TA : Pembuatan Data Warehouse dan OLAP Terhadap Sumber Data Inventory pada PT. Temprina Media Grafika.

Oleh

Nama : Adie Kurniawan NIM : 07.41010.00326 Program : S1 (Strata Satu) Jurusan : Sistem Informasi

SEKOLAH TINGGI

MANAJEMEN INFORMATIKA & TEKNIK KOMPUTER SURABAYA

PT. Temprina Media Grafika adalah iebuah peruiahaan yang bergerak di bidang percetakan. Seiring dengan berjalannya proiei kerja pada peruiahaan ini menyebabkan iemakin bertambahnya data adminiitraii gudang dan iemakin banyak pula data yang harui ditangani oleh pihak manajemen. Hal ini menuntut kebutuhkan akan iuatu iiitem yang dapat digunakan untuk menganaliia informaii biinii yang bagui dan cepat. Manajer PT. Temprina Media Grafika membutuhkan iumber informaii yang relevan dan berkualitai untuk membantu pengambilan keputuian.

Pada iiitem ini menggunakan Data Warehouie iebagai iumber informaii yang digunakan untuk laporan analiiii atau On-Line Analytical Processing (OLAP). Data Warehouie ini beriii ringkaian data yang beriifat hiitorii diiimpan terpiiah dari iiitem operaiional iehingga kinerja query menjadi lebih cepat.

Berdaiarkan penelitian yang dilakukan telah dibangun iebuah Data Warehouie yang dapat memproiei informaii dengan kredibilitai tinggi dan efiiien. Data Warehouie ini dapat memenuhi kebutuhan akan informaii multidimenii untuk analiia jumlah itok Inventori penerimaan dan pengeluaran barang, analiia jumlah permintaan barang, analiia pembelian dan analiia penerimaan barang pembelian. Selain itu juga untuk analiia jumlah penjualan barang dan analiia jumlah tagihan invoice barang. Laporan analiiii teriebut dapat memudahkan pengguna dalam mengakiei informaii iecara cepat dan memudahkan dalam membuat laporan analiia tren.

_Halaman

ABSTRAK... vi

KATA PENGANTAR... vii

DAFTAR ISI... ix

DAFTAR TABEL... xii

DAFTAR GAMBAR...xiii

DAFTAR LAMPIRAN... xv

TAT I PENDAHULUAN_{... 1}

1.1 Latar Belakang... 1

1.2 Perumusan Masalah ... 2

1.3 Pembatasan Masalah... 2

1.4 Tujuan... 3

1.5 Sistematika Penulisan... 4

TAT II LANDASAN TEORI_{... 5}

2.1 Inventori... 5

2.1.1 Tipe-Tipe Inventori... 9

2.1.2 Fungsi Inventori... 6

2.1.3 Biaya Inventori... 9

2.1.4 Aliran Siklus Inventori... 11

2.2 Data Warehouse... 13

2.2.1 Konsep Multi-dimensional Data... 15

2.2.2 Konsep Pemodelan Data Warehouse... 20

2.2.3 Konsep Multi-dimensional Data... 15

2.4 Oracle Database... 30

2.4.1 Oracle Warehouse Builder... 31

2.4.2 Oracle Business Intelligence Suite Enterprise Edition ... 31

TAT III METODE PENELITIAN_{... 34}

3.1 Analisa Kebutuhan Sistem... 34

3.2 Prosedur Pengembangan... 35

3.2.1 Analisa Sumber Data ... 35

3.2.2 Subjek Data Warehouse... 39

3.2.3 Desain Proses ETL... 53

3.2.4 Desain Metadata untuk BI... 54

3.2.2 Arsitektur Data Warehouse... 56

3.2.1 Arsitektur Jaringan ... 57

TAT IV IMPLEMENTASI DAN EVALUASI_{... 58}

4.1 Kebutuhan Sistem... 58

4.1.1 Kebutuhan Perangkat Keras... 58

4.1.1 Kebutuhan Perangkat Lunak... 59

4.2 Implementasi Sistem... 60

4.3.1 Implementasi Proses ETL ... 61

4.3.2 Implementasi Reporting... 62

4.3 Uji Coba Sistem... 65

4.3.1 Uji Proses ETL ... 65

4.3.2 User Test ... 71

5.2 Saran... 78

Tabel 2.1 Tabel Pendistribusian Obat... 17

Tabel 2.2 Bentuk tabel 2 dimensi pada penjualan obat... 18

Tabel 3.1 Kebutuhan Data Multidimensi... 39

Tabel 4.1 Hasil Proses Ekstraksi data dimensi cost center... 67

Tabel 4.2 Hasil Proses Work Flow... 70

Halaman

Gambar 2.1 Alur dan Fungsi Masing-masing Tipe Barang... 6

Gambar 2.2 Aliran Siklus Inventori Pabrik Manufaktur... 12

Gambar 2.3 Arsitektur Data Warehouse... 13

Gambar 2.4 Hirarki Dimensi Daerah... 16

Gambar 2.5 Bentuk 3 Dimensi... 18

Gambar 2.6 Data Pada Vektor Tiap Dimensi... 19

Gambar 2.7 Skema Bintang... 21

Gambar 2.8 Skema Bola Salju... 21

Gambar 2.9 Skema Galaxy... 22

Gambar 2.10 Slicing OLAP cubes for Population >= 65 years... 27

Gambar 2.11 Slicing OLAP cubes for Total population... 28

Gambar 2.12 Dicing for two dimensions... 28

Gambar 2.13 Dicing for two dimensions Total population... 28

Gambar 2.14 Rolling-up OLAP cubes... 29

Gambar 2.15 Drilling-down OLAP cubes... 29

Gambar 3.1 Prosedur Pengembangan... 35

Gambar 3.2 Skema Sederhana Tabel-tabel OLTP... 36

Gambar 3.3 ERD Tabel-Tabel Transaksi... 37

Gambar 3.4 ERD Tabel-Tabel Transaksi yang sudah direlasikan... 38

Gambar 3.5 Dimensi Waktu... 42

Gambar 3.6 Dimensi Material... 42

Gambar 3.7 Dimensi Supplier Customer... 43

Gambar 3.10 Dimensi Mata Uang ... 45

Gambar 3.11 Dimensi Tipe Pembayaran... 45

Gambar 3.12 Kubus Inventori... 46

Gambar 3.13 Tabel Fakta Inventori... 48

Gambar 3.14 Mapping Dimensi Holding... 40

Gambar 3.15 Mapping Dimensi Cost Center... 50

Gambar 3.16 Mapping Dimensi Currency... 50

Gambar 3.17 Mapping Dimensi Material... 51

Gambar 3.18 Mapping Dimensi Payment Type... 52

Gambar 3.19 Mapping Kubus Inventori... 52

Gambar 3.20 Aliran Proses ETL Dimensi dan Kubus... 53

Gambar 3.21 Desain Metadata untuk BI... 55

Gambar 3.22 Arsitektur jaringan komputer aplikasi laporan analisa... 57

Gambar 4.1 Halaman Login... 62

Gambar 4.2 Halaman Dashboard Branch Analysis... 63

Gambar 4.3 Halaman Laporan Analisa per Material... 63

Gambar 4.4 Halaman Laporan Analisa Supplier... 64

Gambar 4.5 Halaman Laporan Analisa Customer... 64

Gambar 4.6 Halaman Hasil Uji Coba Proses ETL ... 66

Gambar 4.7 Halaman sebelum di slice... 71

Gambar 4.8 Halaman sesudah di slice... 71

Gambar 4.9 Halaman sebelum di dice... 72

Gambar 4.12 Halaman sesudah di drill... 73

Gambar 4.13 Halaman laporan data transaksional... 74

Gambar 4.14 Halaman laporan OLAP... 74

Gambar 4.15 Halaman Laporan Analisa Inventory... 75

Gambar 4.16 Halaman Laporan Analisa Permintaan Barang Outstanding..75

Gambar 4.17 Halaman Laporan Analisa Pembelian Barang Outstanding... 76

Gambar 4.18 Halaman Laporan Analisa Penerimaan Barang... 76

Gambar 4.19 Halaman Laporan Analisa Penjualan Barang... 77

Gambar 4.20 Halaman Laporan Analisa Jumlah Tagihan... 77

Lampiran 1. Script view OLTP dimensi cost center... 80

Lampiran 2. Script view OLTP dimensi currency... 80

Lampiran 3. Script view OLTP dimensi holding... 80

Lampiran 4. Script view OLTP dimensi material... 81

Lampiran 5. Script view OLTP dimensi tipe pembayaran... 82

Lampiran 6. Script view OLTP dimensi supplier customer... 82

Lampiran 7. Script view OTLP Kubus Inventory... 83

Lampiran 8. Script Work Flow... 99

1.1 LatarBBelakangBMasalah

PT. Temprina Media Grafika adalah sebuah perusahaan yang bergerak di bidang percetakan. Perusahaan ini melakukan pembelian bahan baku percetakan seperti kertas dan tinta. Aliran kerjanya terdapat proses produksi dari bahan baku menjadi bahan jadi, kemudian penjualan barang hasil produksi ke customer. Seiring dengan berjalannya proses kerja pada perusahaan ini menyebabkan semakin bertambahnya data administrasi gudang. Sehingga semakin banyak pula data yang harus ditangani oleh pihak manajemen.

Perusahan tersebut memiliki 10 cabang di berbagai kota di Indonesia. Dengan semakin bertambahnya cabang PT. Temprina, maka data yang disimpan juga semakin bertambah. Hal ini menuntut kebutuhan akan informasi yang bagus, sehingga diharapkan dapat membantu proses pengambilan informasi yang diperlukan.

Tingkatan tertinggi di PT. Temprina adalah Manajer. Manajer melakukan pengambilan keputusan dengan menganalisa data perusahaan. Jika jumlah data semakin bertambah banyak, diperlukan sebuah desain database agar proses pengambilan informasi yang diperlukan ketika proses generate laporan menjadi lebih cepat. Manajemen PT Temprina membutuhkan laporan analisa inventori, laporan analisa penjualan, dan laporan analisa pembelian yang bisa dilihat dari berbagai dimensi, seperti di lihat berdasarkan dimensi waktu dimensi barang dan dimensi supplier. Laporan tersebut nantinya akan digunakan oleh manajemen

untuk membantu dalam pengambilan keputusan, melalui pelaporan berupa grafik dan tabel.

Manajer PT. Temprina Media Grafika membutuhkan sumber informasi yang relevan dan berkualitas untuk membantu pengambilan keputusan. Sumber informasi tersebut berupa laporan analisa atau OLAP. Untuk membuat laporan analisa atau OLAP penulis menggunakan Oracle Business Intelligence karena menurut Beacon (2007) Oracle Business Intelligence Suite Enterprise Edition Plus (Oracle BI EE Plus) adalah sebuah suite yang komprehensif dari produk Bisnis Intelejen enterprise yang memberi area yang penuh dalam kemampuan analisis dan pelaporan.

Diharapkan, pemakaian aplikasi OLAP dengan tool Business Intelligence Oracle dari sumber Data Warehouse pada PT. Temprina dapat membantu manajer dalam mengambil keputusan, melalui pelaporan berupa grafik dan tabel.

1.2B PerumusanBMasalah

Dari latar belakang yang telah dipaparkan di atas, dapat disimpulkan bahwa perumusan masalah dari sistem ini adalah:

1. Bagaimana menghimpun data transaksi Inventori menjadi sebuah Data Warehouse menggunakan terminologi database multidimensi yang dapat memproses informasi dengan kredibilitas tinggi dan efisien.

2. Bagaimana menyusun laporan OLAP berupa grafik dan tabel yang dapat memberikan informasi yang relevan dan berkualitas. Laporan tersebut yaitu laporan analisa jumlah stok inventori, analisa jumlah permintaan pembelian, analisa jumlah order pembelian, analisa penerimaan barang pembelian,

analisa jumlah penjualan dan analisa jumlah tagihan penjualan barang yang memudahkan pengguna dalam membuat analisa tren untuk membantu pengambilan keputusan.

1.3B PembatasanBMasalah

Permasalahan dalam aplikasi ini akan dibatasi sebagai berikut: 1. Hanya menggunakan satu jenis database yaitu oracle.

2. Sumber data yang digunakan adalah data Inventori.

3. Pembuatan laporan menggunakan tool Business Intelligence Oracle.

4. Hanya membahas data warehouse dan OLAP dalam pembuatan laporan analisa, sedangkan mengenai data mining tidak dibahas.

5. Laporan yang akan dihasilkan berbasis web.

1.4B Tujuan

Tujuan dari pembuatan tugas akhir ini adalah:

1. Membuat Data Warehouse yang dihimpun dari data transaksi Inventori menjadi sebuah data warehouse menggunakan terminologi database multidimensi yang dapat memproses informasi dengan kredibilitas tinggi dan efisien.

2. Menyusun laporan OLAP berupa grafik dan tabel yang dapat memberikan informasi yang relevan dan berkualitas. Laporan tersebut yaitu laporan analisa jumlah stok inventori, analisa jumlah permintaan pembelian, analisa jumlah order pembelian, analisa penerimaan barang pembelian, analisa jumlah penjualan dan analisa jumlah tagihan penjualan barang yang memudahkan pengguna dalam membuat analisa tren untuk membantu

pengambilan keputusan. 1.5B SistematikaBPenulisan

Sistematika penulisan pada laporan ini adalah berikut: BABB1 PENDAHULUAN

Pada bab ini dibahas tentang latar belakang masalah dan penjelasan permasalahan secara umum, perumusan masalah serta batasan masalah yang dibuat, tujuan dari pembuatan tugas akhir dan sistematika penulisan laporan tugas akhir ini.

BABBIIB LANDASANBTEORI

Pada bab ini di bahas secara singkat teori teori yang berhubungan dan mendukung dalam penyelesaian permasalahan.

BABBIIIBPERANCANGANBSISTEM

Pada bab ini dibahas tentang analisa kebutuhan sistem, prosedur pengembangan, arsitektur Data Warehouse, dan arsitektur jaringan.

BABBIVBIMPLEMENTASIBDANBEVALUASIB

Pada bab ini dibahas tentang implementasi sistem yang dibuat, dan evaluasi dari aplikasi yang dibuat untuk mengetahui aplikasi tersebut telah dapat menyelesaikan permasalahan yang dihadapi sesuai yang diharapkan.

BABBV PENUTUP

Bab ini berisi kesimpulan dari sistem yang telah dibuat dan saran untuk pengembangannya.

2.1B Inventori

Menurut Tersine (1984,3) istilah inventori dapat digunakan untuk mengartikan beberapa hal yang berbeda:

1. Stock dalam persediaan yang ada pada waktu yang ditentukan (aset nyata yang dapat dilihat, ditimbang, dan dihitung).

2. Daftar barang pada hak milik.

3. (Sebagai kata kerja) kegiatan menimbang dan menghitung banyaknya item yang ada dalam persediaan.

4. (Untuk catatan finansial dan akuntansi) nilai dari stok barang yang dimiliki oleh sebuah organisasi pada waktu tertentu.

2.1.1 Tipe-tipeBInventori

Inventori biasanya terdiri atas persediaan-persediaan, bahan baku, barang yang sedang diproses. Persediaan adalah materi inventori yang dikonsumsi di dalam penggunaan yang normal dari suatu organisasi yang bukan bagian dari produk akhir. Persediaan yang biasanya terdapat dalam inventori adalah pensil-pensil, catatan/kertas-catatan/kertas, bola lampu, media penyimpanan, alat pemotong, dan barang-barang untuk pemeliharaan fasilitas. (Perlengkapan pabrik disebut dengan MRO (Maintenance, Repair, and Operating supplies).

Bahan-bahan mentah adalah materi yang dibeli dari para supplier untuk digunakan sebagai input untuk proses produksi. Bahan-bahan tersebut akan diolah

untuk menjadi barang jadi. Bahan baku untuk pabrik mebel adalah kayu olahan, bahan pewarna, lem, sekrup, pernis, paku, cat, dan sebagainya.

Dalam proses pembuatan mebel, barang adalah produk akhir yang diselesaikan secara parsial dan masih dalam proses produksi. Barang - barang tersebut merepresentasikan akumulasi dari pekerjaan yang diselesaikan secara parsial, dan antrian barang material yang menunggu proses yang lebih lanjut. Barang jadi adalah produk akhir, yang telah siap untuk penjualan, pendistribusian, atau penyimpanan.

Tugas inventori pada setiap kategori-kategori ini tergantung pada entity yang ada pada penjelasan ini. Hal ini terjadi karena produk jadi dari satu entity dapat menjadi bahan baku bagi yang lain. Contohnya, pabrik kulkas menganggap tabung tembaga sebagai bahan baku, tetapi perusahaan yang memproduksi tabung ini menganggapnya sebagai barang jadi. Customer untuk persediaan barang jadi kemungkinan adalah konsumen akhir, sebuah organisasi retail, distributor grosir, atau pabrik lain.

State Next Function

Idle

Incomplete

Sale

Use

Transforma tion Finished

ioods

Supplies

Raw Materials

In Process ioods

2.1.2 FungsiBInventoriB

Berdasarkan kegunaannya, inventori dapat dikelompokkan kedalam kategori berikut :

A. Working Stock B. Safety Stock C. Anticipation Stock D. Pipeline Stock E. Decoupling Stock F. Psycic Stock

Working Stock (dikenal sebagai siklus atau tumpukan persediaan) adalah inventori yang diperoleh dan ditahan dahulu sebelum timbul kebutuhan, sehingga pemesanan dapat dilakukan dalam jumlah yang besar, dibanding jika pemesanan dilakukan berdasarkan banyaknya kebutuhan. Perhitungan ukuran tumpukan persediaan bertujuan meminimalkan biaya pemesanan dan penahanan barang, diskon karena kuantitas barang, atau biaya untuk kualitas pengangkutan yang baik. Secara umum, jumlah rata-rata inventori dalam persediaan yang dihasilkan dari banyaknya tumpukan merupakan Working Stock dari suatu organisasi

SafetyStock (sering disebut dengan buffer atau stok fluktuasi) adalah inventori yang disimpan sebagai cadangan untuk perlindungan terhadap ketidakpastian permintaan dan penawaran. Safety stock membagi rata ke jumlah stok yang ada ditangan selama siklus penambahan sebagai perlindungan terhadap kekurangan stok.

Anticipation Stock (juga dikenal sebagai stok musiman atau stok stabilisasi) adalah inventori yang dibentuk untuk mengatasi permintaan pada

puncak musim, keperluan yang tidak menentu (program promosi, pemogokan, atau penutupan karena liburan), atau defisiensi dalam kapasitas produksi. Anticipation stock disediakan atau diproduksi sebelum adanya kebutuhan dan dikosongkan selama puncak periode permintaan untuk menjaga nilai tingkat produksi dan menstabilkan tenaga kerja.

Pipeline Stock (biasanya diartikan sebagai stok transit atau pekerjaan-dalam-proses) adalah inventori yang ditransit agar waktu yang dibutuhkan untuk menerima material pada akhir masukan, waktu yang dibutuhkan selama proses produksi, dan mengirimkan barang pada akhir output. Secara eksternal, pipeline stock adalah inventori yang berada di truk-truk, kapal-kapal, dan motorel atau dalam suatu saluran secara harafiah. Secara internal, pipeline stock adalah inventori yang sedang diproses, yang sedang menunggu untuk diproses, dan yang sedang dipindah.

Decoupling Stock adalah inventori yang dikumpulkan dari aktivitas-aktivitas yang saling bergantung, atau langkah-langkah untuk mengurangi persyaratan untuk operasi yang di sinkronisasi secara penuh. Decoupling stock mengisolasi salah satu bagian sistem dari bagian berikutnya agar masing-masing bagian dapat beroperasi dengan lebih bebas (tidak bergantung dengan bagian lain). Jadi, decoupling stock bertindak sebagai pemberian minyak pelumas untuk sistem penyediaan-produksi-distribusi yang melindungi terhadap friksi (pergeseran) yang berlebihan.

Psychic Stock adalah tampilan inventori eceran yang ditampilkan untuk menstimulasi permintaan dan bertindak sebagai "sales yang tidak berbicara". Psychic stock meningkatkan kesempatan bagi sebuah item untuk dilihat dan

kemudian dipertimbangkan untuk dibeli. Rak yang penuh meningkatkan penjualan dengan cara mengekspose sebanyak mungkin stok kepada para pelanggan dan menciptakan kesan jarak penglihatan produk yang lebih baik bagi para pelanggan. Rak yang kekurangan stok seperti halnya jika persediaan habis dapat mendorong kearah hilangnya penjualan dan hilangnya pelanggan. Jika kategori stok yang lain mendukung operasi dengan biaya rendah, psychic stock adalah kategori yang membangkitkan pendapatan. Kategori ini lebih concern kepada meningkatnya pendapatan melalui penciptaan permintaan daripada peminimuman biaya yang sifatnya berbasis persediaan.

2.1.3 BiayaBInventori

Sasaran dari manajemen inventori adalah sampai memiliki jumlah bahan-bahan yang sesuai pada tempat dan waktu yang tepat, dan dengan biaya rendah. Biaya-biaya inventori dihubungkan dengan pengoperasian suatu sistem inventori dan akibat dari tindakan atau tidak adanya tindakan pada pihak manajemen di dalam menetapkan sistem. Mereka adalah parameter-parameter ekonomi yang dasar untuk model keputusan inventori manapun dan yang kebanyakan relevan untuk sebagian besar sistem diperinci sebagai berikut:

A. Purchase cost. B. Order/setup cost. C. Holding cost. D. Stockout cost.

Perlu diingat bahwa untuk item inventori tertentu, hanya elemen biaya yang bersifat incremental (keluar dari kantung) adalah bersangkutan di dalam analisa.

Biaya pembelian (P) dari suatu item adalah harga pembelian unit tersebut jika didapat dari sumber eksternal, atau biaya produksi unit tersebut jika diproduksi secara internal. Biaya unit sebaiknya selalu dianggap sebagai ongkos item selama ia ditempatkan di dalam inventori. Untuk item-item yang dibeli, biaya pembelian adalah harga beli ditambah biaya pengangkutan. Untuk barang yang dibuat oleh pabrik, biaya per unit termasuk juga biaya tenaga kerja langsung, bahan-bahan langsung, dan biaya overhead pabrik. Biaya pembelian dimodifikasi untuk tingkatan-tingkatan kwantitas yang berbeda ketika supplier menawarkan potongan karena kwantitas.

Biaya order/setup (C) memulai dari biaya saat mengeluarkan Purchase Order (permintaan pembelian) ke supplier luar atau dari biaya-biaya setup produksi internal. Biaya ini pada umumnya diasumsikan berselang-seling secara langsung dengan banyaknya order(pesanan) atau setup yang ditempatkan dan sama sekali tidak diasumsikan dengan banyaknya order/ pesanan. Biaya pesanan meliputi item2 berikut, seperti membuat daftar permintaan, menganalisa vendor-vendor, menulis purchase order (pesanan pembelian), menerima bahan-bahan, memeriksa bahan-bahan, menindak lanjuti order/pesanan dan melakukan pengolahan yang diperlukan untuk melengkapi transaksi. Biaya Setup terdiri dari biaya peralihan dari tiap proses produksi untuk menghasilkan item yang dipesan. Biasanya meliputi menyiapkan pesanan toko, penjadwalan pekerjaan, menyusun kegiatan pra pruduksi, ekspedisi, dan penerimaan mutu.

Biaya Penyimpanan (H), memiliki arti yang sama dengan biaya penggudangan, menggolongkan biaya-biaya yang berhubungan dengan penanaman modal dalam inventori dan memelihara investasi fisik di dalam

penyimpanan. Biaya Penyimpanan menyertakan materi seperti biaya-biaya modal, pajak, asuransi, handling, penyimpanan, penyusutan, keusangan, dan pembusukan. Biaya Modal menggambarkan biaya kesempatan atau kemampuan menghasilkan laba yang hilang. Jika dana diinvestasikan ditempat lain, akan diharapkan sebuah kembalian modal investasi.

Biaya Stockout (biaya kehabisan persedian) adalah konsekwensi ekonomi dari suatu kekurangan eksternal atau internal. Suatu kekurangan eksternal terjadi bila ada pesanan pelanggan yang tidak terpenuhi, kekurangan internal terjadi bila satu permintaan grup atau departemen di dalam organisasi tidak terpenuhi. Kekurangan-kekurangan eksternal dapat menumbulkan biaya-biaya backorder, kerugian laba masa kini (penjualan potensial), dan kerugian laba masa depan (erosi goodwill). Kekurangan-kekurangan internal dapat mengakibatkan kerugian dalam hal produksi (sumber daya menganggur) dan penundaan tanggal penyelesaian. Meningkatnya biaya tergantung pada reaksi pelanggan terhadap kondisi out-of-stock (kehabisan persediaan). Jika permintaan terjadi selama persediaan sebuah item kosong, kerugian ekonomi tergantung pada backorder terhadap kekurangan stok tersebut, dicukupi dengan penggantian item lain, atau dibatalkan. Dalam suatu situasi, penjualan tidak hilang tetapi hanya tertunda beberapa hari dalam pengiriman.

2.1.4 AliranBsiklusBInventoriB

Aliran siklus inventori pabrik manufaktur yang khas digambarkan di dalam gambar 2.2.

Gambar.2.2 Aliran Siklus Inventori Pabrik Manufaktur

Manajemen inventori melibatkan pengendalian daftar biaya pengiriman barang-barang yang mengalir ke dalam dan ke luar sistem. Pada kenyataannya, ini merupakan suatu masalah penjadwalan atau pemilihan waktu. Pada awal tahap, persediaan dan bahan-bahan diperoleh dari para penyalur. Reservoir dari item-item ini membentuk kolam pertama dari investasi inventori yang harus diatur. Kwantitas dan variasi dari item-item yang dibeli harus diatur waktunya sehingga item-item ini akan menemui permintaan untuk pemanfaatan mereka oleh organisasi. Ketika materi ini dilepaskan sampai ke pabrik, item bergabung dengan reservoir lain dari inventori yang disebut dengan barang dalam proses. Reservoir kedua ini harus diatur dalam hubungan dengan kapasitas fasilitas. Ketika item

meninggalkan kategori barang dalam proses, item-item ini meninggalkan kategori barang-barang yang sedang dikerjakan, mereka masuk reservoir inventori lain yang disebut barang jadi.

Reservoir ketiga ini harus diatur dengan hubungan ke permintaan eksternal. Siklus dapat berlanjut ke sebuah reservoir tambahan jika organisasi melakukan pemeliharaan pada pusat distribusi atau gudang-gudang. Itu menyatakan area-area yang mengatur aliran ke dalam dan ke luar dari kategori-kategori inventori yang berbeda.

2.2 DataBWarehouse

Data warehouse adalah penyimpanan data yang single, lengkap, dan konsisten yang didapat dari berbagai macam sumber dan dibuat agar end user dapat dengan mudah memahami serta menggunakannya dalam konteks bisnis (Berson, 1997). Data Warehouse DBMS Data Extract Data Cleanup Data Load Operational Data Source Transform Load Update Process OLAP Tools Operational Data Source Data mart Data mart

Gambar.2.3 Arsitektur Data Warehouse

Data warehouse didefinisikan sebagai kumpulan subyek data yang terintegrasi, bervariasi, dan non volatile. Immon mendefinisikan data warehouse sebagai gabungan dari beberapa sistem yang terintegrasi dan didesain untuk

menyediakan informasi yang dibutuhkan untuk pengambilan keputusan (Berson, 1997).

Fungsi utama dari data warehouse adalah menyediakan data untuk mendukung pembuatan keputusan. Dalam beberapa kasus jenis-jenis dari aplikasi yang telah digunakan misalnya untuk sistem informasi eksekutif (executive information system). Data warehouse juga menyediakan berbagai data sebagai input untuk menunjang suatu bisnis dalam melakukan proses analisa bisnis (Haniif, 2008).

Menurut Haniif, ada beberapa karekteristik yang dimiliki oleh sebuah data warehouse, yaitu :

1. Orientasi Subyek.

Suatu data warehouse didesain dan dibangun secara khusus dari database transaksional berdasarkan keperluan perusahaan, semisal data warehouse untuk kastemer, sales, dan lain-lain. Hanya data yang benar-benar diperlukan yang dimasukkan kedalam database.

2. Integrasi data.

Untuk mendapatkan informasi yang diinginkan, data yang ada dalam data warehouse akan dibangun dari beberapa macam sistem yang ada diperusahaan. Kemudian data tersebut ditransformasi dan diload. Karena itu ketika disimpan ke dalam data warehouse data tersebut akan diintegrasikan sehingga hanya ada satu cara dan atribut dengan format dan unit yang sama.

3. Nonvolatile.

Pada database transaksional, operasi yang dilakukan adalah operasi update (insert, delete, dan update). Sedangkan dalam data warehouse metode ini

tidak digunakan. Data disimpan ke dalam data warehouse pada periode waktu tertentu setelah dilakukan beberapa perhitungan (calculation) dan rangkuman (summary).

4. Setiap unit data akan relevan dengan waktu tertentu.

Setiap data yang dimasukkan ke data warehouse pasti memiliki dimensi waktu. Dimensi waktu ini dipergunakan sebagai pembanding dalam perhitungan untuk menghasilkan laporan yang diinginkan. Selain itu, dengan menggunakan dimensi waktu pembuat keputusan dapat mengenal kecenderungan (trend) dan pola dari suatu data.

2.2.1 KonsepBMulti-dimensionalBData

Pada relational database data dikelompokan dalam sebuah list record. Setiap record mempunyai informasi yang dikelompokan dalam fields. Pusat dari objek metadata pada multidimensional adalah cube atau kubus yang mengandung hubungan struktur dimensi, hirarki, level, dan anggota.

A. Dimensi

Dimensi merupakan sebuah kategori yang independent dari multidimensional database. Tipe dari dimensi ini mengandung item yang digunakan sebagai kriteria query untuk ukuran database. Contoh pendistribusian obat di suatu daerah. Dimensi Daerah = {Jawa Timur, Jawa Barat, DKI Jakarta, Sumatra Selatan, Surabaya, Bandung Jakarta, Palembang, Dago, Caringin, Senen, Matraman}. Dimensi Waktu = { Tahun 1999, Tahun 2000, Tahun 2001, Bulan April, Bulan Maret, Bulan Juni, Bulan Juli, Tanggal 1, Tanggal 2, Tanggal 3,

Tanggal 10, Tanggal 12}. Dimensi Obat = { Anti Biotik, Vitamin, Ampicilin, Amoxcicilin, Enervon C, Redoxon, Hemaviton} (Devi, 2008).

B. Hirarki

Hirarki merupakan bentuk kesatuan dari sebuah dimensi. Sebuah dimensi bisa terbentuk dari multilevel, yang mempunyai parent-child relationship. Hirarki didefinisikan bagaimana hubungan antar level.

Pada Dimensi Daerah Mempunyai Hirarki

Gambar.2.4 Hirarki Dimensi Daerah.

C. Level

Level merupakan sebuah kumpulan dalam hirarki. Sebuah dimensi mempunyai multiple layer informasi, setiap layer adalah level. Seperti - Propinsi = {DKI Jakarta, Jawa barat, Jawa Timur, Sumatra Selatan} - Kab./Kodya = {Jakarta Pusat, Bandung, Surabaya, Palembang} - Kecamatan = {Dago, Caringin, Senen, Matraman}

D. Member

Member adalah sebuah item data dalam dimensi, ukuran database dapat didefinisikan menggunakan member yang merupakan parent child seperti :

- {DKI Jakarta} {parent of} {Senen, Matraman}. Dalam sebuah tabel pendistribusian obat.

Tabel 2.1. Tabel Pendistribusian Obat

Obat Daerah Waktu Jumlah

Ampicilin Dago 1990 2359 Ampicilin Dago 1991 5489 Ampicilin Senen 1992 2546 Redoxon Matraman 1990 1254 Redoxon Senen 1991 623 Redoxon Dago 1992 2452 Redoxon Matraman 1992 1254 Enervon-C Senen 1990 1254 Enervon-C Dago 1991 1258 Vit.C Senen 1992 671 Amoxicilin Dago 1990 7983 Enervon-C Caringin 1992 568

Data diatas bisa digambarkan dalam bentuk 2 dimensi.

Tabel 2.2. Bentuk tabel 2 dimensi pada penjualan obat.

Penjualan Obat Dimensi 1

th 1990 1991 1992

Dimensi 2

Obat Daerah Ampicilin

Dago 2359 5489

Senen 2546

……….

Enervon-C

Dago 1258

Senen 1254 …………

Dari data diatas dapat di bentuk suatu analisa data. Data tersebut dapat diambil suatu analisa untuk total penjualan obat merk Ampicilin atau total penjualan obat selama tahun 1990 atau total penjualan untuk daerah matraman. Data tersebut dapat di gambarkan dalam bentuk kubus dimensi.

Gambar 2.5 Bentuk 3 Dimensi

Setiap sel pada kubus merepresentasikan satu nilai variabel jumlah dari vektor-vektor sumbu dari kubus.

Gambar 2.6 Data pada vektor tiap dimensi

Terlihat terdapat hubungan antara dimensi obat dengan dimensi waktu dan dimensi daerah yang menggunakan hirarki pada level kelurahan. Untuk mempermudah pengelompokan data dan pencarian total dari masing-masing informasi yang di inginkan dapat dipilah dalam bentuk hirarki “drill down”? Atau pengelompokan sesuai dengan hirarki pada level yang di inginkan, Obat vs Kabupaten Kotamadya, Obat vs Propinsi.

E. n-dimensional

Untuk bentuk dua dimensi merupakan suatu yang mudah dimengerti. Namun dalam representasi multidimensional bentuk matrik dua dimensi dapat di rubah dalam bentuk tiga dimensi. Pada dua dimensi terdapat dua permukaan (sumbu vektor), tiga dimensi terdapat 6 permukaan (sumbu vektor), pada 4 dimensi terdapat 12 permukaan (sumbu vektor). Maka untuk n dimensi di dapat n(n-1) permukaan (sumbu vektor). Sedangkan sel yang akan terisi seperti contoh pada gambar 3 di atas dimensi Daerah mempunyai 4 item, dimensi waktu punya 3 item, dimensi obat punya 5 item, maka akan terdapat 4×3x5 = 60 sel yang berkoresponden dengan 60 record relasionalnya. Untuk mendapatkan analisa pada data kubus dapat dilakukan dengan memutar permukan kubus 90 derjat, maka akan didapat menganalisa dimensi Daerah vs Obat atau dimensi Daerah vs Waktu atau dimensi Waktu vs Obat. (Devi, 2008).

2.2.2 TeknikBPemodelanBDataBWarehouse

Data warehouse dan OLAP dibangun berdasarkan multidimensional data model. Pada model ini diperlukan tabel fakta dan tabel dimensi. Tabel fakta berisi fakta numerik yang memiliki ciri-ciri : panjang, kurus, dan besar, serta sering berubah dan berguna untuk mengukur (measure). Sedangkan tabel dimensi berisi kolom yang

bersifat desktiptif, kecil, pendek, dan lebar yang berguna untuk filtering (menyaring)

dan didasarkan pada atribut dimensi.

Dalam dimensional modeling, ada beberapa pendekatan yang digunakan untuk membuat data warehouse, yaitu:

Skema ini mengikuti bentuk bintang, dimana terdapat satu tabel fakta (fact

table) di pusat bintang dengan beberapa tabel dimensi (dimensional tables) yang

mengelilinginya. Semua tabel dimensi berhubungan dengan ke tabel fakta. Tabel fakta memiliki beberapa key yang merupakan kunci indek individual dalam tabel dimensi.

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.

time_key day

day _of _the_week month quarter year time time_key item_key branch _key location_key units_sold dollars _sold avg_sales

Sales Fact Table

item_key item_name brand type supplier _type item location_key street city province_or_street country location branch _key branch _name branch _type branch Measures

Gambar 2.7 Skema Bintang 2. Skema bola salju (snowflake Schema)

Skema bola salju merupakan perluasan dari skema bintang dengan tambahan beberapa tabel dimensi yang tidak berhubungan secara langsung dengan tabel fakta. Tabel dimensi tersebut berhubungan dengan tabel dimensi yang lain.

time_key day

day _of _the_week month quarter year time time_key item_key branch_key location_key units_sold dollars _sold avg_sales

Sales Fact Table

item_key item_name brand type supplier _key item location_key street city_key location branch _key branch _name branch _type branch city_key city province _or_street country city supplier _key supplier _type supplier Measures

Gambar 2.8 Skema Bola Salju

3. Fact constellations

Pada skema ini terdapat beberapa tabel fakta yang menggunakan satu atau beberapa tabel dimensi secara bersama-sama sehingga j ika digambarkan akan terlihat seperti sekumpulan bintang. Skema ini juga dikenal dengan galaxy schema (Haniif, 2008).

time_key day

day _of _the_week month quarter year time time_key Item_key branch_key location_key units_sold dollars _sold avg_sales

Sales Fact Table

item _key item _name brand type supplier _key item location_key street city province _or_street country location branch _key branch _name branch _type branch time_key item_key shipper_key from_location to_location dollars _cost units_shipped

Shipping Fact Table

shipper _key shipper _name location_key shipper _type shipper Measures

Gambar 2.9 Skema Galaxy

2.2.3 ImplementasiBDataBWarehouse

Beberapa pendekatan yang digunakan untuk mengimplementasikan arsitektur warehouse, yaitu secara bottom up, top down atau kombinasi antara keduanya.

A. Desain Implementasi Pendekatan Top Down

Langkah awal implementasi data warehouse dengan pendekatan top down adalah membangun sebuah data warehouse pada semua data perusahaan, setelah itu dilanjutkan dengan membangun data mart yang berisi data warehouse khusus yang merupakan bagian dari data warehouse yang dibangun sebelumnya. B. Pendekatan Buttom Up

Implementasi bottom up dimulai dengan membangun data mart untuk menyelesaikan suatu permasalahan tertentu tanpa menunggu dari pengembangan infrastruktur yang telah lengkap. Ketika ada permasalahan yang lain, maka akan

dibuatkan data mart baru. Begitu juga seterusnya. Selanjutnya bermacam-macam data mart tersebut digabungkan menjadi sebuah data warehouse.

C. Pendekatan kombinasi

Dalam beberapa kasus pendekatan tidak harus dengan bottom up atau top down

tetapi juga bisa dilakukan dengan kombinasi keduanya. Hal ini untuk mencari alternatif yang terbaik sesuai dengan kebutuhan (Haniif, 2008).

2.2.4 ExtractBTransformBLoadB(ETL)

ETL dimulai dari prose extract yaitu menkonvert data kedalam format yang dapat digunakan untuk proses transformasi. Lalu proses transformasi dilakukan untuk mengaplikasikan fule atau function ke data yang telah diekstrak dari sumber data untuk mendapatkan data yang akan diload ke target akhir.

A. Extract

Setiap sistem yang terpisah kemungkinan memiliki format yang berbeda. Format yang umum biasanya relasi database dan flat file. Tapi mungkin juga terdapat struktur database non relasional seperti contohnya sumber dari luar misalnya web spider atau onscreen scraping. Extraction mengkonvert data kedalam format yang dapat digunakan untuk proses transformasi. Bagian yang paling utama dari ekstraksi adalah parsing dari data yang telah di ekstrak, data dianggap benar jika memenuhi pola atau struktur yang diharapkan. Jika tidak kemungkinan data akan ditolak semua.

B. Transform

Tahap yang mengaplikasikan rule atau function ke data yang telah diekstrak dari sumber data untuk mendapatkan data yang akan diload ke target akhir. Beberapa sumber data kemungkinan akan membutuhkan sangat sedikit

manipulasi data, atau mungkin tidak memerlukan sama sekali. Dalam kasus kasus lain, mungkin akan membutuhkan satu atau lebih dari tipe transformasi, berikut ini digunakan untuk kebutuhan bisnis dan teknikal dari target akhir.

1. Memilih hanya beberapa kolom tertentu untuk load(atau memilih kolom null untuk load).

2. Menterjemahkan nilai nilai kode, misalnya kode P untuk Pria dan W untuk Wanita.

3. Menyandi nilai form seperti 1 untuk Male dan 2 untuk Female

4. Memberikan sebuah hitungan baru, misalnya sale_amount = quantity *

price.

5. Menyaring data.

6. Mengurutkan data atau penyortingan

7. Untuk join data dari berbagai sumber data contohnya lookup dan merge

8. Aggregation atau pengumpulan data misalnya untuk menjumlahkan beberapa baris data, total penjualan untuk masing-masing customer, total penjualan untuk masing-masing lokasi.

9. Membangkitkan nilai-nilai kunci.

10. Transposing or Pivoting yaitu mengubah urutan atau berputar (memutar kolom-kolom menjadi baris-baris atau sebaliknya).

11. Splitting, yaitu membagi sebuah kolom menjadi banyak kolom (contohnya memakai tanda koma sebagai pemisah suatu daftar (list) di salah satu kolom, kemudian list yang telah dipisahkan tersebut ditetapkan sebagai string yang kemudian menjadi nilai-nilai yang bersifat individual di kolom-kolom yang berbeda )

12. Menerapkan berbagai macam validasi data, baik validasi yang sederhana maupun yang kompleks. Jika gagal, terjadi penolakan data secara penuh, parsial atau tidak ada penolakan. Dengan demikian, tidak ada data, sebagian data atau semua data diserahkan untuk langkah berikutnya, tergantung pada penanganan exception dan desain rule. Kebanyakan dari transformasi-transformasi yang disebut di atas ada kemungkinan menghasilkan exception/perkecualian, contohnya, bila satu terjemahan kode menguraikan satu kode yang tak dikenal di dalam data yang diekstrak.

C. Load

Fase load memberikan data ke target akhir, biasanya target akhir adalah data warehouse. Tergantung kebutuhan organisasi, proses ini dapat pula memiliki range yang luas. Beberapa data warehouse mungkin dapat setiap minggu menindih data yang ada dengan data komulatif, data yang telah di update, sementara data warehouse lain (atau kemungkinan dapat juga bagian dari datawarehouse yang sama) kemungkinan menambahkan data dari form histori, misalnya perjam. Jangka waktu dan luasnya scope untuk mereplace atau menindih data adalah pilihan design yang bersifat strategik, tergantung waktu yang tersedia dan kebutuhan bisnis itu sendiri.

Sistem-sistem yang lebih kompleks dapat memaintenance sebuah histori dan audit trail (jejak2 audit) dari semua perubahan terhadap data yang di load di data warehouse. Mengingat fase load ini berinteraksi dengan database, constraint (batasan) yang telah didefinisikan di skema database maupun trigger yang diaktifkan ketika dilakukan data apply (misalnya unique, referential integrity, mandatory field (field yang harus ada), yang mana juga berperan ke seluruhan

kualitas data performance dalam proses ETL.

2.B3 OLAP

OLAP (On-Line Analytical Processing) adalah suatu pernyataan yang bertolak belakang atau kontras dengan OLTP (On-Line Transaction Processing). OLAP menggambarkan sebuah klas teknologi yang dirancang untuk analisa dan akses data secara khusus. Apabila pada proses transaksi pada umumnya semata-mata adalah pada relational database, OLAP muncul dengan sebuah cara pandang multidimensi data. Cara pandang multimensi ini didukung oleh tehnologi multidimensi database. Cara ini memberikan tehnik dasar untuk kalkulasi dan analisa oleh sebuah aplikasi bisnis.

OLTP mempunyai karakteristik beberapa user dapat creating, updating, retrieving untuk setiap record data, lagi pula OLTP sangat optimal untuk updating

data. OLAP aplikasi digunakan untuk analisa dan mengatur frekuensi level dari agregat/jumlah data. OLAP database biasanya di update pada kumpulan data, jarang sekali dari multiple source dan menempatkan kekuatan analisa pada pada back-end pada operasi aplikasi.

Sebab itulah maka OLAP sangat optimal digunakan untuk analisis.

Relational database merupakan suatu bentuk yang baik untuk mendapatkan suatu record dalam kapasitas jumlah record yang kecil, namun tidak cukup baik dalam mendapatkan suatu record dalam kapasitas jumlah record yang sangat besar serta membuat suatu summaries data untuk di analisa, ini memerlukan respone time yang lambat dan membutuhkan cukup waktu (Devi, 2008).

Operasi-operasi yang terdapat pada OLAP antara lain : 1. Slicing dan Dicing

Slicing dan dicing adalah operasi untuk melihat data sebagai visualisasi dari kubus. Dengan slicing dan dicing pengguna dapat melihat data dari beberapa perspektif. Pengguna dapat mengekstrak bagian dari data agregrated dan dapat memeriksa dengan detail berdasarkan dimensi-dimensi yang diinginkan. Data

Agregrated merupakan data praperhitungan (precalculated) dalam bentuk rangkuman data (data summarized) sehingga query pada kubus (cube) lebih cepat.

Slicing memotong kubus sehingga dapat memfokuskan pada perspektif yang spesifik (pada suatu dimensi). Sedangkan dicing memberikan kemampuan untuk melihat pemilihan data pada dua dimensi atau lebih. Yaitu dengan merotasi cube pada perspektif yang lain sehingga pengguna dapat melihat lebih spesifik terhadap data yang dianalisa. Gambar 2.10 sampai dengan 2.15 diambil dari internet http:// www.locationintelligence.net/articles/733.html

Gambar 2.11 Slicing OLAP cubes for Total population.

Gambar 2.12 Dicing for two dimensions.

Gambar 2.13 Dicing for two dimensions: Total population.

2. Roll up dan drill down

Drill down dan roll up adalah operasi untuk melihat data global atau detail disepanjang level hiraraki dimensi. Roll up untuk melihat data secara global atau rangkuman (summary). Drill down memandu pengguna untuk memperoleh data yang lebih detail. Drill down ini biasa digunakan untuk menjawab pertanyaan atas suatu kasus tertentu. Misalnya untuk menjawab pertanyaan ketika sebuah

summary number (rata-rata atau jumlah) di bawah atau di atas harapan. (Haniif, 2007).

Gambar 2.14 Rolling-up OLAP cubes.

Gambar 2.15 Drilling-down OLAP cubes.

Oracle merupakan software database yang banyak dipakai di perusahaan – perusahaan besar di seluruh dunia saat ini. Software ini juga banyak diminati oleh para konsultan pembuat aplikasi yang berkaitan dengan database (Heryanto:1).

Oracle merupakan software database yang bisa menampung serta mengelola data dengan kapasitas yang sangat besar serta perintah SQL nya yang hampir seluruhnya telah memenuhi standar ANSI-92 lebih memudahkan para programmer database dalam membangun aplikasi baik dari sisi ‘back end’ maupun dari sisi ‘front end’. Demikian pula bagi seorang administrator yang berkecimpung dalam menangani administrasi database serta bertanggung jawab terhadap keamanan database akan merasa diuntungkan serta dimudahkan dengan software Oracle ini (Heryanto:2:2006).

Oracle dapat diinstal pada versi Windows 2000, Windows XP dan Windows 2003. Proses instalasinya pun cukup mudah dengan persyaratan yang harus dipenuhi minimal memori yang harus tersedia adalah 256 MB dan kapasitas harddisk yang dibutuhkan sekitar 1.3 GB. Sedangkan kapasitas yang diperlukan untuk database awal adalah sekitar 720 MB (Syamsiar:1:2006).

Hal yang harus dipahami dalam struktur database Oracle adalah :

1. ORACLE_BASE. Struktur direktori dasar tempat kita akan melakukan instalasi oracle 10g.

2. ORACLE_HOME. Direktori yang memuat perangkat lunak Oracle. 3. ORACLE_SID. Nama instance Oracle 10g (default-nya adalah ORCL). NLS_LANG. Bahasa yang digunakan dan pengaturan – pengaturan karakter yang digunakan (Nugroho:9).

2.4.1 OracleBWarehouseBBuilder

Oracle Warehouse Builder (OWB) adalah sebuah tool yang komprehensif untuk kegiatan ETL (extract, transform dan load), integrasi secara penuh dari relasional dan dimensional modeling , kualitas data, audit data, dan siklus hidup yang penuh dari manajemen data dan metadata. Mendukung aktivitas manajemen integrasi data dan metadata, termasuk diantaranya:

- Ekstraksi, transformasi, dan loading (ETL) untuk banyak data warehouse. - Konsolidasi data dari sumber-sumber data yang heterogen.

- Migrasi data dari sistem-sistem sebelumnya.

- Pemodelan data dari struktur relasional dan dimensional.

- Desain dan Pengaturan metadata yang berhubungan dengan perusahaan. - Pembersihan data untuk memaksimalkan kualitas informasi.

- Pengarsipan data dan audit kualitas.

2.4.2 OracleBBusinessBIntelligenceBSuiteBEnterpriseBEdition

Oracle Business Intelligence Suite Enterprise Edition Plus (Oracle BI EE Plus) adalah sebuah suite yang komprehensif dari produk Bisnis Intelejen enterprise yang memberi area yang penuh dalam kemampuan analisis dan pelaporan (Beacon, 2007).

Dengan menonjolkan arsitektur yang terpadu, berskala tinggi, dan modern, Oracle BI EE Plus menyediakan kecerdasan dan analisa dari sumber-sumber rentang data perusahaan dan memberi kekuatan dalam banyak aplikasi pada komunitas-komunitas terbesar dengan wawasan yang lengkap dan relevan (Beacon, 2007).

Oracle Business Intelligence Suite Enterprise Edition mempunyai keuntungan sebagai berikut :

1. Fungsionalitas BI yang komprehensif dibangun pada infrastruktur yang terpadu. Termasuk di dalamnya dasbor-dasbor yang interaktif, analisa dan query-query khusus yang lengkap, penyampaian dan alert yang proaktif, pelaporan pada skala perusahaan dan pelaporan keuangan, analisa dan penyajian online analytical processing (OLAP), memproduksi pelaporan dengan volume yang tinggi, kecerdasan prediksi yang bersifat real-time, analisis yang tidak bergantung dengan koneksi, juga pengintegrasian dengan Microsoft Office.

2. Pengertian yang mendalam menyebar untuk semua orang, dimana saja. Menyediakan pengertian mendalam yang relevan untuk semua orang, tidak hanya analis-analis. Semua tingkatan dalam organisasi dapat melihat informasi yang telah dioptimalkan sesuai dengan tugas mereka.

3. Model bisnis yang dipersatukan (unified).

Dibangun di satu model informasi berskala enterprise yang mempersatukan metadata antara tool-tool Oracle BI dan aplikasi-aplikasi analitis untuk TCO paling rendah.

4. Infrastruktur BI yang Hot-Pluggable.

Berintegrasi dengan berbagai tool sumber data, ekstrasksi, transformasi, dan load (ETL), aplikasi bisnis utama, server aplikasi, infrastruktur keamanan, teknologi portal, tool analitis dan tool front-end yang lain, serta database yang termasuk IBM DB/2, SAP Business Information Warehouse (BW),

Microsoft Analysis Services; file-file flat; data XML; dan data yang tidak terstruktur.

BABBIII

METODEBPENELITIAN

Metode Peneoitian yang digunakan untuk pembuatan Data Warehouse ini meoiputi :

3.1 AnalisaBKebutuhanBSistem

Manajemen PT Temprina membutuhkan oaporan anaoisa inventori yang berisi tentang saodo awao totao quantity, dan jumoah amount stok penerimaan barang, pengeouaran barang dan saodo akhir stok inventori per buoan. Laporan inventori tersebut juga dapat dioihat per masing barang dan per masing-masing cabang.

Manajemen menginginkan oaporan anaoisa permintaan barang untuk masing-masing departemen cost center sehingga bisa di anaoisa departemen cost center mana yang sering meoakukan permintaan barang pembeoian pada waktu tertentu dan barang tertentu.

Manajemen juga membutuhkan anaoisa jumoah pembeoian barang per cabang. Laporan anaoisa pembeoian barang per grup suppoier tertinggi pada periode waktu tertentu. Barang yang seteoah di beoi dapat di anaoisa pada oaporan anaoisa penerimaan barang order pembeoian. Laporan tersebut berupa oaporan jumoah order pembeoian yang sudah terkirim maupun yang beoum di terima ooeh perusahaan.

Manajemen menginginkan oaporan anaoisa penjuaoan yang berisi tentang jumoah penjuaoan percabang, per customer, per barang, per tipe pembayaran, per mata uang, dan per periode waktu tertentu.

Manajemen menginginkan oaporan anaoisa jumoah tagihan / invoice penjuaoan percabang, per customer, per barang, per tipe pembayaran, per mata uang, dan per periode waktu tertentu. Laporan - oaporan anaoisa tersebut nantinya akan digunakan ooeh manajemen untuk membantu daoam pengambioan keputusan.

3.2 ProsedurBPengembangan

Prosedur pengembangan dititik beratkan pada oangkah-oangkah pembuatan desain Data Warehouse itu sendiri dan bukan pada informasi yang dihasiokan pada sistem operasionao Data Warehouse. Ada beberapa tahapan yang dioakukan daoam mendesain Data Warehouse, seperti pada gambar 3.1 berikut ini.

1. Menganalisa Sumber Data

2. Menentukan Subjek Data Warehouse

3. Desain Proses ETL

4. Desain Metadata untuk Business Intelligence

Gambar 3.1 Prosedur Pengembangan

3.2.1 AnalisaBSumberBData

Pembuatan Data Warehouse dimuoai dari menganaoisa sumber data yaitu menentukan sumber data mana yang akan digunakan sebagai input dari Data Warehouse. Sumber data transaksionao yang akan digunakan yaitu sumber data transaksionao inventori stok, transaksi permintaan barang, transaksi pembeoian barang, transaksi penerimaan barang, transksi penjuaoan, dan transaksi invoice.

Reoasi sederhana pada tabeo-tabeo transaksionao dapat dioihat pada gambar 3.2.

Stock Out Supp Cust

Group

Supp Cust Detail Stcok Out Group Invoice Group PO CO

Detail PO CO Detail Invoice Dist Group DN Invoice Detail Invoice Unit Mis Group PO Group Order

Detail Order Detail PO Unit PT Mis

Cabang Mis Group Material Detail Material Group Master Inv Beginning Stock Month Detail Master Inv

Gambar 3.2 Skema Sederhana Tabeo-tabeo OLTP

Gambar 3.2 diatas teroihat bahwa transaksi inventori stok tersimpan di daoam tabeo Group Master Inv, Beginning Stock Month, Detaio Master Inv, Stok Out, dan Detaio Stok Out. Order permintaan pembeoian tersimpan di tabeo Group Order dan Detaio Order. Transaksi order pembeoian tersimpan di tabeo Group PO dan Detaio PO. Transaksi Penerimaan Barang tersimpan di tabeo Group DN, Invoice, dan Detaio Invoice. Untuk transaksi penjuaoan saoes tersimpan di tabeo Group PO CO dan Detaio PO CO. Sedangkan transaksi faktur penjuaoan tersimpan di tabeo Group Invoice dan Detaio Invoice Dist.

Struktur tabeo yang tersedia di database transaksionao PT Temprina Media Grafika dapat dioihat pada gambar 3.3. Adapun struktur tabeo yang sudah dibuatkan reoasi dapat dioihat pada gambar 3.4.

3.2.2 SubjekBDataBWarehouse

Beberapa poin penting yang meoiputi subjek Data Warehouse yaitu kebutuhan Data Muotidimensi, Tabeo Fakta, dan Tabeo Dimensi.

Beberapa hao pokok yang termasuk kategori kebutuhan data muotidimensi ini antara oain; kandidat measure yaitu jumoah stok barang awao buoan, jumoah penerimaan stok, jumoah pengeouaran stok, jumoah permintaan pembeoian, jumoah pembeoian barang, jumoah penerimaan barang, jumoah penjuaoan, jumoah invoice atau tagihan.

Sedangkan kandidat dimensi yaitu dimensi waktu, dimensi materiao, dimensi hooding, dimensi suppoier dan customer, dimensi cost center, dimensi mata uang, dan dimensi tipe pembayaran. Adapun kebutuhan data muotidimensi dapat dioihat pada tabeo berikut.

Tabeo 3.1 Kebutuhan Data Muotidimensi NamaBAnalisaBmultidimensi DataBMultidimensi Anaoisa Inventori Beginning

Stock (Saodo awao stok)

Measure :

qty_inv_begin, amount_inv_begin Dimensi :

1. Waktu (hirarki) tahun, buoan, hari 2. Materiao (hirarki) tipe materiao, Group materiao, Detaio Materiao

3.Hooding (hirarki) hooding, branch, company. Anaoisa Inventori Receive

(Penerimaan barang)

Measure : qty_inv_receive, amount_inv_receive Dimensi :

1. Waktu (hirarki) tahun, buoan, hari 2. Materiao (hirarki) tipe materiao, Group materiao, Detaio Materiao

NamaBAnalisaBmultidimensi DataBMultidimensi Anaoisa Inventori Issued

(Pengeouaran stok)

Measure :

no_issued, qty_inv_issued, amount_inv_issued

Dimensi :

1. Waktu (hirarki) tahun, buoan, hari 2. Materiao (hirarki) tipe materiao, Group materiao, Detaio Materiao

3.Hooding (hirarki) hooding, branch, company. Anaoisa Permintaan Barang

Outstanding (RO Outstanding)

Measure ro_no, ro_due_date_deoivery, ro_materiao_no, ro_qty, ro_suppoy_canceoed, ro_suppoy, ro_baoance, ro_po_no.

Dimensi :

1. Waktu (hirarki) tahun, buoan, hari 2. Materiao (hirarki) tipe materiao, Group materiao, Detaio Materiao

3.Hooding (hirarki) hooding, branch, company. 4. Cost Center

Anaoisa Pembeoian Barang (PO Outstanding)

Measure : po_no, po_dn_no, po_dn_date, po_invoice_code, po_materiao_no, po_qty, po_price, po_qty_dn, po_qty_return, po_qty_baoance

Dimensi :

1. Waktu (hirarki) tahun, buoan, hari 2. Materiao (hirarki) tipe materiao, 3. Group materiao, Detaio Materiao

4. Hooding (hirarki) hooding, branch, company.

5. Mata Uang

6. Suppoier (hirarki) Group Suppoier, Detaio Suppoier.

7. Cost Center 8. Tipe Pembayaran Anaoisa Penerimaan Barang

(Deoivery Note)

Measure : dn_no, dn_qty, dn_price,

dn_amount, dn_net_amount,

dn_invoice_code, dn_invoice_date, dn_po_no, dn_materiao_no

Dimensi :

1. Waktu (hirarki) tahun, buoan, hari

2. Materiao (hirarki) tipe materiao, Group materiao, Detaio Materiao

3. Hooding (hirarki) hooding, branch, company.

4. Mata Uang (hirarki)

5. Suppoier (hirarki) Group Suppoier, Detaio Suppoier.

6. Cost Center 7. Tipe pembayaran

NamaBAnalisaBmultidimensi DataBMultidimensi Anaoisa Penjuaoan Barang

(Saoes Order)

Measure : so_no, so_qty, so_price, so_amount, so_suppoy, so_suppoy_invoice, so_qty_outstanding, so_outstanding_amount, so_status

Dimensi :

1. Waktu (hirarki) tahun, buoan, hari

2. Materiao (hirarki) tipe materiao, Group materiao, Detaio Materiao

3. Hooding (hirarki) hooding, branch, company.

4. Customer (hirarki) Group Customer, Detaio Customer

5. Mata uang 6. Tipe Pembayaran Anaoisa Jumoah tagihan

(Invoice)

Measure : invoice_no, inv_quantity, inv_price, inv_quantity_so, inv_price_so, inv_amount, inv_net_amount

Dimensi :

1. Waktu (hirarki) tahun, buoan, hari

2. Materiao (hirarki) tipe materiao, Group materiao, Detaio Materiao

3. Hooding (hirarki) hooding, branch, company.

4. Customer (hirarki) Group Customer, Detaio Customer

5. Mata Uang 6. Tipe Pembayaran

A. StrukturBDimensi

Berdasarkan ERD diatas dapat dibuat dimensi dimensi kedaoam Data Warehouse, seperti dimensi waktu, dimensi hooding, dimensi materiao, dimensi suppoier customer, dimensi cost center, dimensi mata uang, dan dimensi tipe pembayaran.

A.1 DimensiBWaktu

Dimensi waktu terdapat 3 oeveo yaitu tahun, buoan, dan hari. Dimensi ini dipakai untuk semua kubus karena untuk meoihat data berdasarkan histori waktu. Dimensi waktu bisa dioihat pada gambar 3.5.

Gambar 3.5 Dimensi Waktu

A.2 DimensiBMaterial

Dimensi materiao terdiri dari 3 oeveo, yaitu TYPE_MATERIAL,B GROUP_MATERIAL, Bdan DETAIL_MATERIAL. Penentuan oeveo pada dimensi materiao ini ditinjau dari cara mengeoompokkan datanya.

A.3 DimensiBSupplierBCustomer

Dimensi Suppoier Customer terdiri dari 2 oeveo, yaitu GROUP_SUPP_CUST, BdanB DETAIL_SUPP_CUST.B Penentuan oeveo pada dimensi Suppoier customer ini ditinjau dari cara mengeoompokkan datanya. Dimensi ini merupakan gabungan antara data suppoier dan customer, dikarenakan bisa terjadi perusahaan yang bersangkutan bisa menjadi suppoier sekaoigus juga bisa menjadi customer. Dimensi Suppoier Customer dapat dioihat pada gambar 3.7.

A.4 DimensiBCabangB

Dimensi Cabang terdiri dari 3 oeveo yaitu HOLDING,BBRANCH, Bdan COMPANY. Dimensi Cabang bisa dioihat pada gambar 3.8.

Gambar 3.8 Dimensi Cabang

A.5 DimensiBCostBCenter

Dimensi Cost Center terdiri dari 2 oeveo yaitu DEPARTMENT Bdan COSTBCENTER.Dimensi Cost Center bisa dioihat pada gambar 3.9 dibawah ini.

A.6 DimensiBMataBUang

Dimensi Mata Uang terdiri dari 2 oeveo yaitu GROUP_CURRENCYB dan DETAIL_CURRENCY. Dimensi Mata Uang bisa dioihat pada gambar 3.10 berikut ini.

Gambar 3.10 Dimensi Currency

A.7 DimensiBTipeBPembayaran

Dimensi Tipe Pembayaran terdiri dari 2 oeveo, yaitu GROUP_PAYMENT_TYPE Bdan DETAIL_PAYMENT_TYPE. Dimensi tipe pembayaran bisa dioihat pada gambar 3.11.

B. StrukturBKubus

Gambar 3.12 Kubus Inventori

Cube disusun dari Measures dan Dimension References, Measure merupakan totao atau ringkasan agar proses pembuatan oaporan anaoisa menjadi oebih cepat. Cube mempunyai reoasi ke dimensi-dimensi.

Kubus inventori digunakan untuk menampung data stok inventori. Seperti stok awao buoan, jumoah penerimaan barang, jumoah pengeouaran barang, dan saodo stok akhir. Kubus inventori mempunyai reoasi ke dimensi waktu, dimensi materiao, dimensi cabang, dimensi cost center, dimensi mata uang, dimensi waktu, dan dimensi tipe pembayaran. Kubus ini dapat dioihat pada gambar 3.12.

C. StrukturBTabelBFaktaB

Tabeo fakta distribusi digunakan untuk menyimpan data stok inventori. Seperti stok awao buoan, jumoah penerimaan barang, jumoah pengeouaran barang, dan saodo stok akhir. Tabeo fakta ini juga digunakan untuk menampung transaksi permintaan pembeoian, order pembeoian, dan penerimaan barang pembeoian. Seoain itu juga digunakan untuk menyimpan transaksi order penjuaoan dan faktur penjuaoan. Tabeo fakta distribusi mempunyai kooom dim_hooding yang mempunyai reoasi ke tabeo dimensi hooding. Kooom dim_materiao bereoasi dengan tabeo dimensi materiao. Kooom dim_time bereoasi dengan tabeo dimensi waktu. Kooom dim_cost_center bereoasi dengan tabeo dimensi cost center. Kooom dim_currency bereoasi dengan dimensi waktu. Kooom dim_payment_type bereoasi dengan dimensi tipe pembayaran. Kooom dim_supp_cust bereoasi dengan dimensi suppoier customer. Tabeo fakta inventori stok dapat dioihat pada gambar 3.13 berikut ini.

D. MemetakanBDataBWarehouse

Data Warehouse perou dipetakan atau di mapping agar data dari tabeo2 transaksionao bisa di ekstrak transform ooad ke Data Warehouse. Proses mapping bertujuan agar data bisa dipioih mana saja yang bisa di pakai untuk sumber-sumber Data Warehouse. Proses mapping ini meoiputi 2 proses yaitu proses mapping dimensi dan proses mapping kubus.

D.1 MappingBDimensi

Dimensi-dimensi yang akan dipetakan atau di mapping ke tabeo-tabeo datawarehouse yaitu :

D.1.1 MappingBDimensiBHolding

Proses mapping dimensi hooding diawaoi dengan pembuatan view DIM_HOLDING_VIEW yang merupakan gabungan atau ringkasan dari tabeo-tabeo transaksionao yang memioiki informasi data cabang yang berguna bagi dimensi hooding. Laou masing-masing kooom view tersebut dibuat mapping ke dimensi hooding agar kooom-kooom datanya sesuai dengan data yang diinginkan. Mapping Dimensi Hooding dapat dioihat pada gambar 3.14.

D.1.2 MappingBDimensiBCostBCenter

Proses mapping dimensi cost center diawaoi dengan pembuatan view DIM_COST_CENTER_VIEW yang merupakan gabungan atau ringkasan dari tabeo-tabeo transaksionao yang memioiki informasi data cost center yang berguna bagi dimensi cost center. Laou masing-masing kooom view tersebut dibuat mapping ke dimensi cost center agar kooom-kooom datanya sesuai dengan data yang diinginkan. Mapping Dimensi Cost Center dapat dioihat pada gambar 3.15.

Gambar 3.15 Mapping Dimensi Cost Center

D.1.3 MappingBDimensiBCurrency

Gambar 3.16 Mapping Dimensi Currency

Proses mapping dimensi currency diawaoi dengan pembuatan view DIM_CURRENCY_VIEW yang merupakan gabungan atau ringkasan dari tabeo-tabeo transaksionao yang memioiki informasi data currency yang berguna bagi dimensi cost currency. Laou masing-masing kooom view tersebut dibuat mapping

ke dimensi currency agar kooom-kooom datanya sesuai dengan data yang diinginkan. Mapping Dimensi Currency dapat dioihat pada gambar 3.16.

D.1.4 MappingBDimensiBMaterial

Proses mapping dimensi materiao diawaoi dengan pembuatan view DIM_MATERIAL_VIEW yang merupakan gabungan atau ringkasan dari tabeo-tabeo transaksionao yang memioiki informasi data materiao yang berguna bagi dimensi materiao. Laou masing-masing kooom view tersebut dibuat mapping ke dimensi materiao agar kooom-kooom datanya sesuai dengan data yang diinginkan. Mapping Dimensi Materiao dapat dioihat pada gambar 3.17.

Gambar 3.17 Mapping Dimensi Materiao

D.1.5 MappingBDimensiBTipeBPembayaran

Proses mapping dimensi payment type diawaoi dengan pembuatan view DIM_PAYMENT_TYPE_VIEW yang merupakan gabungan atau ringkasan dari tabeo-tabeo transaksionao yang memioiki informasi data tipe pembayaran yang berguna bagi dimensi type payment. Laou masing-masing kooom view tersebut dibuat mapping ke dimensi tipe pembayaran agar kooom-kooom datanya sesuai dengan data yang diinginkan. Mapping Dimensi Tipe Pembayaran dapat dioihat pada gambar 3.18.

Gambar 3.18 Mapping Dimensi Payment Type

D.2 MappingBKubusBInventori

Proses mapping kubus inventori stok diawaoi dengan pembuatan view CUBE_INVENTORI_VIEW yang merupakan gabungan atau ringkasan dari tabeo-tabeo transaksionao yang memioiki informasi data distribusi yang berguna bagi kubus distribusi. Laou dioakukan mapping pada masing-masing kooom view tersebut ke kubus inventori agar kooom-kooom datanya sesuai dengan data yang diinginkan. Mapping Kubus Inventori dapat dioihat pada gambar 3.19.

3.2.3 DesainBProsesBETL

Proses ekstraksi data dioakukan pada data transaksionao pada Data Warehouse. Sedangkan proses ooading ini merupakan tahapan proses input data transaksionao ke Data Warehouse tujuan dimana data sudah di konversi ke daoam format yang sesuai dengan kepentingan anaoisa yang diinginkan.

Pada Gambar 3.20 digambarkan aoiran proses ETL. Proses dimuoai dari ETL pada Dimensi dan kemudian dioanjutkan dengan ETL pada Kubus. Proses ini dijadwaokan untuk di eksekusi jam-jam tidak ada transaksi.

3.2.4 DesainBMetadataBuntukBBI

Seteoah data masuk ke Data Warehouse maka dioakukan proses desain metadata untuk keperouan pembuatan oaporan di Business Inteooigence Oracoe. Pembuatan metadata di Oracoe BI Administration Tooo ada tiga oapisan atau layer

yaitu :

A. Mendefinisikan Physical Layer, daoam oayer ini mendefinisikan sumber data. Daoam hao ini sumber data yang dipakai yaitu tabeo-tabeo muoti-dimensionao Data Warehouse.

B. Mendefinisikan Bussiness Model and Mapping Layer, yaitu mengorganisasikan physicao oayer kedaoam kategori yang sesuai dan mencatat metadata untuk akses ke sumber data.

C. Mendefinisikan Presentation Layer, oapisan ini untuk mengekspos entitas bisnis modeo untuk akses pengguna akhir.

mempunyai peranan masing-masing yaitu:

1. OLTPBArea

Daoam OLTP Area memuat sumber-sumber data transaksi inventori, transaksi pemnbeoian dan penjuaoan barang sehari-hari, sebeoum mengaoami tahapan prose Extract, Transform, Load. Area ini mempunyai peranan penting sebagai sumber data yang nantinya akan diooah di Stagging Area.

2. StaggingBArea

Area ini bertugas membangun dan mengooah semua sumber data yang berasao dari OLTP Area, yang dikombinasikan sedemikian rupa sehingga dikenao dengan istioah Metadata atau Proses Mapping. Proses inioah yang nantinya akan sangat berpengaruh daoam terbentuknya suatu Data Warehouse.

3. WarehouseBArea

Area ini mempunyai peran untuk menampung semua hasio proses Mapping atau Metadata yang berasao dari Stagging Area. (ditya, 2007)

3.4 ArsitekturBJaringan

Sistem apoikasi OLAP ini meoibatkan manajer di setiap cabang PT. Temprina sebagai user, Server Database Transaksi, Server Apoikasi ERP, Server Data Warehouse, dan Server Bisnis Inteoejen (BI). Dengan setiap server terhubung dengan database. Server Datawarehouse meoakukan pengambioan data dari database transaksionao, kemudian data diooah dan disimpan kedaoam database Data Warehouse. Seoanjutnya Server BI mengambio data anaoisa peoaporan dari

database Data Warehouse. Data dari Data Warehouse ini kemudian ditampiokan untuk manajer di tiap cabang daoam bentuk oaporan yang dapat membantu manajer daoam meoakukan anaoisa. Berikut ini adaoah infrastruktur jaringan komputer daoam apoikasi OLAP untuk oaporan anaoisa menggunakan toolBusiness Intelligence Oracle:

Database

Server Database Transaksi

VPN

Manajer Cabang Surabaya

Server Aplikasi ERP

Datawarehouse Server Datawarehouse

Manajer Cabang Jakarta

Manajer Cabang Solo Server BI

Metadata

VPN

VPN

4.1BKebutuhanBSistem

Untuk mengimplementasikan dan menjalankan aplikasi dalam Tugas Akhir ini disarankan spesifikasi perangkat keras dan perangkat lunak sebagai berikut.

4.1.1BKebutuhanBPerangkatBKeras

Kebutuhan untuk pembuatan Data Warehouse dan laporan analisa pada Tugas Akhir ini menyarankan perangkat keras dengan spesifikasi sebagai berikut :

A. TigaBPCBServerBOracle

A.1. ServerBDatabaseBOLTP

Dengan spesifikasi sebagai berikut 1. Processor Pentium intel dual Xeon 3Ghz

2. RAM 2 Gb

3. Hard Disk 180 Gb

A.2. ServerBDataBWarehouse

Dengan spesifikasi sebagai berikut 1. Processor Pentium intel Xeon 3Ghz

2. RAM 2 Gb

3. Hard Disk 120 GB

A.3. ServerBBusinessBIntelligence

Dengan spesifikasi sebagai berikut 1. Processor Pentium intel Xeon 3Ghz

2. RAM 2 Gb

3. Hard Disk 120 GB

B. PCBClient

Dengan spesifikasi sebagai berikut 1. Processor Pentium III 800 Mhz

2. RAM 1 Gb

3. Hard Disk 60 GB 4. Monitor

5. Keyboard

6. Mouse

4.1.2BKebutuhanBPerangkatBLunak

Kebutuhan perangkat lunak untuk membangun aplikasi ini adalah sebagai berikut:

1. Oracle Database 10g Release 2

Merupakan perangkat lunak yang dibuat oleh vendor Oracle untuk menangani penyimpanan data serta software database yang sudah dilengkapi dengan keamanan data.

2. Oracle Warehouse Builder 10g Release 2

Merupakan perangkat lunak berbasis Java yang dibuat oleh vendor Oracle bagi pemakai untuk mempermudah mendesain objek-objek data warehouse

seperti dimensi dan kubus. Selain itu juga mempermudah pengembangan proses ETL karena standarisasi pengiriman data dari database satu dengan yang lain ke aplikasi menggunakan XML dan bahasa pemrograman yang dipakai adalah PL/SQL.

3. Oracle Workflow 2.6.4

Merupakan perangkat lunak berbasis web yang dibuat oleh vendor Oracle bagi pemakai untuk melakukan otomasi proses ETL, dengan memasukkan metadata-metadata apa saja yang harus di load datanya ke dalam Server Warehouse sesuai dengan kebutuhan manajemen berdasarkan waktu berjalan dan hanya bersifat history.

4. Oracle Business Intelligence Enterprise Edition 10.1.3.2.0

Oracle BI EE menyediakan kecerdasan dan analisa dari sumber-sumber rentang data perusahaan dan memberi kekuatan dalam banyak aplikasi pada komunitas-komunitas terbesar dengan wawasan yang lengkap dan relevan. 5. Sistem Operasi Windows XP

Merupakan suatu sistem operasi yang cocok untuk membangun ini karena dengan kemudahannya untuk mengakses service-service Oracle.

4.2 ImplementasiBSistem

Setelah semua persyaratan perangkat keras dan perangkat lunak dipenuhi, proses selanjutnya adalah implementasi sistem. Implementasi sistem ini, terdiri dari implementasi proses ETL dan implementasi pelaporan. User yang terlibat dalam implementasi pelaporan ini adalah user Administrator yang membuat laporan dan user manajemen yang mengakses laporan ini. User manajemen diberi akses untuk pembuatan laporan karena jika ada laporan yang sifatnya insidentil,

user dari manajemen cabang lain atau departemen lain tidak perlu meminta dari user Administrator.

4.2.1 ImplementasiBProsesBETL

Sebelum melakukan proses ETL dari data source perlu diperhatikan bahwa data source tidak ada perubahan lagi atau tidak ada data transaksi masuk, dalam hal ini proses ETL dilakukan pada jam-jam tidak ada transaksi seperti pada malam hari. Penjadwalan proses ETL ini dilakukan secara otomatis. Berikut jadwal ketersediaan data dan jadwal proses ETL.

Tabel 4.1 Jadwal Proses ETL

NamaBData WaktuBKetersediaan WaktuBPengolahanBData

a. Data Inventori Stok 08:00 am, Setiap Hari 00.15 am, Setiap Hari b. Data Pembelian 08:00 am, Setiap Hari 00.15 am, Setiap Hari c. Data Penjualan 08:00 am, Setiap Hari 00.15 am, Setiap Hari

Oracle memiliki Job Schedulling (Penjadwalan Kerja) yang dapat di set secara manual melalui prosedur sys.dbms_job.submit yang telah disediakan

oleh Oracle. Parameter yang diperlukan untuk menjalankan prosedur ini yaitu id job, dan prosedur apa yang akan dijalankan oleh job tersebut.

Untuk job ETL ini, prosedur sys.dbms_job.submit akan di set untuk menjalankan prosedur OWF_MGR.work_flow_inv. Prosedur ini membutuhkan

beberapa parameter, yaitu: Nama Desain Process Flow, dalam contoh dibawah ini adalah 'PFLOWDIM', kemudian Tanggal Execute, yaitu penentuan waktu

dijalankannya job. Pada contoh dibawah, Tanggal Execute adalah '21-02-2009'.

Parameter berikutnya adalah interval atau jarak pengulangan eksekusi

Berikut ini adalah baris perintah prosedur untuk penjadwalan proses ETL:

4.2.2 ImplementasiBReporting

Program aplikasi ini berbasis web jadi komputer aplikasi client hanya membutuhkan sistem operasi dan web browser. Untuk bisa mengaksesnya komputer client harus bisa terhubung ke server Business Intelligence. Alamat URL nya adalah http://serverbi:9704/analytics/saw.dll?Answers digunakan untuk mengakses aplikasi laporan Business Intelligence.

Gambar 4.1 Halaman Login begin

sys.dbms_job.submit(job => :job, what =>

'OWF_MGR.work_flow_inv(''PFLOWDIM'',''PFLOWDIM'');', next_date => to_date('21-02-2009', 'dd-mm-yyyy'),

interval => 'TRUNC(SYSDATE+1)'); commit;

Pada gambar 4.2 terlihat sebuah Dashboard Branch Analysis yang menginformasikan total biaya inventori per holding. Dan grafik penjualan per cabang, beserta link-link report yang lain.

Gambar 4.2 Halaman Dashboard Branch Analysis

Pada gambar 4.3 terlihat laporan analisa per material yang menginformasikan sepuluh besar penjualan barang. Dan laporan penjualan barang jadi.

Pada gambar 4.4 terlihat laporan analisa pembelian per grup supplier dan per grup material, disampingnya terlihat tampilan informasi 10 besar supplier yang sering melakukan order pembelian.

Gambar 4.4 Halaman Laporan Analisa Supplier.

Pada gambar 4.5 terlihat laporan analisa customer. Halaman ini juga mempunyai informasi sepuluh besar customer yang melakukan order penjualan paling banyak dan terdapat informasi jumlah order penjualan per group material.

4.3 UjiBCobaBSistem

Setelah Data Warehouse dan Pelaporan analisa ini selesai dibangun, dilakukan uji coba sistem dan evaluasi sistem. Uji coba yang dilakukan terdiri dari uji proses ETL dan user test.

4.3.1 UjiBProsesBETL

Dalam tahap pengujian ETL yang perlu diperhatikan adalah kesesuaian data yang diambil serta kelengkapannya, serta waktu yang dibutuhkan pada saat proses ETL berjalan. Semakin sedikit pemakaian baik function, procedure, component dalam metadata makin sedikit waktu yang dibutuhkan untuk proses pengambilan data.

Uji coba kali proses ETL ini diambilkan dari salah satu Work Flow dengan nama PFLOWDIM yang dalam ruang lingkupnya telah ada proses Pengambilan data, dan Ekstraksi.

Gambar 4.6 menunjukkan form Job Details yang dimiliki oleh Warehouse Builder. Form ini menunjukkan Log proses ETL yang telah di eksekusi. Informasi yang terdapat di Form ini diantaranya adalah jumlah record yang telah diinsert, diupdate, dihapus, dan digabungkan. Serta informasi status eksekusi, berapa eksekusi yang berhasil diproses, jumlah eror dalam eksekusi, dan jumlah warning.

Pada tabel 4.1 menunjukkan data hasil proses ekstraksi pada salah satu dimensi yaitu cost center.

Tabel 4.1 Hasil Proses Ekstraksi data dimensi cost center. No Dimension _Key Department _Source_ID Department _ID Department_Name Cost_ Center _Source _ID Cost_Center_Name Cost_ Center _ID

1 -2 01 -2 Direksi

2 -3 03 -3 General Manager

3 -4 11 -4 Research & Development

4 -5 04 -5 Manager/Branch Manager

5 -6 08 -6 Product Planning Control

6 -7 10 -7 HRD & Umum

7 -8 05 -8 Accounting/Finance

8 -9 14 -9 Audit Internal

9 -10 06 -10 Produksi

10 -11 12 -11 Information Technology

11 -12 02 -12 Wakil Direksi

12 -13 15 -13 Dewan Penasehat

13 -14 00 -14 Nothing Department

14 -15 07 -15 Pemasaran

15 -16 13 -16 Teknik

16 -17 09 -17 Pembelian

17 17 01 -2 Direksi 016 Sekretaris 17

18 18 04 -5 Manager/Branch Manager 044

Manager Product, Planning &

Control 18

19 19 06 -10 Produksi 061 Preflight Check 19

20 20 06 -10 Produksi 064 Finishing 20

21 21 07 -15 Pemasaran 072 Administrasi Pemasaran 21

22 22 10 -7 HRD & Umum 101 HRD 22

23 23 15 -13 Dewan Penasehat 151 Dewan Penasehat 23

24 24 01 -2 Direksi 013 Direktur Pemasaran 24

26 26 03 -3 General Manager 031 General Manager 26

27 27 04 -5 Manager/Branch Manager 041 Manager Keuangan & Akuntansi 27

28 28 05 -8 Accounting/Finance 054 Piutang 28

29 29 06 -10 Produksi 062 Pra Cetak 29

30 30 01 -2 Direksi 014 Direktur Pengembangan 30

31 31 04 -5 Manager/Branch Manager 048 Manager IT 31

32 32 06 -10 Produksi 066 Legalitas JP-Book 32

33 33 07 -15 Pemasaran 071 Pemasaran 33

34 34 08 -6 Product Planning Control 081 PPIC 34

35 35 13 -16 Teknik 135 Mekanik Sumengko 35

36 36 01 -2 Direksi 011 Direksi 36

37 37 04 -5 Manager/Branch Manager 046 Manager HRD & Umum 37

38 38 06 -10 Produksi 063 Cetak 38

39 39 06 -10 Produksi 065 Ekspedisi 39

40 40 08 -6 Product Planning Control 085 Gudang B.Jadi GP 40

41 41 12 -11 Information Technology 121 IT 41

42 42 14 -9 Audit Internal 141 Audit Internal 42

43 43 00 -14 Nothing Department 000 Nothing Cost Center 43

44 44 05 -8 Accounting/Finance 052 Keuangan 44

45 45 05 -8 Accounting/Finance 053 Pajak 45

46 46 05 -8 Accounting/Finance 055 Penagihan 46

47 47 08 -6 Product Planning Control 084 Gudang B.Jadi 47

48 48 08 -6 Product Planning Control 090 Gudang JP Book - GDG 48

49 49 08 -6 Product Planning Control 093 Gudang B. Baku Sumengko 49

50 50 08 -6 Product Planning Control 094 Gudang B. Jadi Sumengko 50

51 51 10 -7 HRD & Umum 102 Umum 51

52 52 13 -16 Teknik 131 Mekanik 52

53 53 13 -16 Teknik 134 Electrik GP 53

54 54 01 -2 Direksi 012 Direktur Keuangan & Administrasi 54

55 55 02 -12 Wakil Direksi 023 Wadir Pengembangan 55

56 56 02 -12 Wakil Direksi 024 Wadir Produksi/Teknik 56

58 58 08 -6 Product Planning Control 082 Gudang B.Baku 58

59 59 08 -6 Product Planning Control 088 Gudang JP Book - SMK 59

60 60 13 -16 Teknik 132 Elektrik 60

61 61 04 -5 Manager/Branch Manager 043 Manager Produksi 61

62 62 04 -5 Manager/Branch Manager 047

Manager Research &

Development 62

63 63 04 -5 Manager/Branch Manager 049 Branch Manager 63

64 64 08 -6 Product Planning Control 083 Gudang B.Baku GP 64

65 65 08 -6 Product Planning Control 089 Gudang JP Book - NGK 65

66 66 09 -17 Pembelian 091 Pembelian 66

67 67 13 -16 Teknik 133 Mekanik GP 67

68 68 13 -16 Teknik 136 Electrik Sumengko 68

69 69 01 -2 Direksi 015 Direktur Produksi 69

70 70 02 -12 Wakil Direksi 022 Wadir Pemasaran 70

71 71 04 -5 Manager/Branch Manager 042 Manager Pemasaran 71

72 72 04 -5 Manager/Branch Manager 045 Manager Pembelian 72

73 73 05 -8 Accounting/Finance 051 Akuntansi 73

74 74 07 -15 Pemasaran 073 Expedisi JP-Book 74

75 75 08 -6 Product Planning Control 086 Gudang JP Book - KA 75

76 76 08 -6 Product Planning Control 087 Gudang JP Book - GP 76

77 77 11 -4 Research & Development 111 RND 77

C. Mencocokkan data yang ada di laporan transaksional dengan laporan OLAP. Pada gambar 4.13 laporan transaksional terlihat saldo awal untuk FILM POLYSTER sejumlah Rp 3.300.000. Nominal ini sama dengan nominal saldo awal pada laporan OLAP pada gambar 4.14 yaitu FILM KAKIER saldo awalnya sejumlah Rp 3.300.000.

Gambar 4.13 Halaman laporan transaksional.

D. Menjawab kebutuhan Laporan analisa. Kebutuhan akan Laporan analisa yaitu :

D.1 Laporan Analisa Inventory Beginning, Receive, Issued.

Pada gambar 4.15 terlihat laporan analisa inventori untuk jumlah saldo awal, jumlah penerimaan, jumlah pengeluaran dan jumlah saldo akhir stok.

Gambar 4.15 Halaman Laporan Analisa Inventory.

D.2 Laporan Analisa Permintaan Barang Outstanding (RO Outstanding)

Pada gambar 4.16 terlihat laporan analisa permintaan pembelian barang yang masih Outstanding artinya belum di buatkan order pembelian.

Gambar 4.16 Halaman Laporan Analisa Permintaan Barang Outstanding 75

D.3 Laporan Analisa Pembelian Barang (PO Outstanding)

Pada gambar 4.17 terlihat laporan pembelian barang yang belum dibuatkan penerimaan barang atau Delivery Note.

Gambar 4.17 Halaman Laporan Analisa Pembelian Barang Outstanding D.4 Laporan Analisa Penerimaan Barang (Delivery Note)

Pada gambar 4.18 terlihat laporan analisa penerimaan barang difilter pada bulan Februari 2008 pada cabang surabaya.

D.5 Laporan Analisa Penjualan Barang (Sales Order)

Pada gambar 4.19 terlihat laporan analisa penjualan barang difilter pada bulan Maret 2008 pada cabang Nganjuk.

Gambar 4.19 Halaman Laporan Analisa Penjualan Barang D.6 Analisa Jumlah tagihan (Invoice)

Pada gambar 4.20 terlihat laporan jumlah tagihan / Invoice di filter pada bulan April 2008 pada cabang Nganjuk.

Gambar 4.20 Halaman Laporan Analisa Jumlah Tagihan

5.1BKesimpulan

Berdeserken hesil implementesi den uji cobe sistem yeng teleh dilekuken depet diembil kesimpulen sebegei berikut:

1. Berdeserken dete trenseksi Inventori PT. Temprine Medie Grefike, teleh dibengun sebueh Dete Werehouse mengguneken terminologi multidimensi yeng depet memproses informesi dengen kredibilites tinggi den efisien.

2. Dete Werehouse yeng sudeh dibentuk depet diguneken sebegei sumber informesi untuk pembueten leporen OLAP berupe grefik den tebel yeng depet memberiken informesi yeng releven den berkuelites. Leporen tersebut yeitu leporen enelise jumleh stok inventori, enelise jumleh perminteen pembelien, enelise jumleh order pembelien, enelise penerimeen bereng pembelien, enelise jumleh penjuelen den enelise jumleh tegihen penjuelen bereng yeng memudehken penggune delem membuet enelise tren untuk membentu pengembilen keputusen.

5.2BSaran

Delem pengembengen eplikesi ini depet diejuken beberepe seren, yeitu: 1. Delem pemenfeeten Dete Werehouse, belum depet diguneken sebegei

pengembil keputusen. Tetepi henye serene pendukung delem pengembilen keputusen.

2. Aplikesi pembueten Dete Werehouse ini depet dikembengken sempei dengen Dete Mining.

DAFTAR PUSTAKA

Berson, Alex, 1997, Data Warehousing, Data Mining & OLAP, McGraw-Hill International, Singapore.

Dramowics, Konrad, 2005, Creating and Manipulating Multidimensional nables with

Locational Data Using OLAP Cubes, (Online),

(http://www.locationintelligence.net/articles/733.html, diakses 1 Februari 2009) Haniif, 2007, Data Warehouse dan OLAP, (Online),

(http://haniif.wordpress.com/2007/08/01/24-tinjauan-pustaka-data-warehouse-dan-olap, diakses 17 Juli 2008).

Heryanto, Imam, 2006, Menguasai Oracle SQL dan PL/SQL, Informatika, Bandung. Munandar, Devi, 2008, OLAP dan nerminologi MultiDimensional Database, (Online),

(http://www.informatika.lipi.go.id/olap-dan-terminologi-multi-dimensional-database, diakses 07 September 2008).

Oktavianto, Ditya, 2007, Pengolahan Data Warehouse nerhadap Sumber Data Akademik SnIKOM Untuk Membantu Sistem Pendukung Keputusan, Stikomp Surabaya, Surabaya.

Syamsiar, Evara, 2006, Belajar Sendiri Administrasi Database Oracle 10g, PT. Elex Media Komputindo Kelompok Gramedia, Jakarta.

Tersine, Richard, 1984, Principles of Inventory and Materials Management, Elsevier Science Publishing, USA.