Prototipe Data Warehouse Data Penjualan Produk BAKOSURTANAL
ABSTRACT
SITI NURHASANAH. Data Warehouse Prototype of BAKOSURTANAL’s Sales Product. Under
direction of HARI AGUNG ADRIANTO.
National Coordinating Agency on Surveys and Mapping (BAKOSURTANAL) is a non ministry
government agency authorized to conduct governance duty in the field of surveys and mapping.
BAKOSURTANAL holds the prime role in the distribution and services of maps to the public. One of
BAKOSURTANAL activity is selling maps, atlas, and other products required by its stakeholders.
The reports of sales revenue are not only necessary to improve services, but also can be used to know
the exact amount of sales revenues in BAKOSURTANAL. The process of analyzing data of sales is
still done manually by looking at the existing data of sales. This way of data processing leads to a less
accurate result, and also requires significant time and efforts. Building OLAP application integrated
with data warehouse is one way to analyze and to have the knowledge of sales revenues with different
point of view.
This research is intended to make the data analyzing on surveys and mapping’s sales products no
longer done manually, so the result can be more accurate. The steps require : covering, pre data
processing, designing and developing of data warehouse, continued with developing of OLAP
application. Data warehouse is developed using the galaxy scheme. This research yields in forming
four dimensions (Time, Data Classification, Qualification, and Scale) and the two facts (sale_sheet
and sale_price).
The development of data warehouse of BAKOSURTANAL’s sale products produces two data
cubes, which are the sale sheet data cube and the sale price data cube. The two data cubes can be
visualized quickly and accurately in three forms of graphics and charts using the OLAP Palo 2.5. The
operations of OLAP conducted on the data cubes are roll-up, drill-down, dice, and slice.
Keywords : data warehouse, data cube, data of sales, BAKOSURTANAL’s products.
1
PENDAHULUAN
Latar Belakang
Badan Koordinasi Survei dan Pemetaan
Nasional (BAKOSURTANAL) merupakan
sebuah lembaga pemerintah non departemen
yang diberi mandat untuk melaksanakan tugas
pemerintahan dalam bidang survei dan
pemetaan.
BAKOSURTANAL
telah
menghasilkan peta dalam berbagai bentuk,
format dan skala. BAKOSURTANAL menjadi
titik tumpu dalam pelaksanaan pendistribusian
dan pelayanan peta kepada penggunanya, baik
itu institusi, perusahaan, lembaga pendidikan,
dan masyarakat pada umumnya.
Berdasarkan Undang-undang Republik
Indonesia Nomor 20 Tahun 2007 tentang
Penerimaan Negara Bukan Pajak (PNBP),
bahwa instansi pemerintah wajib menyetorkan
seluruh PNBP ke kas negara. Hal ini juga
diperjelas dalam
Lampiran IIB Peraturan
Pemerintah Republik Indonesia Nomor 22
Tahun 1997 tentang Jenis Penyetoran
Penerimaan Negara Bukan Pajak, bahwa jenis
PNBP yang berlaku pada BAKOSURTANAL
adalah penerimaan dari penjualan hasil survei
dan pemetaan (surta). Untuk meningkatkan
pendapatan
negara
dari
PNBP,
BAKOSURTANAL perlu melakukan kegiatan
yang mendukung peningkatan PNBP. Salah
satu kegiatannya adalah penjualan peta, atlas
dan produk lainnya yang banyak dibutuhkan
oleh stake holder. Informasi tentang hasil
penjualan selain untuk dapat meningkatkan
pelayanan kepada penggunanya juga untuk
mengetahui jumlah hasil penjualan di
BAKOSURTANAL.
Selama ini, proses analisis data hasil
penjualan masih dilakukan secara manual.
Proses bisnis dari kegiatan penjualan tersebut
dapat dilihat pada Lampiran 1. Untuk memesan
produk surta pengguna harus mengisi lembar
pesanan yang disediakan di loket penjualan.
Bentuk lembar pemesanan dapat dilihat pada
Lampiran 2.
Kemudian staf pelayanan
mencatat data penjualan tersebut dengan
menggunakan Microsoft Office Excel, hasilnya
dapat dilihat pada Lampiran 3. Untuk membuat
laporan masih dilakukan query manual pada
tiap tabel data di Microsoft Office Excel.
Contoh laporan yang dihasilkan dapat dilihat
pada Lampiran 4.
Dalam proses bisnis di atas, data yang
tercatat memiliki atribut-atribut terbatas dan
tidak konsisten antar tahun seperti terlihat pada
Lampiran 5. Hal ini membuat hasil analisis
kurang akurat dan membutuhkan waktu lama.
Hasil penjualan akan dilaporkan ke
beberapa pihak sebagai laporan data penjualan.
Laporan tersebut akan digunakan untuk
menganalisis berbagai kebutuhan, dapat dilihat
pada Tabel 1.
Tabel 1 Kebutuhan analisis data penjualan
setiap pengguna
Pengguna
Kebutuhan
Frekuensi
Kepala
Bidang
Pelayanan
Jumlah
hasil
penjualan per
jenis data, per
skala,
dan
berdasarkan
kualifikasi
pembeli.
Bulanan,
tahunan
Kepala Unit
Kerja Eselon
II
Jumlah
hasil
penjualan per
unit
kerja
masing-masing.
Bulanan,
tahunan
Bagian
Perencanaan
Jumlah
hasil
penjualan per
jenis data dan
per skala.
Bulanan,
3 bulanan,
tahunan
Sekretaris
Utama
Jumlah
hasil
penjualan setiap
bulan
dalam
satu
tahun,
jumlah
hasil
penjualan per
jenis data, per
skala
dan
berdasarkan
kualifikasi
pembeli.
Bulanan,
tahunan
Untuk menganalisis dan mengetahui hasil
penjualan dengan sudut pandang yang berbeda,
dapat dilakukan dengan membangun aplikasi
OLAP yang diintegrasikan dengan data
warehouse. Proses pembuatan data warehouse
dilakukan dengan mengambil, mengumpulkan,
mempersiapkan, menyimpan dan menyediakan
data untuk aplikasi yang bersifat query atau
reporting. Saat ini telah tersedia beberapa
teknologi data warehouse yang menggunakan
OLAP server sebagai tool pembantu untuk
analisis data, salah satu yang berbasis open
source
adalah
Palo
(www.jedox.com).
Diharapkan tool dan metode OLAP membantu
pengguna menganalisis data pada sebuah data
warehouse dengan menyediakan berbagai
2
tampilan data dan didukung dengan representasi
data grafik yang dinamis.
1
Ekstraksi adalah pengambilan data yang
relevan dari basis data operasional
sebelum masuk ke data warehouse.
Pada ekstraksi, atribut-atribut dan
record-record yang diinginkan dipilih
dan diambil dari basis data operasional.
Hal ini perlu dilakukan karena tidak
semua elemen data berguna dalam
pembuatan keputusan.
Pembangunan data warehouse dan aplikasi
OLAP berbasis web menggunakan PALO telah
dilakukan
pada
penelitian
sebelumnya
(Herlambang A 2007; Permana A.Y 2008).
Tujuan
Penelitian ini bertujuan agar analisis data
hasil penjualan produk surta tidak lagi
dilakukan secara manual dan hasil analisis dapat
lebih akurat. Untuk itu perlu membangun
sebuah aplikasi berbasis web untuk pemesanan
dengan menggunakan basis data MySQL versi
5.0.51a. Lalu data hasil pemesanan tersebut
akan dibuat data warehouse dan sebuah aplikasi
OLAP berbasis web untuk data penjualan di
BAKOSURTANAL dengan menggunakan Palo
2.5 sebagai OLAP server.
2
3
TINJAUAN PUSTAKA
Data Praproses
Data praproses merupakan proses yang
harus dilakukan sebelum memasuki tahap
pemrosesan membuat data warehouse. Data
yang digunakan seringkali bersifat noisy (data
tidak jelas atau rusak), incomplete (data
kekurangan nilai atributnya atau hanya berisi
data agregasi) dan inconsistent (tidak
konsisten).
Berikut adalah tahapan data
praproses (Han dan Kamber 2006) :
Transformasi (transformation)
Pada transformasi, data dari semua
sumber diberikan format dan nama yang
umum. Proses transformasi dilakukan
agar data tetap konsisten. Transformasi
yang paling penting adalah transformasi
nama agar tidak ada nama atribut yang
sama atau atribut yang sama memiliki
nama yang berbeda pada basis data yang
berbeda. Setelah transformasi nama,
semua elemen data harus dikonversikan
ke format yang umum.
Manfaat
Penelitian ini diharapkan dapat memberikan
manfaat
bagi
pihak-pihak
terkait
di
BAKOSURTANAL
dalam
memberikan
informasi konklusif, cepat dan menarik tentang
hasil penjualan di BAKOSURTANAL. Selain
itu dapat mempermudah analisis data dan
membantu
dalam
proses
pengambilan
keputusan.
Pembersihan (cleaning)
Pada pembersihan semua kesalahan
dihilangkan dan diperbaiki. Pembersihan
dilakukan
untuk
menghilangkan
kesalahan (error). Kesalahan yang
umum terjadi adalah nilai yang hilang
(missing values), noise, dan data yang
tidak konsisten. Pembersihan dilakukan
dengan mengisi nilai yang kosong dan
menghilangkan noise.
Ruang Lingkup
Ruang lingkup penelitian dibatasi pada
pembuatan prototipe data warehouse dan
aplikasi OLAP berbasis web. Tahapan yang
akan dilakukan pertama adalah proses
pembangunan aplikasi pemesanan bagi pembeli.
Kemudian dilakukan proses pembersihan data,
integrasi data, transformasi data.
dan
dilanjutkan dengan implementasi operasi
OLAP. Data yang digunakan adalah data
penjualan produk BAKOSURTANAL tahun
2001 sampai 2007.
Ekstraksi (extraction)
4
Pemuatan (loading)
Setelah tahap ekstraksi dan transformasi
dilakukan, maka data sudah siap untuk
dimasukkan ke data warehouse. Pada
tahap ini juga dilakukan pengurutan dan
pengecekan integritas.
5
Refresh
Tahapan ini dilakukan jika ada data baru
yang masuk.
Data Warehouse
Secara umum, data warehouse merujuk
pada tempat penyimpanan data yang dikelola
secara terpisah dari basis data operasional yang
dimiliki sebuah instansi.
Data warehouse
seringkali dibangun dari berbagai basis data
yang diintegrasikan dengan berbagai sistem
aplikasi untuk mendukung proses pengambilan
keputusan dan analisis data. Data warehouse
menyediakan platform yang solid untuk data
historikal dan gabungan (consolidated).
2
tampilan data dan didukung dengan representasi
data grafik yang dinamis.
1
Ekstraksi adalah pengambilan data yang
relevan dari basis data operasional
sebelum masuk ke data warehouse.
Pada ekstraksi, atribut-atribut dan
record-record yang diinginkan dipilih
dan diambil dari basis data operasional.
Hal ini perlu dilakukan karena tidak
semua elemen data berguna dalam
pembuatan keputusan.
Pembangunan data warehouse dan aplikasi
OLAP berbasis web menggunakan PALO telah
dilakukan
pada
penelitian
sebelumnya
(Herlambang A 2007; Permana A.Y 2008).
Tujuan
Penelitian ini bertujuan agar analisis data
hasil penjualan produk surta tidak lagi
dilakukan secara manual dan hasil analisis dapat
lebih akurat. Untuk itu perlu membangun
sebuah aplikasi berbasis web untuk pemesanan
dengan menggunakan basis data MySQL versi
5.0.51a. Lalu data hasil pemesanan tersebut
akan dibuat data warehouse dan sebuah aplikasi
OLAP berbasis web untuk data penjualan di
BAKOSURTANAL dengan menggunakan Palo
2.5 sebagai OLAP server.
2
3
TINJAUAN PUSTAKA
Data Praproses
Data praproses merupakan proses yang
harus dilakukan sebelum memasuki tahap
pemrosesan membuat data warehouse. Data
yang digunakan seringkali bersifat noisy (data
tidak jelas atau rusak), incomplete (data
kekurangan nilai atributnya atau hanya berisi
data agregasi) dan inconsistent (tidak
konsisten).
Berikut adalah tahapan data
praproses (Han dan Kamber 2006) :
Transformasi (transformation)
Pada transformasi, data dari semua
sumber diberikan format dan nama yang
umum. Proses transformasi dilakukan
agar data tetap konsisten. Transformasi
yang paling penting adalah transformasi
nama agar tidak ada nama atribut yang
sama atau atribut yang sama memiliki
nama yang berbeda pada basis data yang
berbeda. Setelah transformasi nama,
semua elemen data harus dikonversikan
ke format yang umum.
Manfaat
Penelitian ini diharapkan dapat memberikan
manfaat
bagi
pihak-pihak
terkait
di
BAKOSURTANAL
dalam
memberikan
informasi konklusif, cepat dan menarik tentang
hasil penjualan di BAKOSURTANAL. Selain
itu dapat mempermudah analisis data dan
membantu
dalam
proses
pengambilan
keputusan.
Pembersihan (cleaning)
Pada pembersihan semua kesalahan
dihilangkan dan diperbaiki. Pembersihan
dilakukan
untuk
menghilangkan
kesalahan (error). Kesalahan yang
umum terjadi adalah nilai yang hilang
(missing values), noise, dan data yang
tidak konsisten. Pembersihan dilakukan
dengan mengisi nilai yang kosong dan
menghilangkan noise.
Ruang Lingkup
Ruang lingkup penelitian dibatasi pada
pembuatan prototipe data warehouse dan
aplikasi OLAP berbasis web. Tahapan yang
akan dilakukan pertama adalah proses
pembangunan aplikasi pemesanan bagi pembeli.
Kemudian dilakukan proses pembersihan data,
integrasi data, transformasi data.
dan
dilanjutkan dengan implementasi operasi
OLAP. Data yang digunakan adalah data
penjualan produk BAKOSURTANAL tahun
2001 sampai 2007.
Ekstraksi (extraction)
4
Pemuatan (loading)
Setelah tahap ekstraksi dan transformasi
dilakukan, maka data sudah siap untuk
dimasukkan ke data warehouse. Pada
tahap ini juga dilakukan pengurutan dan
pengecekan integritas.
5
Refresh
Tahapan ini dilakukan jika ada data baru
yang masuk.
Data Warehouse
Secara umum, data warehouse merujuk
pada tempat penyimpanan data yang dikelola
secara terpisah dari basis data operasional yang
dimiliki sebuah instansi.
Data warehouse
seringkali dibangun dari berbagai basis data
yang diintegrasikan dengan berbagai sistem
aplikasi untuk mendukung proses pengambilan
keputusan dan analisis data. Data warehouse
menyediakan platform yang solid untuk data
historikal dan gabungan (consolidated).
3
Data warehouse menyediakan arsitektur dan
alat bagi para eksekutif bisnis untuk mengatur
secara sistematis, mengerti dan menggunakan
data tersebut untuk pengambilan keputusan.
Secara rinci dijelaskan oleh Han & Kamber
(2006) bahwa data warehouse mempunyai
empat karakteristik yaitu :
• Berorientasi subjek, terorganisasi pada
subjek utama sesuai topik bisnis atau
berdasarkan subjek dari organisasi.
merupakan
sekumpulan
tabel
yang
berhubungan.
Skema digunakan untuk
menunjukkan hubungan antara tabel dimensi
dengan tabel fakta.
Skema ditentukan
berdasarkan kebutuhan data warehouse dan
keinginan pembuat data warehouse. Data
warehouse membutuhkan skema yang ringkas
dan berorientasi subjek.
Tipe-tipe skema
multidimensi antara lain (Han & Kamber 2006):
•
Skema bintang (star schema)
Skema bintang adalah skema data
warehouse yang paling sederhana.
Skema ini disebut skema bintang karena
hubungan antara tabel dimensi dan tabel
fakta menyerupai bintang dimana satu
tabel fakta dihubungkan dengan
beberapa tabel dimensi. Titik tengah
skema bintang adalah satu tabel fakta
besar dan sudut-sudutnya adalah tabeltabel dimensi. Keuntungan yang didapat
jika menggunakan skema ini adalah
peningkatan kinerja data warehouse,
pemrosesan query yang lebih efisien,
dan waktu respon yang cepat. Bentuk
skema bintang dapat dilihat pada
Gambar 1.
• Terintegrasi, data dibangun dengan
mengintegrasikan berbagai sumber data.
Teknik pembersihan dan integrasi data
dilakukan
untuk
memastikan
kekonsistenan data dalam penamaan,
struktur penyandian, pengukuran atribut
dan lainnya.
• Time-variant, dimensi waktu secara
eksplisit termasuk dalam data, jadi
model
dan perubahannya dapat
diketahui setiap saat.
• Non-volatile, data terpisah dari basis data
operasional sehingga hanya memerlukan
pemuatan dan akses data. Data tidak
dapat berubah atau tetap.
Model Data Multidimensi
Model data multidimensi menampilkan data
dalam bentuk kubus data. Kubus data
memungkinkan
data
dimodelkan
dan
ditampilkan dalam banyak dimensi. Kubus data
disebut juga cuboid. Pola-pola cuboid dapat
dibuat apabila diberikan satu kumpulan
dimensi. Masing-masing pola menampilkan
data pada tingkat kesimpulan yang berbedabeda (Han & Kamber 2006).
Dimensi adalah perspektif atau entitas yang
digunakan sebagai tempat menyimpan beberapa
record yang saling berhubungan.
Setiap
dimensi memiliki tabel yang biasa disebut
dengan tabel dimensi. Tabel dimensi dapat
dispesifikasikan oleh pengguna atau para ahli,
atau dihasilkan secara otomatis dan diatur
berdasarkan distribusi data (Han & Kamber
2006).
Fakta adalah ukuran-ukuran numerik. Fakta
merupakan kuantitas yang akan dianalisis
hubungan antar dimensi. Tabel fakta berisi
nama dari fakta (ukuran) dan keys dari tabel
dimensi yang bersangkutan.
Untuk menggambarkan hubungan antar data
pada data multidimensi digunakan skema
multidimensi. Skema adalah sekumpulan objek
dalam basis data. Pada data warehouse, skema
Gambar 1
•
Skema bintang (Han & Kamber
2006).
Skema snowflake (snowflake schema)
Skema snowflake adalah variasi dari
skema bintang dimana beberapa tabel
dimensi dinormalisasi, jadi dihasilkan
beberapa tabel tambahan. Keuntungan
yang didapat dengan menggunakan
skema ini adalah penghematan memori,
tapi waktu yang dibutuhkan untuk
pemrosesan query menjadi lebih lama.
Bentuk skema snowflake dapat dilihat
pada Gambar 2.
•
Skema galaksi (fact constellation)
Pada skema galaksi, beberapa tabel fakta
berbagi tabel dimensi.
Keuntungan
menggunakan
skema
ini
adalah
menghemat memori dan mengurangi
4
kesalahan yang mungkin terjadi. Bentuk
skema galaksi dapat dilihat pada
Gambar 3.
Beberapa operasi OLAP adalah sebagai
berikut (Han dan Kamber 2006) :
•
Roll up (drill-up): ringkasan data, yaitu
dengan menaikkan tingkat suatu hirarki
atau mereduksi dimensi.
•
Drill down (roll down): kebalikan dari
roll up, yaitu melihat data secara lebih
detail atau spesifik dari level tinggi ke
level rendah.
•
Slice and dice: slice adalah pemilihan
pada satu dimensi dari kubus data yang
bersangkutan dan dice mendefinisikan
subcube dengan memilih dua dimensi
atau lebih.
•
Pivot
(rotate):
memvisualisasikan
operasi yang merotasikan sumbu data
dalam view sebagai alternatif presentasi
data.
•
Operasi lain: drill across yaitu operasi
yang melibatkan lebih dari satu tabel
fakta, drill through yaitu operasi yang
mengijinkan pengguna untuk dapat
melihat tabel data yang menampilkan
nilai-nilai pada suatu sel data.
Gambar 2 Skema snowflake (Han & Kamber
2006).
Gambar 3 Skema galaksi (Han & Kamber
2006).
Kubus Data
Kubus data merupakan data yang
dimodelkan dan diperlihatkan dalam bentuk
multidimensi yang terdefinisikan oleh dimensidimensi dan fakta-fakta (Han & Kamber 2006).
Ilustrasi operasi OLAP tersebut, dapat dilihat
pada Gambar 4. Gambar 4 menunjukkan
ilustrasi untuk operasi-operasi pada data
multidimensi.
Kubus data adalah organisasi data ringkas
yang merupakan view multidimensi dari suatu
basis data, juga merupakan ruang data agregat
yang setiap selnya menggambarkan himpunan
nilai yang unik untuk dimensi yang berbeda.
Dengan memakai kubus data, pengguna dapat
menganalisis data dari berbagai sudut pandang
dan sangat berperan dalam penyampaian
informasi ringkas yang terorganisasi. Dalam
implementasinya kubus data diturunkan dari
tabel fakta dengan menggunakan atribut groupby.
Online Analytical Processing (OLAP)
Online Analytical Processing (OLAP)
adalah proses komputer yang memungkinkan
pengguna dapat dengan mudah dan selektif
memilih dan melihat data dari sudut pandang
yang berbeda (Han dan Kamber 2006). Data
pada OLAP disimpan dalam basis data
multidimensi. Basis data multidimensi terdiri
atas banyak dimensi yang dapat dipisahkan oleh
OLAP menjadi beberapa sub atribut.
Gambar 4 Ilustrasi untuk operasi-operasi pada
data
multidimensi.
(Sumber:
diadopsi dari Wisudawan D.K.
2007).
5
Arsitektur Three-Tier
Salah satu arsitektur data warehouse adalah
arsitektur three-tier seperti pada Gambar 2 (Han
& Kamber 2006), yaitu:
1
Lapisan bawah (bottom tier)
Lapisan bawah adalah server data
warehouse yang biasanya sebuah sistem
basis data relasional. Pada lapisan ini
data diambil dari basis data operasional
dan sumber eksternal lainnya, diekstrak,
dibersihkan dan ditransformasi. Data
disimpan sebagai data warehouse.
2
Lapisan tengah (middle tier)
Lapisan tengah OLAP server yang
biasanya diimplementasikan dengan
OLAP Relasional (ROLAP) atau OLAP
Multidimensi (MOLAP).
3
Lapisan atas (top tier)
Lapisan atas adalah lapisan front-end
client, berisi query dan perangkat
analisis, dan atau perangkat data mining
(seperti : analisis tren, prediksi dan
lainnya).
langsung datang ke Pusat Pelayanan Jasa dan
Informasi BAKOSURTANAL dan
staf
pelayanan jika pemesan melakukan pemesanan
melalui fax. Staf pelayanan juga sebagai
administrator yang mengelola aplikasi ini.
Aplikasi pemesanan adalah aplikasi berbasis
web dengan menggunakan basis data MySQL
versi 5.0.51a. Tujuan dari pembuatan aplikasi
pemesanan adalah untuk melakukan masukan
(input) pemesanan menggantikan lembar
pemesanan manual.
Praproses Data Penjualan Tahun 2001-2007
Sebelum masuk ke pembuatan data
warehouse, data harus diproses terlebih dahulu.
Tahapan praproses meliputi :
1 Ekstraksi (extraction)
Data
penjualan
produk
BAKSOURTANAL tahun 2001-2007
yang dikelola Pusat Pelayanan Jasa dan
Informasi disimpan dalam Microsoft
Excel dengan format Excel (.xls).
Sebelum diubah menjadi file bertipe text
document (.txt), dilakukan pemilihan
atribut-atribut yang relevan. Kemudian
data disimpan per bulan dan tahun
tertentu..
Data yang berasal dari aplikasi
pemesanan, tidak perlu lagi dilakukan
tahap ekstraksi karena atribut-atribut yang
akan dimasukkan dalam data warehouse
sudah relevan.
2 Pembersihan (cleaning)
Gambar 5 Arsitektur three-tier data warehouse
(Han & Kamber 2006).
METODE PENELITIAN
Secara garis besar penelitian ini terdiri dari
tiga kegiatan yaitu pembuatan aplikasi
pemesanan, praproses data pemesanan tahun
2001-2007 dan pengembangan data warehouse.
Pembuatan Aplikasi Pemesanan
Dari segi kebutuhan sistem, pengguna
aplikasi pemesanan adalah pemesan yang
Pembersihan data penjualan produk
BAKOSURTANAL tahun 2001-2007
dilakukan terhadap data atribut jenis data
yang tidak konsisten penulisannya.
Kondisi tersebut dapat diatasi dengan
menyeragamkan nama jenis data. Pada
data atribut yang bernilai null seperti
atribut kualifikasi data penjualan 20012003 dilakukan pengisian dengan
menuliskan “Tidak ada keterangan”. Di
sisi lain input yang diberikan aplikasi
pemesanan telah diperiksa oleh sistem.
Dengan demikian tidak perlu dilakukan
pembersihan data.
3 Transformasi (transformation)
Proses transformasi yang dilakukan
pada
data
penjualan
produk
BAKOSURTANAL tahun 2001-2007
adalah konversi format atribut tanggal.
Penulisan tanggal yang semula terdiri atas
5
Arsitektur Three-Tier
Salah satu arsitektur data warehouse adalah
arsitektur three-tier seperti pada Gambar 2 (Han
& Kamber 2006), yaitu:
1
Lapisan bawah (bottom tier)
Lapisan bawah adalah server data
warehouse yang biasanya sebuah sistem
basis data relasional. Pada lapisan ini
data diambil dari basis data operasional
dan sumber eksternal lainnya, diekstrak,
dibersihkan dan ditransformasi. Data
disimpan sebagai data warehouse.
2
Lapisan tengah (middle tier)
Lapisan tengah OLAP server yang
biasanya diimplementasikan dengan
OLAP Relasional (ROLAP) atau OLAP
Multidimensi (MOLAP).
3
Lapisan atas (top tier)
Lapisan atas adalah lapisan front-end
client, berisi query dan perangkat
analisis, dan atau perangkat data mining
(seperti : analisis tren, prediksi dan
lainnya).
langsung datang ke Pusat Pelayanan Jasa dan
Informasi BAKOSURTANAL dan
staf
pelayanan jika pemesan melakukan pemesanan
melalui fax. Staf pelayanan juga sebagai
administrator yang mengelola aplikasi ini.
Aplikasi pemesanan adalah aplikasi berbasis
web dengan menggunakan basis data MySQL
versi 5.0.51a. Tujuan dari pembuatan aplikasi
pemesanan adalah untuk melakukan masukan
(input) pemesanan menggantikan lembar
pemesanan manual.
Praproses Data Penjualan Tahun 2001-2007
Sebelum masuk ke pembuatan data
warehouse, data harus diproses terlebih dahulu.
Tahapan praproses meliputi :
1 Ekstraksi (extraction)
Data
penjualan
produk
BAKSOURTANAL tahun 2001-2007
yang dikelola Pusat Pelayanan Jasa dan
Informasi disimpan dalam Microsoft
Excel dengan format Excel (.xls).
Sebelum diubah menjadi file bertipe text
document (.txt), dilakukan pemilihan
atribut-atribut yang relevan. Kemudian
data disimpan per bulan dan tahun
tertentu..
Data yang berasal dari aplikasi
pemesanan, tidak perlu lagi dilakukan
tahap ekstraksi karena atribut-atribut yang
akan dimasukkan dalam data warehouse
sudah relevan.
2 Pembersihan (cleaning)
Gambar 5 Arsitektur three-tier data warehouse
(Han & Kamber 2006).
METODE PENELITIAN
Secara garis besar penelitian ini terdiri dari
tiga kegiatan yaitu pembuatan aplikasi
pemesanan, praproses data pemesanan tahun
2001-2007 dan pengembangan data warehouse.
Pembuatan Aplikasi Pemesanan
Dari segi kebutuhan sistem, pengguna
aplikasi pemesanan adalah pemesan yang
Pembersihan data penjualan produk
BAKOSURTANAL tahun 2001-2007
dilakukan terhadap data atribut jenis data
yang tidak konsisten penulisannya.
Kondisi tersebut dapat diatasi dengan
menyeragamkan nama jenis data. Pada
data atribut yang bernilai null seperti
atribut kualifikasi data penjualan 20012003 dilakukan pengisian dengan
menuliskan “Tidak ada keterangan”. Di
sisi lain input yang diberikan aplikasi
pemesanan telah diperiksa oleh sistem.
Dengan demikian tidak perlu dilakukan
pembersihan data.
3 Transformasi (transformation)
Proses transformasi yang dilakukan
pada
data
penjualan
produk
BAKOSURTANAL tahun 2001-2007
adalah konversi format atribut tanggal.
Penulisan tanggal yang semula terdiri atas
6
a Pendefinisian Dimensi
tanggal, bulan dan tahun, akan diubah
menjadi bulan dan tahun saja.
Pada tahap ini didefinisikan dimensi
yang
akan
digunakan
dalam
pembuatan
data
warehouse.
Dimensi yang terlibat adalah dimensi
waktu, dimensi jenis data, dimensi
kualifikasi dan dimensi skala.
Pada aplikasi pemesanan transformasi
telah dilakukan. Pengguna akan dibantu
oleh sistem dengan memilih format
penulisan tanggal yang sesuai dari basis
data.
b Pendefinisian
Perancangan
Multidimensi.
4 Pemuatan (loading)
Pada tahap ini data sudah siap untuk
dimasukkan ke data warehouse.
Pada tahap ini akan ditentukan skema
kubus data yang akan digunakan,
yaitu skema galaksi.
5 Refresh
Tahapan ini dilakukan jika ada data
baru yang masuk.
c Pendefinisian Level Dimensi atau
Hirarki
Pengembangan Data Warehouse
Untuk masing-masing dimensi akan
ditentukan tingkat perincian yang
diperlukan berserta hirarki yang
membentuknya. Dengan data yang
ada dimensi waktu dapat disusun
dalam tiga level yaitu tahun >
triwulan > bulan. Dimensi jenis data
memiliki dua level yaitu nama unit
kerja dan nama jenis data. Dimensi
kualifikasi memiliki satu level yaitu
jenis kualifikasi.
Dimensi skala
memiliki satu level yaitu skala.
Penelitian ini akan dilakukan dalam
beberapa
tahap
yaitu
tahap
analisis,
perancangan
dan
pembangunan
data
warehouse, dan pembangunan aplikasi OLAP.
Tahap-tahap tersebut diantaranya :
1 Analisis
Pengguna aplikasi OLAP berbasis
web adalah kepala bagian pelayanan
sebagai pengguna biasa dan staf
pelayanan sebagai administrator. Untuk
mengelola aplikasi OLAP administrator
memiliki akses langsung ke sistem
manajemen basis data MySQL dimana
data penjualan ditempatkan serta ke
modul Palo dimana data warehouse
tersebut dikelola.
d Pendefinisian Measure
Pada tahap ini ditentukan ukuran
yang akan dianalisis pada data
penjualan BAKOSURTANAL.
e Pendefinisian Fungsi Agregat
Kepala bagian pelayanan sebagai
pengguna
biasa
dan
pengambil
keputusan, dapat berinteraksi dengan
sistem melalui antarmuka grafis berbasis
web.
Fasilitas sistem yang dapat
dimanfaatkan, yaitu :
Pada tahap ini didefinisikan fungsi
agregat numerik yang digunakan
yaitu fungsi SUM (penjumlahan).
f Pembuatan Data warehouse
Data warehouse akan dikembangkan
menggunakan Palo Server 2.5.
• Memilih dimensi / atribut melalui
kotak drop-down list.
• Menampilkan data dalam bentuk grafik
bar, pie dan line.
Sebelum ke proses pembangunan
aplikasi OLAP dilakukan analisis nilai
dan atribut untuk mendapatkan atributatribut yang tepat dalam pembuatan data
warehouse.
2
Perancangan dan Pembangunan Data
Warehouse
Tahap pembuatan data warehouse
meliputi:
Kubus Data dan
Model
Data
3
Pembangunan Aplikasi OLAP
Langkah
pertama
dalam
pembangunan aplikasi yaitu pembuatan
struktur kubus data di OLAP server
Palo. Pembuatan struktur kubus data
dilakukan pada Palo Excel Add-in.
Langkah selanjutnya yaitu pengisian
data untuk kubus data dari data
warehouse.
Untuk data penjualan
produk BAKOSURTANAL tahun 20012007 disimpan dalam format .txt,
kemudian data dimuat menggunakan
fasilitas Data Import dari Excel Add-In
7
Palo. Di sisi lain data dari aplikasi
pemesanan yang telah tersimpan dalam
MySQL, dengan bantuan MySQL
Connector ODBC dapat di-import juga
menggunakan fasilitas Data Import dari
Excel Add-In Palo.
Pembuatan aplikasi OLAP berbasis
web diimplementasikan menggunakan
bahasa pemrograman PHP, Palo PHP
API, dan Javascript. Koneksi PHP ke
Palo menggunakan library tambahan
yang terdapat di dalam package Palo 2.5
SDK. Penambahan library dilakukan
agar fungsi-fungsi Palo dapat dijalankan
melalui script PHP.
Tampilan
antarmuka menggunakan kode HTML
(Hypertext Markup Language) dan CSS
(Cascading Style Sheet).
• Sistem Operasi Microsoft Windows
XP
• Web server package XAMPP versi 2.5
• Bahasa pemrograman PHP 5.1.2
• MySQL versi 5.0.51a
• Web browser Mozilla Firefox 3.0
2 Perangkat keras
Spesifikasi minimal :
• Memory 512 MB DDR RAM
• Harddisk 40 GB
• Monitor 15” dengan resolusi 1024x768
• Mouse dan keyboard
Visualisasi hasil operasi OLAP
(summary) ditampilkan melalui web
dalam bentuk grafik.
Grafik yang
ditampilkan adalah bar, pie dan line.
Pembuatan aplikasi OLAP berbasis
web
tersebut telah dibangun pada
penelitian sebelumnya (Herlambang A
2007; Permana A.Y 2008). Sehingga
aplikasi telah siap digunakan untuk
penelitian ini.
Gambar 6 menunjukkan arsitektur
aplikasi OLAP berbasis web, yang dapat
dijelaskan sebagai berikut:
1 Pemrosesan data dan pembuatan
skema data warehouse dengan
Microsoft Excel dan MySQL.
2 Pembentukan struktur kubus data
dilakukan di Palo Excel Add-In.
3 Pengisian struktur kubus data yang
sudah terbentuk dengan data dari
data warehouse melalui fasilitas Data
Import di Palo Excel Add-In.
4 Web server mengakses kubus data
Palo server melalui Palo PHP API.
Aplikasi OLAP menggunakan library
JpGraph untuk menampilkan grafik.
Lingkungan Pengembangan
Kebutuhan antarmuka yang direncanakan
bagi aplikasi pemesanan berbasis web untuk
pembelian sebagai berikut :
1 Perangkat lunak
Perangkat lunak yang dibutuhkan :
Gambar 6 Arsitektur
aplikasi
OLAP
berbasis web (Sumber: diadopsi
dari Herlambang 2007).
Namun demikian, untuk aplikasi OLAP
berbasis web dibangun dengan menggunakan
perangkat sebagai berikut :
1
Perangkat lunak
Perangkat lunak yang dibutuhkan :
• Sistem Operasi Microsoft Windows
XP
8
data input, pengguna aplikasi akan
dibantu dengan memilih isian dari
beberapa pilihan yang telah disediakan
sistem.
• Microsoft Excel 2003 (perangkat
lunak untuk membantu pembuatan
data warehouse)
• Palo Server 2.5 (berfungsi sebagai
OLAP server yang melakukan
fungsi
agregasi
dan
tempat
penyimpanan struktur dan kubus
data multidimensi)
• Perancangan Proses
Proses yang dijalankan adalah proses
menyimpan data input ke dalam basis
data. Apabila form pemesanan sudah
lengkap terisi, maka data akan berhasil
disimpan. Administrator dapat melihat
data pemesanan yang telah tersimpan,
melalui aplikasi ini.
• Web server package XAMPP versi
2.5
• Bahasa pemrograman PHP 5.1.2
• JpGraph 1.205 (library PHP untuk
menghasilkan grafik)
• Perancangan Output
Output yang dihasilkan adalah tabel data
pemesanan dan tabel jenis produk yang
tersedia.
Juga dapat menampilkan
crosstab dan grafik dari hasil aplikasi
OLAP.
• Web browser Mozilla Firefox 3.0
• MySQL Connector ODBC 5.1
2 Perangkat keras
Spesifikasi minimal :
Praproses Data Pemesanan Tahun 2001-2007
• Memory 512 MB DDR RAM
Pada penelitian ini, data sumber diperoleh
dengan format Excel (.xls).
Data yang
digunakan adalah data penjualan produk surta
tiap bulan tahun 2001-2007. Data penjualan
pada tahun 2001-2003 tidak memiliki atribut
kualifikasi pembeli. Dari data ini, kemudian
dipilih atribut-atribut yang akan digunakan
untuk membuat data warehouse. Atribut dipilih
berdasarkan kebutuhan analisis data penjualan
setiap pengguna.
• Harddisk 80 GB
• Monitor 15”
1024x768
dengan
resolusi
• Mouse dan keyboard
HASIL DAN PEMBAHASAN
Pembuatan Aplikasi Pemesanan
1
Aplikasi pemesanan dibangun dengan
menggunakan bahasa pemrograman PHP dan
basis data MySQL. Tujuan dari pembangunan
aplikasi ini adalah sebagai alat bantu atau tools
yang mempermudah pemesan untuk mengisi
data produk yang akan dipesan. Dengan
demikian, data input dari pemesan bisa
langsung tersimpan dalam basis data.
Kemampuan dari aplikasi ini adalah :
• Pemesanan produk bisa dilakukan secara
online.
Ekstraksi (extraction)
Proses ekstraksi diawali dengan
menggabungkan data tiap bulan menjadi
satu file. Kemudian atribut-atribut yang
tidak terpilih atau tidak relevan dibuang.
Pemilihan atribut berdasarkan subjek
utama yang akan dianalisis untuk proses
pengambilan keputusan. Atribut yang
digunakan dapat dilihat pada Tabel 2.
Tabel 2 Atribut hasil ekstraksi data dan
deskripsi tiap atribut
• Staf pelayanan tidak perlu menginput
ulang data pemesanan.
Atribut
Tanggal
• Menyimpan data penjualan ke dalam
basis data, sehingga relatif rapi dan
aman.
Deskripsi
Menyatakan tanggal
pemesanan
Kualifikasi
Nama kualifikasi
Jenis data
Nama jenis data
Desain aplikasi pemesanan meliputi:
Skala
Nilai skala
• Perancangan Input
Jumlah lembar
Menyatakan
lembar
Menyatakan
harga
Input aplikasi ini adalah data pemesanan
produk surta yang harus diisi oleh
pemesan. Untuk menjaga kekonsistenan
Jumlah harga
jumlah
jumlah
8
data input, pengguna aplikasi akan
dibantu dengan memilih isian dari
beberapa pilihan yang telah disediakan
sistem.
• Microsoft Excel 2003 (perangkat
lunak untuk membantu pembuatan
data warehouse)
• Palo Server 2.5 (berfungsi sebagai
OLAP server yang melakukan
fungsi
agregasi
dan
tempat
penyimpanan struktur dan kubus
data multidimensi)
• Perancangan Proses
Proses yang dijalankan adalah proses
menyimpan data input ke dalam basis
data. Apabila form pemesanan sudah
lengkap terisi, maka data akan berhasil
disimpan. Administrator dapat melihat
data pemesanan yang telah tersimpan,
melalui aplikasi ini.
• Web server package XAMPP versi
2.5
• Bahasa pemrograman PHP 5.1.2
• JpGraph 1.205 (library PHP untuk
menghasilkan grafik)
• Perancangan Output
Output yang dihasilkan adalah tabel data
pemesanan dan tabel jenis produk yang
tersedia.
Juga dapat menampilkan
crosstab dan grafik dari hasil aplikasi
OLAP.
• Web browser Mozilla Firefox 3.0
• MySQL Connector ODBC 5.1
2 Perangkat keras
Spesifikasi minimal :
Praproses Data Pemesanan Tahun 2001-2007
• Memory 512 MB DDR RAM
Pada penelitian ini, data sumber diperoleh
dengan format Excel (.xls).
Data yang
digunakan adalah data penjualan produk surta
tiap bulan tahun 2001-2007. Data penjualan
pada tahun 2001-2003 tidak memiliki atribut
kualifikasi pembeli. Dari data ini, kemudian
dipilih atribut-atribut yang akan digunakan
untuk membuat data warehouse. Atribut dipilih
berdasarkan kebutuhan analisis data penjualan
setiap pengguna.
• Harddisk 80 GB
• Monitor 15”
1024x768
dengan
resolusi
• Mouse dan keyboard
HASIL DAN PEMBAHASAN
Pembuatan Aplikasi Pemesanan
1
Aplikasi pemesanan dibangun dengan
menggunakan bahasa pemrograman PHP dan
basis data MySQL. Tujuan dari pembangunan
aplikasi ini adalah sebagai alat bantu atau tools
yang mempermudah pemesan untuk mengisi
data produk yang akan dipesan. Dengan
demikian, data input dari pemesan bisa
langsung tersimpan dalam basis data.
Kemampuan dari aplikasi ini adalah :
• Pemesanan produk bisa dilakukan secara
online.
Ekstraksi (extraction)
Proses ekstraksi diawali dengan
menggabungkan data tiap bulan menjadi
satu file. Kemudian atribut-atribut yang
tidak terpilih atau tidak relevan dibuang.
Pemilihan atribut berdasarkan subjek
utama yang akan dianalisis untuk proses
pengambilan keputusan. Atribut yang
digunakan dapat dilihat pada Tabel 2.
Tabel 2 Atribut hasil ekstraksi data dan
deskripsi tiap atribut
• Staf pelayanan tidak perlu menginput
ulang data pemesanan.
Atribut
Tanggal
• Menyimpan data penjualan ke dalam
basis data, sehingga relatif rapi dan
aman.
Deskripsi
Menyatakan tanggal
pemesanan
Kualifikasi
Nama kualifikasi
Jenis data
Nama jenis data
Desain aplikasi pemesanan meliputi:
Skala
Nilai skala
• Perancangan Input
Jumlah lembar
Menyatakan
lembar
Menyatakan
harga
Input aplikasi ini adalah data pemesanan
produk surta yang harus diisi oleh
pemesan. Untuk menjaga kekonsistenan
Jumlah harga
jumlah
jumlah
9
Tahap transformasi terakhir adalah
melakukan
konstruksi
tabel-tabel
dimensi. Keempat tabel dimensi tersebut
dibuat dengan nama waku, jenis_data,
kualifikasi dan skala. Tabel dimensi
waktu dibuat dari konversi tanggal,
dimana dua digit bulan diidentifikasi
sebagai bulan dan dua digit terakhir dari
tanggal diidentifikasi sebagai tahun.
Untuk data dari aplikasi pemesanan,
atribut-atribut yang dimiliki sudah
relevan sehingga tidak perlu lagi
dilakukan ekstraksi data. Atribut dalam
tabel basis data sudah dipilih
berdasarkan subjek utama yang akan
dianalisis untuk proses pengambilan
keputusan.
2
Pembersihan (cleaning)
Proses pembersihan data dilakukan
dengan mengidentifikasi data yang
kosong (null), mengandung noise dan
tidak
konsisten
karena
proses
pengentrian data sumber. Nilai atribut
kualifikasi data penjualan tahun 20012003 tidak ada. Untuk mengatasi hal
ini, maka dilakukan pengisian data
atribut kualifikasi dengan nama ‘Tidak
ada keterangan’.
Pada beberapa tuple juga ditemukan
nilai atribut yang masih kosong, akan
tetapi data produk yang dibeli, jumlah
lembar dan jumlah harga telah terisi.
Hal ini dikarenakan dalam satu nomor
faktur bisa digunakan untuk memesan
lebih dari satu produk. Untuk itu atribut
tanggal dan kualifikasi yang masih
kosong diisi dengan nilai atribut pada
nomor faktur yang sama.
Penyeragaman nilai dilakukan pada
atribut jenis data. Penulisan nama jenis
data diseragamkan menjadi nama yang
umum. Misalnya jenis data ‘Repprot’
seharusnya adalah ‘REPPORT’. Nama
jenis data Atlas yang dapat terdiri dari
beberapa tema, misalnya ‘Atlas NKRI’
dan ‘Atlas Dunia’, diseragamkan dengan
nama ‘Buku Atlas’.
Setelah
dilakukan
proses
pembersihan, nilai atribut yang kosong
akan terisi dan nilai tiap atribut akan
seragam.
3
Transformasi (transformation)
Pada tahap ini dilakukan konversi
untuk atribut tanggal. Atribut tanggal
akan dibagi menjadi atribut waktu yang
terdiri dari bulan dan tahun. Penulisan
bulan yang semula berupa angka akan
diubah
menjadi
huruf
dengan
mengambil 3 digit awal dari nama bulan
dan diikuti empat digit nilai tahun. Hal
ini dilakukan untuk membantu proses
analisis.
4
Pemuatan (loading)
Data yang sudah mengalami
ekstraksi, pembersihan dan transformasi
sudah siap digunakan untuk pembuatan
data warehouse. Data penjualan produk
tahun 2001-2007 di-load ke kubus data
OLAP server Palo dengan format .txt.
Sedangkan data dari aplikasi pemesanan
di-load ke kubus data OLAP server Palo
dengan cara meng-import data MySQL.
5
Refresh
Refresh data akan dilakukan ketika
ada data baru yang dimasukkan. Data
tersebut adalah data yang berasal dari
aplikasi pemesanan.
Perancangan
Warehouse
dan
Pembangunan
Data
Setelah tahap praproses, maka data telah
siap dibangun menjadi data warehouse. Tahap
pembuatan data warehouse meliputi beberapa
tahap, yaitu :
1
Pendefinisian Dimensi
Berdasarkan hasil data praproses
maka dimensi yang terlibat adalah
dimensi waktu, dimensi jenis data,
dimensi kualifikasi dan dimensi skala.
2
Pendefinisian
Kubus
Data
dan
Perancangan Model Data Multidimensi.
Skema data warehouse dimodelkan
dengan menentukan dimensi-dimensi,
elemen-elemen dari dimensi, ukuranukuran dan kubus data. Skema yang
digunakan adalah skema galaksi, dapat
dilihat pada Gambar 3. Kubus data yang
dibuat yaitu, kubus Lembar Penjualan
dan Harga Penjualan. Kubus data
Lembar Penjualan dibuat untuk tabel
fakta
lembar_penjualan
sedangkan
kubus data Harga Penjualan dibuat
untuk tabel fakta harga_penjualan.
Ukuran pada struktur Palo dimasukkan
dalam struktur dimensi tabel fakta yang
tidak mempunyai id_key. Selanjutnya
data dimuat menggunakan fasilitas Data
10
Import dari Excel Add-In Palo. Nama
dan deskripsi dari kubus data dapat
dilihat pada Tabel 3 dan Tabel 4.
3
Pendefinisian
Hirarki
Level
Dimensi
atau
Untuk
masing-masing
dimensi
ditentukan tingkat perincian yang
diperlukan
beserta
hirarki
yang
membentuknya. Model hirarki setiap
dimensi dapat dilihat pada Lampiran 6.
Dimensi waktu dapat disusun dalam tiga
level yaitu tahun > triwulan > bulan.
Dimensi jenis data memiliki dua level
yaitu nama unit kerja dan nama data.
Dimensi kualifikasi memiliki satu level
yaitu jenis kualifikas. Dimensi skala
memiliki satu level yaitu skala. Adapun
data dalam tabel dimensi dapat dilihat
pada Lampiran 7.
4
Pendefinisian Measure
Pada tahap ini ditentukan measure
yang akan dianalisis pada data penjualan
produk
surta
BAKOSURTANAL.
Measure yang dipilih yaitu:
• Jumlah lembar, dipilih sebagai
measure
untuk
mengetahui
jumlah lembar produk yang
terjual pada bulan dan tahun
tertentu.
penjualan produk pada bulan dan
tahun tertentu.
Tabel 3 Nama dan deskripsi dimensi dari kubus
Lembar Penjualan
Nama Dimensi
Deskripsi
Waktu
Bulan dan tahun
pemesanan
Jenis_data
Nama jenis produk
Kualifikasi
Kualifikasi pemesan
Skala
Nilai skala
Ukuran
Jml_lembar
Nama ukuran (jumlah
lembar)
Tabel 4 Nama dan deskripsi dimensi dari
kubus Harga Penjualan
Nama Dimensi
Deskripsi
Waktu
Bulan dan tahun
pemesanan
Jenis_data
Nama jenis produk
Kualifikasi
Kualifikasi pemesan
Ukuran
Jml_harga
Nama ukuran (jumlah
harga)
• Jumlah harga, dipilih sebagai
measure
untuk
mengetahui
jumlah rupiah yang diperoleh dari
Gambar 7 Skema Galaksi dengan tabel fakta lembar_penjualan dan harga_penjualan.
11
5
Implementasi roll up
dilihat pada Lampiran 9.
Pendefinisian Fungsi Agregat
Fungsi agregat yang digunakan
dalam data warehouse penjualan
produk BAKOSURTANAL adalah
SUM (penjumlahan) untuk semua
measure. Sum untuk jumlah lembar
dan jumlah harga pada tiap bulan.
6
•
Pembuatan Data warehouse
Data
warehouse
menggunakan Palo Server 2.5.
dibuat
Pembangunan Aplikasi OLAP
Desain
Aplikasi OLAP yang dibuat
menyediakan fasilitas-fasilitas berikut :
•
Menu OLAP, dimana pengguna
dapat menentukan kubus data,
ukuran, dan dimensi-dimensi
yang akan ditampilkan untuk
dianalisis.
•
Filter dimensi, fungsi ini
menyaring
dimensi
yang
ditampilkan pada sumbu x dan
sumbu y untuk menampilkan
elemen-elemen tertentu dari
dimensi. Dimensi lainnya dapat
dipilih satu elemen dari tiap-tiap
dimensi.
•
Visualisasi Crosstab dan Graph,
dimana data hasil operasi OLAP
yang dilakukan pengguna dapat
ditampilkan ke dalam bentuk
crosstab dan grafik. Grafik yang
ditampilkan berupa bar plot atau
line plot.
Tampilan aplikasi pemesanan dan
aplikasi OLAP dapat dilihat pada
Lampiran 8.
2
Implementasi
Implementasi
OLAP yaitu:
•
operasi-operasi
Operasi roll up pada waktu,
yaitu triwulan (roll up) ke tahun.
Contoh
roll
up
untuk
mengetahui jumlah lembar tiap
tahun. Roll up dimensi waktu
dari tingkat triwulan menjadi
tingkat tahun untuk mengetahui
jumlah lembar produk surta
yang
terjual
per
tahun.
Operasi drill down dilakukan
untuk
mengetahui
jumlah
lembar dan jumlah harga hasil
penjualan produk surta yang
lebih rinci.
Misalnya untuk
mengetahui jumlah lembar pada
masing-masing
jenis
data.
Implementasi operasi drill down
dapat dilihat pada Lampiran 10.
• Operasi Slice dan dice dilakukan
melihat keadaan jumlah lembar
dan
jumlah
harga
hasil
penjualan pada waktu tertentu,
jenis data dan skala tertentu atau
kualifikasi tertentu. Contoh slice
dapat dilihat pada Lampiran 11.
Pada Lampiran 11, jumlah
lembar setiap skala pada tahun
2007. Contoh dice dapat dilihat
pada Lampiran 12. Pada
Lampiran 12, jumlah lembar
penjualan produk dari unit kerja
PDRTR dan PSSDAD pada
tahun 2006 dan 2007.
Tahap pengembangan OLAP meliputi:
1
dapat
KESIMPULAN DAN SARAN
Kesimpulan
Dengan Pembangunan data warehouse
dan OLAP berbasis web data penjualan peta
BAKOSURTANAL, proses analisis hasil
penjualan produk surta tidak lagi dilakukan
secara manual. Hasil analisis yang dihasilkan
lebih akurat dan dapat divisualisasikan dalam
tiga jenis tampilan, yaitu tampilan grafik
batang, grafik garis dan pie chart. Pengambil
keputusan bisa melihat hasil penjualan dengan
mudah dan dapat dilakukan sewaktu-waktu
karena diakses melalui web.
Aplikasi
pemesanan
berbasis
web
membantu proses pemesanan produk surta
agar tidak dilakukan secara manual. Dengan
demikian, data penjualan produk surta dapat
tersimpan dengan baik dalam basis data.
Format penulisan data sudah seragam dan
tidak ada lagi noise atau data null.
Saran
Saran untuk penelitian selanjutnya adalah :
1. Data baru dalam basis data MySQL
nantinya dapat diintegrasikan langsung
ke dalam aplikasi OLAP.
11
5
Implementasi roll up
dilihat pada Lampiran 9.
Pendefinisian Fungsi Agregat
Fungsi agregat yang digunakan
dalam data warehouse penjualan
produk BAKOSURTANAL adalah
SUM (penjumlahan) untuk semua
measure. Sum untuk jumlah lembar
dan jumlah harga pada tiap bulan.
6
•
Pembuatan Data warehouse
Data
warehouse
menggunakan Palo Server 2.5.
dibuat
Pembangunan Aplikasi OLAP
Desain
Aplikasi OLAP yang dibuat
menyediakan fasilitas-fasilitas berikut :
•
Menu OLAP, dimana pengguna
dapat menentukan kubus data,
ukuran, dan dimensi-dimensi
yang akan ditampilkan untuk
dianalisis.
•
Filter dimensi, fungsi ini
menyaring
dimensi
yang
ditampilkan pada sumbu x dan
sumbu y untuk menampilkan
elemen-elemen tertentu dari
dimensi. Dimensi lainnya dapat
dipilih satu elemen dari tiap-tiap
dimensi.
•
Visualisasi Crosstab dan Graph,
dimana data hasil operasi OLAP
yang dilakukan pengguna dapat
ditampilkan ke dalam bentuk
crosstab dan grafik. Grafik yang
ditampilkan berupa bar plot atau
line plot.
Tampilan aplikasi pemesanan dan
aplikasi OLAP dapat dilihat pada
Lampiran 8.
2
Implementasi
Implementasi
OLAP yaitu:
•
operasi-operasi
Operasi roll up pada waktu,
yaitu triwulan (roll up) ke tahun.
Contoh
roll
up
untuk
mengetahui jumlah lembar tiap
tahun. Roll up dimensi waktu
dari tingkat triwulan menjadi
tingkat tahun untuk mengetahui
jumlah lembar produk surta
yang
terjual
per
tahun.
Operasi drill down dilakukan
untuk
mengetahui
jumlah
lembar dan jumlah harga hasil
penjualan produk surta yang
lebih rinci.
Misalnya untuk
mengetahui jumlah lembar pada
masing-masing
jenis
data.
Implementasi operasi drill down
dapat dilihat pada Lampiran 10.
• Operasi Slice dan dice dilakukan
melihat keadaan jumlah lembar
dan
jumlah
harga
hasil
penjualan pada waktu tertentu,
jenis data dan skala tertentu atau
kualifikasi tertentu. Contoh slice
dapat dilihat pada Lampiran 11.
Pada Lampiran 11, jumlah
lembar setiap skala pada tahun
2007. Contoh dice dapat dilihat
pada Lampiran 12. Pada
Lampiran 12, jumlah lembar
penjualan produk dari unit kerja
PDRTR dan PSSDAD pada
tahun 2006 dan 2007.
Tahap pengembangan OLAP meliputi:
1
dapat
KESIMPULAN DAN SARAN
Kesimpulan
Dengan Pembangunan data warehouse
dan OLAP berbasis web data penjualan peta
BAKOSURTANAL, proses analisis hasil
penjualan produk surta tidak lagi dilakukan
secara manual. Hasil analisis yang dihasilkan
lebih akurat dan dapat divisualisasikan dalam
tiga jenis tampilan, yaitu tampilan grafik
batang, grafik garis dan pie chart. Pengambil
keputusan bisa melihat hasil penjualan dengan
mudah dan dapat dilakukan sewaktu-waktu
karena diakses melalui web.
Aplikasi
pemesanan
berbasis
web
membantu proses pemesanan produk surta
agar tidak dilakukan secara manual. Dengan
demikian, data penjualan produk surta dapat
tersimpan dengan baik dalam basis data.
Format penulisan data sudah seragam dan
tidak ada lagi noise atau data null.
Saran
Saran untuk penelitian selanjutnya adalah :
1. Data baru dalam basis data MySQL
nantinya dapat diintegrasikan langsung
ke dalam aplikasi OLAP.
12
2. Ditambahkan proses-proses OLAP
untuk filter data dan dapat ditampilkan
dalam aplikasi OLAP.
3. Dikembangkan
informasi
untuk
mengetahui jumlah hasil penjualan dari
masing-masing lokasi outlet.
4. Ditambahkan fungsi agregat untuk
mengetahui rata-rata hasil penjualan
dan nilai tertinggi atau terendah dari
hasil penjualan.
DAFTAR PUSTAKA
Han J, Kamber M. 2006. Data Mining :
Concepts and Techniques. San Fransisco :
Morgan Kaufmann Publisher.
Herlambang A. 2007. Pembangunan Data
Warehouse dan Aplikasi OLAP Berbasis
Web Menggunakan Palo [Skripsi]. Bogor:
Departemen Ilmu Komputer, FMIPA,
Institut Pertanian Bogor.
Permana A.Y. 2008. Data Warehouse dan
Aplikasi OLAP Data Akademik Ilmu
Komputer
IPB
Berbasis
Web
Menggunakan Palo 2.0 [Skripsi]. Bogor:
Departemen Ilmu Komputer, FMIPA,
Institut Pertanian Bogor.
Wisudawan D.K. 2007. Pembuatan Data
Warehouse Potensi Desa di Wilayah
Bogor Menggunakan Oracle Data
Warehouse. [Skripsi]. Bogor: Departemen
Ilmu Komputer, FMIPA, Institut Pertanian
Bogor.
Raue K, Barczaitis H. 2007. Palo 2.0 Manual.
German : Jedox GmbH.
PROTOTIPE DATA WAREHOUSE DATA PENJUALAN PRODUK
BAKOSURTANAL
SITI NURHASANAH
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2009
12
2. Ditambahkan proses-proses OLAP
untuk filter data dan dapat ditampilkan
dalam aplikasi OLAP.
3. Dikembangkan
informasi
untuk
mengetahui jumlah hasil penjualan dari
masing-masing lokasi outlet.
4. Ditambahkan fungsi agregat untuk
mengetahui rata-rata hasil penjualan
dan nilai tertinggi atau terendah dari
hasil penjualan.
DAFTAR PUSTAKA
Han J, Kamber M. 2006. Data Mining :
Concepts and Techniques. San Fransisco :
Morgan Kaufmann Publisher.
Herlambang A. 2007. Pembangunan Data
Warehouse dan Aplikasi OLAP Berbasis
Web Menggunakan Palo [Skripsi]. Bogor:
Departemen Ilmu Komputer, FMIPA,
Institut Pertanian Bogor.
Permana A.Y. 2008. Data Warehouse dan
Aplikasi OLAP Data Akademik Ilmu
Komputer
IPB
Berbasis
Web
Menggunakan Palo 2.0 [Skripsi]. Bogor:
Departemen Ilmu Komputer, FMIPA,
Institut Pertanian Bogor.
Wisudawan D.K. 2007. Pembuatan Data
Warehouse Potensi Desa di Wilayah
Bogor Menggunakan Oracle Data
Warehouse. [Skripsi]. Bogor: Departemen
Ilmu Komputer, FMIPA, Institut Pertanian
Bogor.
Raue K, Barczaitis H. 2007. Palo 2.0 Manual.
German : Jedox GmbH.
PROTOTIPE DATA WAREHOUSE DATA PENJUALAN PRODUK
BAKOSURTANAL
SITI NURHASANAH
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2009
PROTOTIPE DATA WAREHOUSE DATA PENJUALAN PRODUK
BAK
SITI NURHASANAH. Data Warehouse Prototype of BAKOSURTANAL’s Sales Product. Under
direction of HARI AGUNG ADRIANTO.
National Coordinating Agency on Surveys and Mapping (BAKOSURTANAL) is a non ministry
government agency authorized to conduct governance duty in the field of surveys and mapping.
BAKOSURTANAL holds the prime role in the distribution and services of maps to the public. One of
BAKOSURTANAL activity is selling maps, atlas, and other products required by its stakeholders.
The reports of sales revenue are not only necessary to improve services, but also can be used to know
the exact amount of sales revenues in BAKOSURTANAL. The process of analyzing data of sales is
still done manually by looking at the existing data of sales. This way of data processing leads to a less
accurate result, and also requires significant time and efforts. Building OLAP application integrated
with data warehouse is one way to analyze and to have the knowledge of sales revenues with different
point of view.
This research is intended to make the data analyzing on surveys and mapping’s sales products no
longer done manually, so the result can be more accurate. The steps require : covering, pre data
processing, designing and developing of data warehouse, continued with developing of OLAP
application. Data warehouse is developed using the galaxy scheme. This research yields in forming
four dimensions (Time, Data Classification, Qualification, and Scale) and the two facts (sale_sheet
and sale_price).
The development of data warehouse of BAKOSURTANAL’s sale products produces two data
cubes, which are the sale sheet data cube and the sale price data cube. The two data cubes can be
visualized quickly and accurately in three forms of graphics and charts using the OLAP Palo 2.5. The
operations of OLAP conducted on the data cubes are roll-up, drill-down, dice, and slice.
Keywords : data warehouse, data cube, data of sales, BAKOSURTANAL’s products.
1
PENDAHULUAN
Latar Belakang
Badan Koordinasi Survei dan Pemetaan
Nasional (BAKOSURTANAL) merupakan
sebuah lembaga pemerintah non departemen
yang diberi mandat untuk melaksanakan tugas
pemerintahan dalam bidang survei dan
pemetaan.
BAKOSURTANAL
telah
menghasilkan peta dalam berbagai bentuk,
format dan skala. BAKOSURTANAL menjadi
titik tumpu dalam pelaksanaan pendistribusian
dan pelayanan peta kepada penggunanya, baik
itu institusi, perusahaan, lembaga pendidikan,
dan masyarakat pada umumnya.
Berdasarkan Undang-undang Republik
Indonesia Nomor 20 Tahun 2007 tentang
Penerimaan Negara Bukan Pajak (PNBP),
bahwa instansi pemerintah wajib menyetorkan
seluruh PNBP ke kas negara. Hal ini juga
diperjelas dalam
Lampiran IIB Peraturan
Pemerintah Republik Indonesia Nomor 22
Tahun 1997 tentang Jenis Penyetoran
Penerimaan Negara Bukan Pajak, bahwa jenis
PNBP yang berlaku pada BAKOSURTANAL
adalah penerimaan dari penjualan hasil survei
dan pemetaan (surta). Untuk meningkatkan
pendapatan
negara
dari
PNBP,
BAKOSURTANAL perlu melakukan kegiatan
yang mendukung peningkatan PNBP. Salah
satu kegiatannya adalah penjualan peta, atlas
dan produk lainnya yang banyak dibutuhkan
oleh stake holder. Informasi tentang hasil
penjualan selain untuk dapat meningkatkan
pelayanan kepada penggunanya juga untuk
mengetahui jumlah hasil penjualan di
BAKOSURTANAL.
Selama ini, proses analisis data hasil
penjualan masih dilakukan secara manual.
Proses bisnis dari kegiatan penjualan tersebut
dapat dilihat pada Lampiran 1. Untuk memesan
produk surta pengguna harus mengisi lembar
pesanan yang disediakan di loket penjualan.
Bentuk lembar pemesanan dapat dilihat pada
Lampiran 2.
Kemudian staf pelayanan
mencatat data penjualan tersebut dengan
menggunakan Microsoft Office Excel, hasilnya
dapat dilihat pada Lampiran 3. Untuk membuat
laporan masih dilakukan query manual pada
tiap tabel data di Microsoft Office Excel.
Contoh laporan yang dihasilkan dapat dilihat
pada Lampiran 4.
Dalam proses bisnis di atas, data yang
tercatat memiliki atribut-atribut terbatas dan
tidak konsisten antar tahun seperti terlihat pada
Lampiran 5. Hal ini membuat hasil analisis
kurang akurat dan membutuhkan waktu lama.
Hasil penjualan akan dilaporkan ke
beberapa pihak sebagai laporan data penjualan.
Laporan tersebut akan digunakan untuk
menganalisis berbagai kebutuhan, dapat dilihat
pada Tabel 1.
Tabel 1 Kebutuhan analisis data penjualan
setiap pengguna
Pengguna
Kebutuhan
Frekuensi
Kepala
Bidang
Pelayanan
Jumlah
hasil
penjualan per
jenis data, per
skala,
dan
berdasarkan
kualifikasi
pembeli.
Bulanan,
tahunan
Kepala Unit
Kerja Eselon
II
Jumlah
hasil
penjualan per
unit
kerja
masing-masing.
Bulanan,
tahunan
Bagian
Perencanaan
Jumlah
hasil
penjualan per
jenis data dan
per skala.
Bulanan,
3 bulanan,
tahunan
Sekretaris
Utama
Jumlah
hasil
penjualan setiap
bulan
dalam
satu
tahun,
jumlah
hasil
penjualan per
jenis data, per
skala
dan
berdasarkan
kualifikasi
pembeli.
Bulanan,
tahunan
Untuk menganalisis dan mengetahui hasil
penjualan dengan sudut pandang yang berbeda,
dapat dilakukan dengan membangun aplikasi
OLAP yang diintegrasikan dengan data
warehouse. Proses pembuatan data warehouse
dilakukan dengan mengambil, mengumpulkan,
mempersiapkan, menyimpan dan menyediakan
data untuk aplikasi yang bersifat query atau
reporting. Saat ini telah tersedia beberapa
teknologi data warehouse yang menggunakan
OLAP server sebagai tool pembantu untuk
analisis data, salah satu yang berbasis open
source
adalah
Palo
(www.jedox.com).
Diharapkan tool dan metode OLAP membantu
pengguna menganalisis data pada sebuah data
warehouse dengan menyediakan berbagai
2
tampilan data dan didukung dengan representasi
data grafik yang dinamis.
1
Ekstraksi adalah pengambilan data yang
relevan dari basis data operasional
sebelum masuk ke data warehouse.
Pada ekstraksi, atribut-atribut dan
record-record yang diinginkan dipilih
dan diambil dari basis data operasional.
Hal ini perlu dilakukan karena tidak
semua elemen data berguna dalam
pembuatan keputusan.
Pembangunan data warehouse dan aplikasi
OLAP berbasis web menggunakan PALO telah
dilakukan
pada
penelitian
sebelumnya
(Herlambang A 2007; Permana A.Y 2008).
Tujuan
Penelitian ini bertujuan agar analisis data
hasil penjualan produk surta tidak lagi
dilakukan secara manual dan hasil analisis dapat
lebih akurat. Untuk itu perlu membangun
sebuah aplikasi berbasis web untuk pemesanan
dengan menggunakan basis data MySQL versi
5.0.51a. Lalu data hasil pemesanan tersebut
akan dibuat data warehouse dan sebuah aplikasi
OLAP berbasis web untuk data penjualan di
BAKOSURTANAL dengan menggunakan Palo
2.5 sebagai OLAP server.
2
3
TINJAUAN PUSTAKA
Data Praproses
Data praproses merupakan proses yang
harus dilakukan sebelum memasuki tahap
pemrosesan membuat data warehouse. Data
yang digunakan seringkali bersifat noisy (data
tidak jelas atau rusak), incomplete (data
kekurangan nilai atributnya atau hanya berisi
data agregasi) dan inconsistent (tidak
konsisten).
Berikut adalah tahapan data
praproses (Han dan Kamber 2006) :
Transformasi (transformation)
Pada transformasi, data dari semua
sumber diberikan format dan nama yang
umum. Proses transformasi dilakukan
agar data tetap konsisten. Transformasi
yang paling penting adalah transformasi
nama agar tidak ada nama atribut yang
sama atau atribut yang sama memiliki
nama yang berbeda pada basis data yang
berbeda. Setelah transformasi nama,
semua elemen data harus dikonversikan
ke format yang umum.
Manfaat
Penelitian ini diharapkan dapat memberikan
manfaat
bagi
pihak-pihak
terkait
di
BAKOSURTANAL
dalam
memberikan
informasi konklusif, cepat dan menarik tentang
hasil penjualan di BAKOSURTANAL. Selain
itu dapat mempermudah analisis data dan
membantu
dalam
proses
pengambilan
keputusan.
Pembersihan (cleaning)
Pada pembersihan semua kesalahan
dihilangkan dan diperbaiki. Pembersihan
dilakukan
untuk
menghilangkan
kesalahan (error). Kesalahan yang
umum terjadi adalah nilai yang hilang
(missing values), noise, dan data yang
tidak konsisten. Pembersihan dilakukan
dengan mengisi nilai yang kosong dan
menghilangkan noise.
Ruang Lingkup
Ruang lingkup penelitian dibatasi pada
pembuatan prototipe data warehouse dan
aplikasi OLAP berbasis web. Tahapan yang
akan dilakukan pertama adalah proses
pembangunan aplikasi pemesanan bagi pembeli.
Kemudian dilakukan proses pembersihan data,
integrasi data, transformasi data.
dan
dilanjutkan dengan implementasi operasi
OLAP. Data yang digunakan adalah data
penjualan produk BAKOSURTANAL tahun
2001 sampai 2007.
Ekstraksi (extraction)
4
Pemuatan (loading)
Setelah tahap ekstraksi dan transformasi
dilakukan, maka data sudah siap untuk
dimasukkan ke data warehouse. Pada
tahap ini juga dilakukan pengurutan dan
pengecekan integritas.
5
Refresh
Tahapan ini dilakukan jika ada data baru
yang masuk.
Data Warehouse
Secara umum, data warehouse merujuk
pada tempat penyimpanan data yang dikelola
secara terpisah dari basis data operasional yang
dimiliki sebuah instansi.
Data warehouse
seringkali dibangun dari berbagai basis data
yang diintegrasikan dengan berbagai sistem
aplikasi untuk mendukung proses pengambilan
keputusan dan analisis data. Data warehouse
menyediakan platform yang solid untuk data
historikal dan gabungan (consolidated).
2
tampilan data dan didukung dengan representasi
data grafik yang dinamis.
1
Ekstraksi adalah pengambilan data yang
relevan dari basis data operasional
sebelum masuk ke data warehouse.
Pada ekstraksi, atribut-atribut dan
record-record yang diinginkan dipilih
dan diambil dari basis data operasional.
Hal ini perlu dilakukan karena tidak
semua elemen data berguna dalam
pembuatan keputusan.
Pembangunan data warehouse dan aplikasi
OLAP berbasis web menggunakan PALO telah
dilakukan
pada
penelitian
sebelumnya
(Herlambang A 2007; Permana A.Y 2008).
Tujuan
Penelitian ini bertujuan agar analisis data
hasil penjualan produk surta tidak lagi
dilakukan secara manual dan hasil analisis dapat
lebih akurat. Untuk itu perlu membangun
sebuah aplikasi berbasis web untuk pemesanan
dengan menggunakan basis data MySQL versi
5.0.51a. Lalu data hasil pemesanan tersebut
akan dibuat data warehouse dan sebuah aplikasi
OLAP berbasis web untuk data penjualan di
BAKOSURTANAL dengan menggunakan Palo
2.5 sebagai OLAP server.
2
3
TINJAUAN PUSTAKA
Data Praproses
Data praproses merupakan proses yang
harus dilakukan sebelum memasuki tahap
pemrosesan membuat data warehouse. Data
yang digunakan seringkali bersifat noisy (data
tidak jelas atau rusak), incomplete (data
kekurangan nilai atributnya atau hanya berisi
data agregasi) dan inconsistent (tidak
konsisten).
Berikut adalah tahapan data
praproses (Han dan Kamber 2006) :
Transformasi (transformation)
Pada transformasi, data dari semua
sumber diberikan format dan nama yang
umum. Proses transformasi dilakukan
agar data tetap konsisten. Transformasi
yang paling penting adalah transformasi
nama agar tidak ada nama atribut yang
sama atau atribut yang sama memiliki
nama yang berbeda pada basis data yang
berbeda. Setelah transformasi nama,
semua elemen data harus dikonversikan
ke format yang umum.
Manfaat
Penelitian ini diharapkan dapat memberikan
manfaat
bagi
pihak-pihak
terkait
di
BAKOSURTANAL
dalam
memberikan
informasi konklusif, cepat dan menarik tentang
hasil penjualan di BAKOSURTANAL. Selain
itu dapat mempermudah analisis data dan
membantu
dalam
proses
pengambilan
keputusan.
Pembersihan (cleaning)
Pada pembersihan semua kesalahan
dihilangkan dan diperbaiki. Pembersihan
dilakukan
untuk
menghilangkan
kesalahan (error). Kesalahan yang
umum terjadi adalah nilai yang hilang
(missing values), noise, dan data yang
tidak konsisten. Pembersihan dilakukan
dengan mengisi nilai yang kosong dan
menghilangkan noise.
Ruang Lingkup
Ruang lingkup penelitian dibatasi pada
pembuatan prototipe data warehouse dan
aplikasi OLAP berbasis web. Tahapan yang
akan dilakukan pertama adalah proses
pembangunan aplikasi pemesanan bagi pembeli.
Kemudian dilakukan proses pembersihan data,
integrasi data, transformasi data.
dan
dilanjutkan dengan implementasi operasi
OLAP. Data yang digunakan adalah data
penjualan produk BAKOSURTANAL tahun
2001 sampai 2007.
Ekstraksi (extraction)
4
Pemuatan (loading)
Setelah tahap ekstraksi dan transformasi
dilakukan, maka data sudah siap untuk
dimasukkan ke data warehouse. Pada
tahap ini juga dilakukan pengurutan dan
pengecekan integritas.
5
Refresh
Tahapan ini dilakukan jika ada data baru
yang masuk.
Data Warehouse
Secara umum, data warehouse merujuk
pada tempat penyimpanan data yang dikelola
secara terpisah dari basis data operasional yang
dimiliki sebuah instansi.
Data warehouse
seringkali dibangun dari berbagai basis data
yang diintegrasikan dengan berbagai sistem
aplikasi untuk mendukung proses pengambilan
keputusan dan analisis data. Data warehouse
menyediakan platform yang solid untuk data
historikal dan gabungan (consolidated).
3
Data warehouse menyediakan arsitektur dan
alat bagi para eksekutif bisnis untuk mengatur
secara sistematis, mengerti dan menggunakan
data tersebut untuk pengambilan keputusan.
Secara rinci dijelaskan oleh Han & Kamber
(2006) bahwa data warehouse mempunyai
empat karakteristik yaitu :
• Berorientasi subjek, terorganisasi pada
subjek utama sesuai topik bisnis atau
berdasarkan subjek dari organisasi.
merupakan
sekumpulan
tabel
yang
berhubungan.
Skema digunakan untuk
menunjukkan hubungan antara tabel dimensi
dengan tabel fakta.
Skema ditentukan
berdasarkan kebutuhan data warehouse dan
keinginan pembuat data warehouse. Data
warehouse membutuhkan skema yang ringkas
dan berorientasi subjek.
Tipe-tipe skema
multidimensi antara lain (Han & Kamber 2006):
•
Skema bintang (star schema)
Skema bintang adalah skema data
warehouse yang paling sederhana.
Skema ini disebut skema bintang karena
hubungan antara tabel dimensi dan tabel
fakta menyerupai bintang dimana satu
tabel fakta dihubungkan dengan
beberapa tabel dimensi. Titik tengah
skema bintang adalah satu tabel fakta
besar dan sudut-sudutnya adalah tabeltabel dimensi. Keuntungan yang didapat
jika menggunakan skema ini adalah
peningkatan kinerja data warehouse,
pemrosesan query yang lebih efisien,
dan waktu respon yang cepat. Bentuk
skema bintang dapat dilihat pada
Gambar 1.
• Terintegrasi, data dibangun dengan
mengintegrasikan berbagai sumber data.
Teknik pembersihan dan integrasi data
dilakukan
untuk
memastikan
kekonsistenan data dalam penamaan,
struktur penyandian, pengukuran atribut
dan lainnya.
• Time-variant, dimensi waktu secara
eksplisit termasuk dalam data, jadi
model
dan perubahannya dapat
diketahui setiap saat.
• Non-volatile, data terpisah dari basis data
operasional sehingga hanya memerlukan
pemuatan dan akses data. Data tidak
dapat berubah atau tetap.
Model Data Multidimensi
Model data multidimensi menampilkan data
dalam bentuk kubus data. Kubus data
memungkinkan
data
dimodelkan
dan
ditampilkan dalam banyak dimensi. Kubus data
disebut juga cuboid. Pola-pola cuboid dapat
dibuat apabila diberikan satu kumpulan
dimensi. Masing-masing pola menampilkan
data pada tingkat kesimpulan yang berbedabeda (Han & Kamber 2006).
Dimensi adalah perspektif atau entitas yang
digunakan sebagai tempat menyimpan beberapa
record yang saling berhubungan.
Setiap
dimensi memiliki tabel yang biasa disebut
dengan tabel dimensi. Tabel dimensi dapat
dispesifikasikan oleh pengguna atau para ahli,
atau dihasilkan secara otomatis dan diatur
berdasarkan distribusi data (Han & Kamber
2006).
Fakta adalah ukuran-ukuran numerik. Fakta
merupakan kuantitas yang akan dianalisis
hubungan antar dimensi. Tabel fakta berisi
nama dari fakta (ukuran) dan keys dari tabel
dimensi yang bersangkutan.
Untuk menggambarkan hubungan antar data
pada data multidimensi digunakan skema
multidimensi. Skema adalah sekumpulan objek
dalam basis data. Pada data warehouse, skema
Gambar 1
•
Skema bintang (Han & Kamber
2006).
Skema snowflake (snowflake schema)
Skema snowflake adalah variasi dari
skema bintang dimana beberapa tabel
dimensi dinormalisasi, jadi dihasilkan
beberapa tabel tambahan. Keuntungan
yang didapat dengan menggunakan
skema ini adalah penghematan memori,
tapi waktu yang dibutuhkan untuk
pemrosesan query menjadi lebih lama.
Bentuk skema snowflake dapat dilihat
pada Gambar 2.
•
Skema galaksi (fact constellation)
Pada skema galaksi, beberapa tabel fakta
berbagi tabel dimensi.
Keuntungan
menggunakan
skema
ini
adalah
menghemat memori dan mengurangi
4
kesalahan yang mungkin terjadi. Bentuk
skema galaksi dapat dilihat pada
Gambar 3.
Beberapa operasi OLAP adalah sebagai
berikut (Han dan Kamber 2006) :
•
Roll up (drill-up): ringkasan data, yaitu
dengan menaikkan tingkat suatu hirarki
atau mereduksi dimensi.
•
Drill down (roll down): kebalikan dari
roll up, yaitu melihat data secara lebih
detail atau spesifik dari level tinggi ke
level rendah.
•
Slice and dice: slice adalah pemilihan
pada satu dimensi dari kubus data yang
bersangkutan dan dice mendefinisikan
subcube dengan memilih dua dimensi
atau lebih.
•
Pivot
(rotate):
memvisualisasikan
operasi yang merotasikan sumbu data
dalam view sebagai alternatif presentasi
data.
•
Operasi lain: drill across yaitu operasi
yang melibatkan lebih dari satu tabel
fakta, drill through yaitu operasi yang
mengijinkan pengguna untuk dapat
melihat tabel data yang menampilkan
nilai-nilai pada suatu sel data.
Gambar 2 Skema snowflake (Han & Kamber
2006).
Gambar 3 Skema galaksi (Han & Kamber
2006).
Kubus Data
Kubus data merupakan data yang
dimodelkan dan diperlihatkan dalam bentuk
multidimensi yang terdefinisikan oleh dimensidimensi dan fakta-fakta (Han & Kamber 2006).
Ilustrasi operasi OLAP tersebut, dapat dilihat
pada Gambar 4. Gambar 4 menunjukkan
ilustrasi untuk operasi-operasi pada data
multidimensi.
Kubus data adalah organisasi data ringkas
yang merupakan view multidimensi dari suatu
basis data, juga merupakan ruang data agregat
yang setiap selnya menggambarkan himpunan
nilai yang unik untuk dimensi yang berbeda.
Dengan memakai kubus data, pengguna dapat
menganalisis data dari berbagai sudut pandang
dan sangat berperan dalam penyampaian
informasi ringkas yang terorganisasi. Dalam
implementasinya kubus data diturunkan dari
tabel fakta dengan menggunakan atribut groupby.
Online Analytical Processing (OLAP)
Online Analytical Processing (OLAP)
adalah proses komputer yang memungkinkan
pengguna dapat dengan mudah dan selektif
memilih dan melihat data dari sudut pandang
yang berbeda (Han dan Kamber 2006). Data
pada OLAP disimpan dalam basis data
multidimensi. Basis data multidimensi terdiri
atas banyak dimensi yang dapat dipisahkan oleh
OLAP menjadi beberapa sub atribut.
Gambar 4 Ilustrasi untuk operasi-operasi pada
data
multidimensi.
(Sumber:
diadopsi dari Wisudawan D.K.
2007).
5
Arsitektur Three-Tier
Salah satu arsitektur data warehouse adalah
arsitektur three-tier seperti pada Gambar 2 (Han
& Kamber 2006), yaitu:
1
Lapisan bawah (bottom tier)
Lapisan bawah adalah server data
warehouse yang biasanya sebuah sistem
basis data relasional. Pada lapisan ini
data diambil dari basis data operasional
dan sumber eksternal lainnya, diekstrak,
dibersihkan dan ditransformasi. Data
disimpan sebagai data warehouse.
2
Lapisan tengah (middle tier)
Lapisan tengah OLAP server yang
biasanya diimplementasikan dengan
OLAP Relasional (ROLAP) atau OLAP
Multidimensi (MOLAP).
3
Lapisan atas (top tier)
Lapisan atas adalah lapisan front-end
client, berisi query dan perangkat
analisis, dan atau perangkat data mining
(seperti : analisis tren, prediksi dan
lainnya).
langsung datang ke Pusat Pelayanan Jasa dan
Informasi BAKOSURTANAL dan
staf
pelayanan jika pemesan melakukan pemesanan
melalui fax. Staf pelayanan juga sebagai
administrator yang mengelola aplikasi ini.
Aplikasi pemesanan adalah aplikasi berbasis
web dengan menggunakan basis data MySQL
versi 5.0.51a. Tujuan dari pembuatan aplikasi
pemesanan adalah untuk melakukan masukan
(input) pemesanan menggantikan lembar
pemesanan manual.
Praproses Data Penjualan Tahun 2001-2007
Sebelum masuk ke pembuatan data
warehouse, data harus diproses terlebih dahulu.
Tahapan praproses meliputi :
1 Ekstraksi (extraction)
Data
penjualan
produk
BAKSOURTANAL tahun 2001-2007
yang dikelola Pusat Pelayanan Jasa dan
Informasi disimpan dalam Microsoft
Excel dengan format Excel (.xls).
Sebelum diubah menjadi file bertipe text
document (.txt), dilakukan pemilihan
atribut-atribut yang relevan. Kemudian
data disimpan per bulan dan tahun
tertentu..
Data yang berasal dari aplikasi
pemesanan, tidak perlu lagi dilakukan
tahap ekstraksi karena atribut-atribut yang
akan dimasukkan dalam data warehouse
sudah relevan.
2 Pembersihan (cleaning)
Gambar 5 Arsitektur three-tier data warehouse
(Han & Kamber 2006).
METODE PENELITIAN
Secara garis besar penelitian ini terdiri dari
tiga kegiatan yaitu pembuatan aplikasi
pemesanan, praproses data pemesanan tahun
2001-2007 dan pengembangan data warehouse.
Pembuatan Aplikasi Pemesanan
Dari segi kebutuhan sistem, pengguna
aplikasi pemesanan adalah pemesan yang
Pembersihan data penjualan produk
BAKOSURTANAL tahun 2001-2007
dilakukan terhadap data atribut jenis data
yang tidak konsisten penulisannya.
Kondisi tersebut dapat diatasi dengan
menyeragamkan nama jenis data. Pada
data atribut yang bernilai null seperti
atribut kualifikasi data penjualan 20012003 dilakukan pengisian dengan
menuliskan “Tidak ada keterangan”. Di
sisi lain input yang diberikan aplikasi
pemesanan telah diperiksa oleh sistem.
Dengan demikian tidak perlu dilakukan
pembersihan data.
3 Transformasi (transformation)
Proses transformasi yang dilakukan
pada
data
penjualan
produk
BAKOSURTANAL tahun 2001-2007
adalah konversi format atribut tanggal.
Penulisan tanggal yang semula terdiri atas
5
Arsitektur Three-Tier
Salah satu arsitektur data warehouse adalah
arsitektur three-tier seperti pada Gambar 2 (Han
& Kamber 2006), yaitu:
1
Lapisan bawah (bottom tier)
Lapisan bawah adalah server data
warehouse yang biasanya sebuah sistem
basis data relasional. Pada lapisan ini
data diambil dari basis data operasional
dan sumber eksternal lainnya, diekstrak,
dibersihkan dan ditransformasi. Data
disimpan sebagai data warehouse.
2
Lapisan tengah (middle tier)
Lapisan tengah OLAP server yang
biasanya diimplementasikan dengan
OLAP Relasional (ROLAP) atau OLAP
Multidimensi (MOLAP).
3
Lapisan atas (top tier)
Lapisan atas adalah lapisan front-end
client, berisi query dan perangkat
analisis, dan atau perangkat data mining
(seperti : analisis tren, prediksi dan
lainnya).
langsung datang ke Pusat Pelayanan Jasa dan
Informasi BAKOSURTANAL dan
staf
pelayanan jika pemesan melakukan pemesanan
melalui fax. Staf pelayanan juga sebagai
administrator yang mengelola aplikasi ini.
Aplikasi pemesanan adalah aplikasi berbasis
web dengan menggunakan basis data MySQL
versi 5.0.51a. Tujuan dari pembuatan aplikasi
pemesanan adalah untuk melakukan masukan
(input) pemesanan menggantikan lembar
pemesanan manual.
Praproses Data Penjualan Tahun 2001-2007
Sebelum masuk ke pembuatan data
warehouse, data harus diproses terlebih dahulu.
Tahapan praproses meliputi :
1 Ekstraksi (extraction)
Data
penjualan
produk
BAKSOURTANAL tahun 2001-2007
yang dikelola Pusat Pelayanan Jasa dan
Informasi disimpan dalam Microsoft
Excel dengan format Excel (.xls).
Sebelum diubah menjadi file bertipe text
document (.txt), dilakukan pemilihan
atribut-atribut yang relevan. Kemudian
data disimpan per bulan dan tahun
tertentu..
Data yang berasal dari aplikasi
pemesanan, tidak perlu lagi dilakukan
tahap ekstraksi karena atribut-atribut yang
akan dimasukkan dalam data warehouse
sudah relevan.
2 Pembersihan (cleaning)
Gambar 5 Arsitektur three-tier data warehouse
(Han & Kamber 2006).
METODE PENELITIAN
Secara garis besar penelitian ini terdiri dari
tiga kegiatan yaitu pembuatan aplikasi
pemesanan, praproses data pemesanan tahun
2001-2007 dan pengembangan data warehouse.
Pembuatan Aplikasi Pemesanan
Dari segi kebutuhan sistem, pengguna
aplikasi pemesanan adalah pemesan yang
Pembersihan data penjualan produk
BAKOSURTANAL tahun 2001-2007
dilakukan terhadap data atribut jenis data
yang tidak konsisten penulisannya.
Kondisi tersebut dapat diatasi dengan
menyeragamkan nama jenis data. Pada
data atribut yang bernilai null seperti
atribut kualifikasi data penjualan 20012003 dilakukan pengisian dengan
menuliskan “Tidak ada keterangan”. Di
sisi lain input yang diberikan aplikasi
pemesanan telah diperiksa oleh sistem.
Dengan demikian tidak perlu dilakukan
pembersihan data.
3 Transformasi (transformation)
Proses transformasi yang dilakukan
pada
data
penjualan
produk
BAKOSURTANAL tahun 2001-2007
adalah konversi format atribut tanggal.
Penulisan tanggal yang semula terdiri atas
6
a Pendefinisian Dimensi
tanggal, bulan dan tahun, akan diubah
menjadi bulan dan tahun saja.
Pada tahap ini didefinisikan dimensi
yang
akan
digunakan
dalam
pembuatan
data
warehouse.
Dimensi yang terlibat adalah dimensi
waktu, dimensi jenis data, dimensi
kualifikasi dan dimensi skala.
Pada aplikasi pemesanan transformasi
telah dilakukan. Pengguna akan dibantu
oleh sistem dengan memilih format
penulisan tanggal yang sesuai dari basis
data.
b Pendefinisian
Perancangan
Multidimensi.
4 Pemuatan (loading)
Pada tahap ini data sudah siap untuk
dimasukkan ke data warehouse.
Pada tahap ini akan ditentukan skema
kubus data yang akan digunakan,
yaitu skema galaksi.
5 Refresh
Tahapan ini dilakukan jika ada data
baru yang masuk.
c Pendefinisian Level Dimensi atau
Hirarki
Pengembangan Data Warehouse
Untuk masing-masing dimensi akan
ditentukan tingkat perincian yang
diperlukan berserta hirarki yang
membentuknya. Dengan data yang
ada dimensi waktu dapat disusun
dalam tiga level yaitu tahun >
triwulan > bulan. Dimensi jenis data
memiliki dua level yaitu nama unit
kerja dan nama jenis data. Dimensi
kualifikasi memiliki satu level yaitu
jenis kualifikasi.
Dimensi skala
memiliki satu level yaitu skala.
Penelitian ini akan dilakukan dalam
beberapa
tahap
yaitu
tahap
analisis,
perancangan
dan
pembangunan
data
warehouse, dan pembangunan aplikasi OLAP.
Tahap-tahap tersebut diantaranya :
1 Analisis
Pengguna aplikasi OLAP berbasis
web adalah kepala bagian pelayanan
sebagai pengguna biasa dan staf
pelayanan sebagai administrator. Untuk
mengelola aplikasi OLAP administrator
memiliki akses langsung ke sistem
manajemen basis data MySQL dimana
data penjualan ditempatkan serta ke
modul Palo dimana data warehouse
tersebut dikelola.
d Pendefinisian Measure
Pada tahap ini ditentukan ukuran
yang akan dianalisis pada data
penjualan BAKOSURTANAL.
e Pendefinisian Fungsi Agregat
Kepala bagian pelayanan sebagai
pengguna
biasa
dan
pengambil
keputusan, dapat berinteraksi dengan
sistem melalui antarmuka grafis berbasis
web.
Fasilitas sistem yang dapat
dimanfaatkan, yaitu :
Pada tahap ini didefinisikan fungsi
agregat numerik yang digunakan
yaitu fungsi SUM (penjumlahan).
f Pembuatan Data warehouse
Data warehouse akan dikembangkan
menggunakan Palo Server 2.5.
• Memilih dimensi / atribut melalui
kotak drop-down list.
• Menampilkan data dalam bentuk grafik
bar, pie dan line.
Sebelum ke proses pembangunan
aplikasi OLAP dilakukan analisis nilai
dan atribut untuk mendapatkan atributatribut yang tepat dalam pembuatan data
warehouse.
2
Perancangan dan Pembangunan Data
Warehouse
Tahap pembuatan data warehouse
meliputi:
Kubus Data dan
Model
Data
3
Pembangunan Aplikasi OLAP
Langkah
pertama
dalam
pembangunan aplikasi yaitu pembuatan
struktur kubus data di OLAP server
Palo. Pembuatan struktur kubus data
dilakukan pada Palo Excel Add-in.
Langkah selanjutnya yaitu pengisian
data untuk kubus data dari data
warehouse.
Untuk data penjualan
produk BAKOSURTANAL tahun 20012007 disimpan dalam format .txt,
kemudian data dimuat menggunakan
fasilitas Data Import dari Excel Add-In
7
Palo. Di sisi lain data dari aplikasi
pemesanan yang telah tersimpan dalam
MySQL, dengan bantuan MySQL
Connector ODBC dapat di-import juga
menggunakan fasilitas Data Import dari
Excel Add-In Palo.
Pembuatan aplikasi OLAP berbasis
web diimplementasikan menggunakan
bahasa pemrograman PHP, Palo PHP
API, dan Javascript. Koneksi PHP ke
Palo menggunakan library tambahan
yang terdapat di dalam package Palo 2.5
SDK. Penambahan library dilakukan
agar fungsi-fungsi Palo dapat dijalankan
melalui script PHP.
Tampilan
antarmuka menggunakan kode HTML
(Hypertext Markup Language) dan CSS
(Cascading Style Sheet).
• Sistem Operasi Microsoft Windows
XP
• Web server package XAMPP versi 2.5
• Bahasa pemrograman PHP 5.1.2
• MySQL versi 5.0.51a
• Web browser Mozilla Firefox 3.0
2 Perangkat keras
Spesifikasi minimal :
• Memory 512 MB DDR RAM
• Harddisk 40 GB
• Monitor 15” dengan resolusi 1024x768
• Mouse dan keyboard
Visualisasi hasil operasi OLAP
(summary) ditampilkan melalui web
dalam bentuk grafik.
Grafik yang
ditampilkan adalah bar, pie dan line.
Pembuatan aplikasi OLAP berbasis
web
tersebut telah dibangun pada
penelitian sebelumnya (Herlambang A
2007; Permana A.Y 2008). Sehingga
aplikasi telah siap digunakan untuk
penelitian ini.
Gambar 6 menunjukkan arsitektur
aplikasi OLAP berbasis web, yang dapat
dijelaskan sebagai berikut:
1 Pemrosesan data dan pembuatan
skema data warehouse dengan
Microsoft Excel dan MySQL.
2 Pembentukan struktur kubus data
dilakukan di Palo Excel Add-In.
3 Pengisian struktur kubus data yang
sudah terbentuk dengan data dari
data warehouse melalui fasilitas Data
Import di Palo Excel Add-In.
4 Web server mengakses kubus data
Palo server melalui Palo PHP API.
Aplikasi OLAP menggunakan library
JpGraph untuk menampilkan grafik.
Lingkungan Pengembangan
Kebutuhan antarmuka yang direncanakan
bagi aplikasi pemesanan berbasis web untuk
pembelian sebagai berikut :
1 Perangkat lunak
Perangkat lunak yang dibutuhkan :
Gambar 6 Arsitektur
aplikasi
OLAP
berbasis web (Sumber: diadopsi
dari Herlambang 2007).
Namun demikian, untuk aplikasi OLAP
berbasis web dibangun dengan menggunakan
perangkat sebagai berikut :
1
Perangkat lunak
Perangkat lunak yang dibutuhkan :
• Sistem Operasi Microsoft Windows
XP
8
data input, pengguna aplikasi akan
dibantu dengan memilih isian dari
beberapa pilihan yang telah disediakan
sistem.
• Microsoft Excel 2003 (perangkat
lunak untuk membantu pembuatan
data warehouse)
• Palo Server 2.5 (berfungsi sebagai
OLAP server yang melakukan
fungsi
agregasi
dan
tempat
penyimpanan struktur dan kubus
data multidimensi)
• Perancangan Proses
Proses yang dijalankan adalah proses
menyimpan data input ke dalam basis
data. Apabila form pemesanan sudah
lengkap terisi, maka data akan berhasil
disimpan. Administrator dapat melihat
data pemesanan yang telah tersimpan,
melalui aplikasi ini.
• Web server package XAMPP versi
2.5
• Bahasa pemrograman PHP 5.1.2
• JpGraph 1.205 (library PHP untuk
menghasilkan grafik)
• Perancangan Output
Output yang dihasilkan adalah tabel data
pemesanan dan tabel jenis produk yang
tersedia.
Juga dapat menampilkan
crosstab dan grafik dari hasil aplikasi
OLAP.
• Web browser Mozilla Firefox 3.0
• MySQL Connector ODBC 5.1
2 Perangkat keras
Spesifikasi minimal :
Praproses Data Pemesanan Tahun 2001-2007
• Memory 512 MB DDR RAM
Pada penelitian ini, data sumber diperoleh
dengan format Excel (.xls).
Data yang
digunakan adalah data penjualan produk surta
tiap bulan tahun 2001-2007. Data penjualan
pada tahun 2001-2003 tidak memiliki atribut
kualifikasi pembeli. Dari data ini, kemudian
dipilih atribut-atribut yang akan digunakan
untuk membuat data warehouse. Atribut dipilih
berdasarkan kebutuhan analisis data penjualan
setiap pengguna.
• Harddisk 80 GB
• Monitor 15”
1024x768
dengan
resolusi
• Mouse dan keyboard
HASIL DAN PEMBAHASAN
Pembuatan Aplikasi Pemesanan
1
Aplikasi pemesanan dibangun dengan
menggunakan bahasa pemrograman PHP dan
basis data MySQL. Tujuan dari pembangunan
aplikasi ini adalah sebagai alat bantu atau tools
yang mempermudah pemesan untuk mengisi
data produk yang akan dipesan. Dengan
demikian, data input dari pemesan bisa
langsung tersimpan dalam basis data.
Kemampuan dari aplikasi ini adalah :
• Pemesanan produk bisa dilakukan secara
online.
Ekstraksi (extraction)
Proses ekstraksi diawali dengan
menggabungkan data tiap bulan menjadi
satu file. Kemudian atribut-atribut yang
tidak terpilih atau tidak relevan dibuang.
Pemilihan atribut berdasarkan subjek
utama yang akan dianalisis untuk proses
pengambilan keputusan. Atribut yang
digunakan dapat dilihat pada Tabel 2.
Tabel 2 Atribut hasil ekstraksi data dan
deskripsi tiap atribut
• Staf pelayanan tidak perlu menginput
ulang data pemesanan.
Atribut
Tanggal
• Menyimpan data penjualan ke dalam
basis data, sehingga relatif rapi dan
aman.
Deskripsi
Menyatakan tanggal
pemesanan
Kualifikasi
Nama kualifikasi
Jenis data
Nama jenis data
Desain aplikasi pemesanan meliputi:
Skala
Nilai skala
• Perancangan Input
Jumlah lembar
Menyatakan
lembar
Menyatakan
harga
Input aplikasi ini adalah data pemesanan
produk surta yang harus diisi oleh
pemesan. Untuk menjaga kekonsistenan
Jumlah harga
jumlah
jumlah
8
data input, pengguna aplikasi akan
dibantu dengan memilih isian dari
beberapa pilihan yang telah disediakan
sistem.
• Microsoft Excel 2003 (perangkat
lunak untuk membantu pembuatan
data warehouse)
• Palo Server 2.5 (berfungsi sebagai
OLAP server yang melakukan
fungsi
agregasi
dan
tempat
penyimpanan struktur dan kubus
data multidimensi)
• Perancangan Proses
Proses yang dijalankan adalah proses
menyimpan data input ke dalam basis
data. Apabila form pemesanan sudah
lengkap terisi, maka data akan berhasil
disimpan. Administrator dapat melihat
data pemesanan yang telah tersimpan,
melalui aplikasi ini.
• Web server package XAMPP versi
2.5
• Bahasa pemrograman PHP 5.1.2
• JpGraph 1.205 (library PHP untuk
menghasilkan grafik)
• Perancangan Output
Output yang dihasilkan adalah tabel data
pemesanan dan tabel jenis produk yang
tersedia.
Juga dapat menampilkan
crosstab dan grafik dari hasil aplikasi
OLAP.
• Web browser Mozilla Firefox 3.0
• MySQL Connector ODBC 5.1
2 Perangkat keras
Spesifikasi minimal :
Praproses Data Pemesanan Tahun 2001-2007
• Memory 512 MB DDR RAM
Pada penelitian ini, data sumber diperoleh
dengan format Excel (.xls).
Data yang
digunakan adalah data penjualan produk surta
tiap bulan tahun 2001-2007. Data penjualan
pada tahun 2001-2003 tidak memiliki atribut
kualifikasi pembeli. Dari data ini, kemudian
dipilih atribut-atribut yang akan digunakan
untuk membuat data warehouse. Atribut dipilih
berdasarkan kebutuhan analisis data penjualan
setiap pengguna.
• Harddisk 80 GB
• Monitor 15”
1024x768
dengan
resolusi
• Mouse dan keyboard
HASIL DAN PEMBAHASAN
Pembuatan Aplikasi Pemesanan
1
Aplikasi pemesanan dibangun dengan
menggunakan bahasa pemrograman PHP dan
basis data MySQL. Tujuan dari pembangunan
aplikasi ini adalah sebagai alat bantu atau tools
yang mempermudah pemesan untuk mengisi
data produk yang akan dipesan. Dengan
demikian, data input dari pemesan bisa
langsung tersimpan dalam basis data.
Kemampuan dari aplikasi ini adalah :
• Pemesanan produk bisa dilakukan secara
online.
Ekstraksi (extraction)
Proses ekstraksi diawali dengan
menggabungkan data tiap bulan menjadi
satu file. Kemudian atribut-atribut yang
tidak terpilih atau tidak relevan dibuang.
Pemilihan atribut berdasarkan subjek
utama yang akan dianalisis untuk proses
pengambilan keputusan. Atribut yang
digunakan dapat dilihat pada Tabel 2.
Tabel 2 Atribut hasil ekstraksi data dan
deskripsi tiap atribut
• Staf pelayanan tidak perlu menginput
ulang data pemesanan.
Atribut
Tanggal
• Menyimpan data penjualan ke dalam
basis data, sehingga relatif rapi dan
aman.
Deskripsi
Menyatakan tanggal
pemesanan
Kualifikasi
Nama kualifikasi
Jenis data
Nama jenis data
Desain aplikasi pemesanan meliputi:
Skala
Nilai skala
• Perancangan Input
Jumlah lembar
Menyatakan
lembar
Menyatakan
harga
Input aplikasi ini adalah data pemesanan
produk surta yang harus diisi oleh
pemesan. Untuk menjaga kekonsistenan
Jumlah harga
jumlah
jumlah
9
Tahap transformasi terakhir adalah
melakukan
konstruksi
tabel-tabel
dimensi. Keempat tabel dimensi tersebut
dibuat dengan nama waku, jenis_data,
kualifikasi dan skala. Tabel dimensi
waktu dibuat dari konversi tanggal,
dimana dua digit bulan diidentifikasi
sebagai bulan dan dua digit terakhir dari
tanggal diidentifikasi sebagai tahun.
Untuk data dari aplikasi pemesanan,
atribut-atribut yang dimiliki sudah
relevan sehingga tidak perlu lagi
dilakukan ekstraksi data. Atribut dalam
tabel basis data sudah dipilih
berdasarkan subjek utama yang akan
dianalisis untuk proses pengambilan
keputusan.
2
Pembersihan (cleaning)
Proses pembersihan data dilakukan
dengan mengidentifikasi data yang
kosong (null), mengandung noise dan
tidak
konsisten
karena
proses
pengentrian data sumber. Nilai atribut
kualifikasi data penjualan tahun 20012003 tidak ada. Untuk mengatasi hal
ini, maka dilakukan pengisian data
atribut kualifikasi dengan nama ‘Tidak
ada keterangan’.
Pada beberapa tuple juga ditemukan
nilai atribut yang masih kosong, akan
tetapi data produk yang dibeli, jumlah
lembar dan jumlah harga telah terisi.
Hal ini dikarenakan dalam satu nomor
faktur bisa digunakan untuk memesan
lebih dari satu produk. Untuk itu atribut
tanggal dan kualifikasi yang masih
kosong diisi dengan nilai atribut pada
nomor faktur yang sama.
Penyeragaman nilai dilakukan pada
atribut jenis data. Penulisan nama jenis
data diseragamkan menjadi nama yang
umum. Misalnya jenis data ‘Repprot’
seharusnya adalah ‘REPPORT’. Nama
jenis data Atlas yang dapat terdiri dari
beberapa tema, misalnya ‘Atlas NKRI’
dan ‘Atlas Dunia’, diseragamkan dengan
nama ‘Buku Atlas’.
Setelah
dilakukan
proses
pembersihan, nilai atribut yang kosong
akan terisi dan nilai tiap atribut akan
seragam.
3
Transformasi (transformation)
Pada tahap ini dilakukan konversi
untuk atribut tanggal. Atribut tanggal
akan dibagi menjadi atribut waktu yang
terdiri dari bulan dan tahun. Penulisan
bulan yang semula berupa angka akan
diubah
menjadi
huruf
dengan
mengambil 3 digit awal dari nama bulan
dan diikuti empat digit nilai tahun. Hal
ini dilakukan untuk membantu proses
analisis.
4
Pemuatan (loading)
Data yang sudah mengalami
ekstraksi, pembersihan dan transformasi
sudah siap digunakan untuk pembuatan
data warehouse. Data penjualan produk
tahun 2001-2007 di-load ke kubus data
OLAP server Palo dengan format .txt.
Sedangkan data dari aplikasi pemesanan
di-load ke kubus data OLAP server Palo
dengan cara meng-import data MySQL.
5
Refresh
Refresh data akan dilakukan ketika
ada data baru yang dimasukkan. Data
tersebut adalah data yang berasal dari
aplikasi pemesanan.
Perancangan
Warehouse
dan
Pembangunan
Data
Setelah tahap praproses, maka data telah
siap dibangun menjadi data warehouse. Tahap
pembuatan data warehouse meliputi beberapa
tahap, yaitu :
1
Pendefinisian Dimensi
Berdasarkan hasil data praproses
maka dimensi yang terlibat adalah
dimensi waktu, dimensi jenis data,
dimensi kualifikasi dan dimensi skala.
2
Pendefinisian
Kubus
Data
dan
Perancangan Model Data Multidimensi.
Skema data warehouse dimodelkan
dengan menentukan dimensi-dimensi,
elemen-elemen dari dimensi, ukuranukuran dan kubus data. Skema yang
digunakan adalah skema galaksi, dapat
dilihat pada Gambar 3. Kubus data yang
dibuat yaitu, kubus Lembar Penjualan
dan Harga Penjualan. Kubus data
Lembar Penjualan dibuat untuk tabel
fakta
lembar_penjualan
sedangkan
kubus data Harga Penjualan dibuat
untuk tabel fakta harga_penjualan.
Ukuran pada struktur Palo dimasukkan
dalam struktur dimensi tabel fakta yang
tidak mempunyai id_key. Selanjutnya
data dimuat menggunakan fasilitas Data
10
Import dari Excel Add-In Palo. Nama
dan deskripsi dari kubus data dapat
dilihat pada Tabel 3 dan Tabel 4.
3
Pendefinisian
Hirarki
Level
Dimensi
atau
Untuk
masing-masing
dimensi
ditentukan tingkat perincian yang
diperlukan
beserta
hirarki
yang
membentuknya. Model hirarki setiap
dimensi dapat dilihat pada Lampiran 6.
Dimensi waktu dapat disusun dalam tiga
level yaitu tahun > triwulan > bulan.
Dimensi jenis data memiliki dua level
yaitu nama unit kerja dan nama data.
Dimensi kualifikasi memiliki satu level
yaitu jenis kualifikas. Dimensi skala
memiliki satu level yaitu skala. Adapun
data dalam tabel dimensi dapat dilihat
pada Lampiran 7.
4
Pendefinisian Measure
Pada tahap ini ditentukan measure
yang akan dianalisis pada data penjualan
produk
surta
BAKOSURTANAL.
Measure yang dipilih yaitu:
• Jumlah lembar, dipilih sebagai
measure
untuk
mengetahui
jumlah lembar produk yang
terjual pada bulan dan tahun
tertentu.
penjualan produk pada bulan dan
tahun tertentu.
Tabel 3 Nama dan deskripsi dimensi dari kubus
Lembar Penjualan
Nama Dimensi
Deskripsi
Waktu
Bulan dan tahun
pemesanan
Jenis_data
Nama jenis produk
Kualifikasi
Kualifikasi pemesan
Skala
Nilai skala
Ukuran
Jml_lembar
Nama ukuran (jumlah
lembar)
Tabel 4 Nama dan deskripsi dimensi dari
kubus Harga Penjualan
Nama Dimensi
Deskripsi
Waktu
Bulan dan tahun
pemesanan
Jenis_data
Nama jenis produk
Kualifikasi
Kualifikasi pemesan
Ukuran
Jml_harga
Nama ukuran (jumlah
harga)
• Jumlah harga, dipilih sebagai
measure
untuk
mengetahui
jumlah rupiah yang diperoleh dari
Gambar 7 Skema Galaksi dengan tabel fakta lembar_penjualan dan harga_penjualan.
11
5
Implementasi roll up
dilihat pada Lampiran 9.
Pendefinisian Fungsi Agregat
Fungsi agregat yang digunakan
dalam data warehouse penjualan
produk BAKOSURTANAL adalah
SUM (penjumlahan) untuk semua
measure. Sum untuk jumlah lembar
dan jumlah harga pada tiap bulan.
6
•
Pembuatan Data warehouse
Data
warehouse
menggunakan Palo Server 2.5.
dibuat
Pembangunan Aplikasi OLAP
Desain
Aplikasi OLAP yang dibuat
menyediakan fasilitas-fasilitas berikut :
•
Menu OLAP, dimana pengguna
dapat menentukan kubus data,
ukuran, dan dimensi-dimensi
yang akan ditampilkan untuk
dianalisis.
•
Filter dimensi, fungsi ini
menyaring
dimensi
yang
ditampilkan pada sumbu x dan
sumbu y untuk menampilkan
elemen-elemen tertentu dari
dimensi. Dimensi lainnya dapat
dipilih satu elemen dari tiap-tiap
dimensi.
•
Visualisasi Crosstab dan Graph,
dimana data hasil operasi OLAP
yang dilakukan pengguna dapat
ditampilkan ke dalam bentuk
crosstab dan grafik. Grafik yang
ditampilkan berupa bar plot atau
line plot.
Tampilan aplikasi pemesanan dan
aplikasi OLAP dapat dilihat pada
Lampiran 8.
2
Implementasi
Implementasi
OLAP yaitu:
•
operasi-operasi
Operasi roll up pada waktu,
yaitu triwulan (roll up) ke tahun.
Contoh
roll
up
untuk
mengetahui jumlah lembar tiap
tahun. Roll up dimensi waktu
dari tingkat triwulan menjadi
tingkat tahun untuk mengetahui
jumlah lembar produk surta
yang
terjual
per
tahun.
Operasi drill down dilakukan
untuk
mengetahui
jumlah
lembar dan jumlah harga hasil
penjualan produk surta yang
lebih rinci.
Misalnya untuk
mengetahui jumlah lembar pada
masing-masing
jenis
data.
Implementasi operasi drill down
dapat dilihat pada Lampiran 10.
• Operasi Slice dan dice dilakukan
melihat keadaan jumlah lembar
dan
jumlah
harga
hasil
penjualan pada waktu tertentu,
jenis data dan skala tertentu atau
kualifikasi tertentu. Contoh slice
dapat dilihat pada Lampiran 11.
Pada Lampiran 11, jumlah
lembar setiap skala pada tahun
2007. Contoh dice dapat dilihat
pada Lampiran 12. Pada
Lampiran 12, jumlah lembar
penjualan produk dari unit kerja
PDRTR dan PSSDAD pada
tahun 2006 dan 2007.
Tahap pengembangan OLAP meliputi:
1
dapat
KESIMPULAN DAN SARAN
Kesimpulan
Dengan Pembangunan data warehouse
dan OLAP berbasis web data penjualan peta
BAKOSURTANAL, proses analisis hasil
penjualan produk surta tidak lagi dilakukan
secara manual. Hasil analisis yang dihasilkan
lebih akurat dan dapat divisualisasikan dalam
tiga jenis tampilan, yaitu tampilan grafik
batang, grafik garis dan pie chart. Pengambil
keputusan bisa melihat hasil penjualan dengan
mudah dan dapat dilakukan sewaktu-waktu
karena diakses melalui web.
Aplikasi
pemesanan
berbasis
web
membantu proses pemesanan produk surta
agar tidak dilakukan secara manual. Dengan
demikian, data penjualan produk surta dapat
tersimpan dengan baik dalam basis data.
Format penulisan data sudah seragam dan
tidak ada lagi noise atau data null.
Saran
Saran untuk penelitian selanjutnya adalah :
1. Data baru dalam basis data MySQL
nantinya dapat diintegrasikan langsung
ke dalam aplikasi OLAP.
11
5
Implementasi roll up
dilihat pada Lampiran 9.
Pendefinisian Fungsi Agregat
Fungsi agregat yang digunakan
dalam data warehouse penjualan
produk BAKOSURTANAL adalah
SUM (penjumlahan) untuk semua
measure. Sum untuk jumlah lembar
dan jumlah harga pada tiap bulan.
6
•
Pembuatan Data warehouse
Data
warehouse
menggunakan Palo Server 2.5.
dibuat
Pembangunan Aplikasi OLAP
Desain
Aplikasi OLAP yang dibuat
menyediakan fasilitas-fasilitas berikut :
•
Menu OLAP, dimana pengguna
dapat menentukan kubus data,
ukuran, dan dimensi-dimensi
yang akan ditampilkan untuk
dianalisis.
•
Filter dimensi, fungsi ini
menyaring
dimensi
yang
ditampilkan pada sumbu x dan
sumbu y untuk menampilkan
elemen-elemen tertentu dari
dimensi. Dimensi lainnya dapat
dipilih satu elemen dari tiap-tiap
dimensi.
•
Visualisasi Crosstab dan Graph,
dimana data hasil operasi OLAP
yang dilakukan pengguna dapat
ditampilkan ke dalam bentuk
crosstab dan grafik. Grafik yang
ditampilkan berupa bar plot atau
line plot.
Tampilan aplikasi pemesanan dan
aplikasi OLAP dapat dilihat pada
Lampiran 8.
2
Implementasi
Implementasi
OLAP yaitu:
•
operasi-operasi
Operasi roll up pada waktu,
yaitu triwulan (roll up) ke tahun.
Contoh
roll
up
untuk
mengetahui jumlah lembar tiap
tahun. Roll up dimensi waktu
dari tingkat triwulan menjadi
tingkat tahun untuk mengetahui
jumlah lembar produk surta
yang
terjual
per
tahun.
Operasi drill down dilakukan
untuk
mengetahui
jumlah
lembar dan jumlah harga hasil
penjualan produk surta yang
lebih rinci.
Misalnya untuk
mengetahui jumlah lembar pada
masing-masing
jenis
data.
Implementasi operasi drill down
dapat dilihat pada Lampiran 10.
• Operasi Slice dan dice dilakukan
melihat keadaan jumlah lembar
dan
jumlah
harga
hasil
penjualan pada waktu tertentu,
jenis data dan skala tertentu atau
kualifikasi tertentu. Contoh slice
dapat dilihat pada Lampiran 11.
Pada Lampiran 11, jumlah
lembar setiap skala pada tahun
2007. Contoh dice dapat dilihat
pada Lampiran 12. Pada
Lampiran 12, jumlah lembar
penjualan produk dari unit kerja
PDRTR dan PSSDAD pada
tahun 2006 dan 2007.
Tahap pengembangan OLAP meliputi:
1
dapat
KESIMPULAN DAN SARAN
Kesimpulan
Dengan Pembangunan data warehouse
dan OLAP berbasis web data penjualan peta
BAKOSURTANAL, proses analisis hasil
penjualan produk surta tidak lagi dilakukan
secara manual. Hasil analisis yang dihasilkan
lebih akurat dan dapat divisualisasikan dalam
tiga jenis tampilan, yaitu tampilan grafik
batang, grafik garis dan pie chart. Pengambil
keputusan bisa melihat hasil penjualan dengan
mudah dan dapat dilakukan sewaktu-waktu
karena diakses melalui web.
Aplikasi
pemesanan
berbasis
web
membantu proses pemesanan produk surta
agar tidak dilakukan secara manual. Dengan
demikian, data penjualan produk surta dapat
tersimpan dengan baik dalam basis data.
Format penulisan data sudah seragam dan
tidak ada lagi noise atau data null.
Saran
Saran untuk penelitian selanjutnya adalah :
1. Data baru dalam basis data MySQL
nantinya dapat diintegrasikan langsung
ke dalam aplikasi OLAP.
12
2. Ditambahkan proses-proses OLAP
untuk filter data dan dapat ditampilkan
dalam aplikasi OLAP.
3. Dikembangkan
informasi
untuk
mengetahui jumlah hasil penjualan dari
masing-masing lokasi outlet.
4. Ditambahkan fungsi agregat untuk
mengetahui rata-rata hasil penjualan
dan nilai tertinggi atau terendah dari
hasil penjualan.
DAFTAR PUSTAKA
Han J, Kamber M. 2006. Data Mining :
Concepts and Techniques. San Fransisco :
Morgan Kaufmann Publisher.
Herlambang A. 2007. Pembangunan Data
Warehouse dan Aplikasi OLAP Berbasis
Web Menggunakan Palo [Skripsi]. Bogor:
Departemen Ilmu Komputer, FMIPA,
Institut Pertanian Bogor.
Permana A.Y. 2008. Data Warehouse dan
Aplikasi OLAP Data Akademik Ilmu
Komputer
IPB
Berbasis
Web
Menggunakan Palo 2.0 [Skripsi]. Bogor:
Departemen Ilmu Komputer, FMIPA,
Institut Pertanian Bogor.
Wisudawan D.K. 2007. Pembuatan Data
Warehouse Potensi Desa di Wilayah
Bogor Menggunakan Oracle Data
Warehouse. [Skripsi]. Bogor: Departemen
Ilmu Komputer, FMIPA, Institut Pertanian
Bogor.
Raue K, Barczaitis H. 2007. Palo 2.0 Manual.
German : Jedox GmbH.
PROTOTIPE DATA WAREHOUSE DATA PENJUALAN PRODUK
BAKOSURTANAL
SITI NURHASANAH
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2009
12
2. Ditambahkan proses-proses OLAP
untuk filter data dan dapat ditampilkan
dalam aplikasi OLAP.
3. Dikembangkan
informasi
untuk
mengetahui jumlah hasil penjualan dari
masing-masing lokasi outlet.
4. Ditambahkan fungsi agregat untuk
mengetahui rata-rata hasil penjualan
dan nilai tertinggi atau terendah dari
hasil penjualan.
DAFTAR PUSTAKA
Han J, Kamber M. 2006. Data Mining :
Concepts and Techniques. San Fransisco :
Morgan Kaufmann Publisher.
Herlambang A. 2007. Pembangunan Data
Warehouse dan Aplikasi OLAP Berbasis
Web Menggunakan Palo [Skripsi]. Bogor:
Departemen Ilmu Komputer, FMIPA,
Institut Pertanian Bogor.
Permana A.Y. 2008. Data Warehouse dan
Aplikasi OLAP Data Akademik Ilmu
Komputer
IPB
Berbasis
Web
Menggunakan Palo 2.0 [Skripsi]. Bogor:
Departemen Ilmu Komputer, FMIPA,
Institut Pertanian Bogor.
Wisudawan D.K. 2007. Pembuatan Data
Warehouse Potensi Desa di Wilayah
Bogor Menggunakan Oracle Data
Warehouse. [Skripsi]. Bogor: Departemen
Ilmu Komputer, FMIPA, Institut Pertanian
Bogor.
Raue K, Barczaitis H. 2007. Palo 2.0 Manual.
German : Jedox GmbH.
PROTOTIPE DATA WAREHOUSE DATA PENJUALAN PRODUK
BAKOSURTANAL
SITI NURHASANAH
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2009
PROTOTIPE DATA WAREHOUSE DATA PENJUALAN PRODUK
BAK