Implementasi OLAP Secara Portable pada Data Penjualan Benih (Studi Kasus PT Sang Hyang Seri)

1

IMPLEMEN
IM
ENTASI OL
OLAP SECA
CARA POR
RTABLE
PADA
A DATA P
PENJUAL
LAN BENI
NIH
(STUDII KASUS
K
PT SANG HYANG
H
S
SERI)

FA

FACHRAN
N NAZARU
RULLAH

DEPA
ARTEMEN
N ILMU KOMPUTE
K
ER
FAKULTAS
FA
AS MATEM
MATIKA DAN
D
ILMU
U PENGE
ETAHUAN
N ALAM
INST
STITUT PE

ERTANIAN
AN BOGOR
R
B
BOGOR
2012

1

2

IMPLEMENTASI OLAP SECARA PORTABLE
PADA DATA PENJUALAN BENIH
(STUDI KASUS : PT SANG HYANG SERI)

FACHRAN NAZARULLAH

Skripsi
Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada

Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2012

2

3

ABSTRACT
FACHRAN NAZARULLAH.Portable OLAP Implementation on Data Seed Sales (Case Study : PT
Sang Hyang Seri). Supervised by HARI AGUNG ADRIANTO.
Speeding up reporting process and obtaining strategic information based on a multidimensional
analysis query can be done by building OLAP applications which is integrated with data warehouse.
Central office will consolidate data of seed sales from each branch office that required for data
warehouse development.
This research designed for developing a web-based data warehouseusing Mondrian 3.2, star

schema and OLAP development. This research produced a web-based OLAP cube which is consist of
a fact table Penjualan Benih and three dimension table : Waktu, Kantor Regional, and Komoditi. Users
can interact using the facility such as : 1) Selecting dimension that required for display, 2) Display the
information in the cube graphic form, 3) Export the data into excel format. Users can use the
application to run OLAP operation such as roll-up, drill-dowm, slice, dice, and pivot.
Keywords : data warehouse,data seed sales, Mondrian, OLAP server.

3

4

Judul Skripsi
Nama
NIM

: Implementasi OLAP Secara Portable pada Data Penjualan Benih (Studi Kasus PT
Sang Hyang Seri)
: Fachran Nazarullah
: G64086061

Menyetujui:
Pembimbing,

Hari Agung Adrianto S.Si, M.Si
NIP. 19760917 200501 1 001

Mengetahui:
Ketua Departemen Ilmu Komputer,

Dr. Ir. Agus Buono, M.Si, M.Kom
NIP. 196607021993021001

Tanggal Lulus:

4

5

KATA PENGANTAR
Puji syukurpenulis panjatkan ke hadirat Allah Subhanahu wata’alaatas segala curahan

rahmat dan karunia-Nya sehingga skripsi ini dapat diselesaikan. Skripsi ini merupakan hasil penelitian
yang mengangkat bidang PembangunanData Warehouse Penjualan Benih(Studi KasusPT Sang Hyang
Seri).
Penulis mengucapkan terima kasih kepada Bapak Hari Agung Adrianto, S.Si, M.Si selaku
pembimbing yang telah memberi saran, masukan, dan ide-ide kepada Penulis dalam menyusun
skripsi ini dan kepada para dosen penguji Bapak Firman Ardiansyah, S.Kom, M.Si dan Ibu Dr. Yani
Nurhadriyani, S.Si, MT. Penulis juga mengucapkan terima kasih kepada:
1 Ibu dan Bapak serta adik yang selalu memberikan doa, nasihat, dukungan, semangat, dan kasih
sayang yang luar biasa kepada penulis sehingga penulis dapat menyelesaikan tugas akhir ini.
2 Teman-teman Ilmu Komputer Ekstensi angkatan tiga yang sudah berjuang bersama-sama sejak
awal sampai sekarang.
3 Departemen Ilmu Komputer, staf, dan dosen yang telah banyak membantu baik selama penelitian
maupun pada masa perkuliahan.
Kepada semua pihak lainnya yang telah memberikan kontribusi yang besar selama pengerjaan
penelitian ini yang tidak dapat disebutkan satu-persatu, penulis ucapkan terima kasih banyak.
Semoga penelitian ini dapat memberikan manfaat.

Bogor, Desember 2011

Fachran Nazarullah

5

6

RIWAYAT HIDUP
Penulis dilahirkan di Leles pada tanggal 27 Juli 1987dan merupakan anak pertama dari tiga
bersaudara dengan ayah bernama Voeady Chatha dan ibu bernama Nani Suswanti. Penulis merupakan
anak pertama dari tiga bersaudara.
Pada tahun 2005 lulus dari Sekolah Menengah Atas (SMA) Negeri 1Sigli dan pada tahun yang
sama diterima di Institut Pertanian Bogor melalui jalur Undangan Seleksi Masuk IPB(USMI) pada
Direktorat Program Diploma (DPD) IPB jurusan Teknik Komputer dan pada tahun 2008 penulis lulus
dari Diploma. Setelah lulus dari Diploma, penulis pernah aktif sebagai asisten dosen pada Direktorat
Program Diploma IPB selama satu tahun, selanjutnya pada 2009 penulis bekerja pada Badan Amil
Zakat Kota Bogor. Sampai saat ini, penulis masih aktif bekerja pada sebuah perusahaan swasta di
kawasan Jakarta Selatan.

6

vi

DAFTAR ISI
Halaman
DAFTAR TABEL ............................................................................................ vii
DAFTAR GAMBAR........................................................................................ vii
DAFTAR LAMPIRAN .................................................................................... vii
PENDAHULUAN
Latar Belakang ................................................................................................ 1
Tujuan ............................................................................................................. 1
Ruang Lingkup ............................................................................................... 1
Manfaat Penelitian .......................................................................................... 1
TINJAUAN PUSTAKA
Database ......................................................................................................... 2
DataWarehouse .............................................................................................. 2
Online Analytical Processing (OLAP) ........................................................... 3
Model Data Multidimensi ............................................................................... 3
Pemodelan Penyimpanan Data ....................................................................... 4
Mondrian....................................................... Error! Bookmark not defined.
MultidimensionalExpression (MDX) ............................................................. 6
Portable .......................................................................................................... 6

METODE PENELITIAN
Analisis ........................................................................................................... 7
Praproses data ................................................................................................. 7
Pembuatan data warehouse............................................................................. 7
Uji query ......................................................................................................... 7
Pembuatan Aplikasi Portable ......................................................................... 7
Lingkungan pengembangan ............................................................................ 8
HASIL DAN PEMBAHASAN
Analisis data.................................................................................................... 8
Desain Fisik .................................................................................................... 8
Pembersihan data ............................................................................................ 9
Transformasi data ........................................................................................... 9
Pemuatan data ................................................................................................. 9
Proses Portable ............................................................................................. 10
Gambaran Umum Aplikasi ........................................................................... 10
Kelebihan dan Kekurangan Aplikasi ............................................................ 11
KESIMPULAN DAN SARAN
Kesimpulan ................................................................................................... 11
Saran ............................................................................................................. 11
DAFTAR PUSTAKA....................................................................................... 11

i

viii

DAFTAR TABEL
Halaman
1
2

Nama dan deskripsi tablefakta Jumlah Penjualandari kubus ............................... 9
Detail Table Dimensi ........................................................................................... 9
DAFTAR GAMBAR
Halaman

1
2
3
4
5

6
7

Cube yang memiliki tiga dimensi kota, waktu, dan kategori produk ................... 3
Skema Bintang (Malinowski & Zaimanyi 2008) ................................................. 4
Skema Kepingan Salju (Malinowski & Zaimanyi 2008) ..................................... 4
Skema Kepingan Bintang (Malinowski & Zaimanyi 2008)................................ 4
Skema Galaksi (Malinowski & Zaimanyi 2008).................................................. 5
Diagram alir metode penelitian dan proses portable............................................ 6
Arsitektur data warehouse dan aplikasi OLAP pada penelitian…..…………...7
DAFTAR LAMPIRAN
Halaman

1.
2
3.
4.
5.
6.
7.
8.
9.

Arsitektur Mondrian.................................................................. ......................... 14
Contoh File Microsoft Excel ………………………….. .................... ...............15
Data dalam tabel dimensi ………………………………………….. ................ 17
Model hierarki tiap dimensi ............................................................................... 19
Contoh operasi roll up ........................................................................................ 21
Contoh operasi drill down .................................................................................. 22
Contoh operasi slice and dice............................................................................. 23
Langkah instalasi XAMPPLite dan Tomcat pada USB flashdisk ...................... 25
Gambaran umum aplikasi................................................................................... 28

ii

1

PENDAHULUAN
Latar Belakang
PT Sang Hyang Seri (PT SHS) merupakan
salah satu Badan Usaha Milik Negara (BUMN)
yang bergerak di bidang pertanian. Aktivitas
rutin yang dilakukan oleh PT SHS berupa
pengembangbiakan,
pengelolaan,
hingga
produksi benih pertanian. Ada beberapa jenis
benih yang menjadi konsentrasi utama PT SHS,
yaitu benih padi, benih jagung, benih kedele,
benih hortikultura, hasil pertanian serta sarana
pertanian.
PT.SHS memiliki enam Kantor Regional
(KR) dan satu Pusat Benih Sentral (PBS) yang
tersebar di seluruh Indonesia. Setiap KR dan
PBS bertugas untuk melakukan seluruh proses
produksi benih untuk menghasilkanbenih-benih
terbaik. Benih yang dihasilkan dari proses
produksi di setiap KR dan PBS akan dijadikan
sebagai cadangan pangan nasional bahkan ada
yang di ekspor sehingga dapat menambah
devisa negara.
Sebagai sebuah BUMN yang mendapat
pengawasan
langsung
dari
Pemerintah
Indonesia melalui Kementerian Pertanian
(Kementan), PT SHS diwajibkan untuk
menyediakan laporan penjualan benih yang
dapat dijadikan sebagai kontrol pemasukan
keuangan negara melalui bidang pertanian.
Dalam menyajikan laporan penjualan benih, PT
SHS harus mengonsolidasikan seluruh laporan
penjualan dari setiap KR dan PBS. Saat ini
PT SHS belum memiliki database yang
terintegrasi karena setiap KR dan PBS masih
menggunakan berbagai jenis aplikasi berbeda
seperti Microsoft Excel di KR 1 Sukamandi dan
Lotus di KR 3 Malang sehingga penyediaan
laporan akan memakan waktu yang lama karena
diperlukan penyesuaian dari data yang
dikirimoleh KR dan PBS.
Pemercepatan proses pelaporan dan
memperoleh informasi yang akurat berdasarkan
query analysis yang multidimensi 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 menyimpan query atau
reporting.
Saat ini, sudah banyak teknologi data
warehouse yang menggunakan OLAP server
sebagai
tool
salah
satunya
adalah
Mondrian(http://Mondrian.pentaho.org).
Indriani (2010) membangun data warehouse

dan operasi-operasi OLAP untuk penjualan
produk Bakosurtanal dengan menggunakan
Mondrian. Mondrian merupakan OLAP server
yang
menggunakan
penyimpanan
data
relasional (ROLAP) yang dikembangkan
dengan Java dan memungkinkan pengguna
menggunakan dataset yang disimpan di
database secara interaktif.
Perkembangan data warehouse dan OLAP
semakin berkembang dalam beberapa kurun
waktu, salah satunya yaitu pengembangan data
warehouse dan OLAP yang disajikan secara
portable. Ada beberapa hal yang menjadi alasan
mengapa pengembangan data warehouse dan
OLAP secara portable dirasa perlu diantaranya,
1 Infrastruktur yang belum tersedia di masingmasing KR dan PBS sehingga menjadi
kendala jika akan melakukan analisis secara
online.
2 Kemudahan dalam mengakses OLAP server
tanpa harus melakukan instalasi berbagai
jenis server terlebih dahulu dan dapat
menjalankan OLAP server dimana saja dan
kapan saja.
Akan tetapi, pengembangan secara portable
juga masih mendapatkan beberapa kendala yaitu
tidak update-nya informasi dan data yang
digunakan untuk melakukan analisis.
Tujuan
Tujuan penelitian ini ialah membangun
suatu sistem datawarehouse dan aplikasi OLAP
yang portablesehingga dapat mendukung
analisis penjualan benih sesuai kebutuhan pada
PT SHS.
Ruang Lingkup
Ruang lingkup penelitian ini adalah:
1 Penelitian ini akan merancang data
warehouse dan aplikasi OLAP berbasis web
dengan menggunakan aplikasi Mondrian
sebagai OLAP server.
2 Data yang digunakan adalah data penjualan
benih PT SHS tahun 2008 sampai dengan
2009.
3 Merancang sistem agar dapat menjalankan
aplikasi Mondrian dapat dijalankan secara
portable melalui USB drive.
Manfaat Penelitian
Manfaat yang diharapkan dari penelitian ini
adalah:

2

1 Dapat mengintegrasikan database penjualan
benih PT SHS dengan menggunakan data
warehouse.
2 Dapat mendukung pengambilan keputusan
yang strategis untuk mencapai tujuan bisnis
yang didapat secara informatif, cepat dan
akurat.

TINJAUAN PUSTAKA
Database
Database dapat dikatakan sebagai tempat
penyimpanan data yang saling berhubungan
satu dengan lainnya sehingga dapat digunakan
untuk mendapatkan informasi yang diperlukan
oleh suatu perusahaan atau organisasi.
Data dan informasi yang diperoleh suatu
perusahaan dan organisasi pada umumnya
menggunakan OLTP (Online Transaction
Processing) atau dapat disebut juga dengan
kegiatan operasional sehari-hari dan hasil dari
transaksi.
Menurut Conolly dan Begg (2005), database
memiliki sifat berikut:
1 Berbagi Data
Data yang tersimpan dalam database tidak
mutlak hanya dimiliki oleh satu pihak,
namun dapat diakses serta dimanfaatkan
oleh banyak pihak dalam satu waktu
tertentu.
2 Integrasi Data
Database
dapat
membawa
banyak
keuntungan bagi organisasi atau perusahaan
sehingga database diharuskan memiliki
integrasi data yang mengkolektifkan data
yang berasal dari berbagai sumber berbeda
sehingga
dapat
dimanfaatkan
untuk
keperluan organisasi atau perusahaan.
3 Integritas Data
Salah satu sifat database lainnya yaitu
integritas data yang mampu menjaga setiap
perubahan data yang terjadi.
4 Keamanan Data
Sifat lainnya yaitu keamanan data yang
memastikan
integritas
data.
Untuk
memastikan hal tersebut dilakukan dengan
pembatasan akses untuk tujuan keamanan.
5 Abstraksi Data
Database dianggap sebagai model nyata.
Data dan informasi yang disimpan dalam
database pada umumnya merupakan sebuah
usaha untuk menyajikan sifat dari objek

sesungguhnya. Akan tetapi, database tidak
dapat menyimpan semua sifat dari objek
sehingga database dikatakan sebagai
abstraksi data.
6 Independensi Data
Independensi Data adalah kemampuan untuk
melakukan pengubahan pada struktur data
tanpa membuat pengubahan pada program
yang memproses data. Jika suatu perubahan
dibuat ke dalam beberapa bagian dari suatu
sistem aplikasi, semestinya perubahan itu
tidak mempengaruhi struktur dasar yang
digunakan oleh aplikasi.
Dari pengembangan model database,
muncul satu istilah baru yang lebih khusus yaitu
datawarehouse.
DataWarehouse
Datawarehouse adalah kumpulan data dari
berbagai sumber terpisah dan berbeda yang
dikumpulkan dalam satu tempat penyimpanan
yang berukuran besar lalu diproses menjadi
bentuk penyimpanan multi-dimensional dan
didesain untuk querying dan reporting.
Datawarehouse merupakan suatu sistem
yang mengonsolidasikan data secara periodik
dari sistem-sistem yang ada (OLTP) dalam
suatu
penyimpanan
dimensional.
Pada
umumnya, datawarehouse menyimpan data
histori beberapa tahun dan akan dilakukan
query untuk keperluan business intelligence
atau aktivitas analisis lainnya (Rainardi 2008).
Ada empat karateristik utama yang
membedakan data warehouse dengan database
seperti yang dijelaskan oleh Han dan Kamber
(2006):
1 Berorientasi Subjek
Datawarehouse lebih diorganisasikan pada
subjek-subjek
utama
seperti
halnya
konsumen, pemasok, produk dan penjualan
daripada terfokus pada proses operasi dan
transaksi yang bersifat harian. Hal ini
dikarenakan data warehouse berorientasi
untuk membuat model dan analisa data yang
dapat digunakan untuk penunjang pengambilan keputusan,sehingga datawarehouse
memberikan kemudahan kepada subjek
dengan menyediakan pola pandang dengan
mengabaikan data yang tidak berguna dalam
pengambilan keputusan.
2 Terintegrasi
Datawarehouse dapat menyimpan data-data
yang berasal dari berbagai jenis dan format
database yang berbeda dalam suatu format

3

yang konsisten dan saling integrasi satu
sama lain. Teknik datacleaning dan integrasi
data
diterapkan
untuk
memastikan
konsistensi
dalam
hal
keseragaman
penamaan, struktur pengkodean, pengukuran
atribut, dan hal lainnya.
3 Time Variant (Rentang Waktu)
Data disimpan untuk menyediakan informasi
dari perspektif historical. Setiap data pada
datawarehouse dapat dikatakan valid jika
memiliki rentang waktu tertentu seperti 5-10
tahun ke belakang.
4 Non Volatile
Data terpisah dari pangkalan data
operasional sehingga hanya memerlukan
pemuatan dan akses data tanpa perlu proses
transaksi, recovery, dan mekanisme kontrol
yang hanya memerlukan dua operasi dalam
mengakses data yaitu pemasukan data
pertama dan pengaksesan data.
Online Analytical Processing (OLAP)
OLAP merupakan suatu istilah yang
digunakan
untuk
menganalisis
dan
menggambarkan
teknologi
yang
dapat
membantu pengguna dalam menyajikan
informasi yang stategis untuk keperluan analisis
data yang berasal dari sebuah data warehouse
dalam bentuk berbagai tampilan data dan
didukung dengan representasi data grafik yang
dinamis.

-

Pivot (Rotate)
Memvisualisasikan operasi yang merotasi
sumbu data dalam view sebagai alternatif
dalam presentasi data.

Model Data Multidimensi
Model data multidimensi merupakan suatu
model yang dikembangkan dan digunakan
dalam data warehouse untuk memfasilitasi
analisis, bukan transaksi, sehingga akan
memiliki banyak konsep intuitif dari banyak
dimensi atau sudut pandang yang berbeda atau
fakta-fakta.
Pada umumnya, dimensi merupakan suatu
perspektif atau entitas yang digunakan untuk
menyimpan beberapa record yang memiliki
keterkaitan satu sama lain. Setiap dimensi
memiliki sebuh tabel yang berkaitan disebut
sebagai tabel dimensi.
Cube merupakan salah satu contoh
implementasi dari data multidimensi. Dengan
cube, data akan menjadi lebih mudah untuk
dimanipulasi. Pada cube juga terdapat banyak
sumbu yang menjadi representasi dari dimensidimensi yang tersedia. Unsur penting lainnya
ialahmeasure yang merupakan nilai kuantitatif
database yang akan dianalisis. Contoh nilai
measure ini biasanya berupa nilai penjualan,
biaya, budget, produk, dan lainnya. Bentuk dari
cube dapat dilihat pada Gambar 1.

Beberapa operasi OLAP menurut Han dan
Kamber (2006) yaitu:
-

-

-

Roll Up (drill-up)
Ringkasan data yang menaikan agregasi
konsep hirarki atau mereduksi dimensi.
Misalnya tiap kota diberi nilai total
penjualan, total penjualan tiap propinsi
didapatkan dengan menjumlahkan total
penjualan di setiap kota dalam satu propinsi.
Drill Down (roll down)
Kebalikan dari roll up, yaitu dengan
merepresentasikan data secara lebih detail
atau spesifik dari level tinggi ke level
rendah. Misalnya setiap propinsi diberikan
nilai total penjualan, maka total penjualan
dapat dilihat hingga ke level kota dari setiap
propinsi.
Slice and Dice
Slice adalah pemilihan data satu dimensi dari
kubus data bersangkutan sedangkan dice
mendefinisikan subcubedengan memilih dua
dimensi atau lebih.

Gambar 1Cube yang memiliki tiga dimensi kota,
waktu, dan kategori produk(Malinowski
& Zimanyi 2008).

Menurut Malinowski dan Zimanyi (2008)
data multidimensi memiliki beberapa tipe
skema yaitu:
1 Skema Bintang (star schema)
Skema bintang terdiri atas satu tabel fakta
dan satu set tabel dimensi dengan setiap
tabel merupakan representasi dari dimensi.
Skema
bintang
ini
memungkinkan
terjadinya redudansi data karena table tidak
dinormalisasi. Sebagai contoh kasus, skema

4

bintang memiliki satu table fakta Sales dan
memiliki empat tabledimensi, yaitu Store,
Product, Promotion, dantime. Untuk lebih
jelas dapat dilihat pada Gambar 2.

Departement, City,dan State.Contoh skema
kepingan saljudapat dilihat pada Gambar 3.
3 Skema Kepingan
Schema)

Bintang

(Starflakes

Skema galaksi merupakan kombinasi antara
skema bintang dan skema kepingan salju
dengan
beberapa
tabel
ada
yang
dinormalisasi dan ada juga yang tidak.
Dengan menggunakan contoh yang sama
dengan dua skema sebelumnya, pada skema
kepingan bintang (starflakes)terjadi sedikit
perubahan pada tableProduct dan Store.
Terlihat bahwa table Store sama seperti pada
skema
bintang
tidak
dinormalisasi,
sedangkan pada table Product terjadi
normalisasi sama seperti pada skema
kepingan salju. Contoh skema kepingan
bintang dapat dilihat pada Gambar 4.
Gambar 2 Skema Bintang (Malinowski & Zimanyi
2008).

4 Skema Galaxy (Constellation Schema)
Skema terakhir adalah skema galaxy yang
memiliki beberapa table fakta yang dapat
digunakan lebih dari satu table dimensi.
Skema galaxy dapat terdiri atastable dimensi
yang dinormalisasi ataupun tidak. Sebagai
contoh skema galaxy memiliki dua table
fakta Sales dan Purchase yang digunakan
oleh dua table dimensi yang berbeda yaitu
tableTime dan Product, seperti ditunjukan
pada Gambar 5.
Pemodelan Penyimpanan Data

Gambar 3 Skema Kepingan Salju (Malinowski &
Zimanyi 2008).

Cube merupakan implementasi dari model
data multi dimensi diperlukan model tertentu
untuk melakukan penyimpanan data ke dalam
cube.

2 Skema Kepingan Salju (Snowflake Schema)
Skema kepingan salju (snowflake schema)
memperbaiki kekurangan yang ada pada
skema
bintangyaitu
menghilangkan
redudansi data karena sudah menerapkan
normalisasi tabledatabase. Skema ini terdiri
atas satu tabel fakta dan memiliki beberapa
tabel dimensi yang saling berhubungan.
Akan tetapi, dampak yang terjadi akibat
normalisasi table dan banyaknya tabel
dimensi yang saling berkaitan yaitu semakin
lambatnya waktu pengeksekusian query
karena akan semakin banyak tabel yang dijoin. Dengan menggunakan contoh yang
sama pada skema bintang, dihasilkan skema
kepingan saljuyang telah dinormalisasi pada
tableProduct dan Store sehingga bertambah
empat table baru, yaitu Category,

Gambar 4Skema Kepingan Bintang (Malinowski &
Zaimanyi).

5

bihan yang ada pada dua model sebelumnya, yaitu menggunakan relational
database untuk menyimpan detail data dan
menggunakan multidimensional database
untuk menyimpan agregasinya. Penyimpanan HOLAPbaik digunakan untuk cube
yang membutuhkan performa query yang
baik dengan jumlah data yang sangat besar.
Mondrian
Mondrian merupakan salah satu aplikasi
server OLAP (Online Analytical Processing)
yang berbasis bahasa pemrograman Java.
Mondrian mengeksekusi query yang ditulis
dengan bahasa MDX (Multi-Dimensional
Expression), membaca data dari database
relasional (RDBMS), dan merepresentasikan
hasil multidimensional dengan format Java API.
Gambar 5 Skema Galaksi (Malinowski & Zimanyi
2008).

Menurut Bouman dan Doungen(2009)
terdapat tiga jenis model penyimpanan data
digunakan dalam menyimpan hasil pemrosesan
OLAP, yaitu:
1

MultidimensionalOLAP (MOLAP)
Pada model MOLAP penyimpanan data
dan agregasi dilakukan dalam format
multidimensi. Struktur MOLAP tidak
tersimpan pada datawarehouse tetapi pada
OLAP server sehingga query yang
dihasilkan akan sangat baik. Model
penyimpanan ini sangat sesuai digunakan
untuk database dengan skala yang kecil
dan sedang.

2

Pada Lampiran 1, terdapat arsitektur
gambaran arsitektur Mondrian. Arsitektur
Mondrian terdiri atas empat layer yaitu:
1

Presentation Layer(Lapisan Presentasi)
Layer ini merupakan bagian yang
menghubungkan antara keinginan pengguna dan aplikasi Mondrian. Pengguna
dapat memberikan masukan melalui Swing
atau JSP. Setiap masukan memiliki
kesamaan tata bahasa multidimensi yang
disebut
Multidimensional
Expression
(MDX). Kemudian setiap masukan akan
ditampilkan kepada pengguna dalam
bentuk tabel pivot, grafik pie, grafik garis,
dan grafik batang. Semua grafik tersebut
ditampilkan
dalam
format
Joint
Photographic Experts Group (JPEG) dan
Graphics Interchange Format (GIF).

2

Dimensional Layer(Lapisan Dimensi)
Lapisan ini merupakan lapisan kedua yang
terlebih dahulu melakukan koneksi dengan
database
serverkemudian
melakukan
parsing, memvalidasi, dan menjalankan
query MDX.Untuk efisiensi, lapisan Cell
Request akan mengirimkan permintaan ke
lapisan Cached Agregasi. Sebuah query
transformer memungkinkan pengguna
memanipulasi query yang sudah ada
daripada
harus
membuat

Relational OLAP (ROLAP)
Model penyimpanan ROLAP menggunakan tabel pada relational database
yang digunakan untuk menyimpan detail
data dan agregasi kubus. ROLAP tidak
menyimpan salinan database tapi akan
mengakses langsung pada tabel fakta ketika
membutuhkan hasil yang sesuai dengan
querysehingga
response
time
yang
dihasilkan pada model ROLAP akan lebih
lambat. Model ini digunakan untuk
menyimpan data yang besar dan jarang
dilakukan proses query. Sebagai contoh
penggunaan model ROLAP yaitu pada data
historis dalam jumlah besar dari beberapa
tahun sebelumnya.

3

Aplikasi yang diprakarsai oleh Julian Hyde
dari Amerika Serikat dan sekarang menjabat
sebagai Project Leader dari Mondrian ini,
bernaung
di
bawah
Pentaho
Corporation.Mondrian merupakan kombinasi
yang sangat baik antara JPivot – interface
berbasis web yang merupakan bagian dari
proyek open source.

Hybrid OLAP (HOLAP)
Model ini merupakan gabungan dari dua
model sebelumnya, yaitu MOLAP dan
ROLAP. HOLAP menggabungkan kele-

6

statementMDXdari
permintaan.
3

4

awal

untuk

setiap

Star Layer(Lapisan Bintang)
Lapisan ketiga ini bertanggung jawab untuk
menjaga Cached Agregasi. Agregasi adalah
suatu rangkaian nilai measures atau disebut
cells pada memori. Lapisan bintang ini
akan menerima permintaan seperangkat
cells dari lapisan dimensi.Jika cells yang
diminta tidak ada dalam cache,Agregasi
Loader akan mengirimkan permintaan ke
lapisan penyimpanan (Storage Layer).
Storage Layer.(Lapisan Penyimpanan)
Lapisan terakhir atau lapisan keempat ini
lebih khusus menjadi lapisan untuk
database yang menyediakan data cells
agregasi yang berasal dari lapisan bintang.

Selain keempat lapisan yang sudah
dijelaskan di atas terdapat satu komponen atau
modul
yang
disebut
SchemaLoader.
SchemaLoader
pada
Mondrian
disebut
SchemaWorkbench.
SchemaWorkbench
merupakan sebuah aplikasi GUI yang
digunakan untuk membuat file skema Mondrian
dalam format XML untuk memetakan cube,
dimensi, dan measure dengan database
relational.
MultidimensionalExpression (MDX)
Pada penjelasan sebelumnya Mondrian
memiliki kesamaan tata bahasa yang disebut
Multidimensional Expression (MDX). Menurut
Bouman dan Dongen (2006) MDX adalah suatu
bahasa yang mengeskpresikan pemilihan
(selection), perhitungan (calculation), dan
mendefinisikan (definition) beberapa metadata
dari database OLAP kemudian memiliki
kemampuan
khusus
agar
dapat
merepresentasikan hasil query. Tidak seperti
beberapa bahasa OLAP lainnya, hasil query
MDX dikembalikan kepada pengguna dalam
bentuk data yang terstruktur yang akan diproses
menjadi grafik atau beberapa bentuk output
lainnya.
MDX memiliki cara kerja yang mirip
dengan SQL yang digunakan untuk melakukan
query pada database relational.Akan tetapi,
MDX memiliki stuktur yang berbeda dengan
SQL. Berikut contoh query dasar yang pada
MDX :
Select

{[Measures].[Unit
Sales],[Measures].
[Store Sales]} On Columns,
{[Time]. [1997],[Time].[1998]} On Rows
From [Sales]
Where [Store].[USA].[CA].
Pada contoh diatas dapat dijelaskan bahwa
MDX memiliki dua komponen utama yaitu
SELECT danFROMserta satu komponen yang
opsional
yaitu
WHERE.Pernyataan
SELECTmenunjukkan ada dua sumbu dimensi
yang dihasilkan, yaitu sumbu ROWSdan
COLUMNS. Pernyataan FROM menunjukan
dimensi yang dijadikan sebagai sumber utama.
Pada contoh, data yang diambil berasal dari
dimensi
Sales.
Pernyataan
WHERE
menunjukkan dimensi atau anggota dimensi
yang dijadikan sebagai filter agar dapat
menampilkan data tertentu saja.
Portable
Portabel dapat didefinisikan sebagai suatu
hal yang mudah untuk dibawa serta
memungkinkan untuk ditransfer dan diadaptasi.
Portable merupakan suatu perangkat yang
dapat digunakan kapan saja dan dimana saja.
Perangkat portable terbagi dalam dua kategori
yaitu perangkat lunak dan perangkat keras.
Salah satu contoh perangkat keras yang
portable adalah USB flash drive atau lebih
dikenal dengan flashdisk. Perangkat lunak
portable sering disebut dengan aplikasi
portable.
Aplikasi portable adalah sebuah perangkat
lunak yang dijalankan pada perangkat keras
tanpa harus melakukan instalasi terlebih dahulu
sehingga pada saat perangkat keras portable
dihubungkan ke komputer maka aplikasi
portable dapat langsung digunakan. Kelebihan
dari aplikasi portable yaitu dapat membawa
data serta program yang dibutuhkan sehingga
dapat dijalankan kapan saja dan di komputer
mana pun. Sisi keamanan juga akan lebih
terjamin karena data yang diperlukan hanya
berada pada perangkat portable yang dimiliki
tidak disimpan pada komputer tertentu.
Akan tetapi, perangkat portable bukan tidak
memiliki kekurangan. Karena perangkat keras
portable memiliki kapasitas yang terbatas
sehingga data yang dapat disimpan juga
memiliki batas. Selain itu kemampuan akses
data juga tidak akan maksimal karena USB
flash drive memiliki kemampuan membaca data
yang terbatas.

7

METO
ODE PENELIT
ITIAN
Tahapan
T
pene
nelitian yang akan
a
dilakuka
kan
diba
bagi menjadi dua
du bagian, yang
ang pertama yait
aitu
untu
tuk mengemba
mbangkan dataw
warehouse da
dan
kedu
dua untuk menj
njalankan data warehouse
w
yan
ang
suda
dah terbentuk secara port
ortable. Metod
ode
pene
nelitian dapat di
dilihat pada Gamb
ambar 6.
Ana
nalisis
Analisis
A
merupakan
meru
tahap
ap awal untu
tuk
men
enentukan spesifikasi
spe
kebutuhan
ke
dat
data
ware
arehouse yang sesuai
s
dengan
an keinginan da
dari
peng
ngguna. Tahapp analisis
a
awal ini
in menghasilka
kan
bebe
berapa desain yaitu
y
desain logika
log
dan desai
sain
fisik
sik.
Pada
P
tahap ana
nalisis ini jugaa hharus dilakuka
kan
peng
ngumpulan data
ta untuk mengan
ganalisis nilai da
dan
atrib
ribut dari data
ata tersebut sehingga
se
dapa
apat
dipe
peroleh nilai da
data atribut yang
ya
tepat untu
tuk
mem
embangun sebu
buah datawareh
rehouse. Setela
elah
men
enentukan nilaii dan atribut yan
yang tepat, prose
ses
kem
mudian dilanju
jutkan ke taha
hapan praprose
ses
data
ta.
Prap
raproses data
Sebelum
S
mene
neruskan ke tah
tahap pembuata
atan
data
tawarehouse sangat dipe
iperlukan taha
hap
prap
aproses data terlebih dah
ahulu. Tahapa
pan
prap
aproses pada da
data penjualann benih PT SH
HS
meli
eliputi:
1 Pembersihan
P
Tahap pemb
T
mbersihan dila
ilakukan untu
tuk
m
menyaring
dat
ata yang tidak
k konsisten pad
ada
p
penamaan
kare
rena data yangg dditerima berasa
asal
d
dari
KR dan
n PBS yang berbeda
be
sehingg
gga
sa
sangat
dimun
ungkinkan terj
erjadi perbedaa
aan
p
penamaan
di setiap
se
KR dan P
PBS.
2 Transformasi
T
si ddata
Pada tahapp transformasi
P
si data, aka
kan
d
dilakukan
peny
enyeragaman nama
na
atribut da
dari
t
tabel
hasil pem
embersihan sesua
suai dengan nam
ama
y
yang
digunakan
kan pada datawaarehouse.
3 Pemuatan
P
data
ta
Tahap ini mel
T
elakukan pemuuatan (load)dat
data
y
yang
sudah melewati
m
tahapp sebelumnya kke
d
dalam
datawar
arehouse yang aakan dibangun.
n.
Pem
embuatan data
a warehouse
Tahap
T
selan
anjutnya
yaitu
itu
pembuata
atan
data
tawarehouse dengan
d
meng
nggunakan dat
data
penj
njualan benih PT SHS mul
ulai tahun 200
008
sam
mpai dengan 200
009.

Pro
roses Portable
Gambar
ar 6 Diagram alir
lir metode peneliti
litian dan proses
portable.

Uji que
uery
Uji
ji query merupa
pakan tahap yan
ang dilakukan
setelah
ah pembuatan da
data warehouse telah selesai.
Penguj
ujian dilakukann untuk menget
getahui apakah
operasi
asi dasar OLA
LAP sudah menampilkan
m
informa
masi yang sesua
suai dan tepatt dengan
d
yang
dibutuh
tuhkan. Pengu
gujian dilakuk
ukan dengan
memvi
visualisasikan kkubus data de
dengan grafik
dan tab
abel pivot.
Pembu
buatan Aplikasi
asi Portable
Prose
roses yang te
terakhir dilak
akukan yaitu
meranc
ncang agar selur
luruh hasil prose
ses pembuatan
data warehouse ddapat dijalan
ankan secara
portabl
ble.Dalam prose
oses ini digunak
akan beberapa
aplikas
asi dan pengatu
aturan khusus.
s. Akan tetapi,
pengatu
aturan yang dila
ilakukan hanyaa pada
p
aplikasi
yang akan
a
digunak
akan sehinggaa tidak akan
mengga
ganggu dan me
merubah proses
ses yang sudah
dilakuk
ukan pada proses
ses sebelumnya.
a.
Ada
dapun beberapa
pa aplikasi yan
ang digunakan
untukk proses
p
ini, dapa
apat dilihat pada
da pembahasan
lingkun
ungan pengemba
bangan dibawah
ah ini.

8

Lingkungan pengembangan
Lingkungan pengembangan yang digunakan
untuk mengembangkan aplikasi OLAP adalah:
Perangkat lunak minimal yang digunakan :
1
2
3
4
5

Mondrianserver
Sistem operasi Windows XP
Schema Workbench
Web Browser
Paket XAMPP yang memiliki fitur
a. Web Server Apache
b. MySQL Server
c. Apache Tomcat
d. PHP

Perangkat keras minimal yang digunakan
adalah:
1
2
3
4
5
6

Processor IntelCore 2 Duo
Memory RAM 512 MB
Harddisk 80 GB
Keyboard dan mouse
Monitor
USB Flashdisk 4 GB
HASIL DAN PEMBAHASAN

Analisis data
Selama ini, proses analisis data hasil
penjualan benih masih dilakukan secara manual
dengan
melakukan
konsolidasi
laporan
penjualan dari setiap KR dan PBS. Petugas
Konsolidasi Kantor Pusat menerima laporan
penjualan bulanan pada tanggal 20 setiap
bulannya dalam bentuk Microsoft Office Excel
untuk selanjutnya dilakukan konsolidasi. Untuk
membuat laporan masih dilakukan query
manual pada setiap tabel data di Microsoft
Office Excel. Laporan yang berbeda dari setiap
KR dan PBS menyebabkan waktu untuk
menyediakan laporan konsolidasi menjadi lebih
lama. Contoh bentuk laporan dalam bentuk
Microsoft Exceldapat dilihat pada Lampiran 2.
Atribut yang akan digunakan,
berdasarkan ketentuan berikut:
-

dipilih

Atribut yang dipilihmemiliki relasi dengan
atribut di tabel data yang lain.
Data yang dianalisis tidak terlalu banyak
mengandung nilai null.

Setelah proses analisis, proses selanjutnya
ialah menentukan desain konseptual dengan
cara memilih atribut-atribut yang menjadi
ukuran (measure) dan non ukuran (non
measure).Perlu dilakukan pemilihan atribut
yang sesuai dengan kebutuhan analisis data
penjualan.

Berdasarkan
hasil
analisis
yang
membutuhkan kecepatan kesediaan data yang
lebih ringan dan memungkinkan penjelajahan
data yang lebih dalam maka dalam
pembangunan data warehouse ini digunakan
skema bintang sehingga hanya diperlukan satu
tabel fakta dan beberapa tabel dimensi. Skema
bintang dapat dilihat pada Gambar 5. Untuk
lebih mendukung kecepatan query, dilakukan
pengubahan susunan identitas pada setiap table
dengan menggunakan tipe stringatau varchar.
Format penulisan identitas table akan
disesuaikan dengan data sehingga cukup dengan
satu query akan didapatkan hasil yang
diinginkan. Contoh format penulisan identitas
tabledapat dilihat pada Lampiran 3.
Dalam penelitian ini,dihasilkan satu tabel
fakta, yaitu penjualan_benih, dan tiga tabel
dimensi, yaitu dimensi waktu, dimensi regional
serta dimensi komoditi. Untuk masing-masing
dimensi ditentukan tingkat perincian yang
diperlukan beserta hierarki yang membentuknya. Dimensi waktu disusun menjadi tiga level,
yaitu tahun > semester > bulan. Dimensi
regional dapat disusun menjadi satu level, yaitu
kantor regional, sedangkan dimensi komoditi
dapat disusun menjadi dua level, yaitu jenis
komoditi > nama komoditi. Model hierarki
setiap dimensi dapat dilihat pada Lampiran 4.
Desain Fisik
Desain fisik nama dan deskripsi tablefakta
Jumlah Penjualandari kubus dapat dilihat pada
Tabel 1.
Tabel1Nama
dan
deskripsi
Penjualan dari kubus.

Kolom
Waktu

Status
Dimensi

Regional
Komoditi

Dimensi
Dimensi

Ukuran
jml_penjua
lan_rp

Fakta

Ukuran
jml_penjua
lan_kg

Fakta

tabelfaktaJumlah

Deskripsi
Bulan dan tahun
Penjualan
Kantor Regional
Jenis
Komoditi/Produk
Nama
ukuran
dalam
rupiah
(jumlah
jual
dalam rupiah)
Nama
ukuran
dalam
satuan
massa
(jumlah
jual dalam kg)

Sedangkan di bawah ini merupakan detail
dari table dimensi yang berelasi ke table fakta.

9

Tabel2 Detail table dimensi

Nama
Dimensi
Tbl_waktu

Nama
Field
id_waktu

semester

tahun

bulan

Tbl_region
al

Tbl_komo
diti

id_regional

kantor_reg
ional
id_komodi
ti

jenis_kom
oditi
nama_kom
oditi

Pembersihan data
Deskripsi
Identitas untuk
table
dimensi
waktu
Kolom
untuk
membagi bulan
berdasarkan
semester
Menunjukan
tahun dari data
yang tersedia
Menunjukan
bulan dari data
yang tersedia
Identitas
data
dari
table
dimensi regional
Nama
kantor
regional
Identitas
data
dari
table
dimensi
komoditi
Kategori jenis
komoditi
Nama Komoditi

Untuk desain arsitektur pada hasil
percobaan ini, penulis mengadopsi arsitektur
three-tier yaitu dengan menggunakan tiga lapis
proses. Proses pada lapisan bawah adalah
pemrosesan data dan pembuatan skema
datawarehouse dengan DMBS MySQL.
Di lapisan tengah, aplikasi OLAP yang
digunakan
adalah
Mondrian
yang
dikembangkan
menggunakan
bahasa
pemrograman Java dan hanya dapat berjalan
pada web server Apache Tomcat. Mondrian
dapat menyimpan data dalam bentuk kubus data
yang nantinya dapat diakses oleh web server.
Lapisan paling atas adalah visualisasi dari
aplikasi OLAP yang dilakukan oleh web
browser. Pada lapisan ini pengguna dapat
melakukan pencarian data, melihat pola yang
dibentuk oleh berbagai jenis data, dan
mendapatkan representasi informasi dalam
bentuk yang mudah dipahami karena sudah
disajikan dalam bentuk crosstab dan grafik.
Arsitektur data warehouse pada penelitian ini
dapat dilihat pada Gambar 7.

Proses pembersihan data dilakukan dengan
mengidentifikasi data yang tidak konsisten
dalam penggunaan istilah baik karena kesalahan
dalam penginputan maupun akibat proses
integrasi data.
Setiap KR dan PBS memiliki format yang
tidak sama sehingga menyebabkan terdapat
beberapa perbedaan dalam penginputan data.
Beberapa contoh data yang tidak konsisten
seperti RM (Regional Manager) diubah menjadi
Kantor Regional.
Saat ini proses pembersihan data masih
dilakukan
secara
manual
sehingga
membutuhkan waktu yang sedikit lebih lama
untuk mengkompilasi dari beberapa sumber
data.
Transformasi data
Proses transformasi data dilakukan untuk
menyeragamkan nama atribut dari tabel. Data
yang dihasilkan memiliki atribut yang berbeda
untuk beberapa jenis komoditi sehingga perlu
dilakukan penyeragaman. Contoh atribut yang
berbeda terdapat pada jenis komoditi benih padi
dan diversifikasi. Komoditi diversifikasi
memiliki atribut Saprotan reguler, proyek blp,
dan proyek lain. Komoditi benih padi memiliki
atribut benih jenis ES reguler, proyek, dan
buffer stok.Oleh sebab itu perlu dilakukan
penyeragaman nama atribut dari data semula
sesuai dengan atribut pada dimensi agar
menghasilkan data yang konsisten. Sebagai
contoh bentuk format laporan dalam Microsoft
Excel dapat dilihat pada Lampiran 2.
Pemuatan data
Proses ekstraksi dan transformasi data sudah
dilakukan pada tahap sebelumnya sehingga
menghasilkan data yang siap untuk diproses
lebih lanjut. Tahap pemuatan data dilakukan
dengan memuat (load)data ke kubus data OLAP
serverMondrian yang telah dirancang.
Uji Query
Implementasi operasi-operasi OLAP adalah
sebagai berikut:
-

Operasi roll up
Operasi ini dilakukan pada dimensi waktu,
yaitu bulan (roll up) ke tahun. Contoh roll
up untuk mengetahui jumlah penjualan total
pertahun. Implementasi roll up dapat dilihat
pada Lampiran 5.

10

Sumber
Data
MySQL

XLS

Praproses
Data

Hasil
Output
OLAP

Data
Warehouse

Lotus
File

Lapisan Bawah :
DBMS

Lapisan Tengah :
OLAP Server

Lapisan Atas :
Web Browser

Gambar 7 Arsitektur data warehouse dan aplikasi OLAP pada penelitian

-

Operasi drill down
Operasi ini dilakukan untuk mengetahui
jumlah penjualan benih dan kuantum (kg)
secara lebih rinci. Misalnya untuk
mengetahui jumlah penjualan benih pada
masing-masing komoditi. Implementasi drill
down dapat dilihat pada Lampiran 6.

-

Operasi slice dan dice
Operasi ini dilakukan untuk melihat keadaan
jumlah penjualan kuantum benih serta
jumlah harga penjualan benih berdasarkan
waktu, komodoti, dan regional tertentu yang
dipilih. Contoh operasi slice dan dice dapat
dilihat pada Lampiran 7.

Proses Portable
Proses terakhir yang dilakukan adalah
merancang agar datawarehouse yang sudah
dibangun menggunakan aplikasi Mondrian
dapat berjalan secara portable dengan
menggunakan media USB flashdisk.
Untuk menjalankan Mondrian secara
portbale, diperlukan beberapa aplikasi khusus
yang sudah dirancang khusus agar dapat
berjalan langsung di USB flashdisk. Dalam
penelitian ini penulis menggunakan beberapa
aplikasi yang berjalan baik pada sistem operasi
Windows, antara lain :
1 Java RTE atau JDK
2 XAMPPlite yang sudah memiliki beberapa
fitur seperti :
a Apache webservice
b MySQL
c PHP
3 Apache Tomcat plugin untuk XAMPP

Selanjutnya ada beberapa langkah yang
harus dilakukan agar aplikasi dapat berjalan
secara portable,antara lain:
1 Install atau extract Java RTE atau JDK
langsung ke dalam USB flashdisk.
2 Install XAMPPlite langsung ke USB
flashdisk sehingga USB akan memiliki
control-panel-xampp yang dapat diakses
langsung dari USB.
3 Extract/copyplugin Apache-Tomcat ke
dalam folder xampp yang sudah ter-install
pada USB.
4 CopyfolderMondrian yang berisi seluruh file
aplikasi
ke
dalam
folder
USB:/xampp/tomcat/.
Langkah instalasi yang lebih jelas dapat
dilihat pada Lampiran 8.
Gambaran Umum Aplikasi
Aplikasi OLAP pada penelitian ini
memiliki beberapa fasilitas, antara lain :
1 Menu OLAP.Dengan fasilitas ini pengguna
dapat menentukan kubus data, ukuran, dan
dimensi-dimensi yang diperlukan untuk
dianalisis.
2 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.
3 Visualisasi Crosstab dan Graph,Data hasil
operasi OLAP yang dilakukan pengguna
dapat ditampilkan dalam bentuk crosstabdan

11

atau grafik. Grafik yang ditampilkan berupa
bar plot,line plot,dan pie chart.

Operasi OLAP yang dilakukan pada
penilitian ini adalah roll-up, drill-down, pivot,
dice, dan slice.

Gambaran umum aplikasi dapat dilihat
pada Lampiran 9.

Dengan adanya sistem dan aplikasi ini, data
yang disimpan dalam bentuk excel dan lotus file
bisa menjadi lebih komunikatif dan informatif.

Kelebihan dan Kekurangan Aplikasi
Aplikasi yang dikembangkan pada
penelitian ini memiliki beberapa kelebihan dan
kekurangan, untuk kelebihan dari aplikasi
antara lain:
1 Dapat dijalankan secara portable melalui
media
USB
flashdisk
sehingga
mengeliminasi kebutuhan untuk instalasi
perangkat lunak pada komputer atau bahkan
keterbatasan infrastruktur seperti minimnya
akses internet.
2 Dikembangkan menggunakan aplikasi yang
berbasis opensource sehingga akan sangat
mudah untuk pengembangan aplikasi
selanjutnya.
Sedangkan untuk kekurangan dari aplikasi
yang dikembangkan antara lain:
1 Hanya dapat berjalan pada sistem operasi
Windows saja. Sehingga perlu penelitian
lebih lanjut agar dapat menjalankan aplikasi
pada setiap sistem operasi.
2 Belum ada fasilitas untuk memodelkan
struktur kubus data dan memuat data baru ke
dalam kubus data.
3 Akan berjalan sedikit lebih lambat karena
aplikasi dijalankan langsung dari USB
flashdisk.
4 Saat ini hanya terbatas pada tiga dimensi
saja.

KESIMPULAN DAN SARAN
Kesimpulan
Hasil penelitian menyimpulkan bahwa
pembangunan data warehouse dan OLAP
berbasis web pada data penjualan benih PT
Sang Hyang Seri menghasilkan satu tabel fakta
dan tiga tabel dimensi yang dapat digunakan
sebagai untuk memvisualisasikan hasil analisis
dalam bentuk grafik dan bentuk .xls file.
Hasil analisis juga dapat disajikan dengan
lebih cepat karena sudah tidak perlu dilakukan
secara manual lagi. Para pengambil keputusan
juga dapat melihat informasi penjualan benih
dengan mudah dan dapat diakses kapan saja
karena aplikasi yang dikembangkan bersifat
portable.

Saran
1 Dikembangkan aplikasi untuk integrasi basis
data penjualan benih pada masing-masing
cabang yang tersebar di setiap Kantor
Regional.
Sehingga
informasi
yang
diperoleh bisa lebih rinci dan lebih detail.
2 Pembersihan data masih dilakukan secara
manual sehingga akan lebih baik jika
dikembangkan
juga
aplikasi
untuk
melakukan pembersihan dari data mentah
menjadi data yang siap dipakai untuk
datawarehouse.
3 Saat ini, hanya terdapat tiga dimensi yang
digunakan sehingga perlu ditambahkan
beberapa dimensi lagi agar membuat
aplikasi menjadi lebih bermanfaat.
4 Aplikasi hanya dapat berjalan pada sistem
operasi Windows. Mengingat terdapat
berbagai jenis sistem operasi maka dirasa
perlu untuk dikembangkan lebih lanjut pada
penelitian selanjutnya agar aplikasi dapat
berjalan pada semua jenis sistem operasi.

DAFTAR PUSTAKA
Bouman R, Doungen J. 2009. Pentaho
Solutions: Business Intellegence and Data
Warehousing with Pentaho and MySQL.
Indianapolis : Wiley Publishing,Inc.
Connoly T, Begg C. 2005. Database System
Fourth Edition : A Practical Approach to
Design Implementation, and Management.
England: Pearson Education Limited.
Han J, Kamber M. 2006. Data Mining :
Concept and Techniques. San Francisco:
Morgan Kaufmann Publisher.
Indriani R. 2010. Prototipe Data Warehouse
Penjualan Produk Bakosurtanal[skripsi].
Bogor: Departemen Ilmu Komputer,
FMIPA, Institut Pertanian Bogor.
Malinowski E, Zimanyi E. 2008. Advance Data
Warehouse Design. Berlin: Springer.

12

Rainardi, V. 2008. Building a Data Warehouse
with Examples in SQL Server. New York:
Apress.
Sulistyaningsih W. 2010. Pembangunan Data
Warehouse Akademik (Studi Kasus :
Kurikulum Mayor Minor Program Sarjana
Departemen
Ilmu
Komputer
Ilmu
Komputer
IPB)[skripsi].
Bogor:
Departemen Ilmu Komputer, FMIPA,
Institut Pertanian Bogor.

2

LAMPIRAN

14

Lampiran 1 Arsitektur Mondrian

15

Lam
mpiran 2 Conto
oh File Microso
oft Excel

16

Lam
mpiran 2 Lanjuutan.

17

Lampiran 3 Data Dalam table dimensi
a.

Data dimensi waktu

id_waktu
2008.s01.b01
2008.s01.b02
2008.s01.b03
2008.s01.b04
2008.s01.b05
2008.s01.b06
2008.s02.b07
2008.s02.b08
2008.s02.b09
2008.s02.b10
2008.s02.b11
2008.s02.b12
2009.s01.b01
2009.s01.b02
2009.s01.b03
2009.s01.b04
2009.s01.b05
2009.s01.b06
2009.s02.b07
2009.s02.b08
2009.s02.b09
2009.s02.b10
2009.s02.b11
2009.s02.b12
b.

tahun
2008
2008
2008
2008
2008
2008
2008
2008
2008
2008
2008
2008
2009
2009
2009
2009
2009
2009
2009
2009
2009
2009
2009
2009

semester
semester 1
semester 1
semester 1
semester 1
semester 1
semester 1
semester 2
semester 2
semester 2
semester 2
semester 2
semester 2
semester 1
semester 1
semester 1
semester 1
semester 1
semester 1
semester 2
semester 2
semester 2
semester 2
semester 2
semester 2

Data dimensi regional

id_regional
ktr.pst
ktr.rg1
ktr.rg2
ktr.rg3
ktr.rg4
ktr.rg5
ktr.rg6
ktr.pbs

regional
Kantor Pusat
Kantor Regional 1
Kantor Regional 2
Kantor Regional 3
Kantor Regional 4
Kantor Regional 5
Kantor Regional 6
Pusat Benih Sumber

bulan
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12

18

Lampiran 3 Lanjutan
c.

Data dimensi komoditi

id_komoditi
kmd.bnh.phb
kmd.bnh.pnh
kmd.bnh.kdl
kmd.bnh.jgk
kmd.bnh.jgh
kmd.bnh.hor
kmd.div.spt
kmd.div.hsl

jenis_komoditi
Benih
Benih
Benih
Benih
Benih
Benih
Diversifikasi
Diversifikasi

nama_komoditi
Padi Hibrida
Padi Non Hibrida
Kedele
Jagung Komposit
Jagung Hibrida
Hostikultura
Sarana Pertanian
Hasil Pertanian

19

Lampiran 4 Model hierarkti tiap dimensi

20

Lampiran 4 Lanjutan.

21

Roll up dari semester ke tahun

Lampiran 5 Contoh operasi roll up

Lampiran 6 Contoh operasi drill down

Drill down dari semua jenis
komoditi ke masing-masing
komoditi

22

23

Slice data penjualan di Kantor
Regional 1

Lampiran 7 Contoh operasi slice and dice

24

Lampiran 8Langkah instalasi Java, XAMPPLite dan Tomcat pada USB flashdisk

25

Lampiran 8 Lanjutan

26

Lampiran 7 Lanjutan

Langkah 6. Lakukan pengecekan apakah apache-tomcat sudah berjalan atau belum dengan
menggunakan browser, kemudian ketikan http://localhost:8080/. Jika berhasil akan
muncul seperti di bawah ini.

27

Lamp
ampiran 9 Gamb
mbaran umum aplikasi
ap