Membangun Perangkat Lunak Datamart Pendistribusian Barang Keluar Di SBMart Bandung (Studi Kasus SB Mart Bandung)

MEMBANGUN DATA MART PENDISTRIBUSIAN BARANG

KELUAR DI SB MART BANDUNG

(Studi Kasus DI SB MART BANDUNG)

SKRIPSI

Diajukan untuk Menempuh Ujian Akhir Sarjana Program Strata Satu Jurusan Teknik Informatika

Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia

RESA HARYOYUDANTO

10106073

JURUSAN TEKNIK INFORMATIKA

FAKULTAS TEKNIK DAN ILMU KOMPUTER

UNIVERSITAS KOMPUTER INDONESIA

BANDUNG

i

PENDISTRIBUSIAN BARANG KELUAR DI SBMART BANDUNG. (Studi Kasus SB mart Bandung)

Oleh

Resa Haryoyudanto 10106073

SB Mart adalah salah satu unit usaha dari koperasi sejahtera bersama yang bergerak di bidang perdagangan kebutuhan pokok sehari–hari. Dalam kegiatan operasionalnya, SB Mart juga mendistribusikan kebutuhan pokok sehari–hari ke gerai atau cabangnya. Saat ini SB mart kesulitan untuk melakukan perhitungan analisis disebabkan karena desain arsitektur database yang sekarang tidak mampu untuk analisis data lebih lanjut. Perusahaan ingin adanya sebuah sistem yang dapat memberikan informasi secara detail mengenai pendistribusian barang yang memudahkan pihak SB mart untuk melakukan perhitungan analisis peningkatan jumlah permintaan barang disuatu gerai yang ada di kota Bandung.

Data mart adalah bagian pada data warehouse yang mendukung pembuatan laporan dan analisis data pada suatu unit pada suatu perusahaan dalam menganalisis data yang ada untuk mendukung pengambilan keputusan yang bersifat strategis secara cepat dan tepat. Pembangunan data mart ini menggunakan pemodelan data Snow flake dan perancangan OLAP (On-Line Analytical Processing), untuk pengolahan dan analisis datanya dengan menggunakan teknik Roll up dan drill down serta Slice and Sice.

Berdasarkan hasil penelitian dan setelah dilakukannya pengujian alpha dan betha terhadap sistem yang telah dibuat. Kesimpulan yang dapat diambil yaitu aplikasi ini dapat Aplikasi ini dapat memudahkan manager di SB mart bandung dalam menganalisa pendistribusian barang keluar di setiap cabang yang ada di Bandung.

Kata Kunci : Data mart, Data Warehouse,Snow flake, Olap, Roll up dan drill

ii

DISTRIBUTION OF GOODS OUT IN SBMART BANDUNG. (Case Study SB mart Bandung)

by

Resa Haryoyudanto 10106073

SB Mart is one of the co-operative business units engaged in trading daily basic needs. In its operations, SB Mart also distributes daily basic necessities to its outlets or branches. Currently, SB Mart is experiencing difficulties to perform analytical calculations since the current database architecture design is not capable for further data analysis. The company wants a system that can provide detailed information about the distribution of goods that facilitates SB Mart to perform the analytical calculation of the increasing amount of goods demand in certain outlets located in Bandung.

Data mart is part of the data warehouse that supports reporting and data analysis on a unit at a company in analyzing existing data to support strategic decision quickly and accurately. The development of data mart uses Snow Flake data modeling and OLAP (On-Line Analytical Processing) data design for processing and data analysis using the Roll up and drill down and Slice and Sice technique.

Based on the results of the study and after performing alpha and beta testing of the system that has been made, it can be concluded that this application can facilitate SB mart managers in Bandung in analyzing the distribution of goods out at every branch located in Bandung.

Key Words : Data mart, Data Warehouse,Snow flake, Olap, Roll up and drill

iii

Puji dan syukur senantiasa kami panjatkan kehadirat Allah S.W.T. atas segala limpahan rahmat dan karunia-Nya. Shalawat dan salam semoga tetap tercurah kepada Nabi Besar Muhammad S.A.W.,kepada keluarganya, para sahabatnya dan sampai kepada kita sebagai umatnya. Alhamdulillah saya dapat menyelesaikan Tugas Akhir

dengan judul “MEMBANGUN PERANGKAT LUNAK DATAMART DI SB MART

BANDUNG”. Tugas Akhir ini merupakan salah satu syarat untuk menempuh Akhir Sarjana Program Strata Satu Jurusan Teknik Informatika Fakultas Teknik dan Ilmu Komputer di Universitas Komputer Indonesia (UNIKOM).

Sehubungan dengan telah selesainya Tugas Akhir ini, kami yakin bahwa tugas ini tidak akan berhasil tanpa doa, bimbingan, petunjuk dan dukungan dari berbagai pihak yang terlibat dalam pembuatan tugas ini. Oleh karena itu kami mengucapkan terima kasih kepada :

1. Allah S.W.T yang telah memberikan kami nikmat dan kesehatan sehingga dapat menyelesaikan TA (Tugas Akhir).

2. Kedua Orang Tua penulis yang tidak henti-hentinya mendoakan dan memberikan dukungan.

3. Ibu Mira Kania Sabariah, S.T.,M.T., selaku pembimbing sekaligus ketua jurusan Teknik Informatika Universitas Komputer Indonesia yang telah meluangkan

iv

4. Adam Mukharil Bachtiar,S.KOM. selaku penguji 1 yang telah meluangkan waktu untuk memberikan bimbingan dengan penuh kearifan, kekeluargaan serta memberikan masukan – masukan dalam penyelesaian tugas akhir ini

5. Bapak Tedi Sopyan selaku pihak dari SB mart Bandung selaku Manager yang banyak membantu demi kelancaran Tugas Akhir.

6. Teman-teman yang telah ikut mendukung dan membantu terutama Wisnu Giri Nugroho, Gaga Nugraha dan Jaka Adi Swara sahabat yang selalu membantu penulis dalam hal teknis dan non teknis, serta selalu mendoakan, memberi semangat, motivasi, dan berbagi pengetahuan kepada penulis.

7. Kepada seluruh sahabat saya khususnya kelas IF-2 angkatan 2006, atas do’a dan dukungannya.

8. Rekan-rekan satu bimbingan dan semua pihak yang telah memberikan bantuan dan dukungan dalam menyelesaikan tugas kami.

9. Kepada Tuti Eka Sari sesorang yang selalu ada dan mendukung penulis dengan cinta.

10.Pihak- pihak lain yang tidak dapat saya sebutkan satu persatu

Kami menyadari bahwa Laporan penelitian tugas akhir yang penyusun buat ini masih jauh dari sempurna, seperti kata pepatah : “ Tak ada gading yang tak

v

Besar harapan kami agar Laporan penelitian tugas akhir ini akan bermanfaat bagi para pembaca dan dunia pendidikan pada umumnya dan bagi penyusun sendiri khususnya.

Bandung, Agustus 2012

vii

LEMBAR PENGESAHAN

ABSTRAK ... i

ABSTRACT ... ii

KATA PENGANTAR ... iii

DAFTAR ISI ... vii

DAFTAR TABEL ... xii

DAFTAR GAMBAR ... xiv

DAFTAR SIMBOL ... xviii

DAFTAR LAMPIRAN ... xix

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Perumusan Masalah ... 2

1.3 Maksud dan Tujuan ... 2

1.3.1 Maksud ... 2

1.3.2 Tujuan ... 2

1.4 Batasan Masalah ... 3

1.5 Metodologi Penelitian ... 3

1.5.1 Pengumpulan Data ... 3

1.5.2 Metode Pembangunan Perangkat Lunak ... 4

1.6 Sistematika Penulisan ... 6

viii

2.1.2 Visi dan Misi Perusahaan ... 9

2.1.3 Struktur Organisasi dan Job Description ... 9

2.2 Landasan Teori ... 11

2.2.1 Pengertian Data ... 11

2.2.2 Basis Data (Database)... 12

A. Konsep Basis Data (Database) ... 12

B. Sistem Basis Data (DBS) ... 13

a. Komponen Utama Sistem Basis Data ... 13

2.2.3 Tujuan Database ... 13

A. Database Administrator ... 14

B. Bahasa/Language dalam Sistem Basis Data ... 14

2.2.4 Data Mart ... 15

2.2.4.1 Multi-Dimension Modeling ... 17

2.2.4.2 Visualisasi dari Suatu Dimensional Model ... 19

2.2.5 ETL (Extract, Transform, Loading) ... 22

2.2.5.1 Metode ETL... 23

2.2.5.2 Gambaran Proses ETL ... 24

2.2.5.3 Arsitektur Transformasi & Loading ... 25

2.2.6 Konsep Pemrograman Borland Delphi ... 26

2.2.6.1 Pengertian Borland Delphi ... 26

ix

2.2.8 Data Flow Diagram ... 27

BAB III ANALISIS DAN PERANCANGAN ... 29

3.1 Analisis Sistem ... 29

3.1.1 Analisis Masalah ... 29

3.1.2 Analisis Sistem yang Berjalan ... 30

3.1.3 Analisis OLTP SB Mart ... 31

3.1.4 Analisis Spesifikasi Kebutuhan Perangkat Lunak ... 35

3.1.5 Analisis Arsitektur Data Mart ... 36

3.1.6 ETL (Extract, Transform, Loading) ... 39

3.1.6.1 Extract ... 39

3.1.6.2 Transform ... 47

3.1.6.3 Loading ... 53

3.1.6.4 Skema Data Mart Barang Keluar SB Mart ... 54

3.1.7 Perancangan OLAP (On-Line Analytical Processing) ... 54

3.1.7.1 Pembuatan Cube Barang Keluar ... 55

3.1.7.2 Menentukan Tabel Fakta ... 59

3.1.7.3 Menentukan Mesure ... 59

3.1.7.4 Menentukan Dimension ... 60

3.1.8 Analisis Kebutuhan Non Fungsional ... 61

3.1.8.1 Analisis Kebutuhan Perangkat Keras ... 62

x

3.1.9.1 Aliran Proses ... 63

3.1.9.2 DFD Level 1 ... 64

3.1.9.3 DFD Level 2 Proses ETL Aplikasi Data Mart ... 65

3.1.9.4 DFD Level 2 Proses Analisis Aplikasi Data Mart .. 66

3.1.9.5 Spesifikasi Proses ... 66

3.1.9.6 Proses 1 ETL ... 66

3.1.9.7 Proses 2 Analisis ... 67

3.1.9.8 Kamus Data ... 68

3.2 Perancangan Arsitektur ... 71

3.2.1 Perancangan Struktur Menu ... 71

3.2.2 Perancangan Antarmuka ... 72

3.2.3 Perancangan Pesan ... 74

3.2.4 Jaringan Semantik... 75

3.2.5 Perancangan Prosedural ... 76

1. Perancangan Prosedural Login ... 76

2. Perancangan Prosedural Ekstrak ... 77

3. Perancangan Prosedural Transform ... 78

4. Perancangan Prosedural Analisis ... 78

BAB IV IMPLEMENTASI DAN PENGUJIAN ... 80

4.1 Implementasi Sistem ... 80

xi

4.1.4 Implementasi Perangkat Lunak ... 83

4.1.5 User Interface ... 83

4.1.5.1 Form Login ... 83

4.1.5.2 Form Menu Utama ... 85

4.1.5.3 Form Menu ETL ... 85

4.1.5.4 Form Menu Analisis ... 86

4.1.5.5 Form Menu Cetak Analisis... 87

4.2 Pengujian Sistem ... 88

4.2.1 Pengujian Alpha ... 88

4.2.2 Pengujian Login ... 89

4.2.3 Pengujian ETL ... 89

4.2.4 Pengujian Analisis ... 95

4.2.5 Kesimpulan Pengujian Alpha ... 102

4.2.6 Pengujian Beta ... 102

4.2.7 Saran Pengujian Beta ... 105

4.2.8 Kesimpulan Pengujian Beta ... 105

BAB V KESIMPULAN DAN SARAN ... 106

5.1 Kesimpulan ... 106

5.2 Saran ... 106

1

1.1 Latar Belakang

SB Mart adalah salah satu unit usaha dari KOPERASI SEJAHTERA BERSAMA yang bergerak di bidang perdagangan kebutuhan pokok sehari–hari. Dalam kegiatan operasionalnya, SB Mart juga mendistribusikan kebutuhan pokok sehari–hari ke gerai atau cabangnya. Setiap mendistribusikan kebutuhan pokok, perusahaan biasanya mencatat data transaksi distribusi kebutuhan pokok sehari– hari ke dalam database.

Pada proses pendistribusian kebutuhan pokok, SB Mart Bandung biasa mendistribusikan barang ke cabang target pendistribusiannya dan melakukan analisis secara manual. SB mart kesulitan untuk melakukan perhitungan analisis disebabkan karena desain arsitektur database yang sekarang tidak mampu untuk analisis data lebih lanjut guna meningkatkan strategi pendistribusian kebutuhan pokok ke cabangnya. Sistem informasi yang ada saat ini juga memiliki keterbatasan dalam menyajikan informasi secara detail mengenai pendistribusian barang keluar ke cabangnya.

Dari hasil wawancara dengan pihak SB Mart Bandung, perusahaan ingin adanya sebuah sistem yang dapat memberikan informasi secara detail mengenai pendistribusian barang yang memudahkan pihak SB mart untuk melakukan perhitungan analisis terhadap peningkatan jumlah permintaan barang disuatu gerai yang ada di kota Bandung. Berdasarkan masalah di atas, maka akan dibangun

membangun perangkat lunak data mart yang dapat memudahan pihak SB mart untuk mendapatkan informasi dan laporan mengenai peningkatan dan penurunan terhadap jumlah pendistribusian barang disuatu gerai.

1.2 Perumusan Masalah

Dari latar belakang ditemukan beberapa masalah yang dirumuskan dalam suatu rumusan masalah yaitu bagaimana membangun perangkat lunak data mart pendistribusian barang Di SB Mart Bandung.

1.3 Maksud dan Tujuan

Dari permasalahan yang ada, maksud dan tujuan dibangunnya perangkat lunak ini adalah:

1.3.1 Maksud

Pembuatan laporan ini dimaksudkan untuk membangun perangkat lunak data mart pendistribusian barang Di SB Mart Bandung.

1.3.2 Tujuan

Tujuan yang akan dicapai dari dibangunnya perangkat lunak ini adalah:

1. Memudahkan pihak SB mart dalam menganalisis pendistribusian barang keluar disetiap cabang yang ada di Bandung.

1.4 Batasan Masalah

Dalam penyelesaian tugas akhir ini diberikan batasan masalah agar tujuan dan sasaran yang diinginkan dapat tercapai. Adapun batasan masalah sebagai berikut :

a. Membangun data mart yang pendistribusian barang di SB Mart Bandung. b. Data yang di analisis nantinya hanya data pendistribusian barang keluar di SB

Mart Bandung.

c. Hanya menggunakan 1 sumber data yaitu OLTP SB Mart dengan format Ms Sql Server 2008.

d. Pendekatan analisis perangkat lunak yang digunakan adalah berdasarkan pendekatan analisis terstruktur.

e. Pengujian Datamart menggunakan OLAP

1.5 Metodologi Penelitian

Metodologi penelitian yang digunakan untuk membangun perangkat lunak data mart ini menggunakan metode analisis deskriptif yaitu suatu metode yang bertujuan untuk mendapatkan gambaran yang jelas tentang hal-hal yang diperlukan, melalui tahap pengumpulan data dan tahap pembangunan perangkat lunak.

1.5.1 Metode Pengumpulan Data

Metode pengumpulan data adalah tahap awal dalam melakukan suatu penelitian. Metodologi yang digunakan dalam mengunpulkan data yang berkaitan

dengan penyusunan laporan dan pembuatan perangkat lunak ini adalah sebagai berikut:

1) Studi Literatur

Studi literatur adalah tahap pengumpulan data yang diperoleh dengan cara mempelajari Teori ETL termasuk penerapan Data Mart.

2) Studi Lapangan

Studi lapangan adalah tahap pengumpulan data dengan mengadakan penelitian dan peninjauan langsung terhadap permasalah yang ada di SB Mart Bandung.

3) Wawancara

Wawancara adalah tahap pengumpulan data dengan cara tanya jawab langsung dengan manager SB Mart Bandung dan staf terkait terhadap permasalahan yang diambil.

1.5.2 Metode Pembangunan Perangkat Lunak

Tahap pembangunan perangkat lunak dalam pembutan perangkat lunak ini menggunakan waterfall, berikut dapat dilihat pada Gambar 1.1.

1. Requirements analysis and definition

Mengumpulkan kebutuhan secara lengkap kemudian kemudian dianalisis dan didefinisikan kebutuhan yang harus dipenuhi oleh program yang akan dibangun. Fase ini harus dikerjakan secara lengkap untuk bisa menghasilkan desain yang lengkap.

2. System and software design

Desain dikerjakan setelah kebutuhan selesai dikumpulkan secara lengkap

3. Implementation and unit testing

desain program diterjemahkan ke dalam kode-kode dengan menggunakan bahasa pemrograman yang sudah ditentukan. Program yang dibangun langsung diuji baik secara unit.

4. Integration and system testing

Penyatuan unit-unit program kemudian diuji secara keseluruhan (system testing).

5. Operation and maintenance

Tahapan untuk mengoperasikan program dilingkungannya dan melakukan pemeliharaan, seperti penyesuaian atau perubahan karena adaptasi dengan situasi sebenarnya.

1.6 Sistematika Penulisan

Sistematika penulisan laporan ini disusun untuk memberikan gambaran umum tentang penelitian yang dijalankan. Sistematika penulisan tugas akhir ini adalah sebagai berikut:

BAB I PENDAHULUAN

Menguraikan tentang latar belakang permasalahan, mencoba merumuskan inti permasalahan yang dihadapi, menentukan tujuan dan kegunaan penelititan yang kemudian diikuti dengan pembatasan masalah, asumsi, serta sistematika penulisan.

BAB II TINJAUAN PUSTAKA

Bab ini terbagi menjadi dua bagian, yaitu tinjauan umum perusahaan dan landasan teori. Tinjauan umum perusahaan berisi tentang sejarah singkat perusahaan, visi, misi, dan struktur organisasi sedangkan landasan teori berisi teori-teori pendukung dalam membangun membangun sebuah data mart pendistribusian barang Di SB Mart Bandung.

BAB III ANALISIS DAN PERANCANGAN SISTEM

Bab ini berisi analisis kebutuhan dalam membangun perangkat lunak ini dan menganilisis masalah dari model penelitian untuk memperlihatkan keterkaitan antar variabel yang diteliti dalam membangun perangkat lunak. Selain itu terdapat

juga perancangan antarmuka untuk perangkat lunak yang akan dibangun sesuai dengan hasil analisis yang telah dibuat.

BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab ini berisi hasil implementasi dari hasil analisis dan perancangan yang telah dibuat disertai juga dengan hasil pengujian dari perangkat lunak ini yang dilakukan di SB Mart Bandung sehingga diketahui apakah sistem yang dibangun sudah memenuhi syarat sebagai perangkat lunak yang user-friendly dan sesuai dengan kebutuhan dari SB mart.

BAB V KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan tentang keseluruhan dari pembangunan perangkat lunak ini dan saran tentang perangkat lunak ini untuk masa yang akan datang.

8

2.1 Profil Perusahaan

2.1.1 Sejarah Perusahaan

Koperasi SEJAHTERA BERSAMA (KSB) adalah koperasi yang bergerak dalam berbagai bidang usaha antara lain Usaha Simpan Pinjam dan Usaha Perdagangan yang didirikan pada bulan Januari Tahun 2004. Koperasi SEJAHTERA BERSAMA ingin berperan secara aktif dalam upaya membangun dan mengembangkan potensi dan kemampuan ekonomi masyarakat untuk meningkatkan kesejahteraan ekonomi dan sosialnya. Setiap Unit Usaha Koperasi SEJAHTERA BERSAMA dikelola oleh para expertise yang telah memiliki pengalaman di bidangnya, sehingga Unit Usaha Koperasi SEJAHTERA BERSAMA bukan hanya mampu tumbuh dan berkembang serta menghasilkan keuntungan, tetapi juga mampu meningkatkan kesejahteraan ekonomi dan sosial masyarakat.

SB Mart adalah salah satu unit usaha dari Koperasi SEJAHTERA BERSAMA yang bergerak dalam bidang perdagangan kebutuhan pokok yang diharapkan dapat menyediakan kebutuhan pokok sehari-sehari Anggota/Calon Anggota/masyarakat dengan kualitas baik dan harga terjangkau serta menjadi Pembina bagi toko-toko kecil yang dimiliki masyarakat disetiap daerah.

Sesuai dengan visi perusahaan kami, maka SB Mart berusaha menjadi mitra bisnis terpercaya bagi para pebisnis di Jawa Barat, dengan memberikan

pelayanan terbaik kami, sehingga konsumen merasa puas. Karena kepuasan konsumen adalah harapan dan tujuan kami.

2.1.2 Visi dan Misi Perusahaan

Visi

Menjadi jaringan distribusi ritel berdaya saing tinggi yang mensejahterakan.

Misi

Menjalankan unit usaha dengan struktur yang baik dan efisien dengan azas pelayanan.

2.1.3 Struktur Organisasi dan Job Description

a. Struktur Organisasi SB Mart Bandung

Organisasi adalah salah satu fungsi dari manajemen dan merupakan wadah untuk mencapai tujuan yang telah ditetakan dalam organisasi diadakan pembagian tugas secara jelas sesuai dengan bidang pekerjaan yang telah ditetapkan perusahaan. Untuk lebih jelasnya Struktur organisasi yang ada di SB Mart Bandung dapat dilihat pada Gambar 2.1.

IT MANAGER

IT APP IT HARDWARE &

NETWORK IT DATABASE

IT SPV IC SPV

Staff IC

b. Job Description

Berdasar struktur organisasi yang sudah ada, maka disusunlah uraian tugas dari masing-masing bagian yang terkait dalam instansi ini. Untuk menjamin efisien kerja, tanggung jawab, tugas dan wewenang serta hasil kerja yang lebih baik. Maka dijabarkan uraian tuags masing-masing bagian sebagai berikut :

A. IT Manager

IT Manager bertugas untuk memantau, dan bertanggung jawab atas seluruh kegiatan di Divisi IT SB mart.

B. IT SPV

IT SPV bertugas untuk mengawasi pendataan disemua bagian di SB mart.

C. IC SPV

IC SPV bertugas untuk mengawasi data inventori disemua bagian di SB mart.

D. IT APP

IT APP bertugas untuk memastikan aplikasi berjalan dengan lancar baik di kantor pusat maupun di Toko, kemudian melakukan debugging dan menganalisa serta melakukan troubleshoot.

E. IT Hardware

IT Hardware bertugas untuk memastikan hardware berjalan dengan lancar baik di kantor pusat maupun di Toko, kemudian menganalisa serta melakukan troubleshoot.

F. IT Database

IT Database bertugas untuk merancang dan melakukan optimalisasi data, menjaga keamanan data, dan melakukan backup data.

G. Staff IC

Staff IC bertugas untuk memastikan ketersedian inventori di gudang baik di kantor pusat maupun di gerai.

2.2 Landasan Teori

2.2.1 Pengertian Data

Data dan Informasi mempunyai keterkaitan antara satu dengan yang lainnya. Data adalah fakta – fakta atau pesan – pesan yang belum dievaluasi atau bahan mentah dari informasi yang melalui pengolahan tertentu dibentuk menjadi suatu informasi. Data merupakan kenyataan yang menggambarkan suatu kejadian

– kejadian nyata.

“ Menurut Steven Alter, data merupakan fakta,gambar atau suara yang mungkin atau tidak berhubungan atau berguna bagi tugas tertentu ” [4].

“ Menurut McLeod, data terdiri dari fakta-fakta dan angka yang secara relatif tidak berarti bagi pemakai. Sedangkan informasi adalah data yang sudah diproses atau data yang memiliki arti

Data merupakan suatu bentuk keterangan-keterangan yang belum diolah atau dimanipulasi sehingga belum begitu berarti bagi sebagian pemakai. Sedangkan informasi merupakan data yang sudah di olah sehingga memiliki arti.

2.2.2 Basis Data (Database)

A. Konsep Basis Data (Database)

Basis data terdiri dari dua kata, basis dan data. Basis dapat diartikan kurang lebih sebagai markas, gudang atau tempat berkumpul [4]. Sedangkan data adalah repesentasi fakta dunia nyata yang mewakili suatu objek seperti manusia (pegawai, siswa, pembeli dan lain – lain), barang dan sebagainya yang direkam dalam bentuk angka, huruf, simbol, teks, gambar, bunyi atau kombinasi lainnya. Basis data sendiri dapat didefinisikan dalam sejumlah sudut pandang seperti [4] :

1. Himpunan kelompok data (arsip) saling berhubungan yang diorganisasikan sedemikian rupa agar kelak dapat dimanfaatkan kembalidengan cepat dan mudah.

2. Kumpulan file / table / arsip saling berhubungan yang disimpan dalam media penyimpanan elektronis.

Ada beberapa tahapan yang digunakan dalam proses mendesain suatu basis data yaitu:

1. Tentukan tujuan dari basis data yang akan dibuat. 2. Tentukan tabel – tabel yang sekiranya akan dperlukan.

3. Tentukan field – field (kolom – kolom) yang diperlukan oleh tabel. 4. Tentukan sebuah kolom yang bersifat unik untuk dijadikan sebagai

5. Tentukan relasi antar tabel.

6. Periksa ulang dan sempurnakan desain basis data.

7. Isi data dalam basis data dan buat objek – objek database yang sekiranya diperlukan.

B. Sistem Basis Data (DBS)

Suatu sistem yang mengelolah data dan menyediakan data tersebut apabila dibutuhkan.

a. Komponen Utama Sistem Basis data

1. Data yang disimpan dalam basis data 2. Hardware : storage, processor, memory

3. Software : DBMS, Report-writer, design, arts, dll Pengguna :

a) Pengguna Awam (Naïve User) b) Pengguna Biasa (Casual User) c) Programmer

d) Administrator

2.2.3 Tujuan Database

Mereduksi redudansi yang akibatnya mengurangi inkonsistensi maka data dapat dishare antar aplikasi sehingga standarisasi data dapat dilakukan, batasan security dapat diterapkan, dimana pengelolaan integritas (Keterjaminan Akurasi) data dapat mudah dicapai dan dapat menyeimbangkan kebutuhan yang saling konflik [4].

Database Administrator

Database Adminstrator adalah orang yang memiliki kontrol utama terhadap keseluruhan sistem basis data (mencangkup data & program) yang mempunya fungsi yaitu [4]:

1. Pendefinisian skema

2. Pendefinisan struktur penyimpanan & metode akses 3. Modifikasi skema & organisasi fisik

4. Pemberian otorisasi bagi pengaksesan data

5. Mendefinisikan bagian basis data yang mana dapat diakses oleh seorang pemakai, termasuk operasi-operasi yang dapat dilakukan 6. Spesifikasi batasan integrasi

A. Bahasa/Language dalam Sistem Basis Data

Bahasa yang digunakan di dalam basis data antara lain : 1. Data Definition Language (DDL)

Perintah-perintah yang digunakan oleh database administrator untuk mendefinisikan skema ke DBMS. Secara detil hal yang perlu dijabarkan pada DBMS :

a. Nama basis data

b. Nama seluruh berkas pada basis data c. Nama rekaman dan medan

d. Enkripsi berkas, rekaman dan medan e. Nama medan kunci

f. Nama Indeks dan medan yang menjadi indeks g. Hal lain seperti ukuran basis data.

DDL juga digunakan untuk menciptakan, mengubah, dan menghapus basis data

2. Data Manipulation Language (DML)

DML adalah perintah-perintah yang digunakan untuk mengubah, memanipulasi dan mengambil data pada basis data. Tindakan seperti menghapus,mengubah,dan mengambil data menjadi bagian dari DML. DML dibagi atas 2 jenis :

a. Prosedural

Prosedural menuntut pengguna menentukan data apa saja yang diperlukan dan bagaimana cara mendapatkannya

b. Nonprosedural

Nonprosedural menuntut pengguna menentukan data apa yang diperlukan tetapi tidak perlu menyebutkan cara mendapatkannya

2.2.4 Data Mart

Data mart adalah suatu bagian pada data warehouse yang mendukung pembuatan laporan dan analisis data pada suatu uni, bagian operasi pada suatu perushaaan. Data mart berisi informasi yang relevan bagi user yang ingin mengambil keputusan, sebuah perusahaan yang telah menginvestasikan baik uang dan waktunya dalam sebuah bisnis operasional yang telah mempunyai dan menyimpan sebuah data dari pelanggan, penjualan dan inventori. Data tersebut merupakan asset dari suatu perusahaan yang perlu di manage untuk keperluan kompetitif perusahaan. Banyak perusahaan yang telah menerapkan DSS (Decision

Support system) yang telah ada di suatu data mart, sebuah data mart terintegrasi secara operasional dan sejarah data untuk aplikasi pengambilan keputusan.

Ada empat tugas yang bisa dilakukan dengan adanya data mart, keempat tugas tersebut yaitu [7]:

a. Pembuatan laporan

Pembuatan laporan merupakan salah satu kegunaan data mart yang paling umum dilakukan. Dengan menggunakan query sederhana didapatkan laporan per hari, per bulan, per tahun atau jangka waktu kapanpun yang diinginkan.

b. On-Line Analytical Processing (OLAP)

Dengan adanya data mart, semua informasi baik detail maupun hasil summary yang dibutuhkan dalam proses analisa mudah didapat. OLAP mendayagunakan konsep data multidimensi dan memungkinkan para pemakai menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah SQL. Hal ini dimungkinkan karena pada konsep multidimensi, maka data yang berupa fakta yang sama bisa dilihat dengan menggunakan fungsi yang berbeda. Fasilitas lain yang ada pada software OLAP adalah fasilitas rool-up dan drill-down. Drill-down adalah kemampuan untuk melihat detail dari suatu inforamsi dan roll-up adalah kebalikannya .

c. Data Mining

Data mining merupakan proses untuk menggali (mining) pengetahuan dan informasi baru dari data yang berjumlah banyak pada data mart, dengan menggunakan kecerdasan buatan (Artificial Intelegence), statistik dan

matematika. Data mining merupakan teknologi yang diharapkan dapat menjembatani komunikasi antara data dan pelakunya.

d. Proses informasi executive

Data mart dapat membuat ringkasan informasi yang penting dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi keseluruhan data. Dengan menggunakan data mart segala laporan telah diringkas dan dapat pula mengetahui segala rinciannya secara lengkap, sehingga mempermudah proses pengambilan keputusan. Informasi dan data pada laporan data mart menjadi target informatif bagi pengguna.

2.2.4.1 Multi-Dimensional Modeling

Multi dimensional modeling adalah teknik untuk memvisualisasi model data sebagai suatu kumpulan dari ukuran yang dideskripsikan dengan aspek-aspek bisnis[9]. Hal ini khususnya sangat berguna untuk meringkas dan menyusun data dan memperlihatkan data untuk mendukung para analis data. Dimensional modeling memfokuskan pada data numerik, seperti harga, jumlah, berat, keseimbangan dan kejadian-kejadian.

Dimensional modeling mempunyai beberapa konsep :

1. Fact

Fact adalah suatu koleksi dari relasi data-data items, terdiri dari ukuran-ukuran dan konteks data. Setiap fact biasanya merepresentasikan sebuah bisnis item, suatu transaksi bisnis, atau sebuah kejadian yang dapat digunakan dalam analisis

bisnis atau proses bisnis. Dalam data mart, fact di implementasikan dalam tabel dasar dimana semudah data numeric dan disimpan [5].

2. Dimensions

Dimensions adalah suatu koleksi dari anggota atau unit-unit data dengan tipe yang sama. Dalam sebuah diagram, suatu dimensi biasanya direpresentasikan dengan suatu axis. Dalam dimensional model, semua data menunjukan fact table yang diasosiasikan dengan satu dan hanya satu member sari setiap multiple dimensions. Jadi dimensi menunjukan latar belakang kontekstual dari fact. Banyak proses analisis yang digunakan untuk menghitung (quatify) dampak dari dimensi pada fact [5].

Dimensi adalah parameter dari apa yang ingin lakukan dalam On-Line Analytical Processing (OLAP) [6]. Sebagai contoh, dalam suatu database untuk menganalisa semua penjualan dari produk, dimensi berikut ini harus ada :

a) Waktu b) Lokasi c) Pembeli d) Penjual

Skenario seperti kejadian, pembiayaan atau angka estimasi

Dimensi biasanya juga dapat dipetakan bukan angka numerik, entity yang bersifat informatif seperti merek atau karyawan.

Dimension member : suatu dimensi berisi banyak anggota-anggota. Suatu anggota dimensi adalah nama pembeda atau indetifier yang digunakan untuk membedakan posisi suatu data item. Sebagai contoh, semua bulan, empat

bulanan dan tahunan membuat dimensi waktu. Dan semua kota, wilayah dan negara merupakan dimensi geografi [6].

Dimension Hierarchies : dapat mengatur anggota dari suatu dimensi kedalam satu atau banyak hirarki. Setiap hirarki dapat juga mempunyai banyak level hirarki. Setiap member dari dimensi tidak boleh dilokasikan kedalam satu struktur hirarki [6].

3. Measures

Suatu measures (ukuran) adalah suatu besaran (angka numerik) atribut dari sebuah fact, yang menunjukan performance atau behavior (tingkah laku) dari bisnis secara relatif pada suatu dimensi [6]. Angka atau nomor yang ditunjukan disebut dengan variable. Sebagai contoh ukuran dari penjualan dalam bentuk uang, besarnya penjualan, jumlah pengadaan, biaya pengadaan, banyaknya transaksi dan lainnya. Suatu ukuran dijelaskan dengan kombinasi dari member dari suatu dimensi dan diletakkan dalam fact.

2.2.4.2 Visualisasi dari Suatu Dimensional Model

Cara yang paling populer dalam memvisualisasikan suatu model dimensional adalah dengan menggambarkan sebuah cube data. Contohya dapat dilihat pada (Gambar 2.3) dapat menggambarkan tiga model dimensional menggunakan sebuah kubus. Biasanya suatu dimensional model terdiri dari lebih tiga dimensi dan digambarkan sebagai suatu hypercube, akan tetapi hypercube sulit untuk divisualisasikan, jadi sebuah kubus lebih biasa digunakan [6]. Gambar berikut merupakan measurement adalah volume dari produksi, yang

mana dijelaskan dengan kombinasi dari tiga dimensi yaitu lokasi produk dan waktu. Dimensi dari lokasi dan dimensi produk mempunyai dua level hiraki. Misalnya dimensi mempunyai level region dan plant.

Gambar 2.2 Kubus Suatu Visualisasi dari Dimensional Model

Terdapat tiga konsep yang dapat memodelkan lebih jelas dalam penentuan fact table dimensi dan measure, yaitu :

1. Model star

Model star adalah model dasar dari pemodelan multidimensi yang dapat di lihat pada gambar 2.3. Model star memiliki satu tabel induk yang dinamakan table fact dan kumpulan dari tabel-tabel kecil yang disebut tabel dimensi, disusun dalam pola-pola melingkar mengelilingi table fact [9].

Gambar 2.3 Model Star

2. Model SnowFlake

Selain model star dalam menampilkan desain sebuah data mart juga dapat menggunakan model Snowflake sebagai contoh dapat dilihat pada gambar 2.4. Dalam sebuah model snowflake terdapat sebuah fact table yang dikelilingi oleh beberapa dimension table. Namun dimension table itu sendiri dapat seolah-olah berupa sebuah fact table lain yang juga memiliki dimensinya sendiri [9].

Gambar 2.4 Model SnowFlake

Pada model snowflake diatas dapat dilihat bahwa tiap-tiap tabel dimensi berhubungan dengan dimensi yang lain seolah-olah tabel dimensi tersebut

merupakan tabel fakta. Hal ini dapat terjadi karena pada model snowflake ini telah dilakukan normalisasi. Normalisasi ini tidak terdapat pada model star.

3. Model Constellation.

Beberapa fact tables berbagi tabel dimensi, sebagai contoh dapat di lihat pada gambar 2.5. Model constellation ditampilkan sebagai koleksi dari kumpulan skema bintang yang sering disebut sebagai skema galaxy [9].

Gambar 2.5 Model Constellation

2.2.5 ETL ( Extract, Transform, Loading)

Extraction merupakan proses untuk mengidentifikasi seluruh sumber data yang relevan dan mengambil data dari sumber data tersebut.Untuk lebih jelasnya dapat dilihat pada gambar 2.6. Penentuan pendekatan yang digunakan pada proses ekstrasi sangat terkait dengan analisis bisnis proses, pendefinisian area subjek , serta desain logik/fisik data mart [9].

Transformation merupakan proses yang mempunyai peran dalam melakukan perubahan dan integrasi skema serta struktur yang berbeda-beda kedalam skema dan struktur yang terdefinisi dalam data mart [9].

Loading merupakan proses pemindahan data secara fisik dan sistem operasional kedalam data mart [9].

Gambar 2.6 ETL Process Management

Proses ETL meliputi 3 tahapan pemodelan yaitu model data sumber, model area bisnis dan model data mart. Proses ETL berawal dari data sumber yang berasal dari basis data operasional dan berakhir dngan proses loading data pada data mart. Proses yang dilakukan meliputi proses Ekstraksi dari data sumber yang akan di tempatkan pada tabel staging baik tabel staging final maupun tabel staging temporer.

2.2.5.1Metode ETL

Didasarkan penggunaan tabel staging sebagai tabel temporary dari basis data sumber untuk loading pada data mart metode yang digunakan yaitu dengan pendekatan Load Transform yaitu menggunakan tahapan sementara dalam operasi ETL yang disebut dengan staging area/tabel [10], untuk lebih jelasnya dapat dilihat pada gambar 2.7.

yaitu Ekstraksi, Transformasi, serta Loading dilakukan pemisahan secara fisik sehingga dapat dikerjakan secara terpisah/parallel.

Gambar 2.7 ETL Load Transform

2.2.5.2Gambaran Proses ETL

Proses pengambilan data dari sumber data merupakan sekumpulan proses yang lebih dikenal dengan Extract, Transfom, Load data ke system target untuk lebih jelasnya dapat di lihat pada gambar 2.8. ETL dapat digunakan untk mengambil data dari berbagai sumber [10].

Gambar 2.8. Gambaran Process ETL

Proses ekstraksi dilakukan dengan menggunakan pendekatan logic Full Ekstraction dan incremental ekstraksi disertai dengan besaran data yang di input.

Hal ini dilakukan dengan menggunakan counter terhadap data yang di input menjadi paket-paket input dengan besaran tertentu. Pengembangan selanjutnya dengan menggunakan metode load-transform yaitu dengan menggunakan konsep staging dalam proses transformasi multistage transformation, apabila proses transformation selesai, data yang telah bersih akan di proses pada lingkungan target yaitu integrasi layer.

2.2.5.3Arsitektur Transformasi & Loading

Proses perpindahan data dari sumbernya (source) ke data mart untuk lebih jelasnya dapat di lihat pada gambar 2.9. Proses ini proses yang menggunakan banyak waktu dalam proyek data mart [10].

Gambar 2.9 Arsitektur Transform&Loading

ETL merupakan proses yang sangat penting dalam data mart [10], dengan ETL inilah data dari operational dapat dimasukkan ke dalam data mart. ETL dapat digunakan untuk mengintegrasikan data dengan sistem yang sudah ada sebelumnya.

2.2.6 Konsep Pemrograman Borland Delphi

2.2.6.1Pengertian Borland Delphi

Borland Delphi merupakan suatu bahasa pemrograman yang memberikan berbagai fasilitas pembuatan aplikasi visual [8].

2.2.6.2 Kelebihan Borland Delphi

Kelebihan pemrograman ini terletak pada produktivitas, kualitas, pengembangan perangkat lunak, kecepatan kompilasi, pola design yang menarik serta diperkuat dengan pemrogramannya yang terstuktur. Keunggulan lain dari Delphi adalah dapat digunakan untuk merancang program aplikasi yang memiliki tampilan seperti program aplikasi lain yang berbasis Windows [8].

2.2.6.3 Fasilitas Database

Khusus untuk pemrograman database, Borland Delphi menyediakan fasilitas objek yang kuat dan lengkap yang memudahkan programmer dalam membuat program. Format database yang dimiliki Delphi adalah format database Paradox, dBase, MS.Access, ODBC, SyBASE, Oracle dan lain – lain.

2.2.7 Microsoft SQL Server

SQL ( Structured Query Language ) adalah bahasa standar yang digunakan untuk mengakses server database [10]. Semenjak tahun 70-an bahasa ini telah dikembangkan oleh IBM, yang kemudian diikuti dengan adanya Oracle, Informix dan Sybase. Dengan menggunakan SQL, proses akses database menjadi lebih user-friendly dibandingkan dengan misalnya dBase ataupun Clipper yang masih menggunakan perintah – perintah pemrograman murni.

Microsoft SQL Server adalah sebuah server database SQL multiuser dan multi-threaded [10]. SQL sendiri adalah salah satu bahasa database yang paling populer di dunia. Implementasi program server database ini adalah program daemon 'mysqld' dan beberapa program lain serta beberapa pustaka. Sebagaimana database sistem yang lain, dalam SQL juga dikenal hierarki server dengan database-database. Tiap-tiap database memiliki tabel-tabel. Tiap-tiap tabel memiliki field-field. Umumnya informasi tersimpan dalam tabel – tabel yang secara logik merupakan struktur 2 dimensi terdiri atas baris dan kolom. Field-field tersebut dapat berupa data seperti int, realm char, date, time dan lainnya. SQL tidak memiliki fasilitas pemrograman yang lengkap, tidak ada looping ataupun percabangan. Sehingga untuk menutupi kelemahan ini perlu digabung dengan bahasa pemrograman semisal Pascal.

2.2.8 Data Flow Diagram

Data Flow Diagram (DFD) adalah alat pembuatan model yang memungkinkan profesional sistem untuk menggambarkan sistem sebagai suatu jaringan proses fungsional yang dihubungkan satu sama lain dengan alur data, baik secara manual maupun komputerisasi. DFD ini adalah salah satu alat pembuatan model yang sering digunakan, khususnya bila fungsi-fungsi sistem merupakan bagian yang lebih penting dan kompleks dari pada data yang dimanipulasi oleh sistem. Dengan kata lain, DFD adalah alat pembuatan model yang memberikan penekanan hanya pada fungsi sistem.

DFD ini merupakan alat perancangan sistem yang berorientasi pada alur data dengan konsep dekomposisi dapat digunakan untuk penggambaran analisa maupun rancangan sistem yang mudah dikomunikasikan oleh profesional sistem kepada pemakai maupun pembuat program. Komponen DFD menurut Yourdan dan De Marco:

Tabel 2.1 Komponen DFD Menurut Yourdan dan De Marco

Nama Keterangan

Terminator Sumber (source) : terminator yang menjadi sumber.

Terminator Tujuan (sink) : terminator yang menjadi tujuan data/informasi sistem.

Proses : menggambarkan bagian dari sistem yang mentransformasikan input menjadi output.

Data store : biasanya berkaitan dengan penyimpanan-penyimpanan, seperti file atau database yang berkaitan dengan penyimpanan secara komputerisasi, misalnya file disket, file harddisk, file pita magnetik. Data store juga berkaitan dengan penyimpanan secara manual seperti buku alamat, file folder, dan agenda.

Alur data ini digunakan untuk menerangkan perpindahan data atau paket data/informasi dari satu bagian sistem ke bagian lainnya.

29

3.1 Analisis Sistem

Analisis sistem dapat didefinisikan sebagai penguraian dari suatu sistem yang utuh ke dalam bagian-bagian komponennya dengan maksud untuk mengidentifikasi dan mengevaluasi permasalahan-permasalahan yang terjadi dan kebutuhan–kebutuhan yang diharapkan. Pada bagian ini akan dijelaskan lebih detail mengenai permasalahan serta kebutuhan yang ingin dicapai.

3.1.1 Analisis masalah

Permasalahan yang dihadapi oleh SB Mart saat ini banyaknya transaksi proses distribusi produk. Karena jumlahnya yang sangat banyak, data sulit untuk dianalisis. Untuk lebih jelas mengenai permasalahan yang ada di SB mart, dapat dilihat pada tabel 3.1.

3.1.2 Analisis Sistem yang Sedang Berjalan

Sistem yang sedang berjalan di SB Mart sekarang ini menggunakan sistem informasi dengan aplikasi database berbasis Ms Sql Server 2008. Secara garis besar sistem pendistribusian barang keluar yang berjalan adalah sebagai berikut :

1. Proses barang keluar

a. Dari gudang, barang akan didistribusikan ke gerai/toko. Gudang mendapatkan bukti pendistribusian barang yaitu nota barang keluar. b. Petugas/bagian data entry menerima data dari bagian pemasaran

untuk dilakukan proses inputan data pendistribusian barang.

c. Petugas/bagian storage mengecek data barang di gudang dalam database dan melakukan sinkronisasi terhadap nota barang keluar d. Nota barang keluar yang sudah dicek kemudian diprint sebagai

bukti untuk bagian storage dan untuk ke toko target pendistribusian.

e. Semua proses transaksi barang keluar tersimpan dalam OLTP dengan format Ms Sql Server 2008

3.1.3 Analisis OLTP SB Mart

Berikut merupakan gambaran dari sistem SB Mart yang sedang berjalan saat ini beserta lampiran dari tabel-tabel yang digunakan oleh SB Mart. Data pada tabel-tabel tersebut berasal dari database Ms Sql Server 2008 di SB mart

Adapun daftar keterangan dari setiap tabel adalah sebagai berikut : 1. Tabel Kota

Tabel ini berisikan data kota dari supplier yang mengirim barang. Untuk lebih jelasnya dapat melihat tabel 3.2

Tabel 3.2 Tabel Kota

2. Tabel Supplier

Tabel ini berisikan data supplier yang mengirim barang ke SB mart. Untuk lebih jelasnya dapat melihat tabel 3.3

3. Tabel Kategori

Tabel ini berisikan data kategori dari barang yang ada di SB. Untuk lebih jelasnya dapat melihat tabel 3.4

Tabel 3.4 Tabel Kategori

4. Tabel Barang

Tabel ini berisikan data barang yang ada di Sb mart. Untuk lebih jelasnya dapat melihat tabel 3.5

Tabel 3.5 Tabel Barang

5. Tabel Wilayah

Tabel ini berisikan data wilayah dari toko/gerai Sb mart. Untuk lebih jelasnya dapat melihat tabel 3.6

6. Tabel Toko

Tabel ini berisikan data toko/gerai Sb mart. Untuk lebih jelasnya dapat melihat tabel 3.7

Tabel 3.7 Tabel Toko

7. Tabel Barang Masuk

Tabel ini berisikan data barang masuk di Sb mart. Untuk lebih jelasnya dapat melihat tabel 3.8

Tabel 3.8 Tabel Barang Masuk

8. Tabel Detail Barang Masuk

Tabel ini berisikan data detail barang masuk di Sb mart. Untuk lebih jelasnya dapat melihat tabel 3.9

Tabel 3.9 Tabel Detail Barang Masuk

9. Tabel Barang Keluar

Tabel ini berisikan data barang masuk di Sb mart. Untuk lebih jelasnya dapat melihat tabel 3.10

Tabel 3.10 Tabel Barang Keluar

10.Tabel Detail Barang Keluar

Tabel ini berisikan data detail barang keluar di Sb mart. Untuk lebih jelasnya dapat melihat tabel 3.11

Untuk lebih jelas mengenai gambaran diagram relasi OLTP SB Mart yang sedang berjalan saat ini dapat dilihat di gambar 3.1

SUPLIER PK ID_Suplier FK1 ID_Kota Nama_Suplier Nama_kota Alamat_Suplier No_telp KOTA PK ID_Kota Nama_Kota BARANG PK ID_Barang FK1 ID_Kategori Nama_Barang Nama_Kategori Harga_barang Stok_barang KATEGORI PK ID_Kategori Nama_Kategori BARANG MASUK PK ID_Barang_Masuk FK1 ID_Suplier Nama_Suplier Alamat_Suplier Tanggal_Barang_Masuk Status TOKO PK ID_Toko FK1 ID_Wilayah Alamat_Toko Nama_Wilayah No_telp

DETAIL BARANG MASUK

PK ID_Detail_Barang_Masuk FK1 ID_Barang_Masuk FK2 ID_Barang Jumlah_Barang_Masuk_Per_Item Barang_Masuk BARANG KELUAR PK ID_Barang_Keluar FK1 ID_Toko Alamat_toko Tanggal_barang_keluar Status

DETAIL BARANG KELUAR

PK ID_Detail_Barang_keluar FK2 ID_Barang FK1 ID_Barang_Keluar Jumlah_Barang_Keluar_Per_Item Barang_keluar WILAYAH PK ID_Wilayah Nama_Wilayah

Gambar 3.1 Diagram Relasi OLTP SB mart

3.1.4 Analisis Spesifikasi Kebutuhan Perangkat Lunak

Dari permasalahan yang muncul, terdapat permasalahan dimana SB mart belum mempunyai sistem analisis yang memudahkan bagi pihak SB mart untuk menganalisa dan melakukan perhitungan mengenai jumlah pendistribusian barang keluar antar gerai di kota Bandung. Beberapa hal yang dibutuhkan SB Mart antara lain sebagai berikut :

1. Sistem yang dapat menganalisa dengan jelas mengenai perhitungan jumlah barang keluar, kategori, dan stok berdasarkan kebutuhan barang masing – masing gerai / toko berdasarkan periode yang ditentukan.

2. Sistem yang dibuat nantinya menggunakan OLTP SB mart sebagai sumber data.

3. Melihat karakteristik Sistem tersebut, maka yang akan digunakan adalah tabel Toko, Tabel Barang, Tabel kategori dan tabel Detail Barang Keluar. Pemilihan Tabel ini dilakukan berdasarkan wawancara dari pihak SB mart mengenai pendistribusian barang ke gerai. Teknik pemilihan kolom hingga merubah data akan dibahas secara detail pada pokok bahasan Analisis Data Mart.

3.1.5 Analisis Arsitektur Data Mart

Arsitektur data menyediakan kerangka dengan mengidentifikasikan dan memahami bagaimana data akan dipindahkan melalui sistem dan digunakan untuk analisis. Arsitektur data untuk data mart mempunyai komponen utama yaitu read-only database.

Arsitektur yang akan digunakan adalah Two – Layer Architecture. Arsitektur ini terdiri dari 4 lapisan aliran data, yaitu :

1. Lapisan pertama adalah source layer. Pada lapisan ini, data masih berupa operasional data. Data operasional yang akan digunakan pada pembangunan data mart kali ini sudah berupa data logic yang ada di database server.

2. Lapisan kedua adalah data staging. Pada lapisan ini, data operasional akan diekstrak ( lebih dikenal dengan proses ETL ) ke dalam data mart.

3. Lapisan ketiga adalah data mart layer. Informasi akan disimpan pada sebuah penyimpanan logic yang tersentralisasi, yaitu data mart. Data mart dapat diakses secara langsung, dan juga bisa digunakan untuk keperluan OLAP. 4. Lapisan keempat adalah analysis. Analisis disini nantinya akan menggunakan

OLAP.

Arsitektur data mart dapat dilihat pada gambar 3.2 berikut:

Data Operasional

Sumber Data

Membuat Link ke Database

Memuat Sumber ke Mesin Database Data Staging Penyimpanan Data Data Mart Data Mining Analisis Mengecek Sumber Data

Apakah sumber data

sesuai ?

Melakukan Extract dan

Transform

Menjalankan Script untuk

Loading Data Database

Operasional ya tidak

Gambar 3.2 Arsitektur Data Mart

Gambar 3.2 menjelaskan arsitektur data mart. Secara Umum terdiri dari empat bagian yaitu Sumber data, Data Staging, Penyimpanan Data, dan Analisis Penjelasn dari tiap-tiap bagian adalah sebagai berikut :

1. Source layer

Berasal dari Database Operasional (OLTP) dengan format Ms Sql Server 2008.

2. Data Staging

Pada bagian data staging, dilakukan proses berikut:

A. pemilihan sumber data yaitu database Ms Sql Server 2008 yg nantinya akan diolah menjadi data mart.

B. Pengecekan database Ms Sql Server 2008 layak atau tidak untuk dijadikan data mart.

C. Setelah dinyatakan layak maka dilakukan ekstraksi data dengan mengambil sumber data yaitu database Ms Sql Server 2008

D. Proses selanjutnya adalah transform. tabel-tabel yang sudah diekstrak nantinya dipilih lagi sesuai strategi bisnis yang ditentukan, kemudian dilakukan juga pemilihan kolom, pengubahan nama dan pengambilan field tanggal menjadi dim waktu

E. Proses selanjutnya adalah Load. Semua proses transform tadi menghasilkan sedikit tabel dengan kolom yang penting. Load disini memasukan berfungsi untuk memasukan data hasil transform di data stagging ke data mart. Cara lain bisa juga proses transform dan Load disatukan sehingga nantinya begitu tabel-tabel sudah dipilih, maka langsung di load ke data mart.

3. Penyimpanan Data

Hasil dari ETL, akan disimpan ke dalam Data mart. nantinya akan digunakan untuk proses analisis.

4. Analisis

Dari Data mart yang dibuat dapat dilakukan total jumlah pengiriman barang keluar ke gerai berdasarkan teknik roll-up dan drill-down.

3.1.6 Analisis ETL (Extract, Transform, Loading)

ETL merupakan proses yang sangat penting dalam data mart, dengan ETL inilah data dari operational dapat dimasukkan ke dalam data mart. ETL dapat digunakan untuk mengintegrasikan data dengan sistem yang sudah ada sebelumnya. Tujuan ETL adalah mengumpulkan, menyaring, mengolah, dan menggabungkan data-data yang relevan dari berbagai sumber untuk disimpan ke dalam data mart. Hasil dari proses ETL adalah dihasilkannya data yang memenuhi kriteria data mart seperti data yang historis, terpadu, terangkum, statis, dan memiliki struktur yang dirancang untuk keperluan proses analisis.

3.1.6.1 Extract

Langkah pertama pada proses ETL adalah mengekstrak data dari sumber -sumber data. Data mart dapat menggabungkan data dari sumber-sumber yang berbeda dengan sistem-sistem terpisah yang menggunakan format data yang berbeda. Ektraksi adalah mengubah data ke dalam suatu format yang berguna untuk proses transformasi. Berikut adalah proses ekstrak pada data mart :

Gambar 3.3 Flowchart Proses Ekstract

Proses ekstraksi dari database operasional ke dalam data mart adalah sebagai berikut :

1. Proses ekstraksi pada tabel barang:

Pada Ekstraksi data disini, dilakukan proses pengambilan data dari sumber database OLTP dengan format database Ms Sql Server 2008. Kolom yang diekstrak adalah kolom ID_Barang, Nama_Barang, Hrg_Barang, ID_Kategori, dan Stok. Hasil dari ekstraksi data tabel Barang dapat dilihat pada gambar tabel berikut :

Gambar 3.4 Gambar Tabel Barang

2. Proses ekstraksi pada tabel toko:

Pada ekstraksi data disini, dilakukan proses pengambilan data dari sumber database OLTP dengan format database Ms Sql Server 2008.Kolom yang diekstrak adalah kolom ID_Toko, Nama_Toko, Alamat, No_Telp dan ID_Wilayah. Hasil dari ekstraksi data table dapat dilihat pada gambar tabel berikut

3. Proses ekstraksi pada tabel kota:

Untuk mengestrak tabel kota, langkah yang dilakukan yaitu mengambil semua record dan kolom yang terdapat dalam tabel kota (id_kota dan nama_kota). Hasil dari ekstraksi data table dapat dilihat pada gambar tabel berikut

Gambar 3.6 Gambar Tabel Kota

4. Proses ekstraksi pada tabel supplier:

Pada ekstraksi data, kolom yang akan diambil nantinya adalah ID_supplier, Nama_ supplier , Alamat ,ID_Kota dan No_Telp. Hasil dari ekstraksi data tabel suplier dapat dilihat pada gambar tabel berikut :

5. Proses ekstraksi pada tabel jabatan:

Untuk mengekstrak tabel jabatan, langkah yang dilakukan yaitu mengambil semua record dan kolom yang terdapat dalam tabel jabatan (id_jabatan dan nama_jabatan). Hasil dari ekstraksi data table dapat dilihat pada gambar tabel berikut

Gambar 3.8 Gambar Tabel Jabatan

6. Proses ekstraksi pada tabel kategori:

Untuk mengekstrak tabel kategori, langkah yang dilakukan yaitu mengambil semua record dan kolom yang terdapat dalam tabel kategori (id_kategori dan nama_kategori). Hasil dari ekstraksi data table dapat dilihat pada gambar tabel berikut

7. Proses ekstraksi pada tabel pegawai:

Untuk mengestrak tabel pegawai, langkah yang dilakukan yaitu memilih beberapa kolom sesuai dengan format yang dibutuhkan. Kolom yang dipilih berupa (id_pegawai, nama_pegawai, alamat, no_tlp, id_jab). Hasil dari ekstraksi data table dapat dilihat pada gambar tabel berikut

Gambar 3.10 Gambar Tabel Pegawai

8. Proses ekstrasi pada tabel barang masuk:

Untuk mengestrak tabel barang masuk, langkah yang dilakukan yaitu memilih beberapa kolom sesuai dengan format yang dibutuhkan. Kolom yang dipilih berupa (id_barang_masuk, tanggal, id_supplier, status). Hasil dari ekstraksi data tabel dapat dilihat pada gambar tabel berikut

9. Proses ekstraksi pada tabel detail barang masuk:

Pada Ekstraksi data, attribut yang akan diambil nantinya adalah id_barang_masuk_detail, id_barang_masuk, id_barang dan jumlah. Hasil dari ekstraksi data tabel detail barang masuk dapat dilihat pada gambar tabel berikut:

Gambar 3.12 Gambar Tabel Detail Barang Masuk 10.Proses ekstraksi pada tabel barang keluar master:

Untuk mengestrak tabel barang keluar, langkah yang dilakukan yaitu memilih beberapa kolom sesuai dengan format yang dibutuhkan. Kolom yang dipilih berupa (id_barang_keluar, tanggal, id_toko, status). Hasil dari ekstraksi data tabel detail barang masuk dapat dilihat pada gambar tabel berikut:

Gambar 3.13 Gambar Tabel Barang Keluar Master

11. Proses ekstraksi pada tabel detail barang keluar:

Pada Ekstraksi data, attribut yang akan diambil nantinya adalah id_barang_keluar_detail, id_barang_keluar , id_barang dan jumlah. Hasil dari ekstraksi data tabel detail barang masuk dapat dilihat pada gambar tabel berikut:

Gambar 3.14 Gambar Tabel Detail Barang Keluar 3.1.6.2 Transform

Setelah dilakukan tahap ekstrak, tahap transformation dilakukan dengan menggunakan serangkaian aturan dan fungsi untuk selanjutnya akan dimasukkan

ke dalam data mart. Proses ini untuk menyesuaikan data apa saja yang akan di- load ke dalam target, melakukan join dengan sumber data lain, melakukan agregasi, sorting dan filter. Adapun fungsi transformasi yang akan dilakukan antara lain:

1. Cleaning

Tahap ini untuk membersihkan/meningkatkan kualitas data. Pada proses ini tabel-tabel dan kolom yang bernilai null dan tidak digunakan untuk proses selanjutnya tidak akan diambil. Penjelasan dari proses cleaning adalah sebagai berikut:

a. Tabel Toko

Gambar 3.15 Gambar Tabel Toko

Pada tabel toko, kolom no_telp dan Id_wilayah tidak akan digunakan ketika proses transformasi, karena tidak akan digunakan dalam proses analisis. Hasil dari transformasi data tabel Toko dapat dilihat pada tabel 3.16 berikut :

Gambar 3.16 Gambar Tabel Toko setelah proses transformasi

b. Tabel Kategori

Pada tabel kategori, semua kolom digunakan ketika proses transformasi. c. Tabel barang keluar detail

Gambar 3.18 Gambar Tabel barang keluar detail

Pada tabel barang keluar detail, kolom Id_barang keluar tidak akan digunakan ketika proses transformasi, karena tidak akan digunakan dalam proses analisis. id_barang juga tidak diambil karena nantinya ada FK dari dim barang dengan PK id_barangHasil dari transformasi data tabel Barang dapat dilihat pada tabel 3.18 berikut :

2. Conditioning

Proses conditioning dilakukan dengan pemilihan tabel dan atribute dari sumber data ke target data (data mart). Penjelasan dari conditioning pada proses transformasi adalah sebagai berikut :

a. Tabel-tabel yang berada dalam sumber data akan dipilih dan diubah namanya dan dimasukkan kedalam database target (data mart). Perlu diperhatikan bahwa database yang menjadi sumber data (data source) berbeda dengan database target (data mart) artinya terdapat 2 database yaitu DBSBmart yang menjadi sumber data, dan DMSBmart yang menjadi target data.

b. Tabel Detail barang keluar merupakan Tabel fakta dalam DMSBmart (nanti diubah namanya menjadi tabel barang keluar), sedangkan Tabel Barang, Tabel Kategori dan Tabel Toko merupakan Tabel Dimensi dalam DMSBmart.

c. Tabel detail barang keluar diubah namanya menjadi tabel Barang Keluar dalam proses conditioning dan menjadi tabel fakta dengan PK ID_detail_barang_keluar yang diubah penamaannya menjadi ID_nota_barang_keluar dan jumlah sebagai atribut. Untuk lebih jelas mengenai proses conditioning yang terjadi akan di jelaskan dengan Tabel 3.12

Tabel 3.12 Tabel detail barang keluar menjadi fakta barang keluar

d. ID_toko, ID_barang, ID_kategori, ID_waktu sebagai FK dari fakta barang keluar. Untuk lebih jelas mengenai FK pada tabel fakta barang keluar akan di jelaskan dengan Tabel 3.13

Tabel 3.13 Tabel fakta barang keluar

e. Field tanggal pada tabel barang keluar akan dijadikan tabel dim_waktu (dengan field berupa kode_waktu, bulan, tahun) karena ketika proses analisis, data yang dibutuhkan bisa dianalisis lebih dalam berdasarkan range waktu yang diinginkan. Untuk lebih jelasnya mengenai tanggal dari tabel barang keluar yang dijadikan dim waktu akan dijelaskan dengan Tabel 3.14

Tabel 3.14 Tabel field tanggal pada tabel barang keluar menjadi Dim waktu

ID_Barang_Keluar Tanggal ID_Toko Status

1 2010-07-09 57 1

2 2010-07-09 14 1

3 2010-07-09 34 1

ID_Waktu Tanggal Bulan Tahun

1 9 7 2010

2 9 7 2010

3 9 7 2010

f. Tabel Kota, Tabel Supplier, Tabel Jabatan, Tabel Pegawai, Tabel Barang Masuk, Tabel Detail Barang Masuk, dan Tabel Wilayah tidak diproses dalam tahap transform. Karena yang diperlukan untuk Proses selanjutnya. Hanya Tabel Barang, Tabel Kota, Tabel Kategori dan Tabel Waktu

Pada proses transform, data yang sudah melalui tahap conditioning dan cleansing di load kedalam data mart. Untuk lebih jelas mengenai proses transform yang terjadi akan di jelaskan dengan flowchart gambar 3.20

Mulai Baca Data Hasil Ekstrak

Pemilihan Tabel Apakah Tabel sesuai? Tabel ditampilkan ya tidak Pemilihan kolom Apakah Kolom Sesuai? Tabel ditampilkan tidak ya

Pemilihan field tanggal pada tabel Barang Keluar sebagai Dim waktu

Field Tanggal sudah dijadikan Dim waktu ?

Ubah Format Nama Data Penamaan Sesuai ? Dim Waktu ditampilkan Penamaan ditampilkan

Simpan dan Load Hasil Transform ke Data Mart

Selesai tidak

ya

tidak ya

Gambar 3.20 Flowchart Proses Transform

3.1.6.3 Loading

Fase Load merupakan tahapan yang berfungsi untuk memasukkan data ke dalam target akhir yaitu data mart . Pada proses ini data OLTP SB mart yang sudah dibaca dan diubah formatnya akan disimpan pada data mart. Dalam tahap ini, nantinya pihak SB mart akan melakukan update berkala setiap triwulan.

3.1.6.4 Skema Data Mart Barang KeluarSB Mart

Berdasarkan hasil analisis dan kebutuhan dari SB mart, model data dimensional yang dibuat nantinya adalah Snow flake. Model ini dipilih karena dianggap sesuai untuk gambaran proses bisnis yang ingin dicapai yaitu proses bisnis barang keluar. Gambar Snow flake dapat dilihat pada gambar 3.21.

DIMENSI BARANG

PK ID_Barang

Nama_Barang Harga Stok FK1 ID kategori DIMENSI TOKO

PK ID_Toko

Nama_Toko Alamat

FAKTA BARANG KELUAR

PK ID_Nota barang keluar

FK3 ID_Toko FK1 ID_Barang FK2 ID_waktu Jumlah DIMENSI WAKTU PK ID_Waktu Tanggal Bulan Tahun DIMENSI KATEGORI

PK ID kategori

Nama_kategori

Gambar 3.21 Tabel Snow flake Schema Data mart SB Mart

3.1.7 Analisis Hasil Data Mart Menggunakan OLAP

Data yang sudah melaluai proses ETL merupakan data yang akan disimpan dalam data warehouse, dan data ini yang digunakan sebagai bahan analisis dan laporan, dalam periode tertentu. Perancangan OLAP (On-Line Analytical Processing) pada SB mart yaitu dengan mengolah dan menganalisis data dari berbagai dimensi. Model Multidimensional data cube yang dihasilkan pada rancangan data mart (Gambar 3.21 Snow flake) memungkinkan pengambilan keputusan menganalisa data dari berbagai dimensi.

Dibawah ini akan dijelaskan langkah-langkah dalam membuat sebuah Cube, seperti yang terlihat pada gambar 3.22.

Adapun keterangan mengenai multidimensional data cube untuk melakukan proses analisis data dengan OLAP pada SB Mart yaitu

3.1.7.1 Pembuatan Cube Barang Keluar

Cube barang keluar terdiri dari Tabel Fakta yang digunakan berupa fakta_barang_keluar dan beberapa tabel dimensi yaitu : Dim_Waktu, Dim_Barang, Dim_kategori dan Dim_Toko

BARANG TOKO Time Total

MITU TISUE Sbmart Lembang _{01 100}

ABC SMBL BTL Sbmart Cibogo _{02 80}

SUSU ULTRA Sbmart Cimacan _{03 65}

AQUA 1 L Sbmart Ciwastra _{04 45}

Adapun penjelasan dari langkah-langkah pembuatan cube diatas, untuk lebih detailnya dapat dilihat pada gambar dibawah ini.

Gambar 3.24 Proses Penjelasan Pembuatan Cube

Proses analisis akan dilakukan untuk menganalisa pendistribusian barang keluar yaitu dengan menggunakan OLAP, Nilai atribute seperti tanggal memiliki nilai yang menyatakan tahun, bulan, juga hari. Seringkali pengkategorian ini dapat diorganisasikan sebagai pohon hirarki. Struktur hirarki ini memunculkan operasi Roll-up dan Drill-down. Contohnya pada data barang keluar yang merupakan data multidimensional (fakta barang keluar), dapat ditentukan agregasi barang keluar untuk jumlah per hari dalam 1 bulan dan memisahkan total barang keluar per 3 bulan ke dalam total barang keluar bulanan.

1. Roll up

Operator roll up menyebabkan peningkatan agregasi data dan menghapus level data yang lebih detail dari sebuah hirarki. Untuk data barang keluar di SB mart, kita dapat mengumpulkan data (Roll up) barang keluar dari seluruh tanggal (harian) dalam satu bulan. Sebagai contoh, untuk menampilkan jumlah barang

keluar ke suatu gerai per bulan. Roll up dapat menampilkan informasi tentang kategori barang dan menampilkan jumlah barang keluar ke toko berdasarkan periode total 3 bulanan.

Nama kategori Toko

Jumlah

Jan Feb Mar

Mittu Tissue SB mart Lembang 25 35 27

ABC smbl Saos botol SB mart Cibogo 17 20 15

Susu Ultra Susu Kemasan SB mart Ciwastra 40 43 37

Chitato Snack ringan SB mart Cikutra 10 17 8

Menjadi:

Nama Kategori Toko Jumlah

Mittu Tissue SB mart Lembang 87

ABC smbl Saos Botol SB mart Cibogo 52 Susu Ultra Susu Kemasan SB mart Ciwastra 120 Chitato Snack Ringan SB mart Cikutra 35

2. Drill Down

Operator drill-down merupakan kebalikan dari roll-up.Penggunaan query untuk data jumlah barang keluar yang dimensi waktunya 3 bulanan, dapat dibagi ke dalam data jumlah barang keluar per bulan.

Nama Kategori Toko Jumlah

Mittu Tissue SB mart Lembang 87

ABC smbl Saos Botol SB mart Cibogo 52 Susu Ultra Susu Kemasan SB mart Ciwastra 120 Chitato Snack Ringan SB mart Cikutra 35

Menjadi:

Nama kategori Toko

Jumlah

Jan Feb Mar

Mittu Tissue SB mart Lembang 25 35 27

ABC smbl Saos botol SB mart Cibogo 17 20 15

Susu Ultra Susu Kemasan SB mart Ciwastra 40 43 37

Chitato Snack ringan SB mart Cikutra 10 17 8

3. Slice and Dicing

Operator slice and dicing adalah proses mengambil potongan kubus berdasarkan nilai tertentu pada satu atau beberapa dimensinya. Pada tabel 3.25 merupakan contoh data apabila jika dilakukan slicing and Dicing pada nama toko, nama kategori dan barang sehingga memudahkan dalam melakukan analisis terhadap data pendistribusian barang sehingga hasil yang didapatkan merupakan cross-tabulation sebagai berikut:

Gambar 3.25 ilustrasi proses Slicing and Pivoting

3.1.7.2 Menentukan Tabel Fakta

Dalam program datamart ini hanya satu Tabel Fakta yang digunakan yaitu Fakta barang keluar. Tabel ini dibuat berdasarkan tabel OLTP dengan mengumpulkan Primary Key dan field yang bisa di hitung kedalam satu tabel.

3.1.7.3 Menentukan Measure

measure yang dibuat adalah total proses data yang diambil dari tabel Fakta_ barang keluar dengan field total

Measure Keterangan Agregasi

3.1.7.4 Menentukan Dimension

Tabel Dimensi yang akan digunakan adalah Dim_Waktu, Dim_barang, Dim_Toko. Dim Menentukan Nama Cube, data Cube sendiri adalah representasi kumpulan data dalam multidimensi, artinya data tersebut dapat direpresentasikan dalam N-Dimensi. Cubeadalah bagian utama dari OLAP. Cube berisi kumpulan banyak data yang telah disatukan (agregasi) sehingga mempercepat hasil query.

1. Tabel Dim Barang

Tabel ini berisi Data Barang setelah proses transformasi.

Tabel 3.15 Tabel Dim_Barang

Nama Kolom Tipe Data Panjang Data Kunci Keterangan

Id_barang int PK Not null

Nama barang Varchar 50 Not null

harga int Not null

Stok int Not null

2. Tabel Dim Waktu

Tabel ini berisi data sebagai penunjuk waktu, minggu, bulan, atau pertahun.

Tabel 3.16 Tabel Dim_Waktu

Nama Kolom Tipe Data Panjang Data Kunci Keterangan

Id_waktu int PK Not null

tanggal int Not null

bulan int Not null

3. Tabel Dim_Toko

Tabel ini berisi data wilayah penjualan SB mart yang terdiri dari Id_toko dan nama toko.

Tabel 3.17 Tabel Dim_Toko

Nama Kolom Tipe Data Panjang Data Kunci Keterangan

Id_toko int PK Not null

Nama Toko Varchar 50 Not null

4. Tabel Dim Kategori

Tabel ini berisi data kategori barang SB mart yang terdiri dari kode kategori dan nama kategori.

Tabel 3.18 Tabel Dim_Kategori

Nama Kolom Tipe Data Panjang Data Kunci Keterangan

Id_kategori int PK Not null

Nama_Kategori Varchar 50 Not null

3.1.8 Analisis Kebutuhan Non Fungsional

Analisis kebutuhan non-fungsional merupakan analisis yang dibutuhkan untuk menentukan spesifikasi kebutuhan sistem. Spesifikasi ini juga meliputi elemen atau komponen-komponen apa saja yang dibutuhkan untuk sistem yang akan dibangun sampai dengan sistem tersebut dapat diimplementasikan. Analisis kebutuhan ini juga menentukan spesifikasi masukan yang diperlukan sistem, keluaran yang akan dihasilkan dan proses yang dibutuhkan untuk mengolah masukan sehingga menghasilkan suatu keluaran yang diinginkan.

3.1.8.1 Analisis Kebutuhan Perangkat Keras

Berikut ini adalah spesifikasi perangkat keras minimum yang mendukung aplikasi data mart SB Mart yaitu :

1. Processor : Intel Core Duo/Core 2 Duo 2. Memory : 1 GB

3. HardDisc dengan ruang kosong minimal 8 GB 4. Monitor : 15’

5. Mouse dan Printer

3.1.8.2 Analisis Karakteristik Pengguna

User yang akan menggunakan aplikasi ini yaitu Manager yang memiliki jenjang pendidikan minimal sarjana. Secara umum user bisa mengoperasikan komputer dan menggunakan sistem operasi windows dan mengerti Ms SQL Server 2008 . Untuk lebih jelasnya dapat dilihat pada tabel dibawah berikut :

3.1.8.3 Analisis Perangkat Lunak

Spesifikasi perangkat lunak yang dibutuhkan untuk mendukung aplikasi yang akan dibangun adalah sebagai berikut:

1. Operating System : Microsoft Windows XP/Windows 7 2. Delphi 7 sebagai perangkat pembangunan aplikasi data mart

(tools).

3. Microsoft SQL 2008 Database Manajemen Sistem (DBMS).

3.1.9 Analisis Kebutuhan Fungsional

Analisis kebutuhan fungsional menggambarkan proses kegiatan yang akan diterapkan dalam sebuah sistem.

3.1.9.1 Aliran Proses

Diagram konteks atau disebut juga dengan model sistem fundamental me- representasikan seluruh elemen sistem sebagai sebuah bubble tunggal dengan data input output yang ditunjukkan oleh anak panah yang masuk dan keluar secara berurutan.

Aplikasi Data Mart SB Mart MANAGER MARKETING DB.SBMART Data_Barang Data_Supplier Data_Wilayah Data_Kota Data_Barang_Keluar Data_Barang_Masuk Data_Toko Data_Load Data_Tanggal_Olap Data_Cetak_Laporan Info_Data_Tanggal_Olap Info_Load Info_Transform Data_Detail_Barang_Masuk Data_Detail_Barang_Keluar Data_Kategori Info_Cetak_Laporan_Olap Data_Transform Data_Ekstrak Data_Login Info_Ekstrak Info_Login

3.1.9.2 DFD Level 1 D ata _ Bar an g MANAGER MARKETING DB.SBMART 1.0 Pengolahan ETL 2.0 Pengolahan Analisis D ata _ S u p p li e r D ata _ W il ay ah D ata _ T o k o D ata _ Bar an g _ K e lu ar Dat a _ B ar an g _ M as u k D ata _ K o ta Dim_Waktu Dim_Toko Dim_Kategori Da ta _ E T L In fo _ E T L Data_Waktu Data_Toko Data_Kategori Data_Barang Data_Toko Data_Kategori Data_Barang Data_Waktu Data_Waktu Data_Toko Data_Kategori Data_Barang Data_Toko Data_Kategori Data_Barang Data_Waktu Data_Analisis Info_Analisis Fakta_Barang_Keluar Dim_Barang Data_Fakta_Barang_Keluar Data_Fakta_Barang_Keluar Data_Fakta_Barang_Keluar Data_Fakta_Barang_Keluar Dat a _ K ate g o ri D ata _ D e tai l_ Bar an g _ Mas u k D ata _ D e tai lBar an g _ K e lu ar

3.1.9.3 DFD Level 2 Proses ETL Aplikasi Data Mart MANAGER MARKETING 1.1 Ekstrak 1.2 Transform 1.3 Loading

Dim_Barang Dim_Waktu Dim_Kategori Dim_Toko Fakta_Barang_Keluar DB.SBMART Data_DB.SBMART Data_DB.SBMART Data_Ekstrak Hasil_Ekstrak Data_Waktu Data_Waktu Data_Barang Data_Barang Data_Dim_Barang D a ta _ K a te g o ri D a ta _ K a te g o ri Data_Toko Data_Toko Data_Fakta_Barang_Keluar Data_Fakta_Barang_Keluar Data_Dim_Barang Data_Dim_Waktu Data_Dim_Waktu D a ta _ K a te g o ri D a ta _ K a te g o ri Data_Toko Data_Toko Data_Fakta_Barang_Keluar Data_Fakta_Barang_Keluar Data_Load Info_Load Data_Transform Info_Transform DB.SBMART Data_DBSBMART

3.1.9.4 DFD Level 2 Proses Analisis Aplikasi Data Mart MANAGER MAREKETING 3.2 View Analisis Dim_Barang Dim_Toko Dim_Waktu Data_Dim_Barang Data_Dim_Waktu Data_Dim_Toko Data_Dim_Barang Data_Dim_Waktu Data_Dim_Toko 3.2 Pengolahan Laporan Data_Dim_Barang Data_Dim_Waktu Data_Dim_Barang Data_Dim_Waktu Data_Analisis_Penjualan Info_Analisis_Penjualan Data_Cetak_Laporan Info_Cetak Laporan Fakta_Barang_Keluar Dim_Kategori Data_Dim_Kategori Data_Dim_Kategori Data_Fakta_Barang_Keluar Data_Fakta_Barang_Keluar Data_Dim_Toko Data_Dim_Toko Data_Dim_Kategori Data_Dim_Kategori Data_Fakta_Barang_Keluar Data_Fakta_Barang_Keluar

Gambar 3.29 DFD Level 2 Analisis

3.1.9.5 Spesifikasi Proses

Spesifikasi proses digunakan untuk menggambarkan proses model aliran yang terdapat pada DFD. Spesifikasi untuk tiap proses yang terdapat pada gambar-gambar diatas dapat dijelaskan pada subbab-subbab berikut:

3.1.9.6 Proses 1 ETL

Alur proses ETL dalam DFD akan diperjelas dengan menggunakan spesifikasi proses. Spesifikasi proses dalam table 3.20

Table 3.20 Spesifikasi Proses ETL

No.Proses 1

Nama Proses Proses Ekstrak, Transform, dan Loading

Source Manager Marketing

Input Data Ekstrak, Data Transform, Data Hasil ETL Output Info Ekstrak, Info Transform, Info Hasil ETL Destination Manager Marketing

1. Database SB mart di ekstrak. Hasil dari proses ekstrak disimpan di database sementara(ekstrak).

2. Setelah Data sudah diekstrak, user dapat memilih data untuk proses selanjutnya yaitu transform. Hasil dari proses transform langsung disimpan sebagai datamart.

3. Sistem menampilkan hasil ETL ke user.

3.1.9.7 Proses 2 Analisis

Alur proses Analisis dalam DFD akan diperjelas dengan menggunakan spesifikasi proses. Spesifikasi proses dalam table 3.21

Table 3.21 Spesifikasi Proses Analisis

No.Proses 2

Nama Proses Proses Analisis Source Manager Marketing

Input Data Filter, Data Hasil Analisis, Data Cetak Laporan

Output Info Filter, Info Hasil Analisis, Info Cetak Laporan

Destination Manager Marketing

Logika Proses 1. Setelah login user valid.

2. User dapat memilih inputan sebagai filter analisis.

3. Hasil dari inputan akan ditampilkan ke user.

3.1.9.8 Kamus Data

Kamus data merupakan sebuah daftar yang tersusun dari elemen data yang berhubungan dengan sistem. Kamus data dibuat berdasarkan arus data yang ada di diagram flow data.

Berikut ini kamus data yang di ambil dari data flow diagram Aplikasi datamart di SB mart :

Table 3.22 kamus data

Nama Data Operasional

Deskripsi Berisi data yang akan diolah menjadi datamart

Sbmart

Stuktur Data ID_Kota, Nama_Kota, ID_Supp, Nama_Supp, Alamat_Supp, No_Telp, ID_jab, Nama_Jab, ID_pegawai, Nama_pegawai, Alamat, No_telp, ID_Barang_Masuk, Tanggal, Status, ID_Detail_barang_Masuk, Jumlah, ID_Kategori, Nama_Kategori, ID_Toko, Nama_Toko, Alamat, No_Telp,ID_wilayah, Nama_Wilayah, ID_Barang, Nama_Barang, Harga, Sat, Stok, ID_Barang_Keluar, tanggal, Status, ID_Detail_Barang_Keluar, Jumlah ID_kota Nama_Kota ID_Supp Nama_Supp Alamat_Supp No_Telp ID_jabatan Nama_Jabatan ID_pegawai Nama_Pegawai Alamat No_Telp ID_Barang_Masuk Tanggal Status [0…9]

[a…z | A…Z] [0…9]

[a…z | A…Z] [a…z | A…Z | 0…9] [0…9]

[0…9]

[a…z | A…Z] [0…9]

[a…z | A…Z] [a…z | A…Z | 0…9] [0…9]

[0…9]

Date

ID_Detail_barang_Masuk Jumlah ID_Kategori Nama_Kategori ID_Toko Nama_Toko Alamat No_Telp ID_wilayah Nama_Wilayah ID_Barang Nama_Barang Harga Stok Satuan ID_Barang_Keluar Tanggal Status ID_Detail_Barang_Keluar Jumlah [0…9] [0…9] [0…9]

[a…z | A…Z] [0…9]

[a…z | A…Z] [a…z | A…Z | 0…9] [0…9]

[0…9]

[a…z | A…Z] [0…9]

[a…z | A…Z | 0…9] [0…9]

[0…9]

[a…z | A…Z] [0…9]

Date

[0…9] [0…9] [0…9]

Nama Data Mart

Deskripsi Berisi data operasional yang telah melalui proses ETL

Struktur Data ID_Kategori, Nama_Kategori, ID_Toko, Nama_Toko, Alamat,

ID_Barang, Nama_Barang, Harga, Stok, ID_Waktu, Tanggal, Bulan, Tahun, ID_Nota_Barang_Keluar, Jumlah

ID_Kategori [0…9]

Nama_Kategori [0…9]

ID_Toko [a…z | A…Z | 0…9]

Nama_Toko [a…z | A…Z]

Alamat [0…9]

ID_Barang [a…z | A…Z | 0…9]

ID_Kategori Nama_Kategori ID_Toko Nama_Toko Alamat ID_Barang Nama_Barang Harga Stok ID_Waktu Tanggal Bulan [0…9]

[a…z | A…Z | 0…9] [0…9]

[a…z | A…Z]

[a…z | A…Z | 0…9] [0…9]

[a…z | A…Z]

[0…9] [0…9] [0…9]

Date Date

Tahun ID_Nota_Barang_Keluar Jumlah Date [0…9] [0…9]

Nama Data Analisis

Deskripsi Data yang akan dianalisis. Stuktur Data ID_Kategori, Nama_Kategori,

ID_Toko, Nama_Toko, Alamat,

ID_Barang, Nama_Barang, Harga, Stok, ID_Waktu, Tanggal, Bulan, Tahun, ID_Nota_Barang_Keluar, Jumlah ID_kategori Nama_Kategori ID_Toko Nama_Toko Alamat ID_barang Nama_Barang Harga Stok ID_Waktu Tanggal Bulan Tahun ID_Nota_Barang_Keluar Jumlah [0…9]

[a…z | A…Z] [0…9]

[a…z | A…Z] [a…z | A…Z | 0…9] [0…9]

[a…z | A…Z] [0…9] [0…9] [0…9] Date Date Date [0…9] [0…9]

Nama Data Kategori

Deskripsi Data yang ada di Dim Kategori Stuktur Data ID_Kategori, Nama_Kategori ID_Kategori

Nama_Kategori

[0…9]

[a…z | A…Z]

Nama Data Barang

Deskripsi Data yang ada di Dim Barang

Stuktur Data ID_Barang, Nama_Barang, Harga, Stok ID_Barang ID_Kategori Nama_Barang Harga Stok [0…9] [0…9]

[a…z | A…Z |0…9] [0…9]

[0…9]

Nama Data Toko

Deskripsi Data yang ada di Dim Toko Struktur Data ID_Toko, Alamat, No_telp ID_Toko

Alamat No_Telp

[0…9]

[a…z | A…Z | 0…9] [0…9]

Deskripsi Data yang ada di Dim Waktu Struktur Data ID_Waktu, Tanggal, Bulan, Tahun ID_waktu Tanggal Bulan Tahun [0…9] Date Date Date

Nama Data Fakta Barang Keluar

Deskripsi Data yang ada di Fakta Barang Keluar Struktur Data ID_Nota_Barang_Keluar, ID_Kategori,

ID_Toko, ID_Barang, ID_Waktu, Jumlah ID_Nota_Barang_Keluar ID_Toko ID_Kategori ID_Waktu ID_Barang Jumlah [0…9] [0…9] [0…9] [0…9] [0…9] [0…9]

3.2 Perancangan Arsitektur

Pada subbab ini akan dibahas perancangan arsitektur untuk aplikasi data mart yang akan dibangun.dalam subbab ini akan ada perancangan struktur menu, perancangan antarmuka, perancangan pesan, dan jaringan semantik.

3.2.1 Perancangan Struktur Menu

Berikut ini adalah perancangan struktur menu dari aplikasi yang akan dibangun:

3.2.2 Perancangan Antarmuka

Pada subbab ini akan dibahas tentang perancangan antarmuka aplikasi yang akan dibangun.

1. Form Login

Halaman login adalah halaman pertama kali muncul saat aplikasi dijalankan. User harus memasukan username dan password terlebih dahulu untuk masuk ke halaman utama.

T.01

Gambar 3.31 menu Login Datamart Penjualan SB mart

2. _{Form Utama}

Pada form utama terdapat tiga menu yang dapat dipilih user. Gambar 3.42 adalah perancangan tampilan form utama.

T.02

APLIKASI DATA MART

Keterangan: Halaman Utama

Ukuran: 800x600 Jenis Huruf: Calibri

1.Menu ETL (Menampilkan T03)

2.Menu Analisis (Menampilkan T04) 3.Tutup Aplikasi (menutup aplikasi)

BANNER LOGO SB MART ETL ANALISIS TUTUP APLIKASI

Gambar 3.32 menu Form Utama Datamart pendistribusian SB mart

3. Form ETL

Form ini akan menampilkan proses ETL dimulai dari pilihan waktu (periode) data dari database yang akan diproses ETL kemudian diekstrak kemudian di transform kemudian di load ke dalam database

T.03

Prosedur Login

Mulai

Input Data Login

Login berhasil?

Form Utama ditampilkan

ya

P

ERANCANGAN PROCEDURAL

(

LANJUTAN

)

Prosedur Ekstrak Mulai

Baca Data OLTP

Pengecekan Data OLTP

Apakah Data Tersedia?

Data Ada

Data Hasil ekstrak ditampilkan

Simpan ke stagging area

Selesai

Tidak

Mulai

Baca Data Hasil Ekstrak

Pemilihan Tabel Apakah Tabel sesuai? Tabel Sesuai Tabel ditampilkan ya tidak Pemilihan kolom Apakah Kolom Sesuai? Tabel Sesuai Tabel ditampilkan tidak ya

Pemilihan field tanggal pada tabel Barang Keluar sebagai Dim waktu

Field Tanggal sudah dijadikan Dim waktu ?

Field Tanggal sudah dijadikan Dim Waktu

Ubah Format Nama Data

Penamaan Sesuai ? Nama Sesuai Dim Waktu ditampilkan Penamaan ditampilkan

Simpan dan Load Hasil Transform ke Data Mart tidak

ya

tidak

P

ERANCANGAN PROCEDURAL

(

LANJUTAN

)

Mulai

Baca Data Hasil ETL

Pilih Range Waktu

Range waktu sesuai ?

Ya

Tidak

Data Analisis Di Tampilkan

Selesai Range Waktu sudah

Aplikasi ini dapat memudahkan manager di SB mart bandung dalam menganalisa secara detail mengenai pendistribusian barang keluar di setiap cabang yang ada di Bandung.

Kesimpulan

Saran

1. Data mart yang dibangun di SB mart Bandung dapat di

kembangkan menjadi data warehouse untuk mendapatkan

informasi dari beberapa divisi di SB mart).

2. Data mart yang dibangun di SB mart Bandung dapat di kembangkan untuk memperoleh informasi mengenai