM

Bab 3 menganalisis masalah dari semua data yang ada di CV. Karya Anugerah Tritunggal untuk kemudian dilakukan proses perancangan sistem yang akan dibangun sesuai dengan analisa yang telah dilakukan.

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab 4 membahas tentang implementasi dari tahapan-tahapan penting yang telah dilakukan sebelumnya kemudian dilakukan pengujian terhadap kesesuaian sistem dengan tahapan yang telah ditentukan untuk memperlihatkan sejauh mana sistem layak digunakan.

BAB 5 KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan terhadap hasil penelitian yang dilakukan beserta saran-saran untuk adanya pengembangan dan kualitas sistem untuk kedepannya agar sistem yang dibuat menjadi lebih baik serta lebih kompleks.

9

CV Karya Anugerah Tritunggal didirikan pada tanggal 31 Juli 2007 dengan nomor SIUP 510/1-6896/2009/P.7/2246-BPPT dan beralamat di Jalan Cikawao Permai B8, Bandung. CV Karya Anugerah Tritunggal dibentuk atas landasan kepercayaan kepada Tuhan Yang Maha Kuasa untuk turut berperan serta dalam meningkatkan kualitas hidup bangsa melalui peningkatan kualitas sumber daya manusia dan pemanfaatan sumber daya alam yang optimal.

Desentralisasi kekuasaan pemerintah dalam bidang pertambangan memberikan peluang pada perusahaan untuk melengkapi pelaku tambang di Indonesia, terutama dalam bidang perdagangan batu bara skala menengah-kecil. Kegiatan usaha perusahaan adalah mengambil keuntungan dari pengepakan batu bara yang telah ditambang oleh perusahaan lain, dengan basis pembelian di Pelabuhan Cirebon. CV Karya Anugerah Tritunggal menyediakan tiga jenis dari kualitas dan spesifikasi batubara, dua jenis batu bara dengan total sulfur kurang dari 1% dan satu jenis dengan nilai kalori berkisar 4000 kg.

Visi CV Karya Anugerah Tritunggal adalah menjadi pedagang batu bara yang efisien dan handal. Visi tersebut dapat dicapai dengan melaksanakan misi sebagai berikut:

1. Memberikan pelayanan terbaik bagi costumer dalam bidang perdagangan batu bara.

2. Mengembangkan sumber daya manusia untuk mencapai kesejahteraan yang lebih baik.

3. Meningkatkan kompetensi perusahaan sehingga mencapai efisiensi yang optimum dengan teknolgi yang mutakhir.

2.2 Struktur Organisasi Perusahaan

CV. Anugerah Karya Tritunggal memiliki susunan organisasi dan pembagian kerja untuk melaksanakan kegiatan bisnis dan tugas pokok.

Perusahaan ini dikepalai oleh seorang komanditer dan dibantu oleh direktur. Bagan struktur organisasi CV. Anugerah Karya Tritunggal akan ditampilkan pada gambar 2.1.

Gambar 2.1 Bagan Susunan Organisasi CV. Karya Anugerah Tritunggal, 2015 (Sumber: Olah Data CV. Anugerah Karya Tritunggal, 2015)

2.2.1 Deskripsi Kerja

Berikut ini adalah penjelasan ringkas mengenai tugas dan tanggung jawab tiap bagian kerja di CV. Anugerah Karya Tritunggal.

1. Komanditer

Komanditer bertugas untuk mengawasi jalannya kegiatan perusahaan dan menerima laporan perkembangan perusahaan dari direktur.

2. Direktur

Bertugas sebagai koordinator dan mengendalikan semua kegiatan dalam perusahaan, seperti merencanakan dan mengembangakan sumber pendapatan, pembelanjaan dan kekayaan perusahaan.

3. Bagian Operasional

Bagian ini bertugas dalam pengambilan keputusan yang berkaitan dengan fungsi operasi dan sistem transformasi, perancangan, dan desain sistem,

Komanditer

Direktur

Bagian Operasional

Penjualan Pembelia

n

Persediaa

n Angkutan

Bagian Keuangan

Bagian Akuntansi

Bagian Pajak

serta rancangan tugas pekerjaan. Bagian operasional membawahi empat sub-bagian yaitu penjualan, pembelian, persediaan, dan angkutan.

a. Penjualan

Sub-bagian penjualan bertugas untuk mencatat pesanan pembelian (purchase order) dari konsumen, membuat faktur penjualan (invoice) dan surat jalan, melakukan penagihan kepada konsumen, dan membuat laporan penjualan.

b. Pembelian

Sub-bagian agian ini bertugas untuk memesan batu bara kepada pihak supplier, melakukan konfirmasi pembelian, mencatat transaksi pembelian, dan membuat laporan pembelian, serta melakukan pembayaran hutang pembelian.

c. Persediaan

Sub-bagian persediaan memiliki tugas untuk mencatat arus masuk dan arus keluar setiap batu bara.

d. Angkutan

Tugas dari sub-bagian ini adalah melakukan konfirmasi kepada bagian persediaan, mengirim batu bara kepada konsumen, membuat faktur angkutan, dan melakukan pembayaran tagihan angkutan kepada pihak ketiga.

4. Bagian Keuangan

Bagian keuangan bertanggung jawab atas seluruh kegiatan keuangan perusahaan termasuk melakukan perencanaan keuangan, mengumpulkan dana perusahaan dan mengamankan dana tersebut.

5. Bagian Akuntansi

Tugas bagian akuntansi adalah untuk menangani setiap masalah keuangan dan membuat laporan keuangan.

6. Bagian Pajak

2.3 Landasan Teori

Landasan teori membahas mengenai materi atau teori apa saja yang digunakan sebagai acuan dalam membuat tugas akhir ini. Landasan teori yang diuraikan merupakan hasil studi literatur, baik dari buku, maupun situs internet. 2.3.1 Data

Menurut O’Brien, data adalah fakta-fakta atau obeservasi mengenai fenomena fisik atau transaksi bisnis [1]. Lebih khusus lagi, data adalah ukuran objektif dari atribut (karakteristik) dari entitas seperti orang-orang, tempat, benda atau kejadian.

2.3.2 Informasi

Informasi adalah hasil analisis dan sintesis terhadap data. Dengan kata lain, informasi dapat dikatakan sebagai data yang telah diorganisasikan ke dalam bentuk yang sesuai dengan kebutuhan seseorang. Menurut Encyclopedia of Computer Science and Engineering, banyak ilmuwan di bidang informasi menerima definisi standar bahwa informasi adalah data yang digunakan dalam pengambilan keputusan. Alasanya adalah bahwa informasi bersifat relatif, relatif terhadap situasi, relatif terhadap waktu saat keputusan diambil, juga relatif terhadap pembuat keputusan, dan bahkan juga relatif terhadap latar belakang pengambil keputusan.

Segala sesuatu yang dianggap penting pada suatu waktu bisa saja tidak berguna pada waktu yang lain. Ada kemungkinan pula bahwa sesuatu yang dianggap penting oleh seorang pengambil keputusan tidak dianggap penting bagi orang lain.

Dalam era reformasi, informasi menjadi sumber penting untuk melakukan pengambilan keputusan. Informasi dapat mengurangi ketidakpastian dan mempermudah pengambilan keputusan.

2.3.3 Pengertian Basis Data (Database)

Menurut O’Brien, database adalah kumpulan terpadu dari elemen data logis yang saling berhubungan [1]. Database mengonsolidasi banyak catatan yang sebelumnya disimpan dalam file terpisah agar kelompok data yang sama menyediakan banyak aplikasi.

2.3.4 Database Management System (DBMS)

Menurut Connolly dan Begg, “Database Management System (DBMS) is a software system that enables users to define, create, maintain, and control access to the database” [2]. Yang dapat diartikan bahwa DBMS adalah sebuah system software yang memungkinkan user untuk mendefinisikan, membuat, memelihara, dan mengawasi akses ke database. Sebuah DBMS harus menyediakan fasilitas sebagai berikut :

1. Mampu mendefinisikan database, biasanya melalui Data Definition Language (DDL). DDL memungkinkan user untuk menentukan tipe data, struktur, dan batasan terhadap data yang akan disimpan ke database. 2. Memungkinkan user untuk memasukan (insert), merubah (update),

menghapus (delete), dan mengambil (retrieve) data dari database, biasanya melalui Data Manipulation Language (DML). DML memungkinkan user untuk melakukan query.

3. Menyediakan kendali akses ke database. Sebagai contoh DBMS dapat menyediakan :

a. Sistem keamanan yang memungkinkan untuk mencegah user yang tidak berkepentingan untuk mengakses database.

b. Sistem integrasi yang menjaga konsistensi data yang tersimpan.

c. Sistem kendali yang memungkinkan database untuk diakses secara bersamaan.

d. Sistem pemulihan yang memungkinkan untuk mengembalikan keadaan database ke kondisi konsisten yang sebelumnya jika terjadi kesalahan, termasuk kesalahan hardware dan software.

e. Sebuah katalog yang bisa diakses oleh user yang di dalamnya terdapat deskripsi atau penjelasan dari data yang terdapat di dalam database. 2.3.5 Data warehouse

Pengertian Data warehouse dapat bermacam-macam namun mempunyai inti yang sama, seperti pendapat beberapa ahli berikut ini :

Data warehouse adalah koleksi data yang mempunyai sifat berorientasi subjek, terintegrasi, time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management [3].

Data warehouse merupakan database relasional yang didesain lebih kepada query dan analisa dari pada proses transaksi, biasanya mengandung history data dari proses transaksi dan bisa juga data dari sumber lainnya. Data warehouse memisahkan beban kerja analisis dari beban kerja transaksi dan memungkinkan organisasi menggabung/konsolidasi data dari berbagai macam sumber [3] .

Data warehouse merupakan metode dalam perancangan database, yang menunjang DSS (Decission Support System) dan EIS (Executive Information System). Secara fisik data warehouse adalah database, tapi perancangan data warehouse dan database sangat berbeda. Dalam perancangan database tradisional menggunakan normalisasi, sedangkan pada data warehouse normalisasi bukanlah cara yang terbaik [3].

Dari definisi-definisi yang dijelaskan tadi, dapat disimpulkan data warehouse adalah database yang saling bereaksi yang dapat digunakan untuk query dan analisisis, bersifat orientasi subjek, terintegrasi, time-variant, tidak berubah yang digunakan untuk membantu para pengambil keputusan.

2.3.5.1Karakteristik Data warehouse

Menurut Inmon, Data warehouse didefinisikan dengan karakteristik sebagai berikut [3] :

1. Subject Oriented (Berorientasi Subjek)

Subject oriented berarti data warehouse dibuat atau disusun berdasarkan pada subjek utama dalam lingkungan perusahaan, bukan berorientasi pada proses atau fungsi aplikasi seperti yang terjadi pada lingkungan operasional. Sebagai contoh adalah sebuah perusahaan asuransi aplikasi terdiri dari mobil, kesehatan, jiwa, dan kehilangan. Sedangkan pada data warehouse diatur berdasarkan pelanggan, polis, premi dan klaim.

Gambar 2.2 subject oriented dalam data warehouse [3]

2. Integrated (Terintegrasi)

Data dalam data warehouse bersifat terintegrasi karena bersumber dari sistem – sistem aplikasi yang berbeda dalam perusahaan. Sumber data demikian sering tidak konsisten, misalnya karena berbeda format. Sumber data yang terintegrasi ini harus dibuat konsisten untuk memberikan data yang seragam pada para pengguna.

Gambar 2.3 Integrated data dalam data warehouse [3]

3. Non Volatile

Data dalam data warehouse tidak di-update dalam real time melainkan diperbarui secara periodik dari sistem operasional. Data baru selalu ditambahkan sebagai tambahan bagi database, bukan sebagai pengganti. Database secara terus–menerus mengambil data baru, menambahnya, dan mengintegrasikannya dengan data sebelumnya.

Gambar 2.4 non-volatility dalam data warehouse [3]

4. Time Variant (Rentang Waktu)

Data dalam data warehouse bersifat tepat dan valid dalam jangka waktu tertentu. Data dalam data warehouse terdiri dari serangkaian snapshot, masing–masing menunjukan data operasional yang diambil pada suatu waktu tertentu.

2.3.5.2Struktur Data warehouse

Struktur data warehouse menunjukan level detail yang berbeda dalam data warehouse. Terdapat older level of detail, current level of detail, level of lightly summarized data (level data mart), dan level of highly summarized data. Data mengalir kedalam data warehouse dari lingkaran operasional. Biasanya transformasi penting dari data terjadi pada jalur dari level data operasional ke level data warehouse [3].

Gambar 2.6 Struktur dari data warehouse [3]

Sekali data disimpan, data melalui current detail ke older detail. Selama data diringkas, data melalui current detail ke older detail. Selama data diringkas, data melalui current detail ke lightly summarixed data, kemudian dari lightly summarized data ke highly summarized data.

1. Current Detail Data

Current detail data adalah datadetail yang sedang aktif saat ini, mencerminkan keadaan yang sedang berjalan saat ini dan merupakan tingkat terendah dalam data warehouse. Current detail data ini biasanya memerlukan media penyimpanan data yang cukup besar. Alasan perlu diperhatikan current detail data adalah sebagai berikut :

a. Menggambarkan kejadian yang baru terjadi dan selalu menjadi perhatian utama.

b. Hampir selalu disimpan di media penyimpanan karena cepat diakses tetapi mahal dan kompleks dalam pengaturannya.

c. Dapat digunakan dalam membuat rekapitulasi sehingga current detail data harus akurat.

d. Jumlahnya sangat banyak dan disimpan pada tingkat penyimpanan rendah.

2. Old Detail Data

Old detail data adalah data historis dapat berupa hasil back-up yang dapat disimpan dalam media penyimpanan yang terpisah dan dapat diakses kembali pada saat tertentu. Data ini jarang diakses sehingga disimpan dalam media penyimpanan alternatif seperti tape dan disk. Data ini biasanya memiliki tingkat frekuensi akses yang rendah. Penyusunan file atau directory dari data ini disusun berdasarkan umur dari data yang bertujuan mempermudah untuk pencarian atau pengaksesan kembali. 3. Lightly S ummarized Data

Data ini merup akan ringkasan atau rangkuman dari current detail data. Data ini dirangkum berdasarkan periode atau dimensi lainnya sesuai dengan kebutuhan. Ringkasan dari current detail data belum bersifat total summary. Data-data ini memiliki detail tingkatan yang lebih tinggi dari current detail data dan mendukung kebutuhan warehouse pada tingkat departemen. Tingkatan data ini disebut juga dengan data mart. Akses terhadap data jenis ini banyak digunakan untuk View suatu kondisi yang sedang atau sudah berjalan.

4. Highly Summarized Data

Data ini merupakan tingkat lanjutan dari lightly summarized data, yang merupakan hasil ringkasan yang bersifat totalitas, dapat diakses misalnya untuk melakukan analisis perbandingan data berdasarkan urutan waktu tertentu dan analisis menggunakan data multidimensi.

5. Metadata

Metadata adalah data mengenai data yang berisi lokasi dan deskripsi sistem komponen data warehouse seperti nama, definisi, struktur, dan isi dari data warehouse, identifikasi dari sumber data yang berwenang, dan lainnya Metadata merupakan data yang menjelaskan tentang data dan merupakan suatu bentuk jaringan yang sangat penting bagi penggunaan data warehouse. Metadata dibuat untuk menjawab kebutuhan dari suatu fungsi tertentu karena setiap departemen biasanya menggunakan struktur data yang spesifik meskipun sumber datanya sama. Peranan Metadata yaitu :

a. Sebagai directory untuk membantu penggunaan data warehouse menempatkan isi data dan mengetahui lokasi data dalam data warehouse.

b. Sebagai panduan untuk menempatkan (mapping) data pada saat data ditransformasikan dari OLTP ke dalam lingkungan data warehouse. c. Sebagai panduan untuk menghasilkan rangkuman dari current detailed

data menjadi lightly summarized data dan dari lightly summarized data menjadi highly summarized data.

2.3.5.3 Arsitektur Data warehouse

Menurut Connolly, komponen–komponen utama sebuah data warehouse antara lain [2]:

1. Operational Data

Data untuk data warehouse berasal dari :

a. Mainframe data operasional yang berada pada tingkatan database generasi pertama dan database jaringan. Diperhatikan sebagian besar data operasional perusahaan disimpan pada sistem tersebut. b. Data departemen yang berada di sistem file DBMS relasional

(seperti SQL Server 2008).

c. Data pribadi yang berada di server dan workstation pribadi.

d. Sistem–sistem eksternal seperti internet, database yang tersedia secara komersil, dan database yang berhubungan dengan pemasok atau pelanggan perusahaan.

2. Operational Datastore

Sebuah operational data store (ODS) adalah sebuah tempat penyimpanan data operasional terkini dan terintegrasi, yang digunakan untuk kebutuhan analisis. ODS memiliki struktur dan sumber data yang sama dengan data warehouse, berperan sebagai tempat penyimpanan data sebelum dipindahkan ke data warehouse ODS menyimpan data yang telah di-extract dari sistem sumber dan telah dibersihkan. Dengan demikian, proses pengintegrasian dan rekontruksi data untuk data warehouse menjadi lebih sederhana.

3. Load Manager

Load Manager melakukan semua operasi yang berhubungan dengan fungsi extracting / mengambil data dan fungsi loading / meletakkan data ke dalam data warehouse. Data dapat di-extract dari sumber – sumber data atau pada umumnya diambil dari operational data store. Operasi yang dilakukan Load Manager dapat berupa transformasi data yang sederhana untuk mempersiapkan pemasukan data ke dalam data warehouse. Ukuran dan kompleksitas komponen ini akan berbeda sesuai dengan data warehouse yang dirancang dan dapat dibangun menggunakan kombinasi antara vendor loading dan custom- build programs.

4. Warehouse Manager

Warehouse manager melakukan semua operasi yang berhubungan dengan manajemen data dalam data warehouse. Komponen ini dibangun menggunakan vendor dan management tools dan custom-build programs. Operasi yang dilakukan oleh data warehouse manager berupa :

a. Melakukan analisis data untuk menjaga konsistensi data.

b. Melakukan transformasi dan penggabungan sumber data dari penyimpanan sementara ke dalam table – table data warehouse. c. Menciptakan index dan view pada base tables.

d. Melakukan denormalisasi (jika diperlukan). e. Melakukan agregasi (jika diperlukan)

f. Melakukan back-up dan archive / back-up data 5. Query Manager

Query manager melakukan semua operasi yang berhubungan dengan management user queries. Komponen ini dibangun menggunakan vendorend-user data access tools, data warehouse monitoring tools, fasilitas database, dan custom build-in programs. Kompleksitas queries manager ditentukan oleh fasilitas yang disediakan end-user access tools dan database. Operasi yang dilakukan komponen ini berupa pengarahan query pada table – table yang tepat dan penjadwalan eksekusi query. 6. Detailed Data

Komponen ini menyimpan semua detil dalam skema basis data. Pada umumnya beberpa data tidak disimpan secara fisik, tetapi dapat dilakukan dengan cara agregasi. Secara periodik data detil ditambahkan ke data warehouse untuk mendukung agregasi data.

7. Lighly and Highly Summarized Data

Komponen ini menyimpan semua data yang diringkas oleh warehouse manager. Data perlu diringkas dengan tujuan untuk mempercepat performa query. Ringkasan data terus diperbaharui seiring dengan adanya data yang baru yang masuk ke dalam data warehouse

8. Archive / Backup Data

Komponen ini menyimpan data detil dan ringkasan data dengan tujuan untuk menyimpan dan backup data. Walaupun ringkasan yang diperoleh dari data mendetil, ringkasan perlu di backup juga apabila data tersebut disimpan melampaui periode penyimpanan data detil. Data kemudian dipindahkan ke media penyipanan seperti magnetic tape atau optical disc. 9. Meta-data

Komponen ini menyimpan semua definisi meta-data (informasi mengenai data) yang digunakan dalam proses dalam data warehouse. Meta-data digunakan untuk berbagai tujuan, antara lain :

a. Proses extracting dan loading, meta-data digunakan untuk memetakan sumber data dalam data warehouse.

b. Proses manajemen warehouse, meta-data digunakan untuk menghasilkan tabel ringkasan (summarized tables).

c. Sebagai bagian dari proses manajemen query meta-data digunakan untuk mengarahkan sebuah query pada sumber data yang tepat. 10.End - User Access Tools

Tujuan utama dari data warehouse adalah dengan menyediakan informasi bagi pengguna untuk pembuatan keputusan yang strategis dalam berbisnis. Para pengguna berinteraksi dengan data warehouse menggunakan end-user access tools. Berdasarkan kegunaan data warehouse, terdapat lima kategori end-user access tools, yaitu :

a. Reporting and Query Tools

Reporting tools meliputi production reporting tools dan reports writers. Production reporting tools digunakan untuk menghasilkan laporan operasional secara berkala. Query tools untuk relasional data warehouse dirancang untuk menerima SQL atau menghasilkan SQL statements untuk proses query data yang tersimpan di warehouse.

b. Application Development Tools

Application development tools menggunakan graphical data acsess tools yang dirancang khusus untuk lingkungan client-server. Beberapa aplikasi perlu diintegrasikan dengan OLAP tools, dan dapat mengakses semua sistem basis data utama.

c. Executive Information System (EIS) Tools

EIS sering dikenal sebagai „everyone’s information systems’ (sistem informasi setiap orang). Awalnya dikembangkan untuk mendukung pembuatan kebutuhan top level yang strategis. Akan tetapi, kemudian meluas mendukung semua tingkat manajemen. EIS tools pada awalnya berhubungan dengan mainframes yang memungkinkan para pengguna untuk membangun aplikasi pendukung keputusan yang bersifat grafik untuk menyediakan sebuah overview mengenai data perusahaan dan akses pada sumber data eksternal. Kini, EIS banyak dilengkapi dengan fasilitas query dan menyediakan custom build applications untuk area bisnis seperti penjualan, pemasaran, dan keuangan.

d. Online Analytical Processing (OLAP) Tools

OLAP tools didasarkan pada konsep basis data yang bersifat multi-dimensi dan memperbolehkan pengguna untuk menganalisis data dari sudut pandang yang kompleks dan multidimensi. Alat bantu ini mengasumsikan bahwa data diatur dengan model multi-dimensi yang khusus (MDDB) atau sebuah relational basis data yang dirancang untuk memungkinkan query multi-dimensi.

e. Data Mining Tools

Data mining adalah proses menemukan kolerasi, pola, dan tren yang baru yaitu dengan melakukan penggalian pada sejumlah data menggunakan teknik statistik, matematis, dan artificial intelligenten (AI). Data mining memiliki potensi untuk menggantikan kemampuan OLAP tools

Gambar 2.7 Arsitektur data warehouse [2]

2.3.5.4Proses ETL (Extraction, Transformation, Loading)

Extraction, Transformation, and Loading (ETL) memiliki peranan utama dalam data warehouse. ETL juga merupakan suatu komponen utama untuk penyukses data warehouse yang dikembangkan. ETL merupakan suatu terminology umum yang digunakan dalam data warehouse yang memiliki proses mengekstrak data dari sumber system, mengubahnya berdasarkan kebutuhan bisnis dan menyajikannya ke dalam sebuah data warehouse. ETL menarik data dari berbagai sumber data dan menaruhnya ke dalam sebuah data warehouse. ETL proses bukanlah proses yang dilakukan sekali, tetapi secara periodik/memiliki jadwal seperti bulanan, mingguan, harian, bahkan dalam hitungan jam. ETL merupakan suatu kombinasi kompleks dari proses dan teknology yang mengkonsumsi sebagian besar usaha pengembangan data warehouse dan membutuhkan kemampuan dari Business Analysts, Database

Deasigners dan Application Developer [4]. Framework ETL memiliki 3 proses utama yaitu Extraction, Transformation, dan Loading [4]

a. Extraction

Langkah pertama dalam skenario ETL dengan mengekstrak data yang terdapat dalam sumber data. Sumber data yang akan diekstrak berasal dari berbagai macam sumber data dengan berbagai Database Management System, Operating System dan protokol yang digunakan. Oleh karena itu, dalam proses ektraks data harus dilakukan secara efektif.

b. Transformation

Pada tahap ini, dilakukan proses cleaning dan conforming agar data tersebut menjadi akurat sehingga data tersebut tepat, lengkap, konsisten, dan jelas. Transformation memiliki proses yaitu data cleaning, transformation, dan integration. Dalam tahapan ini, didefinisikan granularity dari tabel fakta, tabel dimensi, dan skema data warehouse (Star Schema atau Snowflake). Table fakta adalah pusat dari skema data warehouse yang umumnya mengandung measure yang merupakan salah satu property yang berisikan perhitungan untuk mengukur tingkat analisis. Tabel Dimensi adalah tabel yang berisikan data detail yang berhubungan dengan tabel fakta. Skema data warehouse adalah suatu skema yang menghubungkan tabel fakta dan tabel dimensi.

c. Loading

Pemuatan data ke target struktur yang multi dimensi adalah tahapan akhir dalam ETL. Dalam tahap ini, proses Extraction dan Transformation disajikan ke dalam struktur dimensi yang dapat diakses oleh user dalam system aplikasi. Tahapan loading memiliki proses Loading Dimension dan Loading Fact.

Gambar 2.8 Framework ETL [4]

2.3.5.5Jenis Dasar Data warehouse

Berikut ini adalah tiga jenis dasar sistem Data warehouse : 1. Functional Data warehouse (Data warehouse Fungsional)

Kata operasional disini merupakan database yang diperoleh dari kegiatan sehari-hari. Data warehouse dibuat lebih dari satu dan dikelompokkan berdasar fungsi-fungsi yang ada di dalam perusahaan seperti fungsi keuangan (financial), marketing, personalia dan lain-lain. Keuntungan dari bentuk data warehouse seperti ini adalah, sistem mudah dibangun dengan biaya relatif murah sedangkan kerugiannya adalah resiko kehilangan konsistensi data dan terbatasnya kemampuan dalam pengumpulan data bagi pengguna.

Gambar 2.9 Bentuk data warehouse fungsional [5]

2. Centralized Data warehouse (Data warehouse Terpusat)

Bentuk ini terlihat seperti bentuk data warehouse fungsional, namun terlebih dahulu sumber data dikumpulkan dalam satu tempat terpusat, kemudian data disebar ke dalam fungsinya masing-masing, sesuai kebutuhan persuhaan. Data warehouse terpusat ini, biasa digunakan oleh perusahaan yang belum memiliki jaringan eksternal. Keuntungan dari bentuk ini adalah data benar - benar terpadu karena konsistensinya yang tinggi sedang kerugiannya adalah biaya yang mahal serta memerlukan waktu yang cukup lama untuk membangunnya.

Gambar 2.10 Bentuk data warehouse terpusat [5]

3. Distributed Data warehouse (Data warehouse terdistribusi)

Pada data warehouse terdistribusi ini, digunakan gateway yang berfungsi sebagai jembatan penghubung antara data warehouse dengan workstation yang menggunakan sistem beraneka ragam. Dengan sistem terdistribusi seperti ini memungkinkan perusahaan dapat mengakses sumber data yang berada diluar lokasi perusahaan(eksternal). Keuntungannya adalah data tetap konsisten karena sebelum data digunakan data terlebih dahulu di sesuaikan atau mengalami proses sinkronisasi. Sedangkan kerugiannya adalah lebih kompleks untuk diterapkan karena sistem operasi dikelola secara terpisah juga biaya nya yang paling mahal dibandingkan dengan dua bentuk data warehouse lainnya.

Gambar 2.11 Bentuk Data Warehouse Terdistribusi [5]

2.3.5.6Metodologi Perancangan Database untuk Data warehouse

Menurut Connoly, metodologi data warehouse yaitu step – nine methodolgy. Dimana terdiri dari beberapa step yaitu [2]:

1. Memilih Proses

Fungsi dari pemilihan proses mengacu pada sebuah permasalahan subjek yang merupakan bagian dari data mart. Data mart yang sering digunakan adalah data yang sering digunakan untuk memenuhi sebuah kebutuhan dan menjawab sebuah permasalahan bisnis.

2. Memilih Grain

Memutuskan dengan tepat apa yang akan ditampilkan di tabel fakta. Dengan memilih grain kita dapat menentukan atau mengidentifikasi dimensi-dimensi apa saja yang terdapat di tabel fakta.

3. Identifikasi dan membuat dimensi yang sesuai

Sebuah dimensi yang baik dapat membuat data mart mudah di mengerti dan digunakan.

4. Memilih Fakta

Grain dari tabel fakta dapat menentukan data apa saja yang di gunakan untuk data mart.

5. Menentukan pra-kalkulasi dalam tabel fakta

Setiap fakta-fakta yang sudah terpilih harus diuji ulang terlebih dahulu untuk menentukan apakah terdapat peluang untuk menentukan pra-kalkulasi.

6. Melengkapi tabel dimensi

Pada tahap ini kita melengkapi sebanyak mungkin untuk mendeskripsikan tabel dimensi tersebut yang memiliki hubungan dengan tabel dimensi itu sendiri.

7. Memilih durasi dari database

Durasi menunjukan waktu yang digunakan untuk menjalankan sebuah tabel fakta. Pada tahap ini yang dilakukan adalah menentukan batas waktu dari data yang akan di masukan kedalam data warehouse

8. Melacak perubahan dari dimenesi secara acak

Dalam melacak perubahan dimensi, ada 3 tipe yang dapat digunakan. Antara lain :

Tipe 1 : Perubahan atribut pada sebuah dimensi akan menyebabkan atribut tersebut akan terganti (overwrite).

Tipe 2 : Perubahan atribut pada sebuah dimensi akan menyebabkan dimasukannya data baru kedalam dimensi tersebut.

Tipe 3 : Atribut pada sebuah dimensi akan menyebabkan penambahan atribut alternatif, sehingga data yang lama dengan data yang baru dapat diakses secara bersamaan dengan dimensi yang sama.

9. Memutuskan prioritas dan cara query

Pada tahap ini sudah mempertimbangkan perancangan fisikal yang mempengaruhi persepsi pengguna dalam menggunakan data mart. Yaitu urutan dari tabel fakta secara fisik dan ke munculan ringkasan.

2.3.5.7Konsep pemodelan Data warehouse

Menurut Connolly, permodelan dimensional menggunakan konsep pemodelan Entity-Relationship (ER) dengan beberapa batasan - batasan penting. Setiap model dimensional tersusun dari satu table dengan sebuat composite

primary key, dinamakan tabel fakta, dan satu set tabel - tabel yang lebih kecil yang bernama tabel dimensi. Setiap table dimensi mempunyai sebuah primary key sederhana (non-composite) yang berhubungan dengan satu komponen dari composite key di tabel fakta. Dengan kata lain, primary key dari tabel fakta dibuat dari dua atau lebih foreign key [2].

1. Tabel Fakta

Menurut Ralph Kimbal, Margy Ross tabel fakta adalah tabel utama dalam model dimensi dimana numerik pengukuran kinerja bisnis yang disimpan [5].

Gambar 2.12 Contoh Tabel Fakta [6]

Tabel fakta pada umumnya memiliki sebuah primary key, dan biasanya disebut composite atau concatenated key. Setiap tabel dalam model dimensi memiliki composite key, dan tabel yang memiliki composite key adalah tabel fakta. Dan setiap tabel yang memiliki hubungan many to many (banyak –ke -banyak) harus menjadi tabel fakta dan yang lainnya menjadi tabel dimensi.

2. Tabel Dimensi

Menurut Ralph Kimbal, Margy Ross tabel dimensi adalah sebuah tabel yang memiliki banyak kolom atau atribut. Atribut ini menggambarkan baris dalam tabel dimensi, dan setiap dimensi didefinisikan oleh satu primary key. Ditunjuk oleh notasi PK, yang berfungsi sebagai dasar untuk penghubung antara tabel dimensi dengan tabel fakta [5].

Gambar 2.13 Contoh Tabel Dimensi [6]

3. Skema Bintang

Menurut Thomas Connolly dan Carolyn Begg, skema bintang adalah model dimensional data yang memiliki fact table di tengah, dikelilingi oleh denormalized dimension tables [2]. Selain itu skema bintang memudahkan end – user untuk memahami struktur database pada data warehouse yang di rancang. Keuntungan dari penggunaan skema bintang : 1. Respon data lebih cepat daripada perancangan database operasional. 2. Mempermudah dalam hal modifikasi atau pengembangan data

warehouse yang terus menerus.

3. End-user dapat menyesuaikan cara berpikir dan menggunakan data. 4. Menyederhanakan pemahaman dan penulusuran metadata bagi

Gambar 2.14 skema bintang [2]

Beberapa jenis skema bintang, antara lain: a. Skema bintang sederhana

Dalam skema ini, setiap table harus memiliki primary key yang terdiri dari satu kolom atau lebih. Primary key dari table fakta terdiri dari satu atau lebih foreign key. Foreign key merupakan primary key pada table lain.

Gambar 2.15 Skema Bintang Sederhana [6]

b. Skema bintang dengan banyak table fakta

Skema bintang juga bisa terdiri dari satu atau lebih table fakta. Dikarenakan karena table fakta tersebut ada banyak, misalnya disamping penjualan terdapat table fakta forecasting dan result. Walaupun terdapat lebih dari satu table fakta, mereka tetap menggunakan table dimensi bersama-sama.

4. Snowflake Schema

Menurut Connolly skema snowflake adalah bentuk lain dari skema bintang dimana tabel dimensi tidak mengandung data yang telah didenormalisasi [2]. Keuntungan Snowflake Schema, antara lain:

a. Kecepatan memindahkan data dari data OLTP ke dalam Metadata. b. Sebagai kebutuhan dari alat pengambil keputusan tingkat tinggi

dimana dngan tipe yang seperti ini seluruh struktur dapat digunakan sepenuhnya.

c. Banyak yang beranggapan lebih nyaman merancang dalam bentuk normal ketiga.

Gambar 2.17 snowflake schema [7]

5. Fact constellation schema

Fact constellation schema adalah dimensional model yang didalamnya terdapat lebih dari satu tabel fakta yang membagi satu atau lebih dimension table. Skema ini lebih kompleks daripada star skema karena

berisi berbagai tabel fakta. Dalam fact constellation schema, satu dimensi table bisa digunakan di beberapa tabel fakta sehingga desainnya lebih kompleks. Keuntungan dari fact constellation schema adalah kemampuan untuk memodelkan bisnis lebih akurat menggunakan beberapa tabel fakta. Namun kerugiannya adalah sulit dalam pengelolaan dan desain yang rumit

Gambar 2.18 Fact Constellation Schema [7]

2.3.5.8Tujuan Data warehouse

Menurut Connolly dan Begg, tujuan data warehouse adalah mengintegrasikan data organisasi dengan jumlah yang besar menjadi satu wadah dimana pengguna dapat dengan mudah menjalankan query, membuat laporan serta melakukan analisis. Singkatnya, data warehouse adalah teknologi manajemen dan analisis data [2].

2.3.5.9Keuntungan Data warehouse

Menurut Connolly dan Begg keberhasilan implementasi dari sebuah data warehouse dapat membawa manfaat yang signifikan untuk sebuah organisasi seperti di antaranya [2] :

a. Pengembalian

investasi yang berpotensi tinggi. Sebuah organisasi harus berkomitmen dalam berinvestasi pada banyak sumber daya untuk menjamin keberhasilan penerapan data warehouse dan biaya yang diinvestasikan dapat sangat bervariasi mulai dari £ 50.000 sampai lebih dari 10 juta pound karena berbagai solusi teknis yang tersedia. Namun, sebuah studi oleh International Data Corporation (IDC) pada tahun 1996 melaporkan bahwa dalam tiga tahun biaya yang kembali rata-rata atas investasi (ROI) dalam data warehouse mencapai 401%, dengan lebih dari 90% dari perusahaan yang disurvei mencapai lebih dari 40% ROI, setengah perusahaan mencapai lebih dari 160% ROI, dan seperempat dengan lebih dari 600% ROI (IDC, 1996).

b. Keunggulan kompetitif. Pengembalikan investasi yang besar bagi perusahaan yang telah berhasil menerapkan data warehouse adalah bukti dari keunggulan kompetitif yang sangat besar yang datang dengan teknologi ini. Keunggulan kompetitif yang diperoleh dengan membiarkan akses ke penetapan data marker dapat mengungkapkan informasi yang tersedia sebelumnya, tidak dikenal dan belum dimanfaatkan, misalnya pelanggan, trend dan tuntutan.

c. Peningkatan

produktivitas dalam pengambilan keputusan perusahaan. Data warehouse dapat meningkatkan produktivitas para pengambil keputusan perusahaan dengan menciptakan database yang terintegrasi, konsisten dan berfokus pada subjek dan data historis. Mengintegrasikan data dari beberapa sistem yang tidak kompatibel ke dalam bentuk yang menyediakan tampilan konsisten organisasi. Dengan mengubah data menjadi informasi

yang bermakna, data warehouse memungkinkan para top management perusahaan untuk menganalisis dengan lebih substantif, akurat dan konsisten

2.3.5.10 Data Warehouse Tools

Berikut ini adalah tools yang digunakan user setelah data warehouse terbentuk dengan tujuan yang berbeda-beda[13]:

1. OLAP(On-Line Analytical Processing) OLAP merupakan salah satu data warehouse tools untuk melakukan analisis data. OLAP sendiri adalah suatu teknologi yang dirancang untuk memberikan kinerja yang unggul untuk ad hoc business intelligence queries[13]. OLAP dirancang untuk beroperasi secara efisien dengan data yang terorganisir sesuai dengan model dimensi umum yang biasa digunakan dalam data warehouse. Tidak ada data warehouse modern yang selesai dengan sempurna tanpa fungsionalitas OLAP. Tanpa OLAP, kita tidak dapat memberikan users seluruh kemampuan untuk melakukan analisis multidimensional, untuk melihat informasi dari segala sudut pandang, dan untuk membuat keputusan yang bersifat kritikal. Oleh karena itu, OLAP sangat krusial.[14]. Berikut ini adalah karakteristik paling mendasar dalam OLAP systems[14]:

a) Memberikan para pelaku bisnis pandangan logis yang multidimensi dari data yang ada dalam data warehouse.

b) Memfasilitasi query interaktif dan kompleks analisis kepada users. c) Memungkinkan user untuk drill-down atau roll-up data yang ada baik

untuk single dimension maupun untuk multi dimension.

d) Memberikan kemampuan untuk melakukan perhitungan danmperbandinganmyang rumit.

e) Hasilnya bias dipresentasikan dalam bentuk yang lebih berarti, seperti grafik atau tabel.

Kegunaan OLAP[14]antara lain:

b) Memanfaatkan OLAP dengan baik bisa membuat users bisa dengan percaya diri membuat analisis mereka sendiri tanpa bantuan IT assistance.

c) Keuntungan untuk IT developers yaitu penggunaan OLAP bias sangat membantu mempercepat kinerja dari aplikasinya sendiri.

d) Meningkatkan efisiensi kerja.OLAP dapat digunakan untuk melakukan hal-hal seperti[15]:

a) Consolidation (roll-up) Konsolidasi melibatkan pengelompokkan data.

b) Drill-down Suatu bentuk yang merupakan kebalikan dari konsolidasi, untuk mendapatkan lebih detail tentang suatu dimensi serta bisa dikatakan sebagai suatu navigasi dari tingkat yang lebih umum ke tingkat yang lebih spesifik. Untuk lebih jelasnya roll-up dan drill-down dapat dilihat pada Gambar 2.19 .

Gambar 2.19 roll-up dan drill-down

c) Slicing and dicing Menjabarkan pada kemampuan untuk melihat data dari berbagai sudut pandang. Untuk lebih jelasnya slicing and dicing bisa dilihat pada Gambar 2.20.

Gambar 2.20 slicing dan dicing

d) PivotMenampilkan nilai-nilai ukuran dalam tata letak tabel yang berbeda dan juga bisa mengatur kembali dimensi dalam OLAP cube. Untuk lebih jelasnya pivot bisa dilihat pada Gambar 2.21.

Gambar 2.21 Pivot

Untuk memodelkan OLAP kepada users, kita gunakan OLAP cube. OLAP cube adalah bagian utama dari OLAP yang berisi kumpulan data yang banyak dan disatukan (agregasi) untuk mempercepat hasil query[15].

OLAP cube contohnya seperti pada Gambar 2.19, Gambar 2.20, dan Gambar 2.21.

2. Reporting

Reporting tools merupakan tools yang digunakan untuk mempermudah user memperoleh data yang sudah lama ataupun data sekarang dan melakukan beberapa standard analisis statistik[14]. Data yang dihasilkan dari reporting tools bisa berupa bentuk laporan biasa dan juga bisa berupa grafik.

3. Data mining Data mining merupakan teknologi yang mengaplikasikan algoritma yang canggih dan kompleks untuk menganalisis data dan mencari informasi yang menarik dari kumpulan data tersebut. Perbedaan mendasar antara OLAP dan data mining yaitu terletak pada apa yang akan dianlisisnya. Pada OLAP, yang dianalisis adalah modelnya, tetapi pada data mining yang dianalisis adalah datanya (harus berjumlah besar).[13]. 2.3.6 The Systems Development Life Cycle (SDLC)

Menurut Satzinger, Systems Development Life Cycle (SDLC) adalah seluruh proses yang membangun, menyebarkan, menggunakan, dan memperbarui sistem informasi [8]. Sytems Development Life Cycle (SDLC) merupakan pengembangan system dari pertama kali dipelajari dan digunakan hingga system tersebut mengalami pembaharuan, peningkatan atau tergantikan dengan sistem yang lebih baik.

2.3.6.1Tahapan dalam Systems Development Life Cycle (SDLC)

Dalam Systems Development Life Cycle (SDLC) terdapat beberapa tahapan dalam perancangannya yaitu :

Tahap 1 : Project Planning Phase

Tahapan ini untuk mengidentifikasi cakupan dari sistem baru, dan memastikan bahwa project tersebut layak menggunakan sistem baru, sumber-sumber data untuk project tersebut dan batasan budget nya.

Tahap 2: Analysis Phase

Di Tahapan ini akan dilakukan pemahaman terutama terhadap dokumen kebutuhan bisnis secara rinci dan juga persyaratan pengelolaan sistem yang baru. Tahap 3 : Design Phase

Untuk merancang sistem solusi berdasarkan persyaratan yang ditetapkan dan keputusan yang dibuat selama analisis.

Tahap 4: Implementation Phase

Untuk membangun tes dan memasang sebuah sistem yang dapat dipercaya dilengkapi dengan user yang terlatih dan siap untuk mendapatkan keuntungan seperti yang diharapkan sebelumnya dari penggunaan sistem tersebut.

Tahap 5 : Support Phase

Untuk menjaga sistem agar berjalan secara produktif dari awal dibangun sistem tersebut hinga bertahun-tahun sampai di mana masa hidup sistem tersebut berakhir.

2.3.7 OOAD (Object Oriented Analysis Design)

Menurut Hanif Al Fatta Object Oriented Analysis Design merupakan teknik yang mengintegrasikan data dan proses yang disebut objek Object-Oriented Analysis (OOA) adalah semua jenis objek yang melakukan pekerjaan dalam sistem dan menunjukkan interaksi pengguna apa yang dibutuhkan untuk menyelesaikan tugas tersebut [7]. Object diartikan suatu hal dalam system computer yang dapat merespon pesan [8]. Object-Oriented Design (OOD) adalah semua jenis objek yang diperlukan untuk berkomunikasi dengan orang dan perangkat dalam sistem, menunjukkan bagaimana objek berinteraksi untuk menyelesaikan tugas, dan menyempurnakan definisi dari masing-masing jenis objek sehingga dapat diimplementasikan dengan bahasa tertentu atau lingkungan [8]. Object-Oriented Programming (OOP) menuliskan laporan dalam bahasa pemrograman untuk mendefinisikan apa yang setiap jenis objek ini termasuk pesan bahwa pengirim satu sama lain [8].

2.3.7.1Unified Modeling Language (UML)

Menurut Satzinger, Unified Modeling Language (UML) merupakan suatu set standar konstruksi model dan notasi dikembangkan secara khusus untuk pengembangan berorientasi objek Unified Modelling Language (UML) merupakan suatu bahasa pemodelan untuk membuat, mendokumentasikan, menggambarkan sistem informasi [8].

2.3.7.2Activity Diagram

Menurut Satzinger, sebuah activity diagram hanyalah sebuah diagram alur kerja yang menggambarkan berbagai pengguna kegiatan, orang yang melakukan aktivitas masing-masing, dan aliran sekuensial kegiatan ini atau dapat dikatakan diagram yang menggambarkan alur proses bisnis [8].

Gambar 2.22 Activity Diagram [9]

2.3.7.3Use Case

Use Case merupakan model fungsional yang di dalamnya terdapat actor dan use case itu sendiri, actor disini merupakan orang-orang yang menjalankan

aktifitasnya dan berhubungan langsung dengan sistem, sedangkan use case itu sendiri berisi pekerjaan yang dilakukan actor yang menggunakan sistem. Berikut merupakan symbol yang digunakan dalam Use Case Diagram :

Gambar 2.23 Use Case diagram [9] 2.3.7.4Event Table

Event table adalah sebuah table yang meliputi baris dan kolom, yang berisi beberapa komponen yang mewakili peristiwa dan rincian dari peristiwa mereka, masing-masing. Berikut penjelasan komponen dari event table antara lain:

a. Event Merupakan katalog use case daftar peristiwa dalam baris dan potongan kunci informasi tentang setiap peristiwa dalam kolom.

b. Trigger Merupakan sinyal yang memberitahukan system bahwa suatu peristiwa telah terjadi, baik kedatangan membutuhkan pengolahan data atau titik waktu.

c. Source Merupakan agen eksternal atau actor yang memasok data ke sistem.

d. Response Merupakan output yang dihasilkan oleh sistem, yang menuju ke tujuan.

e. Destination Merupakan agen eksternal atau actor yang menerima data dari sistem.

Gambar 2.24 Event Table [9]

2.3.7.5Use Case Description

Deskripsi atau penjelasan mengenai Use Case yang berisi nama use casenya, main flow. Di sini dijelaskan tentang bagaimana actor yang menggunakan system yang telah digambarkan di Use Case.

Gambar 2.25 Use Case Description [9]

2.3.7.6Sequence Diagram

Sequence Diagram biasanya digunakan dalam hubungannya dengan deskripsi menggunakan kasus untuk membantu dokumen rincian kasus penggunaan tunggal atau skenario dalam kasus penggunaan atau menangkap interaksi antara system dan eksternal entity yang direpresentasikan oleh actor.

2.3.8 C#

Bahasa pemrograman C# dikembangkan oleh Microsoft sebagai bahasa yang simple, modern, general purpose, dan berorientasi objek. Pengembangan bahasa C# sangat dipengaruhi oleh bahasa pemrograman terdahulu, terutama C++. Delphi, dan Java. C++ dikenal memiliki kecepatan yang tinggi dan memiliki akses memori hapir hingga ke low level. Namun bagi para programmer, C++ merupakan Bahasa yang relatif rumit dibandingkan bahasa pemrograman lainnya. Kehadiran C# memberi suntikan optimisme bagi para programmer untuk dapat mengembangkan aplikasi yang berdasa guna dengan baik cepat dan lebih mudah. Bahasa C# masih harus dikembangkan dengan kemampuan untuk melakukan berbagai task. Namun dalam hal performansi hingga saat ini C++ masih diakui sebagai salah satu yang terbaik.

C# dikembangkan sejalan dengan pengembangan teknologi .Net. Teknologi .NET telah berevolusi dari .NET 1.0 hingga .NET 4.0. Sendiri merupakan sebuah framework yang memiliki base class library, dan bisa diimplementasikan ke dalam beberpaa bahasa pemrograman yang dikembangkan Microsoft termasuk diantaranya adalah bahasa C#. Microsoft mengembangkan IDE yang secara khusus mendukung pengembangan aplikasi dengan teknologi .NET, versi terakhirnya yaitu Visual Studio 2010, mendukung teknologi .Net 4. Diantara karakteristik dari .NET adanya sebuah Common Langguage Runtime (CLR). CLR sendiri merupakan sebuah komponen virtual machine yang akan diakses program pada saat runtime kode yang ditulis dalam bahasa C# ataupun VB.NET misalnya dicompile oleh .NET Compiler menjadi code dalam format Common Intermediate Langguage (CIL).

CIL merupakan sebuah format bahasa standar pada level intermediate yang digunakan dalam bidang teknologi .NET apa pun bahasa pemrograman yang digunakan oleh kode. Kemudian pada saat runtime, CLR mengeksekusi CIL dengan melakukan proses loading dan linkin serta menghasilkan bahasa mesin untuk mengeksekusi program. Proses ini memunculkan istilah multilangguage pada pengembangan aplikasi .Net programmer memiliki pilihan untuk

menentukan pilihan untuk menggunakan bahasa pemrograman, yang familiar bagi mereka dan apapun bahasa pemgraman apapun mereka tetap memilih akan tetap memiliki keungulan-keungulan dan teknologi lainnya.

Standar European Computer Maufacturer Association (ECMA) mendatarkan beberapa tujuan desain dari bahasa pemrograman C#, sebagai berikut [10]:

1) Bahasa pemrograman C# dibuat sebagai bahasa pemrograman yang bersifat bahasa pemrograman general – purpose (untuk tujuan jamak), berorientasi objek, modern, dan sederhana.

2) Bahasa pemrograman C# ditujukan untuk digunakan dalam mengembangkan komponen perangkat lunak yang mampu mengambil keuntungan dari lingkungan terdistribusi.

3) Portabilitas programmer sangatlah penting, khususnya bagi programmer yang telah lama menggunakan bahasa pemrogaman C dan C++.

4) Dukungan untuk internasionalisasi (multi- language) juga sangat penting. C# ditujukan agar cocok digunakan untuk menulis program aplikasi baik dalam sistem klien-server (hosted system) maupun sistem 38 embedded (embedded system), mulai dari perangkat lunak yang sangat besar yang menggunakan sistem operasi yang canggih hingga kepada perangkat lunak yang sangat kecil yang memiliki fungsi-fungsi terdedikasi.

2.3.9 SQL Server

SQL Server 2008 sangat terkenal sebagai Relational Database Management System atau RDBMS. Namun tidak hanya itu, tetapi lebih akurat digambarkan sebagai data enterprise platform yang dibangun di atas banyak fitur yang pertama kali didirikan di dalam SQL Server 2008. Sementara, SQL Server 2008 memperluas penawaran yang berguna untuk menyertakan beberapa perbaikan dan juga penambahan. Karena perannya sebagai RDBMS tradisional, SQL Server 2008 juga menyediakan kemampuan seperti reporting, analisis data dan data mining. SQL Server 2008 juga memiliki banyak fitur yang mendukung

aplikasi data yang berbeda, data driven event notification dan masih banyak lagi [11].

SQL Server 2008 diciptakan dengan berbagai edisi yang mempunyai tujuan yang berbeda-beda dan masing-masing edisi dari SQL Server 2008 juga memiliki tempat khusus dalam infrastruktur pengelolaan data, kecuali pada edisi Enterprice Evaluation yang hanya berfungsi untuk evaluasi produk jangka pendek selama 180 hari. Edisi-edisi yang berbeda pada tingkat teratas seperti edisi Enterprise Edition, di mana edisi tersebut benar-benar mendukung semua yang SQL Server 2008 tawarkan. Sebaliknya adalah Express Edition, di mana edisi tersebut menawarkan fitur-fitur yang terbatas [11]. Edisi-edisi yang tersedia seperti :

1. Enterprise edition 2. Standar edition 3. Developer edition 4. Compact edition 5. Express edition 6. Workgroup edition 7. Web edition

133

Berdasarkan hasil analisis dan pengujian data warehouse, maka dapat disimpulkan bahwa :

1. Perangkat lunak data warehouse ini dapat membantu pihak perusahaan untuk menyajikan informasi yang multidimensi dan terintegrasi.

2. Penerapan data warehouse pada CV. Karya Anugerah Tritunggal juga dapat membantu pihak manager operasional dalam pembuatan laporan akhir yang multidimensi.

5.2 Saran

Berikut adalah saran yang dapat diberikan untuk pengembangan sistem selanjutnya, yaitu:

1. Diharapkan untuk mengembangkan sistem penunjang keputusan lainnya seperti membangun data mining.

2. Perlunya dilakukan pemeliharaan dan pengawasan data warehouse terhadap proses ETL (Extract, Transform, Load) agar kualitas data dalam data warehouse terjamin keakuratannya.

NIM : 10110394

Tempat/Tanggal Lahir : Bandung/06 Februari 1993

Jenis Kelamin : Laki-laki

Agama : Islam

Alamat : Jl. Sadang Luhur No.54 RT.01 RW.15

Kota : Bandung Kode POS:40134

Telepon : 085722281006

Email : muhalisurad@gmail.com

PENDIDIKAN

1. 1998 – 2004 : SDN NEGLASARI IV Bandung

2. 2004 – 2007 : SMPN 19 Bandung

3. 2007 – 2010 : SMK MERDEKA BANDUNG

4. 2010 – 2015 : Program Studi S1 Jurusan Teknik Informatika Fakultas Teknik dan Ilmu Komputer

Universitas Komputer Indonesia, Bandung

Dengan ini Penulis menyatakan bahwa semua informasi yang diberikan dalam dokumen ini adalah benar

Bandung, 26 Februari 2016 Penulis

Edisi. 1 Volume. 1, Februari 2016 ISSN : 2089-9033

1. Process extract the table jenis batubara

Process extract the coal type table, conducted the retrieval of data from OLTP database. Column in the extract is id_jbatubara column, nama_batubara, and keterangan. The results from the data in the table extract coal types can be seen in Table 1.

Table 1. Extract tablejenis batubara

2. Process extract the table konsumen

Process extract the coal type table, conducted the retrieval of data from OLTP database. Column in the extract is id_konsumen column, nama_konsumen, alamat konsumen and no_telepon . The results from the data in the table extract coal types can be seen in Table 2.

Table 2. Extract table konsumen

3. Process extract the table suplier

Process extract the coal type table, conducted the retrieval of data from OLTP database. Column in the extract is id_suplier column, nama_suplier, alamat_suplier, dan no_telepon

.

The results from the data in the table extract coal types can be seen in Table 3.

.

Table 3. Extract table suplier

4. Process extract the table jenis pengiriman Process extract the coal type table, conducted the retrieval of data from OLTP database. Column in the extract is id_jpengiriman column , nama_jenis_pengiriman, dan keterangan. The results from the data in the table extract coal types can be seen in Table 4..

Table 4. Extract table jenis pengiriman

5. Process extract the table pembelian

Process extract the coal type table, conducted the retrieval of data from OLTP database. Column in the extract is id_pembelian column, tanggal_pembelian, id_suplier, id_jpengiriman, nama_jenis_pengiriman, id_jbatubara, KG, harga_beli, total, dan id_tanggal_pembelian. The results from the data in the table extract coal types can be seen in Table 5.

Table 5. Extract table pembelian

6. Process extract the table penjualan

Process extract the coal type table, conducted the retrieval of data from OLTP database. Column in the extract is id_penjualan column, tanggal_penjualan, id_konsumen, id_jbatubara, KG, harga_jual, total, dan id_tanggal_penjualan, id_angkutan. The results from the data in the table extract coal types can be seen in Table 6.

Table 6. Extract table penjualan

7. Process extract the table angkutan

Process extract the coal type table, conducted the retrieval of data from OLTP database. Column in the extract is id_angkutan column, tanggal_angkutan, no_sj, id_jasa_angkutan, nopol, nama_sopir, KG, harga_angkutan, amount_tagihan, kas_jalan, sisa_tagihan, dan id_tanggal_angkutan . The results from the data in the table extract coal types can be seen in Table 7.

Table 7. Extract table angkutan

8. Process extract the table jasa angkutan

Process extract the coal type table, conducted the retrieval of data from OLTP database. Column in the extract is id_jasa_angkutan column, nama_jasa_angkutan, alamat, dan no_telepon. The results from the data in the table extract coal types can be seen in Table 8.

Table 8. Extract table jasa angkutan

2. Process Transformation

The process of transformation is conducted cleaning and conditioning.

a) Cleaning

Cleaning process to clean the data that does not need from the table that have been filed extract namely removes unused. Here is a field name is omitted in the process of cleaning:

1. In the table jenis_batubara does not require field keterangan because The field contains data that does not match the needs of the information required.

2. In the table konsumen does not require field alamat and no_telepon because the field that contains data that does not match the needs of the information required and there are some records no_telepon field empty.

3. In the table suplier does not require field alamat_suplier and no_telepon because the field that contains data that does not match the needs of the information required and there are some records no_telepon field empty.

4. In the table jenis_pengiriman does not require fieldketerangan because The field contains data that does not match the needs of the information required.

5. In the table jasa_angkutan does not require field alamat_jasa_angkutan and no_telepon because the field that contains data that does not match the needs of the information required and there are some records no_telepon field empty.

Table 9. Cleaning table jenis batubara

b) Conditioning

Conditioning process is done by selecting the attribute from the data source to the target (data warehouse). Explanation from conditioning in the transformation process that is changing the date field split into several fields (day, month, year) because when the process of analysis, the required data can be analyzed in a range based on the desired time. For more details, see the table below below

Table 10. Table Conditioning

3. Proses Load

In this process, the data that have been read, cleaned, and changed its format, will be stored in the data warehouse. The technique used is the update. Existing data will not be deleted or changed because the data will be updated periodically. Later all the data that passes through the extraction and transformation will be directly inserted into the data warehouse without changing existing data.

3.6 Data _{WareHouse Layer}

In this layer, the data that have been through the ETL process will be stored in a centralized storage logic is the data warehouse. Will be needed three tables of facts namely the fact table pembelian, fact penjualan and the fact angkutan. In addition there will be a dimension table that will be used together in some fact tables. Viewed from the requirement, then the schema data warehouse that will be used Fact constellations. For more details, relation schema data warehouse can be seen in the image below:

Edisi. 1 Volume. 1, Februari 2016 ISSN : 2089-9033

Image 10 Schema Data Warehouse

3.7 Functional Requirements Analysis

Functional needs analysis conducted to provide an overview of systems running on Software Datawarehouse. The analysis will be made to describe the functional model and information flows namely use case diagram.

1. Use case diagram

Use Case diagram illustrates the process from each procedure runs located in the Software Datawarehouse built. The following diagram Usecase Software Datawarehouse.

Image 11 Usecase Diagram software

Datawarehouse Karya Anugerah Tritunggal

2. Definition Actor

Definition of the actors describe the role of actors in the system. The definition of an actor in the software Datawarehouse Karya Anugerah Tritunggal (KAT) can be seen in Table 11.

Table 11. Definition Aktor Software

Datawarehouse Karya Anugerah Tritunggal

3. Definition Use Case

Use case definitions describe each use case contained in the software usecase diagram Datawarehouse Karya Anugerah Tritunggal. Use case definitions can be seen in Table 12.

Table 12. Table Definition Use Case Software

Datawarehouse Karya Anugerah Tritunggal

4)

IMPLEMENTATION

AND

TESTING

4.1 IMPLEMENTATION HARDWARE

Hardware used to implement the system built is as follows:

Table 13 hardware used

4.2 Implementasi Software

Software used to implement the system built is as follows:

Table 14 software used

4.3 implementation interface

Implementation of the interface is done by displaying each display and encoding system built in

the form of program files. As for the implementation of data warehouse software to see built can be seen in the table below:

Table 15 implementation Software

No. Process

Name Proses Name File

1 Import Import.cs

2 ETL ETL.cs

3 OLAP OLAP.cs

3.1 Informasi jumlah setiap jenis batubara paling laku dijual setiap bulan dan tahun.

OLAP1.cs

3.2 Informasi konsumen yang sering membeli batubara dalam setiap bulan dan tahun.

OLAP2.cs

3.3 Informasi jumlah batubara yang dipasok oleh suplier dalam setiap bulan dan tahun.

OLAP3.cs

3.4 Informasi jumlah sisa tagihan pada transaksi angkutan dalam setiap bulan dan tahun.

OLAP4.cs

3.5 Informasi jumlah amount tagihan setiap sopir pada transaksi angkutan dalam setiap bulan dan tahun.

OLAP5.cs

3.6 Informasi total transaksi penjualan setiap konsumen dalam setiap bulan dan tahun.

OLAP6.cs

3.7 Infromasi jumlah transaksi setiap jasa angkutan dalam setiap bulan dan tahun.

OLAP7.cs

4.4 Testing Systems

Testing data warehouse built using black box testing methods. The test plan can be seen in the table below:.

Table 16 Testing plan

4.5 Alpha Testing Conclusion

Based on the results of Alpha testing has been done can be concluded that the application has been running quite well, in this test data integration can be said to be a success because from the stage of the import process, ETL and OLAP goes well.

4.6 Testing strategic information

Tests conducted strategic information to determine whether the strategic information generated by the data warehouse application CV.Karya Anugerah Tritunggal has been fulfilled or not fulfilled. For more details can be seen in the table below:

Table 17 Information Number Each type Coal Bestsellers Sale Every Month And Year

5.

CONCLUSIONS

AND

SUGGESTIONS

5.1 Conclusions

Based on the analysis and testing data warehouse, it can be concluded that:

1. Software's data warehouse can help the company to present information that is multidimensional and integrated.

2. Application of data warehouse on a CV. Trinity Grace also works to assist the operations manager in making the final report is multidimensional.

5.2 Suggestions

Here is the advice that can be given to further development of the system, is:

1. It is expected to develop a decision support system such as building data mining.

2. The need conducted maintenance and supervision of the process data warehouse ETL (Extract, Transform, Load) for the quality of the data in the data warehouse is assured accuracy.

BIBLIOGRAPHY

[1] J. A,O'brien, Introducing To Information System, Jakarta: Salemba Empat, 2006.

[2] T. M. Connoly and E. B. Carolyn, Database Systems : A Practical approach to design, implamentation, and management, fourth edition, USA: Pearson Education Limited, 2005.

[3] W. H. Inmon, Building The Data Warehouse (4th ed.), IndianaPolis: Wiley Publishing, Inc., 2005. [4] S. H. A. El-Sappagh, A. H. E. Bastawissy and A. M. A. Hendawi, "A proposed model for data warehouse ETL processes," p. 14, 2011.

Edisi. 1 Volume. 1, Februari 2016 ISSN : 2089-9033

[5] R. Kimball and R. Margy, The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling (2nd ed.), Wiley, 2002.

[6] I. Gustirahman, "Data Warehouse Retrieved,"

2006. [Online]. Available:

zakki.dosen.narotama.ac.id/files/2012/02/Definisi-Data-Warehouse.doc. [Accessed 10 Oktober 2015]. [7] H. Al Fatta, Analisis dan Perancangan Sistem Informasi, Yogyakarta: ANDI, 2007.