analisa dan perancangan aplikasi business intelligence

1

ANALISA DAN PERANCANGAN APLIKASI BUSINESS INTELLIGENCE

UNTUK BAGIAN OPERASIONAL DAN KEUANGAN

PADA PERUSAHAAN GERBANG MULTINDO NUSANTARA

HASHEMI RAFSANJANI

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

2013 M / 1434 H

2


UNTUK BAGIAN OPERASIONAL DAN KEUANGAN

PADA PERUSAHAAN GERBANG MULTINDO NUSANTARA

Oleh :

HASHEMI RAFSANJANI

1040 9300 2955

Skripsi

Sebagai Salah Satu Syarat untuk Memperoleh Gelar

Sarjana Sistem Informasi

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

2013 M / 1434 H

3


UNTUK BAGIAN OPERASIONAL DAN KEUANGAN PADA PERUSAHAAN GERBANG MULTINDO NUSANTARA

Skripsi ini diajukan sebagai salah satu syarat melaksanakan kewajiban studi Strata Satu Program Studi Sistem Informasi

Oleh : Hashemi Rafsanjani

104093002995

Menyetujui,

Pembimbing I, Pembimbing II, Nia Kumaladewi, MMSI Khodijah Hulliyah.M.SI NIP. 197504122007102002 NIP. 1973042201122001

Mengetahui, Ketua Program Studi Sistem Informasi

Zulfiandri, MMSI NIP. 197001302005011003

5

LEMBAR PERNYATAAN

Dengan ini saya menyatakan bahwa:

1. Skripsi ini merupakan hasil karya asli saya yang diajukan untuk memenuhi

salah satu persyaratan memperoleh gelar Strata Satu di Universitas Islam

Negeri Syarif Hidayatullah Jakarta.

2. Semua sumber yang saya gunakan dalam penulisan ini telah saya cantumkan

sesuai dengan ketentuan yang berlaku di Universitas Islam Negeri Syarif

Hidayatullah Jakarta.

3. Jika di kemudian hari terbukti bahwa karya ini bukan hasil karya asli saya atau

merupakan hasil jiplakan dari karya orang lain, maka saya bersedia menerima

sanksi yang berlaku di Universitas Islam Negeri Syarif Hidayatullah Jakarta.

Jakarta, July 2013

Hasemi Rafsanjani

6

ABSTRAK

HASHEMI RAFSANJANI (104093002995). Analisa dan Perancangan Aplikasi Business Intelligence untuk Bagian Operasional dan Keuangan pada Perusahaan GERBANG MULTINDO NUSANTARA. Di bawah bimbingan NIA KUMALADEWI, MMSI dan KHODIJAH HULLIYAH, M.SI.

Dalam rangka globalisasi sekarang ini persaingan bisnis antar perusahaan bertambah besar resikonya, agar dapat bersaing saat ini perusahaan harus memperlengkapi infraskstruktur teknologi informasinya dengan baik. Manajemen tingkat tinggi atau direksi sebagai pembuat keputusan membutuhkan sesuatu yang dapat mendorong sistem untuk dapat berkompetisi dengan perusahaan lainnya, perusahaan membutuhkan pengetahuan dari teknologi informasi agar dapat mendukung perusahaan agar dapat memprediksi kedepan dan membantu keseluruhan sistem untuk meningkatkan pelayanan. Salah satu fasilitas informasi yang dapat digunakan untuk menunjang kegiatan pengambilan keputusan yaitu dengan aplikasi Business Intelligence (BI), kemampuan aplikasi ini untuk mengumpulkan dan mengolah data menjadi informasi yang kemudian dikumpulkan menjadi sebuah pengetahuan dan dapat berakhir dengan tindakan pada pengambilan sebuah keputusan yang tepat.

PT.GMN merupakan perusahaan yang bergerak di bidang konstruksi renewable energy. PT.GMN telah menggunakan data warehouse dalam mengorganisasikan data–data dari berbagai divisi, akan tetapi PT.GMN masih sulit untuk mendapatkan data yang sesuai dan mudah dipahami dari data keuangan dan data operasional yang meliputi kegiatan dalam penjualan dan pelaksanaan proyek. Oleh karena itu, dibutuhkan alat bantu berupa aplikasi Business Intelligence untuk membuat annual report/laporan tahunan dari data kegiatan pelaksanaan proyek dan data kegiatan penjualan, agar dapat mudah dipahami dengan menampilkan data dalam bentuk grafik.

Metodologi perancangan yang digunakan adalah metodologi Business Intelligence dengan menggunakan metodologi Larissa T.Moss. yang terdiri dari 3 tahapan analisa yaitu Justification, Planning dan Business Analysis, dan 2 tahapan perancangan yaitu Design dan Construction. Sistem ini dikembangkan menggunakan Qlikview, untuk pengolahan database menggunakan SQL Server 2005. Hasil yang dicapai yaitu berupa perbaikan integrasi data pada skema database agar lebih baik serta pembuatan tampilan dashboard data atau tampilan grafik dan chart dari database yang telah diolah. V Bab + 191 Halaman + Daftar Pustaka + 76 Gambar + 55 Tabel + 20 Lampiran Kata kunci: Business Intelligence, Alert, Forecasting, Database, Eksekutif

7

KATA PENGANTAR

Bismillahirrahmanirrahim

Segala puji syukur kehadirat Allah S.W.T yang telah melimpahkan rahmat

dan karunia-Nya, sehingga pada akhirnya penulis dapat menyelesaikan penulisan

skripsi ini dengan lancar. Shalawat serta salam tak lupa penulis haturkan kepada

junjungan baginda Nabi Muhammad S.A.W beserta keluarga dan sahabatnya,

semoga kita menjadi pengikutnya yang kelak mendapatkan syafa’at di akhirat

kelak. Amin .

Adapun judul penulisan skripsi ini adalah “ANALISA DAN

PERANCANGAN APLIKASI BUSINESS INTELLIGENCE UNTUK

BAGIAN OPERASIONAL DAN KEUANGAN PADA PERUSAHAAN

GERBANG MULTINDO NUSANTARA”. Pada penulisan skripsi ini penulis

menyadari masih belum sempurna, mengingat keterbatasan pengetahuan dan

pengalaman penulis.

Selama penulisan skripsi ini penulis menyadari banyak pihak yang

memberikan dukungan , bimbingan, pengarahan dan bantuan kepada penulis. Oleh

karena itu, izinkanlah penulis mengucapkan terima kasih kepada semua pihak yang

telah membantu penulis dalam penulisan ilmiah ini, terutama kepada :

1. Bapak Dr. Agus Salim, M.Si. selaku Dekan Fakultas Sains dan Teknologi.

8

2. Ibu Nur Aeni Hidayah, MMSI Pembantu Dekan Bidang Admimistrasi

Umum, yang telah sabar dan terus membimbing saya pada pelaksanaan

proses akademik saya hingga selesai.

3. Zulfiandri, MMSI sebagai Ketua Program Studi Sistem Informasi yang

sangat turun membantu dalam proses skripsi ini hingga selesai.

4. Bapak Zainul Arham, M.Si selaku dosen, yang telah memberikan semangat

dan bantuannya pada proses akadeik sebagai penunjang penyusunan skripsi

ini.

5. Ibu Nia Kumaladewi, MMSI dan Ibu Khodijah Hulliyah, M.Si selaku

dosen pembimbing, yang telah memberikan segala daya dan upaya untuk

memudahkan penulis dalam penyusunan skripsi ini.

6. Bapak Chayun Budiono, MT selaku direksi utama pada PT.Gerbang

Multindo Nusantara, yang telah memberikan kesempatan dan pengarahan

dalam penyusunan aplikasi ini.

7. Bapak Suyud Subakti, SE selaku direksi operational pada PT.Gerbang

Multindo Nusantara, yang dengan bijaksana telah membantu penulis dalam

mendapatkan segala informasi serta data yang dibutuhkan dalam aplikasi

ini.

8. Kedua Orang Tua saya yang tidak pernah lepas berdoa mendukung penulis

untuk bisa menyelesaikan penelitian ini, serta terima kasih untuk segala

materi yang selama ini diberikan hingga akhir.

9

9. Special buat teman-teman LSO Dapur Seni FST, HIMSI FST, Alumni FST

UIN Jakarta dan beberapa teman yang lainnya, yang selalu setia

memberikan semangat dan motivasinya.

10. Semua pihak yang terlibat secara langsung maupun tidak langsung yang

penulis tidak bisa sebutkan satu persatu.

Semoga Allah SWT membalas segala kebaikan dan ketulusan yang

telah diberikan kepada penulis.

Akhir kata dengan segala kerendahan hati, penelitian ini dapat

dipahami dan bermanfaat bagi masyarakat banyak. Maaf atas segala

kekhilafan.

Jakarta, July 2013

Hasemi Rafsanjani

10

DAFTAR ISI

Halaman Judul .................................................................................................. i

Lembar Persetujuan Pembimbing ..................................................................... iii

Lembar Pengesahan ........................................................................................... iv

Lembar Pernyataan ............................................................................................. v

Abstrak .............................................................................................................. vi

Kata Pengantar .................................................................................................. vii

Daftar Isi ........................................................................................................... xv

Daftar Gambar ................................................................................................... xiv

Daftar Tabel ...................................................................................................... xix

Daftar Lampiran ................................................................................................ xxii

BAB I PENDAHULUAN ............................................................................ 1

1.1 Latar Belakang ........................................................................... 1

1.2 Perumusan Masalah ................................................................... 2

1.3 Batasan Masalah ........................................................................ 2

1.4 Tujuan dan Manfaat Penulisan .................................................. 3

1.4.1 Tujuan Penulisan .............................................................. 3

1.4.2 Manfaat Penulisan ............................................................ 3

1.5 Metode Penelitian ...................................................................... 4

1.5.1 Metode Pengumpulan Data .............................................. 4

1.5.2 Metodologi Analisa dan Perancangan .............................. 6

1.6 Kerangka Berfikir Penelitian ..................................................... 10

1.7 Sistematika Penulisan ................................................................ 12

BAB II LANDASAN TEORI ....................................................................... 13

2.1. Konsep Dasar Sistem Informasi ............................................... 13

2.1.1 Pengertian Data ................................................................ 13

2.1.2 Pengertian Informasi ........................................................ 13

2.1.3 Kualitas Informasi ............................................................ 14

11

2.1.4 Pengertian Sistem ............................................................. 15

2.1.5 Pengertian Sistem Informasi ............................................. 15

2.2. Konsep Dasar Database .............................................................. 16

2.2.1 Pengertian Metadata ......................................................... 16

2.2.2 Pengertian Sistem Basis Data ........................................... 17

2.2.3 Model Relasional ............................................................. 18

2.2.4 Basis Data Relasional ....................................................... 19

2.2.5 Database Management System ......................................... 21

2.2.6 Pengertian Data Warehouse ............................................. 24

2.2.7 Pengertian Data Mart ....................................................... 33

2.2.8 Pengertian OLAP .............................................................. 34

2.2.9 Pengertian Data Mining ................................................... 36

2.3 Konsep Dasar Business Intelligence ............................................ 41

2.3.1 Dashboard ........................................................................ 41

2.3.2 Pengertian Bisnis .............................................................. 41

2.3.3 Key Performance Indicator .............................................. 42

2.3.4 Pengertian Business Intelligence ...................................... 42

2.4 Metode Pengembangan Sistem .................................................... 46

2.5 Tools Analysis dan Desain Sistem Informasi ................................ 47

2.5.1 Bagan Alir ....................................................................... 47

2.5.2 Data Flow Diagram ........................................................ 48

2.5.3 Simbol Data Flow Diagram ............................................ 49

2.5.4 Kamus Data ..................................................................... 50

2.6 Perancangan Basis Data ............................................................... 52

2.6.1 Entity Relationship Diagram (ERD) ................................ 52

2.6.2 Normalisasi ....................................................................... 54

2.6.3 Star Schema ...................................................................... 56

2.7 Definisi Perancangan ................................................................... 63

2.7.1 Executive Dashboard ....................................................... 63

2.8 Microsoft SQL Server .................................................................. 64

2.8.1 Tipe Data Pada MSSQL Server ........................................ 65

12

2.8.2 Fitur Data Quality Services (DQS) ................................. 67

BAB III METODOLOGI PENELITIAN .................................................... 70

3.1 Tempat dan Waktu Penelitian ................................................... 70

3.2 Bahan dan Perangkat Penelitian ................................................ 70

3.2.1 Bahan ................................................................................ 71

3.2.2 Perangkat .......................................................................... 71

3.3 Metode Penelitian ...................................................................... 72

3.3.1 Metode Pengumpulan Data .............................................. 72

3.4 Metodologi Analisa dan Perancangan ....................................... 74

3.4.1 Kerangka Berpikir Skripsi ............................................... 90

BAB IV HASIL DAN PEMBAHASAN ........................................................ 91

4.1 Justification ............................................................................... 91

4.1.1 Gambaran Umum Perusahaan ......................................... 91

4.1.2. Proses Bisnis .................................................................... 99

4.1.3 Analisis SWOT ................................................................. 101

4.1.4 Analisis Critical Success Factor (CSF) ........................... 101

4.1.5 Analisis Sistem Berjalan ................................................... 102

4.1.6 Kebutuhan Bisnis PT. Gerbang Multindo Nusantara ....... 102

4.1.7 Sasaran Aplikasi Business Intelligence ............................ 103

4.1.8 Risk Assessment ................................................................ 103

4.1.9 Masalah yang dihadapi ...................................................... 104

4.1.10 Sistem yang Diusulkan ................................................... 105

4.2 Planning .................................................................................... 108

4.2.1 Enterprise Infrastructure Evaluation ............................... 108

4.2.2 Project Planning ............................................................... 115

4.3 Business Analysis ....................................................................... 119

4.3.1 Project Requirements Definition ....................................... 119

4.3.2 Data Analysis .................................................................... 116

4.3.3 Aplication Prototyping ..................................................... 133

4.4 Design ........................................................................................ 142

13

4.4.1 Database Design .............................................................. 142

4.4.2 Extract/Transform/Load Design ....................................... 145

4.4.3 Metadata Repository Design ............................................ 153

4.5 Construction .............................................................................. 160

4.5.1 Extract, Transform, Load development ............................ 160

4.5.2 Application Development ................................................. 178

4.5.3 Data Mining ...................................................................... 184

4.6 Deployment ................................................................................ 184

4.6.1 Implementation ................................................................. 185

4.6.2 Release Evaluation .......................................................... 189

BAB V PENUTUP ......................................................................................... 190

5.1 Kesimpulan ................................................................................ 191

5.2 Saran .......................................................................................... 192

DAFTAR PUSTAKA ...................................................................................... 192

LAMPIRAN ..................................................................................................... 193

14

Daftar Gambar Halaman

Gambar 1.1 : Engineering Stages (Sumber Business Intelligence Roadmap, 2003) ......... 7

Gambar 1.2 : Steps of Business Intelligence (Larissa T.Moss, 2003) ............................... 8

Gambar 1.3 : Kerangka Berfikir Penelitian ........................................................................ 10

Gambar 2.1 : Data Warehouse Subject – Oriented ............................................................ 26

Gambar 2.2 : Pokok Persoalan Dari Integrasi (Inmon, 2005) ............................................ 27

Gambar 2.3 : Time Variant (Inmon, 2005) ........................................................................ 28

Gambar 2.4 : Pokok Persoalan Dari Nonvolatile (Inmon, 2005) ....................................... 29

Gambar 2.5 : Functional Data Warehouse ........................................................................ 30

Gambar 2.6 : Centralized Data Warehouse ....................................................................... 32

Gambar 2.7 : Distributed Data Warehouse ........................................................................ 33

Gambar 2.8 : Struktur Data Warehouse Inmon (2005) ...................................................... 36

Gambar 2.9 : Cube ............................................................................................................. 39

Gambar 2.10 : Contoh Lingkungan Business Intelligence ................................................. 46

Gambar 2.11 : Development Step Dependencies (Business Intelligence Roadmap) .......... 49

Gambar 2.12 : Contoh Star Schema .................................................................................... 59

Gambar 2.13 : Simple Star Schema (Poe, 1996) ................................................................ 63

Gambar 2.14 : Multiple Fact Star Schema (Poe, 1996,) .................................................... 64

Gambar 3.1 : Engineering Stages (Sumber Business Intelligence Roadmap, 2003) ......... 73

Gambar 3.2 : Steps Of Business Intelligence (Larissa T.Moss, 2003) ............................... 87

Gambar 3.3 : Kerangka Berfikir ......................................................................................... 88

15

Gambar 4.1 : Struktur Organisasi .................................................................................... 91

Gambar 4.2 : Proses Bisnis Pt Gerbang Multindo Nusantara ......................................... 96

Gambar 4.3 : Diagram Konteks Bi .................................................................................. 104

Gambar 4.4 : Flowchart Pembuatan Laporan Perusahaan .............................................. 113

Gambar 4.5 : Flowchart Pembuatan Laporan Perusahaan Usulan ................................. 114

Gambar 4.6 : Normalized And Fully Atributed Logical Data Model ............................... 120

Gambar 4.6 : Struktur Menu Halaman Dashboard Home .............................................. 135

Gambar 4.7 : Struktur Menu Halaman Proyek ................................................................ 135

Gambar 4.8 : Struktur Menu Halaman Pemberi Kerja .................................................... 135

Gambar 4.9 : Struktur Menu Halaman Penjualan ........................................................... 136

Gambar 4.10 : State Transition Diagram ......................................................................... 136

Gambar 4.11 : Prototype Dashboard ............................................................................... 137

Gambar 4.12 : Penjualan Dashboard ............................................................................... 138

Gambar 4.13 : Proyek Dashboard ................................................................................... 139

Gambar 4.14 : Entity Relationship Meta Model ................................................................ 141

Gambar 4.15 : Star Schema Table Fact_Proyek ............................................................... 143

Gambar 4.16 : Snowflake Schema Table Fact_Penjualan ................................................. 144

Gambar 4.17 : Tampilan Qlikview Halaman Baru .......................................................... 145

Gambar 4.18 : Tampilan Sqlserver Management Studio 2012 ......................................... 160

Gambar 4.19 : Tampilan Query Merubah Data Menjadi Sentence Case. ......................... 161

Gambar 4.20 : Tampilan Halaman Awal Dqs (Data Quality Services). ........................... 162

16

Gambar 4.21 : Tampilan Halaman Awal Dqs (Data Quality Services). ..................... 162

Gambar 4.22 : Tampilan Halaman Create Domain. ................................................... 163

Gambar 4.23 : Tampilan Halaman Domain Rules. ..................................................... 163

Gambar 4.24 : Tampilan Halaman Publish Domain. .................................................. 164

Gambar 4.25 : Tampilan Halaman Awal Dqs ............................................................. 164

Gambar 4.26 : Tampilan Halaman Awal Data Quality Project. ................................. 165

Gambar 4.27 : Tampilan Halaman Mapping Database. ............................................. 166

Gambar 4.28 : Tampilan Halaman Cleanse Database.. .............................................. 166

Gambar 4.29 : Tampilan Proses Cleanse Database. ................................................... 167

Gambar 4.30 : Tampilan Halaman Result Project.. .................................................... 167

Gambar 4.31 : Tampilan Proses Akhir Dari Cleanse Database. ................................ 168

Gambar 4.32 : Tampilan Sqlserver Management Studio 2012 ................................... 169

Gambar 4.33 : Tampilan Proses Akhir Dari Cleanse Database. ................................ 170

Gambar 4.34 : Tampilan New Project ......................................................................... 170

Gambar 4.35 : Tampilan Data Flow Task ................................................................... 171

Gambar 4.36 : Tampilan Connection Manager ........................................................... 171

Gambar 4.37 : Tampilan Data Flow Task Source To Destination. ............................. 172

Gambar 4.38 : Tampilan Proses Sql Command Pada Ole Db Source. ........................ 172

Gambar 4.39 : Tampilan Mapping Destination ........................................................... 173

Gambar 4.40 : Tampilan Execute ................................................................................ 173

Gambar 4.41 : Tampilan Qlikview Halaman Baru ..................................................... 174

17

Gambar 4.42 : Tampilan Edit Script ........................................................................... 175

Gambar 4.43 : Tampilan Data From File .................................................................... 175

Gambar 4.44 : Tampilan Menu Untuk Memilih Table File ........................................ 176

Gambar 4.45 : Tampilan Sesudah Table Dipilih ......................................................... 176

Gambar 4.46 : Semua File Tables Setelah Dimasukan ............................................... 177

Gambar 4.47 : Proses Execute Script Setelah Reload ................................................. 177

Gambar 4.48 : Struktur Menu Halaman Dashboard Home ......................................... 178

Gambar 4.49 : Struktur Menu Halaman Proyek .......................................................... 178

Gambar 4.50 : Struktur Menu Halaman Pemberi Kerja .............................................. 179

Gambar 4.51 : Struktur Menu Halaman Penjualan ..................................................... 179

Gambar 4.52 : State Transition Diagram .................................................................... 180

Gambar 4.53 : Membuat Dashboard Kpi .................................................................... 181

Gambar 4.54 : Membuat Dashboard Penjualan .......................................................... 182

Gambar 4.55 : Membuat Analytic Bar Chart Proyek Dan Perusahaan ....................... 183

Gambar 4.56 : Tren Forcasting Pada Penjualan ......................................................... 184

18

Daftar Table Halaman

Table 4.1 : Tabel Matrik SWOT ...................................................................................... 97

Table 4.2 : Table Critical Success Factor (CSF) Dan Key Performance Indicator

(KPI) ................................................................................................................................. 98

Tabel 4.3 : Basis Data Barang .......................................................................................... 106

Tabel 4.4 : Basis Data Investor ........................................................................................ 107

Tabel 4.5 : Basis Data Pegawai ........................................................................................ 107

Tabel 4.6 : Basis Data Pelanggan ..................................................................................... 108

Tabel 4.7 : Basis Data Supplier ........................................................................................ 108

Tabel 4.8 : Basis Data Jenis Perusahaan .......................................................................... 109

Tabel 4.9 : Basis Data Kab Kota ...................................................................................... 109

Tabel 4.10 : Basis Data Provonsi ..................................................................................... 109

Tabel 4.11 : Basis Data Status Proyek ............................................................................. 109

Tabel 4.12 : Basis Data Kategori Proyek ......................................................................... 109

Tabel 4.13 : Basis Data Proyek ........................................................................................ 110

Tabel 4.14 : Basis Data Penjualan .................................................................................... 110

Tabel 4.15 : Time Mapping Pembuatan Aplikasi Business Intteligence .......................... 113

Tabel 4.16 : Target Pembersihan Data Pada Table Barang . ............................................ 117

Tabel 4.17 : Target Pembersihan Data Pada Table Investor ............................................ 118

Tabel 4.18 : Target Pembersihan Data Pada Table Pegawai ........................................... 118

Tabel 4.19 : Target Pembersihan Data Pada Table Pelanggan ........................................ 118

19

Tabel 4.20 : Target Pembersihan Data Pada Table Supplier ............................................ 118

Tabel 4.21 : Target Pembersihan Data Pada Table Proyek. .............................................. 118

Tabel 4.22 : Target Pembersihan Data Pada Table Penjualan. ......................................... 118

Tabel 4.23 : Target Pattern Telphone Pegawai.. ............................................................... 119

Tabel 4.24 : Target Pattern Telphone Pelanggan. ............................................................. 119

Tabel 4.25 : Target Pattern Telphone Supplier. ................................................................ 119

Tabel 4.26 : Bentuk Unnormal ......................................................................................... 121

Tabel 4.27 : Penjualan Normalisasi Tahap 1 ................................................................... 123

Tabel 4.28 : Proyek Normalisasi Tahap 1 ........................................................................ 124

Tabel 4.29 : Pelanggan Normalisasi Tahap 1 ................................................................... 125

Tabel 4.30 : Pegawai Normalisasi Tahap 1 ...................................................................... 126


Tabel 4.32 : Penjualan Normalisasi Tahap 2 ................................................................... 128



Table 4.35 : Penjualan Normalisasi Tahap 3 ................................................................... 131


Tabel 4.37 : Prosedur Transformasi Sentense Case .......................................................... 145

Tabel 4.38 : Tabel Deskripsi Transformasi Table Penjualan ............................................ 147

Tabel 4.39 : Tabel Deskripsi Transformasi Table Proyek ................................................ 148

Tabel 4.40 : Tabel Deskripsi Transformasi Table Barang ................................................ 148

20

Tabel 4.41 : Tabel Deskripsi Transformasi Table Barang ............................................. 149

Tabel 4.42 : Tabel Deskripsi Transformasi Table Investor ............................................ 150

Tabel 4.43 : Tabel Deskripsi Transformasi Table Pelanggan ........................................ 150

Tabel 4.44 : Tabel Deskripsi Transformasi Table Penjualan ......................................... 151

Tabel 4.45 : Tabel Transformasi Data Ke Qlikview ...................................................... 152

Tabel 4.46 : Tabel Metadata Fact_Proyek ..................................................................... 154

Tabel 4.47 : Tabel Metadata Fact_Penjualan ................................................................. 155

Tabel 4.48 : Tabel Metadata Dim_Pelanggan ................................................................ 156

Tabel 4.49 : Tabel Metadata Dim_Barang ..................................................................... 156

Tabel 4.50 : Tabel Metadata Dim_Pegawai ................................................................... 157

Tabel 4.51 : Tabel Metadata Dim_Status_Proyek ......................................................... 157

Tabel 4.52 : Tabel Metadata Dim_Kategori .................................................................. 158

Tabel 4.53 : Tabel Metadata Dim_Supplier ................................................................... 158

Tabel 4.54 : Tabel Metadata Dim_Investor ................................................................... 159

Tabel 4.55 : Tabel Metadata Dim_Kab_Kota ................................................................ 159

Tabel 4.55 : Tabel Pengujian Metode Black Box ........................................................... 185

21

DAFTAR LAMPIRAN

Lampiran Surat Penelitian ............................................................................. xxiii

Lampiran Wawancara ................................................................................... xxiv

Lampiran Tampilan Aplikasi ........................................................................ xxx

Lampiran Source Code .................................................................................. xxxiii

22

BAB I

PENDAHULUAN

1.1 Latar Belakang

Dalam rangka globalisasi sekarang ini persaingan bisnis antar

perusahaan semangkin besar resikonya, agar dapat bersaing perusahaan harus

memperlengkapi infraskstrukturnya dengan dukungan teknologi informasi.

Manajemen tingkat tinggi sebagai pembuat keputusan membutuhkan sesuatu

yang dapat mendorong sistem untuk berkompetisi dengan perusahaan lainnya,

perusahaan membutuhkan pengetahuan dari teknologi informasi agar dapat

mendukung perusahaan untuk dapat memprediksi kedepan dan membantu

keseluruhan sistem untuk meningkatkan pelayanan. Business Intelligence

sebagai salah satu istilah sistem pengambilan keputusan yang dapat membantu

manajemen dengan memberikan prediksi dan keputusan.

Salah satu fasilitas informasi yang dapat digunakan untuk menunjang

kegiatan pengambilan keputusan yaitu dengan aplikasi Business Intelligence

(BI), kemampuan aplikasi ini untuk mengumpulkan dan mengolah data

menjadi informasi yang kemudian dikumpulkan menjadi sebuah pengetahuan

dan dapat berakhir dengan tindakan pada pengambilan sebuah keputusan pada

waktu dan tempat yang tepat.

PT.GMN merupakan perusahaan yang bergerak dibidang konstruksi

renewable energy. PT.GMN telah menggunakan data warehouse dalam

mengorganisasikan data–data dari berbagai divisi, akan tetapi PT.GMN masih

23

sulit untuk mendapatkan data yang sesuai dan mudah dipahami dari data

keuangan dan data operasional yang meliputi kegiatan dalam penjualan dan

pelaksanaan proyek. Oleh karena itu, dibutuhkan alat bantu berupa aplikasi

Business Intelligence untuk membuat annual report/laporan tahunan dari data

kegiatan pelaksanaan proyek dan data kegiatan penjualan, agar dapat mudah

dipahami dengan menampilkan data dalam bentuk grafik.

Atas dasar latar belakang inilah muncul keinginan untuk membuat

suatu rancangan aplikasi Business Intelligence untuk mendukung kegiatan

bisnis PT. GMN dalam kegiatan pengambilan keputusan yang didasarkan dari

laporan tahunan agar lebih akurat, dengan memberikan pola pengambilan data

yang akan dianalisa dari data warehouse perusahaan lebih spesifik serta

ditampilkan dengan tampilan grafik yang mudah dipahami. Dengan adanya

aplikasi Business Intelligence ini diharapkan dapat memajukan dan

mengoptimalkan kinerja perusahaan, serta dapat membuat suatu laporan

kinerja tahunan perusahaan lebih baik.

1.2 Perumusan Masalah

Berdasarkan latar belakang di atas, maka identifikasi masalah yang

didapati adalah sebagai berikut :

1. Tidak dapat diimplentasikannya salah satu fasilitas teknologi informasi

yaitu Business Intelligence pada perusahaan.

24

2. Perusahaan GMN masih sulit untuk mendapatkan data yang sesuai dan

mudah dipahami dari data keuangan dan data operasional yang meliputi

kegiatan dalam penjualan dan pelaksanaan proyek.

3. Perusahaan GMN membutuhkan alat bantu berupa aplikasi Business

Intelligence untuk membuat laporan tahunan dari data kegiatan kegiatan

penjualan dan pelaksanaan proyek.

Berdasarkan latar belakang di atas, maka dapat dirumuskan

permasalahan yaitu, “Bagaimana aplikasi business intelligence dapat

diimplementasikan serta dapat memperbaiki laporan akhir tahun agar lebih

baik serta mudah dipahami melalui pengolahan data penjualan dan data

proyek pada perusahaan?”

1.3 Batasan Masalah

Berdasarkan pada permasalahan di atas, maka ruang lingkup perancangan

dibatasi pada :

1. Perancangan aplikasi business intelligence ini hanya sebatas pada

perusahaan GMN.

2. Pengembangan aplikasi bussiness intelligence yang dilakukan hanya

terbatas untuk bagian operasional dan bagian keuangan.

3. Pengembangan sistem database yang dilakukan hanya sebatas pada data

proyek dan penjualan.

25

4. Perancangan aplikasi dengan menggunakan metodologi bussiness

intelligence roadmap hanya dilakukan sebatas pada tahapan construction.

5. Dalam perancangan aplikasi Business Intelligence ini penulis

menggunakan perangkat lunak MSSQL Server dan Qlikview.

1.4 Tujuan Dan Manfaat Penulisan

1.4.1 Tujuan Penulisan

Tujuan dari pembuatan skripsi ini adalah untuk meningkatkan kinerja

perusahaan dengan menerapkan Business Intelligence sebagai salah satu

apilkasi yang diterapkan bagi proses bisnis perusahaan.

1. Sebagai syarat kelulusan program sarjana pada jurusan Sistem Informasi

Fakultas Sains & Teknologi UIN Syarif Hidayatullah Jakarta.

2. Membuat suatu aplikasi Business Intelligence yang dapat diterapkan

pada perusahaan PT.Gerbang Multindo Nusantara.

1.4.2 Manfaat Penulisan

Adapun manfaat penulisan skirpsi ini adalah:

1. Bagaimana teknologi Business Intelligence dapat dijadikan acuan dan

bahan referensi dalam penerapan Business Intelligence pada bagian

operasional dan keuangan pada perusahaan.

26

2. Mengetahui serta menerapkan kemampuan mahasiswa dalam

menguasai materi teori yang diperoleh selama kuliah yang

diimplementasikan di lapangan sebagai bahan evaluasi pendidikan.

3. Meningkatkan keakuratan dalam pengambilan keputusan strategis

sebuah perusahaan dengan memperbaiki akses terhadap data agar dapat

di telaah lebih dalam yang telah dibuat dalam bentuk yang lebih

dimengerti.

1.5 Metode Penelitian

Pada penulisan skripsi ini diperlukan data dan informasi yang lengkap

guna mendukung penelitian, metodologi tersebut diantaranya :

1.5.1 Metode Pengumpulan Data

a. Metode Kepustakaan

Menelaah dan mempelajari teori-teori serta materi bacaan

lainnya, yang dapat memberi informasi sesuai dengan topik kajian

dalam pembuatan skripsi, sehingga kajian tersebut menjadi lengkap

sesuai yang diharapkan.

b. Metode Observasi

Observasi adalah metode pengumpulan informasi dengan cara

pengamatan atau peninjauan langsung terhadap objek penelitian, yaitu

mengumpulkan dan menelaah data - data permasalahan pada instansi

27

terkait. Dalam proses pengumpulan data yang sesuai dengan sifat

penelitian ini, maka metode observasi partisipatif yang digunakan

penulis, karena penulis melakukan pengamatan secara langsung yang

disebut pengamatan terlibat. Penulis sebagai instrumen dan alat dalam

melakukan penelitian ini, maka penulis pun mencari data sendiri

dengan terjun langsung atau mengamati serta mencari beberapa

informasi ke beberapa narasumber yang telah ditentukan sebagai

sumber data.

c. Metode Wawancara

Dilakukan dengan cara mewawancarai seseorang yang ahli

dalam bidangnya atau melakukan diskusi dengan orang-orang yang

mengerti terhadap materi bahasan supaya mendapatkan bahan masukan

dan data pendukung untuk penyusunan skripsi ini. Dengan melakukan

wawancara secara terstruktur yaitu memberikan beberapa pertanyaan

secara sistematis dan pertanyaan yang diajukan disusun sebelumnya.

d. Kusioner

Penulis menggunakan tipe kuesioner format tetap, yaitu

kuesioner yang terdiri dari sejumlah pertanyaan dengan memilih salah

satu dari beberapa jawaban yang disediakan kepada responden.

1.5.2 Metodologi Analisa dan Perancangan

28

Pendekatan metodologi yang digunakan adalah metodologi Business

Intelligence Larissa T.Moss (2003). Secara garis besar metodologi ini terbagi

menjadi 2 tahap, yaitu tahap analisa dan perancangan, dimana tahapan

analisa meliputi Justification, Planning, dan Business Analysis, kemudian

tahapan perancangan meliputi Design, Construction, dan Deployment.

Adapun gambaran metodologi Business Intelligence yang akan dijalankan

pada perancangan ini dapat dilihat dari gambar berikut :

Gambar 1 Engineering stages of methodology

(Sumber Business Intelligence Roadmap, 2003)

1.5.3.1 Tahapan Analisa

Metodologi analisa yang terdapat pada metodologi Business

Intelligence Larissa T.moss (Business Intelligence Roadmap, 2003)

terbagi menjadi 3 bagian, yaitu :

1. Justification : Menetapkan kebutuhan bisnis yang mendukung proyek

baru.

29

2. Planning : Mengembangkan strategi dimana proyek dapat

diselesaikan dan dikembangkan.

3. Business Analysis : Menampilkan analisis secara rinci dari masalah

bisnis atau peluang bisnis untuk mendapatkan solusi yang berpotensi.

1.5.3.2 Tahapan Perancangan

Metodologi perancangan yang terdapat pada metodologi Business

Intelligence Larissa T.moss (Business Intelligence Roadmap, 2003)

terbagi menjadi 2 yaitu :

1. Design : Menyusun solusi untuk menyelesaikan permasalahan bisnis

atau untuk mendapatkan peluang bisnis.

2. Construction : Membangun solusi yang harus menyediakan

pengembalian investasi dengan jangka waktu yang sudah ditentukan.

1.6 Kerangka Berfikir Penelitian

30

Step 1 Justification

1. Business case assessment/

Mengevaluasi strategi perusahaan.

2. Mengevaluasi kebutuhan perusahaan :

- Sasaran Aplikasi Business Intelligence.

- Menentukan Risk Assesment/Resiko

Pada proses perancangan aplikasi.

Step 2 Planning

1. Mengevaluasi komponen "teknikal infrastruktur" Perusahaan, meliputi : Software, Haradware, dan Jaringan.

2. Mengevaluasi "nonteknikal" infrastructure, meliputi :

- Struktur data

- Standar perusahaan.

- Sejauh mana metodologi di terapkan

3. Project Planning

- Menentukan Sasaran aplikasi Business Intelligence yang tepat untuk kebutuhan user.

- Menentukan solusi BI yang diajukan untuk perusahaan.

- Memetakaan Aktivitas Proyek BI.

Step 3 Business Analysis

1. Project Requirements Definition/ Definisi kebutuhan pada aplikasi.

2. Data Analysis/ Analisa data kebutuhan aplikasi meliputi: Normalisasi data

3. Application Prototyping, tampilan awal dari rancangan dashboard yang kan dibuat.

4. Meta Data Repository Analysis / Menggambarkan Entity-Relationship Meta Model dari data yang akan diolah.

Step 4 Design

1. Database Design/ Mendisain star schema database dari database yang ada.

2. Extract,Transform,Load (ETL) Design/ Memaparakan disain ETL data yang lalui.

3. Meta Data Repository Design/ Mendisain ER data model dari ER data yang sudah di analisa sebelumnya.

Step 6 Deployment

1. Implementation : Mengimplementasikan aplikasi dan melakukan tahapan testing baik black box maupun white box.

2. Release Evaluation : Tahapan mengevaluasi dari hasil pekerjaaan aplikasi setelah di implementasikan, sebagai tahapan dari pemeliharaan bagi aplikasi dan penyesuaian aplikasi bagi user.

Step 5 Construction

1. ETL Development (Extract/Trasform/Load) : Menampilkan ETL program dengan menampilkan screen shoot proses ETL.

2. Aplication Development : Proses membuat design dashboard aplikasi sesuai dengan rancangan yang sudah di rumuskan sebelumnya.

3. Data mining : Menerapkan teknik data mining yaitu teknik forcasting berupa trend projection.

4. Metadata Repository Development : Memaparkan metadata dari hasil perancangan aplikasi yang telah

Gambar 1.2 Kerangka Berfikir Penelitian

1.7 Sistematika Penulisan

31

Dalam penyusunan skripsi ini, pembahasan yang penulis sajikan terbagi

dalam lima bab, sebagaimana diuraikan sebagai berikut:

BAB I PENDAHULUAN

Bab ini akanmenguraikan latar belakang, perumusan masalah,

batasan masalah, tujuan dan manfaat penulisan, metodologi

penulisan dan sistematika penulisan.

BAB II LANDASAN TEORI

Bab ini akan menguraikan secara singkat teori-teori yang

diperlukan, seperti teknologi yang terdapat didalam Qlikview, serta

teori dari Business Intelligence dan materi-materi lainnya yang

berkaitan dengan skripsi ini .

BAB III METODOLOGI PENELITIAN

Bab ini menguraikan metodologi yang digunakan dalam analisis

dan desain aplikasi yang akan dibuat. Metodologi tersebut meliputi

metode pengumpulan data dengan observasi langsung ke

perusahaan PT.GMN dan studi pustaka yang berkaitan dengan

pengembangan Business Intelligence.

BAB IV RACANGAN SISTEM YANG DIUSULKAN

Bab ini membahas implementasi penerapan Business Intelligence

yang akan di terapkan pada perusahaan PT. Gerbang Multindo

Nusantara, melalui aplikasi MSSQL Server dan Qlikview.

BAB V KESIMPULAN DAN SARAN

32

Bab ini akan menguraikan kesimpulan yang dapat diambil dari

penulisan skripsi ini serta saran-saran untuk memperbaiki dan

mengembangkan lebih lanjut dari penulisan skripsi ini.

33

BAB II

LANDASAN TEORI

2.1. Konsep Dasar Sistem Informasi

2.1.1 Pengertian Data

Data merupakan aliran fakta yang mewakili kejadian yang terjadi

dalam organisasi atau dalam lingkungan fisik sebelum mereka diatur

menjadi sebuah form yang dapat dimengerti dan digunakan oleh pengguna

(Laudon, 2000). Sedangkan menurut Navath Edan Elmasri (2000) data

adalah fakta yang dapat disimpan dan memiliki arti, dan dapat disimpan serta

dapat diatur sedemikian rupa sehingga dapat menjadi sebuah form yang

dapat digunakan untuk berbagai tujuan.

2.1.2 Pengertian Informasi

Menurut Turban (2003), informasi adalah suatu koleksi fakta/data

yang telah terorganisir dengan beberapa cara sehingga memberikan suatu arti

yang dipahami oleh penerima.

Beberapa definisi informasi dijelaskan menurut McFadden, dkk

(1999) mendefinisikan informasi sebagai data yang telah diproses

sedemikian rupa sehingga meningkatkan pengetahuan seseorang untuk

menggunakan data tersebut (Kadir, 2003).

Menurut Davis (1999), informasi adalah data yang telah diolah

menjadi sebuah bentuk yang berarti bagi penerimanya dan bermanfaat dalam

34

pengambilan keputusan saat ini atau saat mendatang (Kadir, 2009). Dapat

disimpulkan bahwa informasi bermuara pada suatu data, yang dapat

memberikan suatu nilai tambah atau pengetahuan bagi siapapun

penggunanya dan digunakan sebagai pengambil keputusan.

Informasi sering dinyatakan adalah sebagai hasil dari pemrosesan

data. Proses tersebut dapat berupa peringkasan, pereratan, penyajian ke

bentuk grafik, ataupun yang lainnya, dengan tujuan untuk memudahkan

interpretasi manusia.

Data Informasi

Peringkasan , Pererataan , penyajian grafik, dll.

Gambar 2.1 Data dan informasi (Sumber: Kadir, 2009)

2.1.3 Kualitas Informasi

Kualitas dari suatu informasi (quality of information) tergantung

dari tiga hal yaitu informasi harus akurat (accurate), tepat pada waktunya

(timeliness) dan relevan (relevance).

Akurat berarti informasi harus bebas dari kesalahan-kesalahan dan

tidak bisa atau menyesatkan akurat juga berarti informasi harus jelas

mencerminkan maksudnya. Tepat pada waktunya berarti informasi yang

datang pada penerima tidak boleh terlambat. Informasi yang sudah usang

Proses

35

tidak akan mempunyai nilai lagi. Relevan berarti informasi tersebut

mempunyai manfaat untuk pemakaiannya (Jogiyanto, 2005).

2.1.4 Pengertian Sistem

Sistem adalah sekelompok elemen yang terintegrasi dengan maksud

yang sama untuk mencapai suatu tujuan (McLeod, 2001). Dalam arti lain,

sistem sebagai kumpulan komponen yang saling berhubungan satu sama lain

yang dapat bekerja sama secara harmonis untuk mencapai suatu tujuan.

Lebih lanjut menurut Jerry Fith Gerald (Mulyanto, 2009)

mendefinisikan sistem adalah ”jaringan kerja dari prosedur-prosedur yang

saling berhubungan, berkumpul bersama-sama untuk melakukan suatu

kegiatan”.

2.1.5 Pengertian Sistem Informasi

“An information system can be any combination of people, hardware,

software, communication network, and data resources that collects,

transforms and disseminates informaton in an organization" (O'Brien,

2004), yang dapat diartikan sistem informasi dapat berupa kombinasi yang

teratur dari orang, perangkat keras, perangkat lunak, jaringan komunikasi

dan sumber data yang mengumpulkan, merubah dan menyebar informasi ke

dalam sebuah organisasi.

Sedangkan menurut Hall (2001), sistem informasi adalah sebuah

rangkaian prosedur formal dimana data dikelompokkan, diproses menjadi

36

informasi, dan didistribusikan kepada pemakai (Kadir,2003). Suatu proses

yang menghasilkan suatu informasi yang berguna bagi masyarakat

menjadikan suatu sistem memiliki nilai guna.

Definisi lain menyatakan bahwa sistem informasi adalah sekumpulan

komponen – komponen yang saling berhubungan dan bekerja sama untuk

mengumpulkan, memproses, menyimpan, dan mendistribusikan informasi

terkait untuk mendukung proses pengambilan keputusan, koordinasi, dan

pengendalian (Prahasta, 2009).

2.2. Konsep Dasar Database

2.2.1. Pengertian Metadata

Metadata merupakan data dari sebuah data, atau bisa disebut juga

deskripsi dari sebuah data yang dipergunakan untuk pengumpulan,

penyimpanan, pembaharuan (update), dan mendapat kembali data kembali

data binis data teknikal yang berguna untuk organisasi atau perusahaan

(Learndatamodelinga.com, 2006).

Metadata menjadi gambaran ketika kita membutuhkan untuk

mengetahui tentang bagaimana data tersebut tersimpan dan dimana

tersimpannya. Peralatan metadata berguna untuk membantu dalam

menagkap metadata bisnis.

Metadata merupakan informasi latar belakang yang

mendeskripsikan isi, kualitas, kondisi, beserta karakteristik lainnya dari

data yang bersangkutan. Dengan metadata, manusia akan terbantu di dalam

37

memahami data yang dimilikinya. Di dalam (sistem manajemen) basisdata,

metadata dapat diartikan sebagai informasi yang menjelaskan (mengenai)

struktur atau tipe data (fields) yang terdapat di dalam tabel-tabelnya.

2.2.2 Pengertian Sistem Basis Data

Sistem basis data menurut Connolly dan Begg (2002) mengatakan

bahwa sistem basis data merupakan kumpulan dari program aplikasi yang

berinteraksi dengan basis data. Sedangkan menurut Navathe dan Elmasri

(2000) sistem basis data merupakan gabungan basis data dengan sistem

basis data. Sehingga dapat disimpulkan bahwa sistem basis data merupakan

kombinasi dari beberapa program aplikasi dengan basis data yang telah

berjalan sehingga keseluruhan sistem terkomputerisasi tersebut

membolehkan pengguna menelusuri kembali dan mengubah informasi

tersebut sesuai kebutuhan.

2.2.2.1 Aplikasi Basis Data

Contoh aplikasi basis data menurut Kronke (2006) dapat

dikategorikan sebagai berikut:

1. Aplikasi Basis Data Single-User : Aplikasi ini digunakan penjual

tunggal yang menjaga alur pelanggan dan merupakan hubungan

penjual dengan pelanggan. Contoh sales contact manager,

penggunanya satu sales dengan ukuran data sebesar 1000 baris, dan

produknya database terpusat. Misalnya Gold Mine and Act.

38

2. Aplikasi Basis Data Multiuser : Aplikasi ini digunakan lebih dari satu

pengguna. Contoh aplikasi jadwal pasien yang digunakan oleh 15

sampai 50 pengguna, seperti perawat, dokter, dan bagian administrasi.

Besar data mencapai 100.000 baris data dengan 5 sampai 10 tabel yang

berbeda.

3. Aplikasi Basis Data e-Commerce : Aplikasi ini digunakan untuk

memasukkan data pemesanan, penagihan, pengiriman, dan layanan

pelanggan. Contohnya Amazon.com dan Drugstore.com yang

menggunakan halaman web yang mereka kirim ke konsumen.

Konsumen dapat mengoperasikan dengan menambah belanja,

memesan pembelian, dan pembatalan pembelian.

4. Aplikasi Basis Data Data Mining : Aplikasi ini menggunakan data

yang dihasilkan dari proses pemesanan dan sistem operasi lain untuk

menghasilkan informasi yang membantu mengatur perusahaan dengan

merangkum data yang ada.

2.2.3 Model Relasional

Di dalam model relasional, semua data secara logika terstruktur dalam

tabel. Setiap tabel mempunyai nama dan terdiri dari kolom-kolom yang

dinamakan atribut. Setiap baris mengandung setiap nilai untuk setiap atribut.

Di dalam model relational dikenal istilah-istilah relation, attribute,

domain, degree, dan cardinality. Menurut Connolly (2002), relation atau

39

relasi adalah sebuah tabel yang terdiri dari baris dan kolom. Atribut adalah

penamaan kolom yang ada didalam sebuah table. Domain adalah kumpulan

dari nilai-nilai yang diijinkan pada satu atau lebih atribut. Tuple adalah

penamaan baris yang terdapat dalam sebuah tabel. Degree of a relation

adalah jumlah atribut yang dapat ditampung. Cardinality of a relation adalah

jumlah baris yang terdapat pada sebuah tabel.

2.2.4 Basis Data Relasional

Menurut Connolly (2002), relational database merupakan kumpulan

relasi yang sudah dinormalisasikan dengan nama berbeda. Ciri-ciri yang

dimiliki oleh sebuah relasi antara lain:

1. Memiliki nama yang berbeda antara satu relasi dengan relasi lainnya di

dalam skema relasional.

2. Setiap cell di dalam relasi mengandung sebuah nilai tunggal.

3. Setiap atribut memiliki nama yang berbeda.

4. Nilai dari sebuah atribut berasal dari domain yang sama.

5. Setiap baris pada relasi berbeda. Tidak ada baris yang bernilai sama.

6. Urutan dari atribut tidak terlalu berpengaruh.

7. Secara teoritis, urutan dari tuple atau baris tidak berpengaruh, namun

dalam implementasinya urutannya dapat mempengaruhi waktu

pengaksesan.

40

Karena antara setiap baris tidak memiliki nilai sama, maka

diperlukan sebuah relational key yang dapat mengidentifikasikan setiap

baris di dalam relasi secara unik. Beberapa relational key yang dikenal

antara lain sebagai berikut :

• Super key : Sebuah atribut atau kumpulan dari atribut yang secara

unik mengidentifikasi baris yang ada dalam sebuah relasi.

• Candidate key : Sebuah candidate key harus memiliki dua ciri-ciri,

yaitu secara unik mengidentifikasi sebuah baris dan tidak ada nilai

lain yang memiliki sifat yang unik tersebut (irreducibility).

• Primary key : Merupakan candidate key yang dipilih untuk

mengidentifikasi baris- baris didalam sebuah relasi secara unik.

• Foreign key : Merupakan atribut atau kumpulan atribut didalam

sebuah relasi yang juga merupakan candidate key.

• Composite key : Merupakan gabungan dari dua atribut atau lebih

yang membentuk sebuah primary key.

• Surrogate key : Merupakan gabungan dari dua atribut atau lebih

yang membentuk sebuah primary key.

2.2.5 Database Management System

Menurut Connolly (2002), Database Management System (DBMS)

adalah sebuah sistem perangkat lunak yang memungkinkan user

41

mendefinisi, membentuk, mengatur dan mengontrol akses ke database.

DBMS berinteraksi dengan pengguna aplikasi program dan database.

DBMS menyediakan fasilitas :

• Data Definition Language (DDL), yang berguna untuk menspesifikasi

tipe data, struktur, dan constraint data. Semua spesifikasi di simpan

dalam database.

• Data Manipulation Language (DML), yang dapat menambah,

mengubah, menghapus, dan mengembalikan data dengan memberikan

fasilitas data query berupa query language. Query language yang

sering digunakan adalah Structured Query Language (SQL).

• Pengendalian akses database, antara lain:

o Sistem keamanan : mencegah user yang tidak memiliki hak

akses untuk mengakses database.

o Sistem Integrasi, menjaga konsistensi data.

o Pengendalian share data.

o Backup dan Recovery sistem.

o Katalog deskripsi data dalam database

• Mekanisme view untuk menyediakan data yang diinginkan dan

diperlukan user saja.

2.2.5.1 Komponen DBMS

Ada lima komponen utama dalam DBMS, yaitu

42

1. Hardware, yang berupa komputer hingga jaringan komputer.

2. Software, yaitu DBMS, aplikasi program, sistem operasi, dan

software jaringan (bila diperlukan untuk jaringan).

3. Data yang merupakan data operasional dan metadata yang

digunakan perusahaan.

4. Prosedur, yaitu instruksi dan aturan yang harus ada pada desain

dan kegunaan dari database dan DBMS.

5. People, antara lain:

• Data Administration (DA): DA mengatur sumber daya data,

meliputi perencanaan database, pengembangan dan

pemeliharaan standar, kebijakan, prosedur, dan desain

database logikal dan konseptual.

• Database Administration (DBA) : DBA mengatur realisasi

fisik dari aplikasi database yang meliputi desain fisik

database dan implementasi, pengaturan keamanan dan

kontrol integritas, pengawasan performa sistem dan

pengaturan ulang database.

• Desainer Database (Logikal dan Fisikal) : Desainer

database logical melakukan identifikasi data (entitas dan

atribut), hubungan antara data, dan batasan data yang

disimpan dalam database. Desainer database fisikal

memutuskan bagaimana desain database logikal

diimplementasikan.

43

• Application Developers : Application developers

mengimplementasikan program aplikasi yang menyediakan

kebutuhan bagi end-user.

• End-Users : End User dapat digolongkan menjadi 2 bagian:

a. Naïve users, adalah pengguna yang tidak perlu tahu

mengenai DBMS, hanya mengoperasikan dengan

perintah sederhana dan memilih pilihan dari menu.

b. Sophisticated users, pengguna yang mengetahui struktur

basis data dan fasilitas DBMS.

2.2.5.2 Keuntungan dan Kerugian DBMS

Ada beberapa keuntungan yang didapat dengan memakai DBMS,

yaitu:

1. Mengontrol redudansi data.

2. Konsistensi data.

3. Lebih banyak informasi dari jumlah data yang sama.

4. Share data.

5. Meningkatkan integritas data.

6. Meningkatkan keamanan.

7. Standar pelaksanaan.

44

8. Skala ekonomi (data operasional organisasi dijadikan satu

database dan membuat aplikasi pada satu sumber data sehingga

akan menghemat biaya).

9. Keseimbangan aksesibilitas data dan data responsiveness.

10. Meningkatkan produktivitas.

11. Meningkatkan pemeliharaan melalu data independence.

12. Meningkatkan konkurensi (mengurangi loss informasi dan loss

integrasi).

13. Meningkatkan layanan backup dan recovery.

Sementara itu, yang menjadi kerugian DBMS :

1. Kompleksitas.

2. Ukuran.

3. Biaya DBMS.

4. Biaya penambahan perangkat keras.

5. Biaya konversi (biaya staf spesialis, biaya pelatihan).

6. Performance (tidak dapat berjalan secepat yang diinginkan).

7. Resiko kesalahan yang lebih tinggi.

2.2.6 Pengertian Data Warehouse

"Data warehouse is a subject-oriented, integrated, time-variant,

and non-volatile collection of data in support of management's decision-

making process" (Collony dan Berg, 2005), yang dapat diartikan "Data

45

warehouse adalah kumpulan data yang berorientasi subjek, terintegrasi

waktu, dan tidak mengalami perubahaan secara langsung dalam

mendukung proses pengambilan keputusan manajemen".

2.2.6.1 Karakteristik Data warehouse

Menurut Inmon(2005), data warehouse memiliki empat

karakteristik utama, antara lain sebagai berikut:

1. Subject-Oriented

Data warehouse berorientasi subject artinya data warehouse

didesain untuk menganalisa data berdasarkan subject-subject tertentu

dalam organisasi, bukan pada proses atau fungsi aplikasi tertentu.

Data warehouse diorganisasikan disekitar subjek-subjek utama

dari perusahaan(customers, products dan sales) dan tidak

diorganisasikan pada area-area aplikasi utama(customer invoicing,

stock control dan product sales). Hal ini dikarenakan kebutuhan dari

data warehouse untuk menyimpan data-data yang bersifat sebagai

penunjang suatu keputusan, dari pada aplikasi yang berorientasi

terhadap data. Jadi dengan kata lain, data yang disimpan adalah

berorientasi kepada subjek bukan terhadap proses.

46

Gambar 2.2 Data warehouse subject – oriented

2. Integrated

Data warehouse dapat menyimpan data-data yang berasal dari

sumber-sumber yang terpisah kedalam suatu format yang konsisten

dan saling terintegrasi satu dengan lainnya. Dengan demikian data

tidak bisa dipecah-pecah karena data yang ada merupakan suatu

kesatuan yang menunjang keseluruhan konsep data warehouse itu

sendiri. Syarat integrasi sumber data dapat dipenuhi dengan berbagai

cara sepeti konsisten dalam penamaan variabel, konsisten dalam

ukuran variabel, konsisten dalam struktur pengkodean dan konsisten

dalam atribut fisik dari data.

47

Gambar 2.3 Pokok persoalan dari integrasi (Inmon, 2005).

3. Time Variant

Model analisis yang diterapkan pada sebuah data warehouse

berfokus pada perubahan data faktual berdasarkan waktu. Dalam hal

ini data warehouse harus mampu menyimpan data untuk suatu objek

tertentu dalam kurun waktu yang berbeda-beda. Waktu merupakan

bagian data yang sangat penting di dalam data warehouse

48

Gambar 2.4 Time Variant (Inmon, 2005).

4. Non-volatile

Karakteristik keempat dari data warehouse adalah non-volatile,

maksudnya data pada data warehouse tidak di-update secara real time

tetapi di refresh dari sistem operasional secara reguler. Data yang baru

selalu ditambahkan sebagai suplemen bagi database itu sendiri dari

pada sebagai sebuah perubahan. Database tersebut secara kontinu

menyerap data baru ini, kemudian secara incremental disatukan

dengan data sebelumnya.

Berbeda dengan database operasional yang dapat melakukan

update, insert dan delete terhadap data yang mengubah isi dari

database sedangkan pada data warehouse hanya ada dua kegiatan

memanipulasi data yaitu loading data (mengambil data) dan akses data

(mengakses data warehouse seperti melakukan query atau menampilan

laporan yang dibutuhkan, tidak ada kegiatan updating data).

49

Gambar 2.5 Pokok persoalan dari nonvolatile (Inmon, 2005).

2.2.6.2 Bentuk Data Warehouse

Berikut ini adalah bentuk-bentuk dari data warehouse berdasarkan

Inmon, 2005. Berikut pembagiannya :

2.2.6.2.1 Functional Data Warehouse

Functional data warehouse ini merupakan bentuk database

dimana data warehouse dibuat lebih dari satu dan dikelompokkan

berdasarkan masing-masing fungsi yang ada dalam perusahaan, seperti

fungsi financial / keuangan, fungsi marketing / pemasaran, fungsi kinerja

personalia, dan lain-lain. Keuntungan dari bentuk ini adalah sistem akan

mudah dibangun dengan biaya yang relatif murah. Kerugian dari

50

penggunaan bentuk ini adalah resiko kehilangan konsistensi data dan

terbatasnya kemampuan pengguna dalam hal pengumpulan data.

Gambar 2.6 Functional Data Warehouse

2.2.6.2.2 Centralized Data Warehouse

Centralized data warehouse ini merupakan database fisikal

tunggal yang memuat semua data untuk area fungsional yang khusus,

departemen, divisi, atau perusahaan. Data warehouse ini digunakan

ketika terdapat kebutuhan akan data informasional dan terdapat banyak

end-user yang sudah terhubung ke komputer pusat atau jaringan.

Bentuknya menyerupai functional data warehouse, akan tetapi

sumber datanya lebih dahulu dikumpulkan atau diintegrasikan pada

suatu tempat terpusat, baru kemudian data tersebut dibagi-bagi

berdasarkan fungsi-fungsi yang dibutuhkan oleh perusahaan. Bentuk

51

data warehouse terpusat ini sering digunakan oleh perusahaan-

perusahaan yang belum mempunyai jaringan eksternal. Keuntungan

bentuk centralized data warehouse ini adalah data benar-benar terpadu

karena konsistensi yang tinggi. Namun demikian membutuhkan waktu

yang lama dan biaya yang mahal dalam membentuk data warehouse

seperti ini.

Gambar 2.8 Centralized Data Warehouse

2.2.6.2.3 Distributed Data Warehouse

Distributed data warehouse adalah data warehouse dimana

komponen tertentu dari data warehouse tersebut didistribusikan

melewati sebuah database fisikal yang berbeda. Distributed data

warehouse biasanya melibatkan data yang paling teredundansi, dan

sebagai akibatnya, menimbulkan proses load dan update yang sangat

kompleks.

52

Distributed data warehouse ini menggunakan gateway yang

berfungsi sebagai jembatan antara lokasi data warehouse dengan

workstation yang menggunakan sistem yang beranekaragam, sehingga

pada bentuk data warehouse ini memungkinkan perusahaan untuk

mengakses sumber data yang terdapat diluar lokasi perusahaan

(eksternal). Bentuk data warehouse ini mempunyai kelebihan dalam hal

pengaksesan data dari luar perusahaan yang telah mengalami

sinkronisasi terlebih dahulu dan tetap terjaga konsistensinya. Tetapi

bentuk ini juga memiliki kerugian yaitu bentuk ini merupakan yang

paling mahal dan paling kompleks untuk diterapkan karena sistem

operasinya dikelola secara terpisah.

Gambar 2.9 Distributed Data Warehouse

2.2.6.3 Struktur Data warehouse

53

Level kedetailan data dalam struktur data warehouse terbagi

menjadi 5 tingkat yaitu:

1. Old Detail Data

Data ini merupakan data historis dari current detail data, dapat

berupa hasil cadangan atau archive data yang disimpan dalam storage

terpisah. Karena bersifat back-up (cadangan), maka biasanya data

disimpan dalam storage alternatif seperti tape-desk. Data ini biasanya

memilki tingkat frekuensi akses yang rendah. Penyusunan file atau

directory dari data ini di susun berdasarkan umur dari data yang

bertujuan mempermudah untuk pencarian atau pengaksesan kembali.

2. Current Detail Data

Current detail data merupakan data detil yang aktif saat

ini,mencerminkan keadaan yang sedang berjalan dan merupakan level

terendah dalam data warehouse. Didalam area ini warehouse

menyimpan seluruh detail data yang terdapat pada skema basis data.

Jumlah data sangat besar sehingga memerlukan storage yang besar pula

dan dapat diakses secara cepat. Dampak negatif yang ditimbulkan

adalah kerumitan untuk mengatur data menjadi meningkat dan biaya

yang diperlukan menjadi mahal.

3. Light Summarized Data

54

Data ini merupakan ringkasan atau rangkuman dari current

detail data. Data ini dirangkum berdasar periode atau dimensi lainnya

sesuai dengan kebutuhan.

Ringkasan dari current detail data belum bersifat total

summary.Data-data ini memiliki detil tingkatan yang lebih tinggi dan

mendukung kebutuhan warehouse pada tingkat departemen. Tingkatan

data ini di sebut juga dengan data mart. Akses terhadap data jenis ini

banyak digunakan untuk view suatu kondisi yang sedang atau sudah

berjalan.

4. Highly Summarized Data

Data ini merupakan tingkat lanjutan dari Lightly summarized

data, merupakan hasil ringkasan yang bersifat totalitas, dapat di akses

misal untuk melakukan analisis perbandingan data berdasarkan urutan

waktu tertentu dan analisis menggunakan data multidimensi.

5. Metadata

Metadata bukan merupakan data hasil kegiatan seperti keempat

jenis data diatas. Menurut Poe (1996), metadata adalah ‘data tentang

data’ dan menyediakan informasi tentang struktur data dan hubungan

antara struktur data di dalam atau antara storage (tempat penyimpanan

data).

Metadata berisikan data yang menyimpan proses perpindahan

data meliputi database structure , contents,detail data dan summary

data, matrics, versioning, versioning, transformation criteria. Metadata

55

khusus dan memegang peranan yang sangat penting dalam data

warehouse.

Gambar 2.10 Struktur data warehouse Inmon (2005)

2.2.7 Pengertian Data Mart

Data mart adalah suatu subset dari data warehouse yang

mendukung persyaratan atau ketentuan sebuah departemen dari sebuah

organisasi atau perusahaan. Ada beberapa karakteristik yang membedakan

data mart dengan data warehouse, yaitu (Connolly, 2002) :

1. Data mart hanya berfokus pada kebutuhan user yang berhubungan

dengan satu departemen atau fungsi bisnis.

56

2. Data mart biasanya tidak mengandung data operasional yang detail,

tidak seperti data warehouse.

3. Karena data mart mempunyai data yaang lebih sedikit dibandingkan

dengan data warehouse, data mart lebih mudah untuk dimengerti dan

dijalankan.

2.2.8 Pengertian OLAP

OLAP (on-line analytical processing) merupakan suatu perangkat

yang menggambarkan teknologi menggunakan gambaran multidimensi

sejumlah data untuk menyediakan akses yang lebih cepat bagi strategi

informasi dengan tujuan mempercepat analisis (Connolly, 2002). OLAP

adalah sebuah perangkat yang digunakan untuk menyimpan data

multidimensional dan perangkat yang digunakan untuk menampilkan

sebuah tampilan multidimensional kepada user (Peterson, Pinkelman,

2000).

Jadi teknisnya, kubus OLAP/MOLAP cubes adalah cara untuk

memudahkan menganalisa data melintasi multidimensi dengan

menyediakan tampilan multidimensional dari aggregasi/kumpulan grup

data. Dengan laporan OLAP, kategori besar seperti periode fiskal,

penjualan per-wilayah, produk, pegawai, promosi produk yang dapat

“dianalisa” dengan sangat efisien, efektif, dan responsif.

Aplikasi OLAP termasuk analisis penjualan dan pelanggan,

penganggaran belanja, analisa marketing, analisa produksi, analisa sumber

57

profit, dan peramalan. Beberapa bentuk OLAP diambil dari

www.learndatamodeling.com (2006) yaitu:

1. ROLAP yaitu Relational OLAP yang menyediakan analisis

multidimensional dari data, yang tersimpan di basis data yang berrelasi

(RDBMS).

2. MOLAP (Multidimensional OLAP), menyediakan analisis dari data

yang tersimpan dalam cube data multi-dimensional.

3. HOLAP (Hybrid OLAP) adalah kombinasi dari ROLAP dan MOLAP

yang dapat menyediakan analisa dalam bentuk multidimensional secara

bersama-sama dari data yang tersimpan di multidimensional dan

relational Database (RDBMS).

4. DOLAP (Desktop OLAP atau Database OLAP) menyediakan analisa

multidimensional lokal dalam komputer client yang datanya diambil dari

relational atau multi-dimensional database server.

2.2.8.1 Arsitektur OLAP

Menurut Scheps (2008) Di lingkungan OLAP, cube adalah

penyimpan data terspesialisasi dirancang secara spesifik untuk menangani

data ringkasan multidimensional (multidimensional summary data). Data

cube disimpan di cells. Strukturnya seperti 3D spreadsheet.

58

Gambar 2.11 Cube

2.2.9 Pengertian Data Mining

Telah diketahui bahwa data warehouse mengandung data

berukuran besar yang dapat dianalisa. Namun sampai saat ini, perangkat

(tool) dari basis data yang besar hanya menyediakan analisis data yang

relatif sederhana dan fungsi-fungsi yang terbatas. Lalu semangkin

mendesaknya pertumbuhan data warehouse menyebabkan meningkatnya

permintaan dari userakantools yang handal dan powerful yang

menyediakan kemampuan analisis yang lebih mendalam. Hal ini akan

menjadi rumit dan sulit bagi para pelaku bisnis menganalisis dan

mengantisipasi tren dan hubungan di dalam data jika hanya mengguakan

tools report dan query yang sangat sederhana.

59

Data mining adalah proses menganalisis data yang berukuran besar

dengan menggunakan pola-pola pengelanan maupun teknik pencarian

pengetahuan (knowledge discovery) untuk mengidentifikasi tren-tren yang

terjadi dan bermanfaat serta pola keterkaitan yang terdapat di dalam basis

data yang berukuran besar (English,1999). Data mining adalah salah satu

alternatif terbaik untuk mengetahui tren dan pola dari basis data yang besar.

Data miningmampu menjelajahi informasi di dalam data warehouse yang

tidak terungkap secara efektif. Sedangkan menurut (Claude Seidman, 2001)

data mining adalah proses pencarian pola hubungan serta tren yang

tersembunyi didalam suatu basis data yang besar.

a. Mencari pengetahuan

Tujuannya adalah untuk menentukan dengan jelas hubungan -

hubungan dan pola-pola yang tersembunyi pada basis data.

b. Menvisualisasikan data

Seorang analisis harus bisa memvisualisasikan informasi yang besar

yang tersimpan di dalam basis data.Tujuannya adalah untuk

memudahkan pelaporan data.

c. Membetulkan kesalahan pada data.

Bila beberapa basis data digabungkan, sering terjadi ketidak

lengkapan data yang terdiri dari informasi yang salah dan saling

bertentangan. Dengan data mining, maka dapat membantu

mengidentifikasikan dan memperbaiki kesalahan secara konsisten.

60

Menurut Helb dan Edelstein, ada lima tipe informasi data mining

(Helb, Edelstein, techweb.cmn.com, 2006) yaitu :

1. Associations

Kemunculan - kemunculan (occureness) terhubung oleh satu event

tunggal. Contohnya yaitu : ketika keripik dibeli, maka kemungkinan

besarnya 65% coca-cola juga dibeli.

2. Squences

Event dihubungkan berdasarkan waktu, contoh : Jika rumah dibeli

maka 45% oven baru dibeli dalam satu bulan dan 60% lemari es akan

dibeli.

3. Classifications

Aktivitas data mining yang paling umum, dapat membantu untuk

menemukan suatu karakteristik pelanggan dan menyediakan model

yang dapat membantu untuk memprediksi siapa saja mereka. Juga

dapat menentukan jenis-jenis produksi yang efektif sehingga biaya

yang dikeluarkan sesuai maupun tepat guna untuk menjaga loyalitas

konsumen.

4. Clustering

Data mining dapat menemukan pngelompokan data yang berbeda-

beda, contoh : aplikasi untuk deteksi kesalahan-kesalahan dalam

proses menufaktur atau untuk menemukan kemiripan pada kartu

kredit bank dan menemukan sebuah trend penjualan berdasarkan

lokasi penjualan.

61

5. Forecasting

Peramalan merupakan aktivitas pertama dalam penentuan jadwal

produksi di masa depan. Peramalan didasarkan pada penentuan

(prediksi) jumlah demand sebuah produk yang kemudian akan

dijadikan sebagai target produksi.

Ada dua pengkategorian metode-metode peramalan :

1. Berdasarkan Sifatnya :

a. Teknik-teknik kualitatif

Teknik ini digunakan apabila data masa lalu tidak tersedia atau

walaupun tersedia namun jumlahnya tidak mencukupi sesuai

dengan yang dibutuhkan. Teknik kualitatif mengkombinasikan

informasi dengan pengalaman, penilaian, dan intuisi untuk

menghasilkan pola-pola dan hubungan yang mungkin dapat

diterapkan dalam memprediksi masa yang akan datang. Teknik-

teknik kualitatif didasarkan atas pendekatan akal sehat

(common sense) dalam menyaring informasi ke dalam bentuk

yang bermanfaat.

b. Teknik-teknik kuantitatif

Dalam teknik ini, pola historis data digunakan untuk

mengekstrapolasi (meramalkan) masa datang. Terdapat dua

62

teknik kuantitatif yang utama : analisis deret waktu (time series

analysis) dan model struktural (structural model) atau model

kausal.

2. Berdasarkan jangkauan waktunya :

a. Peramalan jangka pendek

Peramalan jangka pendek ini memberikan hasil peramalan

dalam jangka waktu 1 tahun atau kurang. Peramalan jangka

pendek ini biasanya memberikan hasil yang paling akurat.

b. Peramalan jangka menengah

Peramalan jengka menengah digunakan untuk meramalkan

kondisi dalam jangka waktu 1 tahun sampai dengan 5 tahun ke

depan.

c. Peramalan jangka panjang

Peramalan jangka panjang digunakan untuk meramalkan

kondisi dalam jangka panjang (lebih dari 5 tahun ke depan).

Hasil peramalan ini biasanya digunakan untuk bahan dalam

pengambilan keputusan yang berkaitan dengan perencanaan

pasar, studi kelayakan, perencanaan kapasitas, dan lain-lain.

63

2.3 Konsep Dasar Business Intelligence

2.3.1 Dashboard

Menurut Scheps (2008) dashboard merupakan keturunan langsung

dari EIS lama dan sistem DSS, dengan meningkatkan fungsional dan

penampilan. Karena mereka terhubung dengan sistem data yang kuat dan

dengan memanfaatkan KPI. Menurutnya ada tiga jenis dashboard yaitu :

1. Tactical Dashboard

Mengukur produktivitas jangka pendek dan efektivitas. Hasilnya sering

digunakan oleh contributor individu.

2. Operational Dashboard

Mengukur efektivitas jangka pendek dari fungsi bisnis yang spesifik

pada tim atau level unit bisnis. Level dashboard ini dapat secara

potensial dikembangkan untuk seorang knowledge worker atau local

team manager.

3. Strategic Dashboard

Dibangun untuk level pengaturan kebijakan dari organisasi. Dashboard

menampilkan metric yang menggambarkan strategi dan tujuan

korporasi.

2.3.2 Pengertian Bisnis

Dalam ilmu ekonomi, bisnis adalah suatu organisasi yang menjual

barang atau jasa kepada konsumen atau bisnis lainnya, untuk mendapatkan

64

laba. Secara historis kata bisnis dari bahasa Inggris, dari kata dasar busy

yang berarti "sibuk" dalam konteks individu, komunitas, ataupun

masyarakat. Dalam artian, sibuk mengerjakan aktivitas dan pekerjaan yang

mendatangkan keuntungan. Menurut Madura (2009) dalam bukunya

menyatakan bisnis adalah suatu usaha yang menyediakan produk atau jasa

yang diinginkan oleh pelanggan.

2.3.3 Key Performance Indicator

Menurut Scheps (2008) Key Performance Indicator adalah metric

dan pengukuran yang mengindikasi apakah perusahaan hidup atau mati.

Mengukur dan merawat KPI adalah sasaran utama dari beberapa solusi

Business Intelligence.

2.3.4 Pengertian Business Intelligence

Menurut T.Moss (2003) “BI is neither a product nor a system. It is

an architecture and a collection of integrated operational as well as

decision-support applications and databases that provide the business

community easy access to business data. Business Intelligence Roadmap

specifically addresses decision-support applications and databases.”.

Business Intelligence bukanlah merupakan sebuah produk atau sebuah

sistem. BI adalah sebuah arsitektur dan sebuah kumpulan operasional yang

terintegrasi sebaik aplikasi pendukung keputusan dan database yang

65

menyediakan akses yang mudah bagi komunikasi bisnis ke data bisnis.

Business Intelligence Roadmap secara khusus menunjukkan aplikasi dan

database pendukung keputusan. “The information derived from monitoring

key performance indicators, used to detect trends, identify warning signals,

and provide a factual basis for critical business decisions”, yang dapat

diartikan yaitu Informasi yang didapat dari memperhatikan Indikator Kunci

Performa (Key Performance Indicator), yang digunakan untuk menemukan

tren, mengidentifikasi sinyal peringatan, dan menyediakan dasar faktual

untuk keputusan bisnis yang kritis atau penting (www.oracle.com).

“Business Intelligence (BI) is a terminology representing a

collection of processes, tools and technologies helpful in achieving more

profit by considerably improving the productivity, sales and service of an

enterprise”, yang dapat diartikan inteligensi bisnis adalah istilah dari

penggambaran dari kumpulan proses, alat dan teknologi yang dapat

membantu mendapatkan profit dengan pertimbangan peningkatan

produktivitas, penjualan, dan pelayanan dari sebuah perusahaan

(www.learndatamodeling.com). Contoh lingkungan Business Intelligence

dalam Gambar 2.12.

66

Gambar 2.12 Contoh lingkungan Business Intelligence.

2.3.4.1 Karakteristik Business Intelligence

Program dari business intelligence menurut Microsoft (Loria, 2005)

terbagi tiga yaitu:

a. Integrate (mempersatukan):

o Tambahan data dari sistem sumber dan terintegrasi/tergabung

dalam sistem.

o Transformasi data dan perpaduannya.

b. Analyze (analisa):

o Pengayaan data, menggunakan logika bisnis, dan tampilan

hierarkis.

o Penemuan data melalui data mining.

c. Report (laporan):

o Presentasi dari data dan distribusinya.

o Akses data untuk banyak pengguna.

67

d. Dengan tinjauan yaitu:

o Mendapat informasi dari data perusahaan.

o Menggunakan Business Intelligence dalam perusahaan sebagai

bagian utuh dari kegiatan bisnis.

o Menangkap dan memodelkan data perusahaan.

o Tergabung dengan proses bisnis.

o Relational reporting dan OLAP yang bertemu dalam satu model

dimensional.

Sedangkan menurut Microstrategy (2005) apa itu Business

intelligence software, yaitu perangkat lunak yang memungkinkan

perusahaan untuk membuka jalan ke dalam basis data mereka yang besar

dan memberikan wawasan yang easy-to-comprehend (mudah untuk

dimengerti) kepada pekerja, pihak manajemen, dan rekan bisnis. Dan

business intelligence architecture itu terbagi dalam tiga bentuk yang

saling menyambung yaitu:

1. Report (laporan)

Laporan informasi detail yang dibutuhkan oleh siapapun untuk

kebutuhan pengambilan keputusan hari-per-hari. Contoh: laporan

operasional, laporan keuangan, laporan prestasi/hasil.

68

2. Analyze (analisa)

Analisa data untuk menyingkap akar permasalahan dan tren pada

pelaksanaan bisnis, dan masih menggunakan teknik simpel yang

powerful. Contoh: akar permasalahan, tren.

3. Monitor (mencatat)

Secara terus menerus mencatat hasil organisasi pada setiap

level/bidang. Contoh : pedoman instrumen (dashboard), peringatan

Real-Time, scorecard.

2.4 Metode Pengembangan Sistem

Berdasarkan Buku Business Intelligence Roadmap pengarang Larissa

T.moss metodologi perancangan Business Intelligence secara garis besar

dibagi menjadi 5 tahapan :

Gambar 2.13 Development Step Dependencies (Business Intelligence Roadmap,

Larissa T.moss, 2003)

69

• Justification : Menetapkan kebutuhan bisnis yang mendukung proyek

baru.

• Planning : Mengembangkan strategi dimana proyek dapat diselesaikan

dan dikembangkan.

• Business Analysis : Menampilkan analisis secara rinci dari masalah

bisnis atau peluang bisnis untuk mendapatkan solusi yang berpotensi.

• Design : Menyusun solusi untuk menyelesaikan permasalahan bisnis

atau untuk mendapatkan peluang bisnis.

• Construction : Membangun solusi yang harus menyediakan

pengembalian investasi dengan jangka waktu yang sudah ditentukan.

2.5 Tools Analysis and Design Sistem Informasi

2.5.1 Bagan Alir

Diagram alir merupakan diagram yang menggambarkan bagaimana

menjalankan program mulai dari awal hingga akhir. Setiap diagram alir

harus mempunyai titik awal dan titik akhir (start and stop). Diagram alir

dibentuk dengan memanfaatkan simbol-simbol tertentu. Pembentukan

diagram alir umumnya sebagai bahan mentah sebelum kode program

sesungguhnya dibuat. Dengan simbol – simbol tersebut dapat mewakili

fungsi – fungsi langkah program dan garis alir menunjukkan urutan dari

simbol – simbol yang akan dikerjakan.

70

2.5.2 Data Flow Diagram

Metode terstruktur mencakup model proses perancangan, notasi untuk

merepresentasikan desain, format, laporan, aturan dan panduan

perancangan. Untuk menguraikan model modul - modul itu dikenal dengan

istilah perangkat pemodelan. Adapun jenis - jenis perangkat pemodelan

yang sering digunakan dalam suatu perancangan sistem informasi salah

satunya adalah Data Flow Diagram (DFD).

Data Flow Diagram (DFD) adalah perangkat pemodelan yang

digunakan untuk menunjukkan aliran data dari dalam sistem. Mulyanto,

(2009). Lebih lanjut Menurut Whitten, Bentey dan Dittman (2006) DFD

adalah alat yang menggambarkan aliran data melalui sistem dan kerja atau

pengolahan yang dilakukan oleh sistem tersebut.DFD terdiri dari beberapa

bagian diantaranya :

a. Diagram Konteks

Diagram konteks menggambarkan suatu proses sistem informasi

secara global, antara aliran data masukan (input) ke proses kegiatan

(sistem), dari proses ke proses, dan dari proses keluaran yang menjadi

satu keluaran yang terpadu. Diagram konteks merupakan tingkatan

tertinggi dalam aliran data dan hanya memuat satu proses,

menunjukkan sistem secara keseluruhan.(Kendall, 2010).

71

b. Diagram Rinci

Diagram rinci yang menggambarkan secara detail proses dari

diagram konteks ataupun diagram turunannya secara rinci sampai tidak

terjadi proses detail atau sudah primitive. Diagram rinci ini merupakan

alat yang dapat menggambarkan arus data dalam suatu sistem yang

terstruktur dan memberikan penggambaran secara detail dan jelas

sebagai dokumentasi dari sebuah sistem yang baik.

2.5.3 Simbol Data Flow Diagram

Simbol - simbol yang digunakan dalam data flow diagram yang

mewakili suatu sistem diantaranya :

1. Entitas Luar ( external entity )

Menurut Hoffer (2005) secara rinci menjelaskan bahwa entitas luar

dapat berupa seseorang, sebuah tempat , sebuah objek , sebuah

kejadian atau suatu konsep. Sebuah entitas dinyatakan dengan kata

benda dan ditulis dengan huruf kapital. Entitas luar ini tidak termasuk

bagian dari sistem, tetapi akan memberikan suatu masukkan atau

menerima keluaran dari sistem. Dalam pendapat lain, entitas luar

merupakan orang, unit, organisasi, sistem lain yang berinteraksi

dengan sistem( Whitten, 2004).

72

2. Aliran Data ( data flow)

Aliran data menunjukkan suatu input data ke proses atau output

data dari proses, dari proses ke proses, dari proses ke entitas luar , dari

berkas ke proses, dari proses ke berkas.

3. Proses ( prosess )

Proses yang digambarkan dengan bentuk bulat (notasi

DeMarco/Yourdon) merupakan kerja yang dilakukan oleh sistem

sebagai respon terhadap aliran data masuk atau kondisi. Komponen –

komponen proses menggambarkan transformasi input menjadi output.

Penamaan proses disesuaikan dengan proses atau kegiatan yang sedang

dilakukan didalam sistem.

4. Simpanan Data ( data store )

Sebuah tempat penyimpanan yang ditujukan untuk penggunaan data

selanjutnya. Penyimpanan data ini digambarkan dengan dua garis

pararel. Dan pada simpanan data diberikan nama untuk menunjukkan

nama dari filenya.

2.5.4 Kamus Data

Kamus data adalah suatu penjelasan tertulis tentang suatu data yang

berada di dalam database. Kamus data ini memuat informasi tentang :

a. Nama arus, nama arus data dibuat berdasarkan arus

73

b. Alias, alias atau nama lain dari data yang dituliskan. Terkadang data

sama tetapi nama berbeda untuk orang atau departemen satu dengan

lainnya.

c. Tipe data, tipe data menunjukkan bagaimana arus data mengalir dari

hasil suatu proses ke proses yang lain. Data yang mengalir ini dapat

berupa suatu dokumen dasar atau formulir, serta dokumen hasil

cetakan komputer.

d. Arus data, arus data ini menunjukkan dari mana data mengalir dan

dari mana data akan menuju.

e. Penjelasan, penjelasan digunakan untuk memperjelas lagi tentang

makna dari arus data yang dicatat di kamus data. Bagian penjelasan

dapat diisi dengan keterangan arus data,

f. Periode, periode ini menunjukkan kapan terjadinya arus data dan

untuk mengindentifikasi kapan input data dapat dimasukkan ke

dalam sistem, kapan proses program dapat dilakukan dan kapan

laporan dapat dihasilkan.

g. Struktur data, struktur data harus menunjukkan arus data yang dicatat

pada kamus data yang terdiri dari elemen-elemen atau item-item data.

Kamus data dapat membantu pembuat sistem untuk mengartikan

aplikasi secara detail dan mengorganisasikan semua elemen data yang

digunakan secara detail dan mengorganisasikan semua elemen data yang

digunakan dalam sistem secara detail sehingga pemakai dan analis sistem

mempunyai dasar pengertian yang sama tentang masukan, keluaran,

74

penyimpanan dan proses. Sedangkan menurut Kendall, kamus data

merupakan hasil referensi data mengenai data “metadata” yang disusun

untuk melakukan analisis dan desain (Kendall, 2010).

Kamus data sering disebut juga dengan sistem data dictionary

adalah katalog fakta tentang data dan kebutuhan - kebutuhan informasi

dari suatu sistem informasi. Dengan menggunakan kamus data, analisis

sistem dapat mendefinisikan data yang mengalir di sistem dengan

lengkap.

Pada tahap analisis, kamus data digunakan sebagai alat komunikasi

antara analisis sistem dengan pemakai sistem tentang data yang mengalir

dari sistem, yaitu tentang data yang masuk ke sistem dan tentang

informasi yang dibutuhkan oleh pemakai sistem.

2.6 Perancangan Basis Data

2.6.1 Entity Relationship Diagram ( ERD )

Entity relationship diagram merupakan suatu metode yang paling luas

digunakan dalam mendesain database. Entity relationship model atau

diagram adalah representasi grafis dari logika database dengan menyertakan

deskripsi detail mengenai seluruh entitas (entity) , hubungan (relationship),

dan sebuah batasan (constraint), (Schaum, 2007). ERD merupakan kunci

untuk memahami dan membuat desain sebuah database.

Menurut Abdul Kadir (2009), model E - R adalah suatu model yang

digunakan untuk menggambarkan data dalam bentuk entitas, atribut dan

75

hubungan antar entitas. Adapun simbol-simbol yang digunakan dalam ERD

antara lain :

• Persegi panjang

Menyatakan Entitas atau tipe entitas menyatakan objek atau kejadian:

• Ellips

Menyatakan atribut-atribut entity set. Atribut adalah item data yang

menjadi bagian dari entitas :

• Belah ketupat ( Diamond )

Menggambarkan relationship set. Relationship adalah asosiasi antara

dua entitas :

• Garis

Menghubungkan antara entity set dengan atribut-atributnya dan

antara entity set dengan relationship setnya;

Pada saat entitas telah ditentukan bersamaan dengan atribut-atributnya,

selanjutnya adalah menguji bagaimana hubungan diantaranya. Sebuah

hubungan (relationship) adalah gabungan atau koneksi dua arah antara dua

buah entitas. Hubungan antara entitas dapat dikategorikan menjadi tiga

bagian antara lain (Schaum ,2007).

• Hubungan satu ke satu 1: 1 (one to one ).

76

Hubungan satu ke satu memiliki kardinalitas atau derajat satu dan

hanya satu di kedua arahnya. Hubungan ini dinotasikan dengan 1 ke

1 atau 1:1. Hubungan ini terjadi bila entitas A hanya boleh

berpasangan dengan satu anggota dari entitas B. Demikian pula

sebaliknya.

• Hubungan banyak ke satu m : 1 (many to one) atau 1: m (one to

many).

Hubungan banyak ke satu memiliki kardinalitas dalam satu arah

untuk satu atau lebih dan di arah lain untuk satu dan hanya satu.

Hubungan ini terjadi bila tiap anggota entitas A boleh berpasangan

dengan lebih dari satu anggota entitas B. Sebaliknya setiap anggota

entitas B hanya boleh berpasangan dengan satu anggota entitas A.

• Hubungan banyak ke banyak m : m (many to many ).

Hubungan banyak ke banyak ini adalah salah satu yang memiliki

derajat satu atau lebih yang berlaku ke dua arah. Hubungan ini dapat

dinotasikan dengan M : M (M ke M) atau M : N (M ke N).

2.6.2 Normalisasi

Normalisasi adalah suatu cara atau teknik yang dapat digunakan

untuk menstrukturkan data (atau tabel –tabel relasional ) sehingga bisa

mengurangi atau mencegah timbulnya masalah – masalah yang berhubungan

dengan basis data atau sering juga disebut sebagai suatu proses

pengelompokkan data (terutama berkaitan dengan field atau atribut milik

77

tabel–tabelnya) sehingga dapat menghasilkan tabel –tabel yang

menunjukkan entity set berikut relasi – relasinya.

Proses normalisasi di dalam model basis data relasional pada umumnya

menitikberatkan pada masalah penentuan struktur data yang paling

sederhana untuk tabel-tabelnya. Hasil dari proses normalisasi adalah data,

records, atau tabel – tabel yang konsisten secara logika dan mudah

dimengerti dimana pemeliharaannya tidak sulit dan murah. Beberapa bentuk

normalisasi diantaranya :

1. Bentuk Normal Pertama ( 1 NF )

Relasi bentuk normal pertama (1 NF) jika semua nilai atributnya

adalah sederhana.Suatu tabel dikatakan bentuk normal pertama jika :

a. Tidak terdapat baris yang sama persis atau perlu dilengkapi

dengan field kunci primer.

b. Semua atribut sudah memiliki nilai yang bersifat non-array

(atribut yang bersangkutan tidak dapat dibagi lagi menjadi

atribut-atribut yang lebih kecil atau sederhana, meskipun masih

mengandung redundancy).

2. Bentuk Normal Kedua ( 2 NF )

Bentuk normal kedua menghilangkan ketergantungan parsial. Dan

ketentuan bentuk normal kedua adalah :

a. Harus telah berbentuk normal pertama ( 1 NF ).

b. Semua atribut bukan utama harus bergantung fungsional penuh

terhadap kunci relasi.

78

3. Bentuk Normal Ketiga ( 3NF )

Bentuk normal ketiga menghilangkan ketergantungan transitif. Dan

ketentuan dalam bentuk normal ketiga adalah:

1. Harus telah berbentuk normal kedua ( 2NF ),

2. Relasi tidak boleh bergantung fungsional diantara atribut -

atribut bukan utama.

2.6.3 Star Schema

Karakteristik struktur yang menyerupai bintang disebut star

schema/star join. Star schema adalah sebuah struktur logika yang

mempunyai fact tabel terdiri dari factual data di tengah, dikelilingi oleh

tabel dimensi yang terdiri dari data reference (yang bisa di-denormalized).

Star schema mengambil karakteristik dari factual data yang di-generate

oleh event yang terjadi di masa lampau.

79

Gambar 2.1 – Contoh Star Schema1

2.6.3.1 Karakteristik dari Skema Bintang

Skema bintang memiliki beberapa macam karakteristik sebagai

berikut:

1. Pusat skema bintang adalah fact table.

2. Fact table berisi indikator – indikator kinerja pokok/Key

Performance Indicators.

3. Indikator – indikator kinerja pokok tersebut adalah atribut – atribut

dari fact table.

1http://articles.techrepublic.com.com/i/tr/cms/contentPics/r00520010416p.gif

80

4. Obyek – obyek informasi dan waktu adalah kunci utama dari fact

table.

5. Tabel di sekeliling fact table adalah dimension table.

6. Tiap dimension table di-relasikan fact table berdasarkan primary

key-nya.

7. Skema bintang diimplementasikan menggunakan teknologi

database relasional.

2.6.3.2 Keuntungan Menggunakan Skema Bintang

Skema bintang memiliki keuntungan yang tidak didapat oleh skema

relasional biasa. Keuntungan skema bintang, antara lain:

1. Respon data yang lebih cepat

dihasilkan dari perancangan database.

2. Kemudahan dalam

mengembangkan atau memodifikasi data terus berubah.

3. End user dapat menyesuaikan

cara berpikir dan menggunakan data, konsep ini dikenal juga dengan

istilah pararel dalam perancangan database.

4. Menyederhanakan

pemahaman dan penelusuran metadata bagi pemakai dan

pengembang.

81

2.6.3.3 Perancangan Skema Bintang

Skema bintang memiliki dua macam tabel, yaitu;

1. Tabel Fakta (Fact Table)

Merupakan tabel yang umumnya mengandung angka dan data

history dimana key (kunci) yang dihasilkan sangat unik, karena key

tersebut terdiri dari foreign key (kunci asing) yang merupakan

primary key (kunci utama) dari beberapa dimension table yang

berhubungan. Tabel fakta sering juga disebut major table.

2. Tabel Dimensi (Dimension Table)

Tabel yang berisikan kategori dengan ringkasan data detail yang

dapat dilaporkan. Seperti laporan laba pada tabel fakta dapat

dilaporkan sebagai dimensi waktu (yang berupa perbulan,

perkuartal dan pertahun). Tabel dimensi sering juga disebut sebagai

minor table.

2.6.3.4 Ketentuan Pembacaan Skema Bintang

Adapun ketentuan pembacaan skema bintang adalah sebagai berikut:

• Bagian yang ada di bawah tabel adalah kolom-kolom dari tabel.

• Primary key dan foreign key diberi kotak.

82

• Primary key diarsir, sedangkan foreign key yang bukan primary key.

• Foreign key yang berhubungan ditunjukan dengan garis yang

menghubungkan tabel-tabel.

• Kolom yang bukan primary key atau foreign key disebut kolom data

pada tabel fakta dan atribut pada tabel dimensi.

2.6.3.5 Jenis-Jenis Skema Bintang

Ada beberapa macam jenis skema bintang, yaitu :

1. Simple Star Schema

Dalam skema ini, setiap tabel harus memiliki primary key yang

terdiri dari satu kolom atau lebih dan primary key tersebut harus

bersifat unik. Foreign key adalah kolom pada satu tabel yang nilainya

didefinisikan oleh primary key pada tabel lain.

83

Gambar 2.1 Simple Star Schema (Poe, 1996)

2. Multiple Fact Star Schema

Skema bintang dapat memiliki lebih dari satu tabel fakta,

karena adanya fakta yang tidak saling berhubungan. Misalnya di

samping penjualan, terdapat tabel fakta forecasting dan tabel fakta

result. Walaupun terdapat banyak tabel fakta, tabel dimensinya

tetap digunakan bersama-sama.

Gambar 2.2 Multiple Fact Star Schema (Poe, 1996)

2.6.3.6 Variasi Skema Bintang

Variasi-variasi yang ada pada skema bintang adalah

84

1. Skema Snowflake

Snowflake merupakan variasi lain dari skema bintang dimana

tabel dimensi dari skema bintang tidak mengandung atau berisi data

yang didenormalisasi. Prinsip dasar dari skema ini tidak jauh berbeda

dari skema bintang. Penggunaan tabel dimensi sangatlah menonjol,

karena itulah perbedaan mendasar dari skema bintang dan skema

snowflake. Skema snowflake menggunakan beberapa tabel fakta dan

tabel dimensi yang sudah mengalami normalisasi, sedangkan skema

bintang menggunakan tabel dimensi yang masih denormalisasi. Skema

snowflake dibuat berdasarkan OLTP sehingga semua data akan termuat

detail dalam setiap tabel fakta dan tabel dimensi.

Keuntungan dari skema snowflake adalah kecepatan

memindahkan data dari data OLTP ke dalam metadata, sebagai

kebutuhan dari alat pengambil keputusan tingkat tinggi di mana

dengan tipe seperti ini seluruh struktur dapat digunakan sepenuhnya,

dan banyak yang beranggapan lebih nyaman merancang dalam normal

ketiga.

Kerugian yang didapat adalah memiliki masalah besar dalam hal

kinerja (performance), hal ini disebabkan semakin banyaknya join

antar tabel-tabel yang dilakukan dalam skema snowflake ini maka

semakin lambat kinerja yang dilakukan.

2. Skema Bintang dengan 2 Tabel Fakta

85

Sebuah skema bintang yang menyediakan atribut yang lengkap,

konsisten, dan mudah dimengerti memungkinkan bagi pemakai untuk

memperoleh penampilan data yang mudah digunakan dan mudah

dimengerti. Perancangan skema bintang yang baik membantu

pemakai untuk menulis pencarian yang diinginkan dengan cara yang

dimengerti.

2.7 Definisi Perancangan

Menurut Whitten perancangan sistem adalah proses dimana keperluan

pengguna dirubah ke dalam bentuk paket perangkat lunak dan atau kedalam

spesifikasi pada komputer yang berdasarkan pada sistem informasi.

Sedangkan menurut George M.Scoot Perancangan2 adalah bagaimana suatu

sistem akan menyelesaikan apa yang harus diselesaikan, tahap ini

menyangkut antara konfigurasi perangkat lunak dan perangkat keras dari

suatu sistem, sehingga setelah instalasi dari sistem akan benar-benar tercipta

suatu rancang bangun pada tahap analisis sistem.

2.7.1 Executive Dashboard

Untuk memahami dan mengerti nilai dari tatap muka sebuah laporan,

kita perlu “berjalan di sepatu para pemimpin perusahaan”. Setiap executive

di sebuah perusahaan setiap harinya berhadapan dengan banyak karyawan

dan berbagai macam data. Mereka pun diharuskan untuk membuat

2http://www.slideshare.net/liroesdy/perancangan-sistem-secara-umum

86

keputusan yang cepat berdasarkan informasi-informasi tersebut. Ketika

transaksi semakin banyak terjadi maka informasi yang dihasilkan pun

semakin detail sehingga semakin sulit pula dalam pengambilan keputusan

strategis dalam waktu yang cepat. Seorang business leader perlu

mengetahui bagaimana performa jalannya bisnis secara overall walau

sangat luasnya area perusahaan. Dashboard dan scorecard yang berisi

charts (kurva), grafik, diagram, dan lain-lain yang meggambarkan trends

dan perbedaan berdasarkan pada kumpulan data yang besar merupakan

jawaban atas kebutuhan para executive perusahaan. (Turley, Bryant,

Counihan, DuVarney, 2006).

2.8 Microsoft SQL Server

Microsoft SQL Server (MSSQL Server) merupakan produk RDBMS

(Relational Database Management System) yang di buat oleh Microsoft.

Orang sering menyebutnya dengan SQL Server saja. Ini kadang - kadang

membingungkan bagi kalangan awam karena sebelumnya sudah ada pada

terminologi SQL. Microsoft SQL Server juga mendukung SQL sebagai

bahasa untuk memproses query kedalam database dan kita tahu bahwa sql ini

sudah banyak digunakan secara umum pada semua produk database server

yang ada di pasaran saat ini. Microsoft SQL Server banyak digunakan pada

dunia bisnis, pendidikan atau juga pemerintahan sebagai solusi database atau

penyimpanan data. Berbagai macam skala bisnis mulai yang kecil sampai

87

skala enterprise bisa menggunakan Microsoft SQL Server sebagai database

servernya.

2.8.1 Tipe Data Pada MSSQL Server

Berikut ini adalah tipe data yang ada pada MSSQL Server :

1. INT : Tipe data INT ini mungkin sudah banyak dikenal oleh Anda. Tipe

data ini dapat menerima nilai mulai dari -231 hingga 231-1 . Tipe data ini

menghabiskan 4 bytes untuk menyimpan data pada harddisk.

2. SMALLINT : Tipe data SMALLINT ini juga mirip dengan tipe data

INT , hanya saja nilai yang diterima lebih kecil dari tipe data INT. Tipe

data ini dapat menerima nilai mulai dari -215 hingga 215-1.

3. BIGINT : Tipe data BIGINT ini mirip dengan tipe data INT , hanya saja

nilai yang diterima lebih besar dari pada tipe data INT.

4. DECIMAL : Tipe data DECIMAL ini menerima nilai yang lebih presisi

dibanding tipe data integer yang telah dibahas sebelumnya. Tipe data ini

menggunakan 2 parameter untuk menentukan tingkat presisi nilai yang

diterima precision dan scale.

5. NUMERIC : Tipe data NUMERIC ini pada dasarnya sama dengan tipe

data DECIMAL. Jadi tipe data ini bisa disebut sinonim dari desimal.

Fungsinya adalah untuk mendefinisikan angka pecahan baik fixed

88

desimal ataupun floating point. Nilai n adalah jumlah bytes total dan p

adalah presisi angka dibelakang koma.

6. DATETIME : Tipe data DATETIME ini dapat menerima nilai tanggal

dan waktu. Berfungsi untuk mendefinisikan tanggal, menyimpan

tahu,bulan,hari,jam,menit,detik dan seperseribu detik (milliseconds).

7. MONEY : Tipe data MONEY merupakan bilangan pecahan dengan 4

angka dibelakang koma. Digunakan untuk perhitungan moneter. Tipe

data ini menghabiskan 8 bytes untuk menyimpan data pada harddisk.

8. TEXT : Tipe data TEXT dapat Menyimpan teks sampai dengan 2 GB.

Text disebut juga dengan binary large objects (BLOBs).

9. IMAGE : Tipe data IMAGE berfungsi untuk mendefinisikan binary data

untuk menyimpan image seperti GIF, JPG, TIFF.

10. CHAR : Tipe data CHAR berfungsi untuk Mendefinisikan string

sepanjang dan mempunyai karakter.

11. VARCHAR : Tipe data VARCHAR ini dapat Mendefinisikan string

sepanjang variabel n.

12. FLOAT : Tipe data FLOAT ini mirip dengan tipe data DECIMAL, hanya

saja paramater scale pada tipe data ini bisa menerima nilai yang tak

terhingga, seperti pada nilai pi. Berfungsi untuk mendefinisikan angka

pecahan (floating point).

13. Datetime : Tipe data ini menyimpan data tanggal dan waktu dalam

bentuk integer dengan panjang 4 byte. Data tanggal dan waktu pada tipe

ini disimpan secara terpisah. Data tanggalnya memiliki jangkauan dari

89

01-01-1753 hingga 31-12-9999. Sedangkan data waktunya disimpan

pada 4 byte kedua dalam satuan detik dihitung mulai lewat tengah

malam.

14. Time : Tipe data ini digunakan hanya untuk menyimpan waktu,

membutuhkan 3-5 byte untuk menyimpan data bergantung pada tingkat

ketepatan waktu yang diinginkan. Dan dapat menghitung waktu hingga

ketepatan 100 nanosecond.

15. Null : Null adalah sebuah nilai yang paling spesial yang dapat

dimasukan dalam sebuah field. Nilai ini biasanya digunakan jika

informasi dalam field tersebut tidak dikenal atau n/a (not applicable).

2.8.2 Fitur Data Quality Services (DQS)

Data Quality Services (DQS) adalah suatu solusi untuk

mengintegrasikan dan menjamin keakuratan suatu data dari sumbernya yang

berbasis ‘Knowledge’. Data Quality Services mengizinkan data (orang yang

memiliki keputusan dari suatu bisnis) dan IT Profesional untuk mengurus

data tersebut. Data Quality Services me-cleansing dan matching data yang di

kolaborasikan dengan ‘Knowledge’. Pada dasarnya Data Quality Services

dapat digunakan untuk mengkoreksi dan mengurangi duplikasi data. Bahkan

fitur MSSQL Server Integration Services dapat berkolaborasi dengan

komponen Data Quality Services.

Proses penggunaan DQS dapat dilakukan pada DQS Client adalah

aplikasi mandiri, yang dirancang untuk pelayan data dan DQS administrator

90

yang membantu untuk melakukan manajemen pengetahuan, manajemen

domain penuh, cocok pembuatan kebijakan, pembersihan data, pencocokan,

pemantauan, proyek kualitas data, dan administrasi dalam satu user

interface.

91

BAB III

METODOLOGI PENELITIAN

Dalam bab ini dijelaskan mengenai tempat dan waktu penelitian, bahan dan

alat, metodologi penelitian yang digunakan penulis, dan metode pengembangan

sistem yang akan digunakan.

3.1 Tempat dan Waktu Penelitian

Berikut adalah deskripsi lokasi dan tempat penelitian dalam

pengembangan aplikasi ini :

Tempat Penelitian : PT. Gerbang Multindo Nusantara (GMN)

Waktu Penelitian : Juni 2011 – Agustus 2012

Alamat : Jl. Raya meruya illir, ruko taman Kebon Jeruk Blok

A, XI/21 Srengseng Kembangan – Jakarta Barat.

Tel : (021) 765-1824

Fax : (021) 759-12023

Email : [email protected]

3.2 Bahan dan Perangkat Penelitian

Metodologi penelitian yang akan disusun harus didukung oleh alat dan

bahan yang memadai sehingga target yang diinginkan dapat tercapai.

3.2.1 Bahan

92

Bahan yang digunakan untuk membangun apilkasi bisnis

inteeligence ini yaitu database yang bersumber dari departemen-

departemen yang terkait dengan pembuatan aplikasi bisnis

intelligence ini, database ini meliputi data proyek, pemberi kerja,

penjualan, gudang dan pemasok.

Database tersebut beruba metadata yang akan diolah agar

dapat memilki pengetahuan terhadap data dari data yang sudah

lampau (data mining) dan yang akan datang (forcasting).

3.2.2 Perangkat

Perangkat yang digunakan untuk membangun aplikasi katalog

metadata Business Intelligence ini diantaranya :

• Perangkat keras (hardware) yang digunakan yaitu:

o Spesifikasi : Processor 2.40 GHz.

o Memory : RAM 1.10 GB.

o Graphic VGA : VGA Card 128 MB.

o HardDisk : 40 GB, DVD-RW.

• Perangkat lunak (software) yang digunakan yaitu:

o Operation System : Windows 7 Seven.

o Microsoft Excel sebagai tools untuk database.

o Qlikview sebagai aplikasi pengolah database.

o Microsoft Visio sebagai tools untuk perancangan sistem.

3.3 Metode Penelitian

93

3.3.1 Metode Pengumpulan Data

Pada penyusunan skripsi ini terdapat data - data pendukung

yang digunakan oleh penulis. Dan data - data informasi tersebut

sebagai bahan dalam mendukung kebenaran akan materi yang

disampaikan pada penulisan skripsi ini didapatkan dengan berbagai

cara dan proses, diantaranya adalah :

1. Studi Pustaka

Pada tahapan pengumpulan data dengan cara studi pustaka,

penulis mencari referensi-referensi yang relevan dengan objek

yang akan diteliti. Pencarian referensi dilakukan di perpustakaan,

toko buku, maupun secara online melalui internet. Beberapa

diantaranya adalah :

1. Business Intelligence Roadmap: “The Complete Project

Lifecycle for Decision Support Applications” 2003. Larrisa

Terpeluk Moss and Shaku Atre.

2. Business Intelligence : Data Mining and Optimization for

Decision Making. 2009 : Carlo Vercellis

Setelah mendapatkan referensi-referensi yang relevan

tersebut, penulis lalu mencari informasi-informasi yang

dibutuhkan dalam penelitian ini. Informasi yang telah didapat

akan digunakan dalam penulisan landasan teori, metodologi

penelitian serta pengembangan aplikasinya secara langsung.

94

Pustaka-pustaka yang dijadikan acuan dapat dilihat di daftar

pustaka.

2. Observasi

Pelaksanaan penelitian dilakukan pada PT. Gerbang

Multindo Nusantara, Jl. Raya meruya illir, ruko taman Kebon

Jeruk Blok A XI/21 Srengseng Kembangan – Jakarta Barat.

Penulis terjun langsung ke lapangan untuk mengetahui sistem

yang sedang berjalan saat ini. Hal ini perlu dilakukan agar

penulis dapat melakukan analisa terhadap sistem yang telah

berjalan serta menentukan rancangan sistem Business

Intelligence yang akan dibangun agar tetap sinkron dengan

sistem yang sudah ada. Selain kebutuhan sistem, pada langkah

ini penulis juga mengumpulkan data-data yang diperlukan untuk

pembangunan aplikasi.

3. Wawancara

Selain melakukan pengumpulan data dengan metode

observasi dan studi pustaka, penulis juga melakukan pertemuan

dan wawancara kepada pihak-pihak yang nantinya akan

berhubungan dengan sistem yang akan dikembangkan ini.

Wawancara dilakukan dengan direktur operasional dan keuangan

yaitu bapak Suyud subakti, manajer produksi yaitu bapak

95

Jumirin, dan beberapa bagian lainnya yang terkait secara tidak

langsung dalam pengolahan database.

4. Kusioner

Kusioner dilakukan dengan memberikan beberapa pertanyaan

yang diajukan kepada beberapa responden. Kusioner ini bertujuan

untuk mendapatkan hasil yang lebih objektif berupa CSF (Critical

Success Factor). Kebutuhan bagi pengolahan data pada Business

Intelligence adalah dengan menemukan beberapa kesimpulan

dasar dari hubungan sebuah informasi yang besar, oleh karena itu

proses untuk mendapatkan analisa SWOT (Stregth Weak

Opotunity Threats), dan CSF sangat berberan penting sebagai

acuan data. Hasil kuesioner dapat dilihat pada bagian lampiran.

3.4 Metodologi Analisa dan Perancangan

Metodologi yang digunakan adalah metodologi Business Intelligence

dengan menggunakan metodologi Larissa T.moss. Adapun gambaran

metodologi Business Intelligence yang akan dijalankan pada penelitian ini

dapat dilihat dari gambar berikut :

96

Gambar 3.1 Engineering stages

(Sumber Business Intelligence Roadmap, 2003)

A. Tahapan analisa dapat dibagi menjadi 3 bagian :

• Stage 1. Justification (Mengukur kebutuhan bisnis yang

menimbulkan proyek pembangunan baru).

o Step 1 : Business Case Assessment. Masalah bisnis atau peluang

bisnis di definisikan dan sebuah solusi BI diusulkan. Setiap

aplikasi BI harus disesuaikan dengan biaya dan menjelaskan

keuntungan secara jelas tentang penyelesaian masalah bisnis atau

97

mengambil keuntungan dari peluang bisnis, yang terdiri dari

aktivitas yaitu:

- Menentukan kebutuhan bisnis.

- Mengukur solusi dari sistem pendukung.

- Mengukur sumber operasional dan prosedur-prosedur.

- Mengukur pesaing BI pendukung keputusan.

- Determinasi sasaran aplikasi BI.

- Mengajukan solusi BI.

- Menampilkan analisis biaya – keuntungan.

- Menampilkan pengukuran resiko.

• Stage 2. Planning (mengembangkan strategi dan rencana taktis,

dimana tampilan engineering project akan diselesaikan dan

disebarkan).

o Step 2: Enterprise Infrastructure Evaluation Sebuah

infrastruktur perusahaan harus mendukung aplikasi BI. Beberapa

komponen infrastruktur harus sudah siap sebelum projek BI

pertama dimulai. Komponen infrastruktur yang lain harus

dikembangkan sepanjang waktu sebagai bagian dari projek BI.

Sebuah infrastruktur perusahaan mempunyai dua komponen:

98

1. Infrastruktur teknikal, dimana termasuk perangkat keras,

perangkat lunak, middleware, database management

systems, sistem operasi, komponen–komponen jaringan,

penyimpanan metadata, alat pendukung, dan lainnya.

Terdiri dari aktivitas yaitu:

- Mengukur platform yang ada.

- Mengevaluasi dan memilih produk baru.

- Menulis laporan pengukuran infrastruktur teknikal.

- Memperluas platform sekarang ini.

2. Infrastruktur nonteknikal, dimana termasuk standar–

standar metadata, standart penamaan data, model data-

data logical perusahaan, metodologi, panduan prosedur

pengujian, proses pengawasan perubahan, prosedur untuk

masalah–masalah managemen dan penyelesaian masalah,

dan lain–lain. Terdiri dari aktivitas yaitu:

- Mengukur keefektivitasan komponen infrastruktur

non teknikal yang ada.

- Menulis laporan pengukuran infrastruktur non

teknikal.

- Mengembangkan infrastruktur nonteknikal.

99

o Step 3 : Project Planning, Projek pengambilan keputusan BI

sangat dinamis. Mengubah ruang lingkup, staff, anggaran,

teknologi, gambaran bisnis, dan sponsor–sponsor bisa sangat

berdampak pada kesuksesan sebuah projek. Karena itu

perencanaan projek harus rinci dan perkembangan sesungguhnya

harus dengan dekat diawasi dan dilaporkan. Terdiri dari aktivitas

yaitu:

- Menentukan kebutuhan proyek.

- Menentukan kondisi sumber file dan database.

- Menentukan atau revisi estimasi biaya.

- Revisi pengukuran resiko.

- Identifikasi factor sukses utama.

- Membuat rencana proyek tingkat tinggi.

- Kerjakan proyek.

• Stage 3. Business Analysis. Menampilkan rincian analisis dari

masalah bisnis atau kesempatan bisnis untuk memperoleh sebuah

pengertian penuh dari kebutuhan bisnis sebagai sebuah solusi yang

potensial (produk).

o Step 4 : Project Requirements Definition. Mengelola batasan

projek adalah salah satu pekerjaan yang paling sulit dalam projek

100

pengambilan keputusan BI. Keinginan untuk memiliki segalanya

dengan cepat sulit untuk dibatasi, namun membatasi keinginan

adalah salah satu aspek penting dari negosiasi kebutuhan yang

dapat disampaikan. Tim–tim proyek seharusnya mengharapkan

kebutuhan– kebutuhan ini mengubah seluruh siklus

pengembangan seperti orang–orang bisnis belajar lebih tentang

kemungkinan– kemungkinan dan batasan–batasan dari teknologi

BI selama proyek. Terdiri dari aktivitas yaitu:

- Mendefinisikan kebutuhan tambahan infrastruktur teknikal.

- Mendefinisikan kebutuhan tambahan infrastruktur non

teknikal.

- Mendefinisikan kebutuhan laporan.

- Mendefinisikan kebutuhan sumber data.

- Meninjau ruang lingkup proyek.

- Memperluas logical data model.

- Mendefinisikan persetujuan preliminary service level.

- Menulis dokumen kebutuhan aplikasi.

o Step 5 : Data Analysis. Tantangan terbesar dari keseluruhan

projek pengambilan keputusan BI adalah kualitas dari sumber

data. Kebiasaan buruk dikembangkan lebih dari beberapa dekade

101

sulit untuk dipatahkan dan hasil kerusakan dari kebiasaan buruk

itu sangat mahal, memakan waktu, dan melelahkan untuk

ditemukan dan di betulkan. Sebagai tambahan analisis data di

masa lalu dibatasi pada satu pandangan bisnis dan tidak pernah

digabungkan atau diselesaikan dengan pandangan lain pada

organisasi. Langkah ini mengambil sebuah presentaasi signifikan

dari waktu yang diberikan untuk seluruh jadwal proyek. Terdiri

dari aktivitas yaitu:

- Menganalisis sumber data eksternal.

- Memperbaiki logical data model.

- Menganalisis kualitas sumber data.

- Memperluas enterprise logical data model.

- Menyelesaikan perbedaan data.

- Menulis spesifikasi pembersihan data.

o Step 6 : Application Prototyping. Analisis dari penyampaian

fungsional, dimana digunakan untuk bisa disebut sebagai analisis

sistem adalah yang terbaik selama prototyping sehingga bisa

digabungkan dengan perancangan aplikasi. Peralatan baru dan

bahasa pemrograman memungkinkan pengembang membuktikan

secara relatif cepat atau menyanggah sebuah konsep atau ide.

Prototyping juga mengijinkan orang–orang bisnis untuk melihat

102

potensi dan keterbatasan dari teknologi, dimana memberikan

mereka sebuah peluang untuk menyesuaikan kebutuhan proyek

dan harapannya. Terdiri dari aktivitas yaitu:

- Menganalisis kebutuhan akses.

- Menentukan ruang lingkup prototype.

- Memilih tools untuk prototype.

- Menyiapkan prototype charter.

- Merancang laporan dan queries.

- Membangun prototype.

- Menampilkan prototype.

o Step 7 : Meta Data Repository Analysis. Mempunyai peralatan

yang lebih banyak berarti mempunyai teknik meta data yang

lebih banyak sebagai tambahan business meta data, yang mana

biasa ditangkap dalam sebuah perangkat pemodelan Computer

Aided Software Engineering (CASE). Teknik metadata perlu

digambarkan pada bisnis metadata dan semua metadata harus

disimpan pada sebuah penyimpanan metadata. Penyimpanan

metadata bisa diijinkan atau dibangun. Dalam kasus lainnya,

kebutuhan–kebutuhan untuk tipe metadata yang diperoleh dan

disimpan seharusnya didokumentasikan didalam sebuah logical

103

meta model. Saat mengijinkan produk penyimpanan metadata,

kebutuhan–kebutuhan tersebut didokumentasikan pada logical

meta model harus dibandingkan dengan meta model milik

vendor, jika vendor menyediakan. Sebagai tambahan kebutuhan–

kebutuhan penyampaian metadata kepada komunitas bisnis

harus dianalisa (contoh, fungsi bantuan online). Terdiri dari

aktivitas yaitu:

- Menganalisis kebutuhan metadata repository.

- Menganalisis kebutuhan interface untuk metadata

repository.

- Menganalisis akses metadata repository kebutuhan laporan.

- Membuat logical data model.

- Membuat meta data.

B. Tahapan perancangan dapat dibagi menjadi 2 bagian :

• Stage 4. Design (memahami produk yang menyelesaikan masalah

bisnis atau memungkinkan peluang bisnis).

o Step 8 : Database Design. Satu atau lebih target database BI

akan menyimpan data bisnis dalam bentuk rinci atau kumpulan,

bergantung pada kebutuhan laporan dari komunitas bisnis. Tidak

104

semua laporan kebutuhan strategis, dan tidak semua

multidimensional. Skema perancangan database harus

mencocokkan kebutuhan– kebutuhan pengaksesan informasi dari

komunitas bisnis. Terdiri dari aktivitas yaitu:

- Meninjau lagi kebutuhan data akses.

- Menentukan agregasi dan ringkasan kebutuhan.

- Merancang BI target database.

- Merancang struktur database physical.

- Mengembangkan perawatan prosedur database.

- Menyiapkan monitor dan tune rancangan database.

o Step 9 : Extract/Transform/Load Design. Proses ETL adalah

proses paling rumit dari seluruh proyek pendukung keputusan

BI. Itu juga salah satu yang paling tidak menarik. Kualitas yang

buruk dari sumber data biasanya memerlukan banyak waktu

untuk menjalankan transformasi dan program pembersihan.

Menyelesaikan proses ETL dengan sejumlah window yang

tersedia adalah sebuah tantangan bagi kebanyakan organisasi.

Terdiri dari aktivitas yaitu:

- Membuat dokumentasi pemetaan sumber ke target.

- Mencoba fungsi tool ETL.

105

- Merancang aliran proses ETL.

- Merancang program ETL.

- Set up ETL staging area.

o Step 10 : Metadata Repository Design. Jika sebuah

penyimpanan meta data diizinkan, mungkin kebanyakan harus

ditingkatkan dengan fitur yang didokumentasikan pada logical

meta model tapi tidak disediakan oleh produk. Jika sebuah

penyimpanan meta data dibangun, keputusan harus dibuat

apakah perancangan database penyimpanan metadata akan

berdasarkan entity-relationsip atau object-oriented. Pada kasus

lain, perancangan harus memenuhi kebutuhan-kebutuhan dari

logical meta model. Terdiri dari aktivitas yaitu:

- Merancang meta data repository database.

- Install dan test produk meta data repository.

- Merancang proses migrasi meta data.

- Merancang aplikasi meta data.

• Stage 5. Construction (membangun produk dimana harus

menyediakan sebuah return of investment dengan kerangka waktu

yang sudah ditetapkan).

106

o Step 11 : Extract/Transform/Load Development. Banyak alat

tersedia untuk proses ETL, beberapa ada yang canggih dan

beberapa sederhana. Bergantung pada kebutuhan untuk

membersihkan data dan menggubah data dibangun selama step

5, analisa data, dan step 9, merancang ETL, sebuah alat ETL bisa

atau tidak bisa menjadi solusi terbaik. Dalam kasus lainnya,

pemrosesan awal data dan penulisan tambahan untuk

mendukung kemampuan dari alat ETL sering dibutuhkan. Terdiri

dari aktivitas yaitu :

- Membangun dan uji coba unit proses ETL.

- Integrasi dan regresi proses ETL.

- Menampilkan uji coba proses ETL.

- Jaminan kualitas uji coba proses ETL.

- Pesetujuan uji coba proses ETL.

o Step 12 : Application Development. Usaha dari proses

prototyping menguatkan kebutuhan – kebutuhan fungsional,

pengembangan yang benar dari mengakses dan menganalisa

aplikasi bisa dimulai. Mengembangkan aplikasi bisa menjadi

sebuah hal yang sederhana dari menyelesaikan sebuah

pemodelan operasional atau itu bisa menjadi sebuah

pengembangan yang lebih rumit dengan usaha yang berbeda,

107

akses dan alat analisa yang lebih kuat. Pada kasus lain, aktifitas

pengembangan aplikasi front-end ditampilkan paralel dengan

aktifitas pengembangan back-end ETL dan pengembangan

penyimpanan metadata. Terdiri dari aktivitas yaitu:

- Menentukan kebutuhan final proyek.

- Merancang program aplikasi.

- Membangun dan uji coba unit program aplikasi.

- Uji coba program aplikasi.

- Menyediakan akses data dan analysis training.

o Step 13 : Data mining. Banyak organisasi tidak menggunakan

spesifikasi pengambilan keputusan BI dengan jangkuan terluas.

Aplikasi BI seringkali dibatasi dengan laporan – laporan tertulis,

beberapa dari itu bukan merupakan tipe laporan yang baru

melainkan menggantikan laporan lama. Masa pengembalian

sebenarnya datang dari informasi tersembunyi di dalam data–

data organisasi, yang bisa diketahui dengan peralatan data

mining. Terdiri dari aktivitas yaitu :

- Mengelompokan masalah bisnis.

- Mengumpulkan data.

- Konsolidasi dan membersihkan data.

108

- Menyiapkan data.

- Membangun model data analytical.

- Menginterpretasikan hasil data mining.

- Menampilkan hasil validasi eksternal.

- Mengawasi waktu analisis data model.

o Step 14 : Meta Data Repository Development. Jika keputusan

untuk membangun sebuah tempat penyimpanan meta data dari

pada yang berlisensi, sebuah team terpisah biasanya ditugaskan

dengan proses pengembangan. Ini menjadi sebuah sub-proyek

yang cukup besar dalam keseluruhan projek BI. Terdiri dari

aktivitas yaitu :

- Membangun database meta data repository.

- Membangun dan uji coba unit proses migrasi meta data.

- Membangun dan uji coba unit meta data proses migrasi.

- Membangun dan uji coba unit aplikasi meta data.

- Uji coba program meta data repository atau fungsi produk.

- Menyiapkan meta data repository untuk produksi.

- Menyediakan pelatihan meta data repository.

109

• Stage 6. Deployment (proses penerapan aplikasi business intelligence

yang meliputi penyesuaian terhadap pengguna aplikasi dari alat yang

di gunakan dan user yang akan menggunakannya).

o Step 15 : Implementation. Agar aplikasi ini dapat berjalan

dengan baik maka akan dilakukan penyesuaian dan percobaan

sebelum pada akhirnya benar-benar digunakan, pada tahapan ini

penyesuaian meliputi media yang akan digunakan oleh aplikasi

dan terhadap user yang terkait yang telah ikut serta dalam proses

pembuatan aplikasi dan user yang akan menggunakan aplikasi

business intelligence.

o Step 16 : Release Evaluation. Aplikasi Business intellience tidak

dapat secara langsung digunakan oleh user tanpa ada evaluasi

terhadap proses yang sudah dibuat untuk perancangan ini.

Karena aplikasi business intelligence sangat penting dalam

perannya untuk membuat keputusan bisnis bagi perusahaan.

Maka akan di lakukan proses wawancara dan pelatihan bagi

perusahaan sebagai evaluasi penggunaan aplikasi business

intelligence ini.

110

Gambar 3.2 Steps of Business Intelligence (Larissa T.Moss, 2003)

111

3.4.1 Kerangka Berpikir Skripsi

Step 1 Justification

1. Business case assessment/

Mengevaluasi strategi perusahaan.

2. Mengevaluasi kebutuhan perusahaan :

- Sasaran Aplikasi Business Intelligence.

- Menentukan Risk Assesment/Resiko

Pada proses perancangan aplikasi.

Step 2 Planning

1. Mengevaluasi komponen "teknikal infrastruktur" Perusahaan, meliputi : Software, Haradware, dan Jaringan.

2. Mengevaluasi "nonteknikal" infrastructure, meliputi :

- Struktur data

- Standar perusahaan.

- Sejauh mana metodologi di terapkan

3. Project Planning

- Menentukan Sasaran aplikasi Business Intelligence yang tepat untuk kebutuhan user.

- Menentukan solusi BI yang diajukan untuk perusahaan.

- Memetakaan Aktivitas Proyek BI.

Step 3 Business Analysis

1. Project Requirements Definition/ Definisi kebutuhan pada aplikasi.

2. Data Analysis/ Analisa data kebutuhan aplikasi meliputi: Normalisasi data

3. Application Prototyping, tampilan awal dari rancangan dashboard yang kan dibuat.

4. Meta Data Repository Analysis / Menggambarkan Entity-Relationship Meta Model dari data yang akan diolah.

Step 4 Design

1. Database Design/ Mendisain star schema database dari database yang ada.

2. Extract,Transform,Load (ETL) Design/ Memaparakan disain ETL data yang lalui.

3. Meta Data Repository Design/ Mendisain ER data model dari ER data yang sudah di analisa sebelumnya.

Step 6 Deployment

1. Implementation : Mengimplementasikan aplikasi dan melakukan tahapan testing baik black box maupun white box.

2. Release Evaluation : Tahapan mengevaluasi dari hasil pekerjaaan aplikasi setelah di implementasikan, sebagai tahapan dari pemeliharaan bagi aplikasi dan penyesuaian aplikasi bagi user.

Step 5 Construction

1. ETL Development (Extract/Trasform/Load) : Menampilkan ETL program dengan menampilkan screen shoot proses ETL.

2. Aplication Development : Proses membuat design dashboard aplikasi sesuai dengan rancangan yang sudah di rumuskan sebelumnya.

3. Data mining : Menerapkan teknik data mining yaitu teknik forcasting berupa trend projection.

4. Metadata Repository Development : Memaparkan metadata dari hasil perancangan aplikasi yang telah

Gambar 3.3 Kerangka Berfikir

112

BAB IV

HASIL DAN PEMBAHASAN

4.1 Justification

4.1.1 Gambaran Umum Perusahaan

4.1.1.1 Profil Perusahaan

PT. Gerbang Multindo Nusantara (GMN) adalah perusahaan swasta

nasional yang bergerak dalam bidang energi, mekanikal dan elektrikal,

khususnya yang berkaitan dengan system teknologi alternative energi dan

energi terbarukan.

GMN dibentuk pada tanggal 2 september 1994 atas dasar prakarsa

para ahli dan professional yang sebagain besar telah meiti karir dan

berpengalaman didalam bidangnnya lebih dari 15 tahun. Ruang lingkup

pekerjaan GMN meliputi kegiatan rancang bangun,

pengadaan/pemasangan peralatan, konstruksi dan pembangunan berbagai

sistem : teknologi konversi, pembangkit, dan konservasi energi.

4.1.1.2 Visi dan Misi

Visi PT. Gerbang Multindo Nusantara adalah membangun

lingkungan yang nyaman dan energi yang berkelanjutan “Care for

Environment and Sustainable Energy”, dan misi GMN adalah :

113

1. Mengembangkan usaha di sektor energi baru dan terbarukan

untuk melayani masyarakat, pemerintah, swasta, maupun

lembaga internasional melalui kegiatan-kegiatan:

• Rancang bangun.

• Fabrikasi dan assembling.

• Pengadaan, integrasi dan pemasangan peralatan.

• Konstruksi dan pembangunan sistem teknologi energi

baru dan terbarukan.

• Pelayanan manajemen dan akutansi energi, audit dan

konservasi energi.

• Sosialisasi, kelembagaan dan pemberdayaan masyarakat

dalam pemanfaatan energi terbarukan dan konservasi

energi.

2. Melakukan upaya pembinaan sumberdaya manusia untuk

meningkatkan kemampuan dibidang teknologi energi

terbarukan, serta mutu layanan jasa dan produk melalui:

• Pelatihan praktis spesifik dan on the job training.

• Pendidikan berjenjang baik didalam maupun luar negeri.

• Partisipasi didalam berbagai acara yang terkait, seperti:

seminar dan lokakarya.

114

3. Memberikan kontribusi didalam upaya diseminasi

keberhasilan pemanfaatan energi baru-terbarukan kepada

masyarakat luas melalui:

• Kontribusi didalam berbagai acara terkait: pameran,

seminar dan lokakarya.

• Peningkatan kapasitas (capacity building) kepada

masyarakat untuk pengelolaan teknologi energi

terbarukan yang baik dan benar.

4.1.1.3 Produk

Produk utama PT. Gerbang Multindo Nusantara adalah Solar Home

System (SHS) adalah sistem PLTS (Pembangkit Listrik Tenaga Surya)

yang sangat sederhana. PLTS-SHS ini diperuntukan bagi penduduk di

pedesaan yang belum mendapatkan jaringan listrik PLN. Didesain untuk

pemakaian rumah-rumah di pedesaan untuk penerangan dan untuk

menyuplai peralatan elektronik sederhana. Selain itu PT. Gerbang

Multindo Nusantara juga melayani jasa pengembangan untuk teknologi

yang memanfaat potensi energi yang sudah ada agar dapat bisa

dioptimalkan kembali dan menghasilkan energi baru bagi lingkungan.

4.1.1.4 Kegiatan Usaha

115

PT. Gerbang Multindo Nusantara bergerak dibidang renewable

energy/energi terbarukan, yang meliputi pembangunan Sistem Pompa Air

Fotovoltaik (SPAF), Pembangkit Listrik Tenaga Surya (PLTS), Pompa

Air Tenaga Surya (PATS), Pembangkit Listrik Tenaga Mikro Hidro

(PLTMH), Sistem Energi Surya Fotovoltaik (SESF), dan Solar Home

System (SHS). Baik menjadi pelaksanaan utama pada proyek maupun

sebagai sub-kontaraktor pada pembangunan produk energi yang ada.

4.1.1.5 Struktur Organisasi

116

Gambar 4.1 Struktur organisasi

4.1.1.6 Tugas dan Tanggung Jawab

Tugas dan tanggung jawab dari :

1. Direktur utama adalah sebagai berikut :

• Bertanggung jawab kepada pimpinan umum dari PT. Gerbang

Multindo Nusantara.

• Bertugas memimpin divisi consumer business dari PT. Gerbang

Multindo Nusantara.

• Merencanakan tujuan dan sasaran perusahaan baik jangka pendek

maupun jangka panjang.

• Menetapkan berbagai kebijaksanaan perusahaan.

117

2. Direktur keuangan adalah sebagai berikut :

• Mengawasi dan bertanggung jawab atas semua operasi

keuangan dan akuntansi yang berjalan dalam perusahaan.

• Mengevaluasi dan mengotorisasi semua standar, kebijakan dan

prosedur keuangan.

• Mempersiapkan anggaran, laporan anggaran bulanan untuk

setiap departemen dan melaporkan implikasi bagi anggaran

perusahaan secara keseluruhan.

Direktur keuangan yang membawahi 5 (lima) bagian yaitu :

a. Administrasi dan keuangan :

o Mengatur arus keuangan perusahaan

o Mengatur besarnya pengeluaran

o Mencatat pengeluaran dan pemasukan keuangan

perusahaan

o Membuat laporan keuangan

o Pembayaran gaji staf

b. Logistik :

o Mencatat segala transaksi yang berhubungan dengan

segala kegiatan perusahaan.

118

o Membuat laporan bulanan termasuk rugi laba dan

neraca.

o Membuat laporan terhadap kebutuhan logistik

perusahaan.

c. Pemasaran :

o Merencanakan strategi pemasaran.

o Mengevaluasi hasil pemasaran dan aktifitas pesaing

pada setiap divisi.

o Bertugas memantau, meningkatkan dan menjalankan

proses penjualan serta pemasaran disetiap divisi.

d. Penjualan :

o Analisa pasar.

o Merencanakan strategi penjualan.

o Memenuhi pesanan pelanggan.

o Memahami kebutuhan pelanggan.

o Membuat laporan penjualan.

e. Promosi

o Mencatat kebutuhan pasar.

o Melaksanakan pemasaran produk.

o Membuat rancangan promosi untuk produk.

119

o Melakukan kegiatan promosi pada setiap media terkait

3. Direktur operasional adalah sebagai berikut :

• Mengawasi dan bertanggung jawab atas segala sesuatu yang

berhubungan dengan sumber daya manusia dari perusahaan.

• Bertanggung jawab dalam pengembangan proyek energi

terbarukan.

Departemen operasional dipimpin oleh seorang direktur yang

membawahi 2 (dua) departemen yaitu :

a. Konservasi :

o Bertugas untuk mengatur, melaksanakan dan memantau

proses peningkatan mutu proyek energi.

o Mengadakan dan mengawasi peningkatan mutu

karyawan dengan mengadakan pelatihan.

b. Project development :

o Merencanakan pengembangan terhadap energi baru.

o Memantau, menganalisa, dan membuat laporan dari

pekerjaan di setiap divisi pengembangan energi.

120

c. Photovoltaic adalah sebagai berikut :

o Merencanakan pengembangan terhadap energi

photovoltaic .

o Membuat laporan terhadap proyek photovoltaic.

d. Photothermic dan biomass adalah sebagai berikut :

o Merencanakan penerapan proyek yang berkaitan dengan

photothermic dan biomass.

o Membuat laporan terhadap proyek photothermic dan

biomass.

e. Wind adalah sebagai berikut :

o Merencanakan pengembangan proyek yang berkaitan

dengan wind.

o Membuat laporan terhadap proyek wind.

f. Hydro adalah sebagai berikut :

o Merencanakan pengembangan proyek yang berkaitan

dengan hydro.

o Membuat laporan terhadap proyek hydro.

4. Kepala divisi informasi :

121

• Mengawasi dan bertanggung jawab atas segala sesuatu yang

berhubungan dengan pemanfaatan sumber daya informasi dari

perusahaan.

• Bertanggung jawab terhadap pengolahan databse perusahaan.

a. Pengembangan Teknologi Informasi adalah sebagai berikut

:

o Merencanakan pengembangan pada teknologi informasi

perusahaan.

o Membuat laporan terhadap kegiatan pengembangan

teknologi informasi.

122

4.1.2. Proses Bisnis

Gambar 4.2 Proses bisnis PT Gerbang Multindo Nusantara

4.1.3 Analisis SWOT

Adapun SWOT pada PT. Gerbang Multindo Nusantara adalah :

a. Strength :

• Sebagai perusahaan manufaktur & distribusi consumer produk

dengan barang -barang yang sudah dikenal baik dan

dikonsumsi oleh masyarakat.

PELANGGAN

MARKETING

ENGINEERING

P R O J E C T

LOGISTIK & WORKSHOP

PEMASOK

FINANCE ADMINISTRASI

& UMUM

PERSONALIA

KEBIJAKAN/ TARGET

TINJAUAN PEMANTAUAN

DAN PENGAWASAN

(MR & QC)

PEMASOK

PEMASOK

OPERASIONAL

PENDUKUNG

ACTION PLAN

CHECK

D O

PURCHASING

123

• Memiliki pabrik atau gudang didua kota besar, seperti : Jakarta

dan Surabaya, dengan ini penyaluran barang ke pelanggan

menjadi lebih cepat.

b. Weakness :

• Perusahaan kurang dapat melihat potensi dan kesempatan yang

ada untuk memperluas sasaran pengadaaan proyek.

c. Opportunity :

• Dapat menjadi pemimpin pasar penjualan consumer produk

terutama produk energi terbarukan / renewable energy.

d. Threats :

• Produk yang ditawarkan sudah banyak pesaingannya dengan

produk perusahaan lain dengan merek dan bentuk yang

bermacam-macam.

Table 4.1 Table Matrik SWOT

Internal

Eksternal Strength (S) Weakness (W)

Opportunity (O)

Strategi SO Memaksimalkan pengintegrasian data sehingga kegiatan manipulasi data dapat berlangsung lebih cepat, serta menjaga kualitas produk dan pelayanan dalam menjaga kepercayaan pelanggan.

Strategi WO Perusahaan kurang dapat melihat potensi dan kesempatan yang ada untuk memperluas sasaran pengadaaan proyek.

124

Threats (T)

Strategi ST Menciptakan inovasi baru pada produk yang sudah ada dengan cara memberikan variasi harga dan dengan tidak mengurangi.

Strategi WT Memberi jaminan control kualitas terhadap produk yang dijual, menyediakan jasa pengiriman yang baik dan pelayanan paska penjualan yang baik.

4.1.4 Analisis Critical Success Factor (CSF)

Critical Success Factor (CSF) pada PT. Gerbang Multindo Nusantara

merupakan sejumlah faktor dari area atau ruang lingkup tertentu yang

diprediksi dapat memberikan hasil yang dapat diukur baik secara individual,

departemen, maupun organisasi. Pada perusahaan analisis CSF perlu

dilakukan untuk menganalisa hasil yang telah dicapai oleh perusahaan.

Berdasarkan faktor-faktor yang dimiliki oleh perusahaan dapat dijadikan

sebagai bahan analisis bagi kemajuan dan perkembangan perusahaan. Dari

analisa Critical Success Factor (CSF) maka didapat pula Key Performance

Indicator (KPI), yakni dapat dilihat pada tabel dibawah ini.

Table 4.2 Table Critical Success Factor (CSF) dan Key Performance

Indicator (KPI)

Divisi

Critical Success Factor (CSF) Key Performance Indicator (KPI) Target Jenis Bentuk

Marketing Performa penjualan

Laporan akhir data penjualan ≥100 Bar chart Data akhir status pengiriman barang dari juli 2004 sampai 2010data akhir

20hr Bar chart

Data penjualan per-sales ≥25 Table pivot

125

Margin penjualan Laporan akhir data margin ≥60% Text (Actual

Value).

Performa supplier Data supplier vs. data total penjualan

Max/Min Bar chart

Operational Performa pengerjaan proyek terhadap target waktu

Laporan akhir data proyek ≥15 Bar chart

Performa kategori proyek Max/Min Bar chart

Manajemen Kepatuhan Hukum Menerapkan ISO 50001 2010 Yes/No Menerapkan ISO 9001:2008 2008 Yes/No

4.1.5. Analisis Sistem Berjalan

• Pada tahap pelaporan kinerja tahunan data yang olah untuk

ditampilkan tidak akurat.

• Dalam proses produksi, bagian penjualan mengumpulkan dan

menganalisa laporan hasil penjualan secara manual untuk

mengontrol jumlah barang dalam gudang agar tidak terjadi

overload sehingga dapat memprediksi jumlah roduksi barang yang

akan diproduksi dan memprediksi agar tidak terjadi kekurangan

terhadap permintaan pasar.

• Sistem informasi yang berjalan secara operasional mendukung

kinerja perusahaan tetapi sistem informasi ini masih belum dapat

menunjang solusi pengambilan keputusan bagi eksekutif.

4.1.6 Kebutuhan Bisnis PT. Gerbang Multindo Nusantara

126

Kebutuhan bisnis pada PT. Gerbang Multindo Nusantara adalah

bagaimana perusahaan dapat memahami target penentuan harga terhadap

penjualan agar lebih kompetitif dan memahami berbagai trend yang terkait

dengan lingkup bisnis energi yang telah di lakukan perusahaan.

Proses pembuatan dan analisa report merupakan salah satu kebutuhan

penting pada perusahaan. PT. Gerbang Multindo Nusantara membutuhkan

report antara lain report yang menyajikan jumlah laporan penjualan dan

proyek, beserta trend dan analisa forecasting dan skenario analisa yang

dapat diakses dengan mudah cepat dan akurat, sehingga dapat menunjang

penganbilan keputusan yang lebih baik.

4.1.7 Sasaran Aplikasi Business Intelligence

Dengan mengimplementasikan Business Intelligence, proses pembuatan

dan penganalisaan report akan lebih mudah. Report yang akan dirancang

yaitu laporan yang berdasarkan laporan akhir pada data laporan penjualan

dan proyek, kemudian data yang diolah dalam perancangan adalah data valid

sehingga bisa digunakan untuk membantu proses pengambilan keputusan di

masa depan. Aplikasi Business Intelligence ini dapat diakses oleh pihak PT.

Gerbang Multindo Nusantara yang meliputi posisi manajer dan direksi

perusahaan dan tanpa adanya ketergantungan kepada pihak tertentu.

127

4.1.8 Risk Assessment

Dalam proses perancangan dan pengimplementasian aplikasi, mungkin

saja memiliki beberapa resiko yang akan terjadi. Penulis membuat tabel

resiko untuk proses perancangan aplikasi Business Intelligence. Warna yang

digunakan mengindikasikan : Hijau : Resiko rendah – maju melanjutkan

proyek. Kuning : Resiko medium – hati-hati, waspada. Merah : Resiko tinggi

– evaluasi ulang sebelum melanjutkan.

Tabel 4.3 Risk Assessment

128

4.1.9 Masalah yang dihadapi

Setelah dilakukan survei dan wawancara, ditemukan adanya beberapa

masalah yang dihadapi antara lain :

• Para eksekutif PT. Gerbang Multindo Nusantara membutuhkan

suatu aplikasi yang dapat membantu dan memudahkan dalam

pengambilan keputusan.

• Sistem basis data yang ada hanya dilakukan untuk penyimpanan

data, sehingga terjadi penumpukan data yang besar, akan tetapi

belum dapat menghasilkan informasi yang berguna.

• Laporan yang disajikan masih belum dalam bentuk daftar atau list,

sehingga sulit bagi eksekutif bagian operasional dan pemasaran &

penjualan untuk menganalisa kondisi dalam perusahaan.

4.1.10 Sistem Yang Diusulkan

Setelah menganalisa kebutuhan user akan informasi dan

permasalahan yang dihadapi, maka sistem yang diusulkan adalah

membangun sebuah aplikasi Business Intelligence dengan menggunakan

Qlikview pada PT. Gerbang Multindo Nusantara sebagai pendukung dalam

kegiatan analisis infrastruktur teknologi informasi perusahaan khususnya

ketika laporan akhir tahun. Aplikasi Business Intelligence yang diusulkan

akan memberikan beberapa keuntungan diantaranya adalah :

1. Suatu laporan mengenai penjualan dan proyek yang di rangkum

selama 8 tahun dari tahun 2003 hingga tahun 2011.

129

2. Membentuk pattern dan model untuk menampilkan laporan

penjualan yang diperoleh.

3. Membentuk pattern dan model untuk menampilkan laporan produk

yang terjual berdasarkan kurun waktu 8 tahun dari tahun 2003

hingga 2011.

4. Membentuk pattern dan model untuk menampilkan laporan produk

yang terjual berdasarkan kurun waktu 8 tahun dari setiap sales atau

penjual.

5. Membentuk pattern dan model untuk menampilkan laporan margin

dari hasil penjualan selam 8 tahun.


kategori produk terhadap penjualan.


pekerjaaan proyek selama 8 tahun.


pekerjaaan proyek selama 8 tahun berdasarkan kategori jenis

pekerjaannya.


pekerjaaan proyek selama 8 tahun berdasarkan investasi dari

perkerjaaan dari perusahaan investor.

10. Membentuk pattern dan model untuk menampilkan laporan proyek

selama 8 tahun berdasarkan pada lokasi pekerjaan.

130

11. Membentuk pattern dan model untuk menampilkan skenario

penetapan harga terhadap margin yang akan didapat.

131

Gambar 4.3 Diagram Konteks BI

132

4.2 Planning

4.2.1. Enterprise Infrastructure Evaluation

Untuk membangun aplikasi Business Intelligence diperlukan berbagai

infrastruktur untuk menunjang keberhasilan implementasi. Infrastruktur yang

dibutuhkan oleh perusahaan terdiri dari 2 komponen yaitu Infrastruktur

Teknikal dan Infrastruktur Non-Teknikal.

4.2.1.1 Technical Infrastructure Evaluation

Hardware yang digunakan oleh PT. Gerbang Multindo Nusantara adalah :

• Perangkat keras (hardware) yang digunakan yaitu:

o Spesifikasi : Processor 2.40 GHz.

o Memory : RAM 1.10 GB.

o Graphic VGA : VGA Card 128 MB.

o HardDisk : 40 GB, DVD-RW.

Spesifikasi software PT. Gerbang Multindo Nusantara yang ada seperti berikut :

• Perangkat lunak (software) yang digunakan yaitu:

o Operation System : Windows 7 Seven.

o Microsoft Excel sebagai tools untuk database.

133

o Microsoft SQLServer sebagai tools untuk database.

o Qlikview sebagai aplikasi pengolahan dan perancangan dashboard.

o Microsoft Visio sebagai tools untuk perancangan diagram sistem.

Dari data spesifikasi hardware dan software yang dimiliki oleh PT.

Gerbang Multindo Nusantara, spesifikasi tersebut sudah cukup

memenuhi untuk pengimplemetasian aplikasi Business Intelligence.

4.2.1.2 Nontechnical Infrastructure Evaluation

4.2.1.2.1 Struktur Data PT. Gerbang Multindo Nusantara

Di bawah ini merupakan tabel – tabel dari datamart pada PT.

Gerbang Multindo Nusantara.

1. Tabel Barang Primary Key: ID_barang Foreign Key(s): -

Tabel 4.3 Basis data Barang.

Nama Field Tipe Data Ukuran ID_Barang Integer 4 Nama_Barang Varchar 50 Model_Barang Varchar 50 Cell type Varchar 50 Rated power @ STC (W) Varchar 50 Rated power @ PTC (W) Varchar 50 Rated power tolerance (%) Varchar 50 Rated power per sq. ft. (W) Varchar 50 Module efficiency (%) Varchar 50 Cell efficiency (%) Numeric 10 Max. power voltage (Vmp) Numeric 10 Max. power current (Imp) Numeric 10

134

Open-circuit voltage (Voc) Numeric 10 Short-circuit current (Isc) Numeric 10 Pmp temp. coefficinet (%/°C) Numeric 10 Voc temp. coefficient (%/°C) Numeric 10 Isc temp. coefficient (%/ºC) Numeric 10 Nominal operating cell temp. (°C) Numeric 10 Series fuse rating (A) Numeric 10 Connector type Varchar 50 Frame color Varchar 50 Backsheet color Varchar 50 Length (In.) Numeric 10 Width (In.) Numeric 10 Depth (In.) Numeric 10 Weight (Lbs.) Numeric 10 Materials warranty (Yrs.) Numeric 10 Power warranty (Yrs.) 90%/80% Numeric 10 Harga Money 8

2. Tabel Investor Primary Key : ID_Investor Foreign Key(s) : -

Tabel 4.4 Basis data Investor.

Nama Field Tipe Data Ukuran ID_Investor Integer 4 Nama_Perusahaan_Investor Varchar 50 Alamat_Perusahaan Varchar 50 Kode_Pos Varchar 50 Jenis_Perusahaan Varchar 50 Negara_Asal Varchar 50 Mata_Uang Money 8

3. Tabel Pegawai

Primary Key : NIP Foreign Key(s) : -

Tabel 4.5 Basis data Pegawai.

Nama Field Tipe Data Ukuran NIP Integer 4 Nama_Singkat_Pegawai Varchar 50 Nama_Lengkap_Pegawai Varchar 50 Title Varchar 5 Jenis_Kelamin Varchar 50

135

Tempat_Lahir Varchar 50 Tanggal_Lahir Varchar 50 Status_Menikah Varchar 50 Alamat_Tinggal Varchar 50 No_Telp Varchar 50 No_HP Varchar 50 E-mail Varchar 50

4. Tabel Pelanggan Primary Key : ID_Pelanggan Foreign Key(s) : -

Tabel 4.6 Basis data Pelanggan.

Nama Field Tipe Data Ukuran ID_Pelanggan Integer 4 Nama_Pelanggan Varchar 50 ID_Jenis_Perusahaan Varchar 50 Jenis_Perusahaan Varchar 50 Legal_Status Varchar 50 Alamat_Pelanggan Varchar 50 ID_Kab_Kota Varchar 50 Nama_Kab_Kota Varchar 50 ID_Provinsi Varchar 50 Nama_Provinsi Varchar 50 Kode_Pos Varchar 50 No_Telp_1 Varchar 50 No_Telp_2 Varchar 50 No_Fax_1 Varchar 50 No_Fax_2 Varchar 50 Nama_Kontak Varchar 50 No_Hp_Partner Varchar 50 Email Varchar 50 Jabatan Varchar 50

5. Tabel Supplier

Primary Key : ID_Supplier Foreign Key(s) : -

Tabel 4.7 Basis data Supplier. Nama Field Tipe Data Ukuran ID_Supplier Integer 4 Nama_Supplier Varchar 50 No_Telp_Supplier Varchar 50 No_Fax_Supplier Varchar 50 Alamat_Supplier Varchar 50 Provinsi_Supplier Varchar 50 Kontak_Supplier Varchar 50

136

Email_Supplier Varchar 50 No_HP_Supplier Varchar 50

6. Tabel Jenis Perusahaan

Primary Key : ID_Jenis_Perusahaan Foreign Key(s) : -

Tabel 4.8 Basis data Jenis Perusahaan.

Nama Field Tipe Data Ukuran ID_Jenis_Perusahaan Integer 4 Jenis_Perusahaan Varchar 50

7. Tabel Kab_Kota

Primary Key : ID_Kab_Kota Foreign Key(s) : -

Tabel 4.9 Basis data Kab Kota. Nama Field Tipe Data Panjang Field ID_Kab_Kota Integer 4 Nama_Kab_Kota Varchar 50

8. Tabel Provinsi

Primary Key : ID_Provinsi Foreign Key(s) : -

Tabel 4.10 Basis data Provinsi.

Nama Field Tipe Data Panjang Field ID_Provinsi Integer 4 Nama_Provinsi Varchar 50

9. Tabel Status Proyek

Primary Key : ID_Status_Proyek Foreign Key(s) : -

Tabel 4.11 Basis data Status Proyek.

Nama Field Tipe Data Panjang Field ID_Status_Proyek Integer 4 Target_Status_Proyek Varchar 50 Deskripsi_Status Varchar 50

10. Tabel Kategori Proyek

Primary Key : ID_Kategori_Proyek Foreign Key(s) : -

137

Tabel 4.12 Basis data Kategori Proyek. Nama Field Tipe Data Panjang Field ID_Kategori_Proyek Integer 4 Kategori_Proyek Varchar 50 Deskripsi_Kategori_Proyek Varchar 50

11. Tabel Proyek Primary Key : ID_Proyek Foreign Key(s) : -

Tabel 4.13 Basis data Proyek.

Nama Field Tipe Data Panjang Field ID_Proyek Integer 4 ID_Kategori_Proyek Integer 4 Kategori_Proyek Varchar 50 Deskripsi_Kategori_Proyek Varchar 50 Tanggal_Mulai_Proyek Date 3 Nilai_kontrak Numeric 9 ID_Kab_Kota Integer 4 Nama_Kab_Kota Varchar 50 Tanggal_Selesai_Proyek Date 3 ID_Pelanggan Integer 4 Tanggal_Target_Proyek Date 3 ID_Status_Proyek Integer 3 Target_Status_Proyek Date 4 No_Spk Numeric 9 No_Spk_Ekstern Numeric 9 ID_Investor Integer 3 Nama_Perusahaan_Investor Varchar 50 Negara_Asal Varchar 50 Mata_Uang Varchar 5 Tanggal_Add Date 3 Tanggal_Edit Date 3

12. Tabel Penjualan

Primary Key : PO_Penjualan Foreign Key(s) : -

Tabel 4.14 Basis data Penjualan.

Nama Field Tipe Data Panjang Field PO_Penjualan Integer 4 Tanggal_Penjualan Date 3 NIP Integer 4

138

Nama_Singkat_Pegawai Varchar 50 Nama_Lengkap_Pegawai Varchar 50 ID_Pelanggan Integer 4 Nama_Pelanggan Varchar 50 ID_Jenis_Perusahaan Integer 4 Legal_Status Numeric 9 Jenis_Perusahaan Numeric 9 ID_Supplier Integer 4 Nama_Supplier Varchar 50 Target_Pengiriman Varchar 50 Tanggal_Kirim Date 3 Status Numeric 9 ID_Barang Integer 4 Nama_Barang Varchar 50 Model_Barang Varchar 50 Harga Money 8 Total_Qty Numeric 9 Total_Penjualan Numeric 9 Biaya_Penjualan Numeric 9 Total_Biaya_Penjualan Numeric 9

4.2.1.2.2 Use of The Development Methodology

PT. Gerbang Multindo Nusantara dipersiapkan untuk proyek BI.

Dalam proyek ini menggunakan metodologi Business Intelligence

Roadmap, dengan aktivitas–aktivitas yang akan dilalui dari justification

sampai construction. Dimana aktivitasnya yaitu mengevaluasi,

menganalisa data, merancang target BI database dan membangun

aplikasi BI .

4.2.1.2.3 Data Naming and Abbreviations

139

Sebuah proyek BI diperlukan juga istilah-istilah data yang

konsistens. Hal ini PT. Gerbang Multindo Nusantara memiliki istilah

dalam proses bisnisnya dan harus dipahami agar aplikasi BI sesuai

dengan proses bisnis yang ada. Adapun pemiliahan nama tabel juga

akan berkaitan dengan proses data cleansing, maka pemilihan nama

pada tabel sudah di setujui dengan memberikan nama-nama yang mudah

di pahami, seperti pemisahan nama tanggal pada data-data yang di

peroleh dari beberapa bagian, contohnya tahun_jual, tahun_proyek, dan

tahun_barang. Dengan penamaan ini diharapkan dapat memudahkan

proses perancangan aplikasi business intelligence pada saat ini dan pada

proses pemeliharan aplikasi ketika aplikasi ini sudah digunakan.

4.2.2 Project Planning

Dalam merancang aplikasi Business Intelligence kita perlu

membuat perencanaan proyek sehingga aplikasi bisa selesai dengan tepat

waktu dan tidak menemui kendala berarti. Pada tahapan ini penulis akan

merinci solusi utama dari pembuatan aplikasi business intelligence ini,

pada tahapan apa business intelligence ini berpengaruh pada proses bisnis

yang telah ada pada perusahaan.

4.2.2.1 Proposed BI Solution

140

Solusi yang kami tawarkan untuk mengatasi permasalahan dari PT.

Gerbang Multindo Nusantara adalah membuat sebuah aplikasi Business

Intelligence yang membantu user untuk mendapatkan laporan bisnis akhir

tahun agar lebih mudah, lebih cepat dan lebih rinci sehingga bisa

membantu proses pengambilan keputusan.

4.2.2.3 Project Constraints

• Project Scope

Aplikasi Business Intelligence yang penulis rancang sebatas

perancangan untuk laporan perusahaan secara berkala baik itu per-

bulan, per-kuartal maupun per-tahun, berikut ini adalah yang

flowchart pembuatan laporan pada perusahaan.

141

Gambar 4.4 flowchart pembuatan laporan perusahaan

Berikut ini adalah flowchart pembuatan laporan ketika aplikasi

business intelligence ini diterapkan pada perusahaan.

142

Gambar 4.5 flowchart pembuatan laporan perusahaan

• Effort

Perkiraan waktu untuk perancangan aplikasi Business

Intelligence dimulai dari proses analisa sampai perancangan

aplikasi adalah 6 bulan, dimulai dari bulan Agustus 2011 dan

selesai pada bulan Januari 2012.

• Budget

Tidak ada anggaran dalam perancangan aplikasi Business

Intelligence ini karena semua infrastruktur sudah dimiliki oleh PT.

143

GMN untuk dapat menerapkan sistem Business Intelligence yang

baru dengan Microsoft SQL Server dan Qlikview.

4.2.2.4 Pemetaan Waktu Pengerjaan

Tabel 4.15 Time Mapping Pembuatan Aplikasi Business Intteligence

4.3 Business Analysis

4.3.1 Project Requirements Definition/Definisi Kebutuhan Pada Aplikasi

Fokus utama pada perusahaan PT. Gerbang Multindo Nusantara

adalah pada penjualan dan kinerja dalam pengerjaan proyek, kedua data pada

divisi ini sangat mempengaruhi pembuatan keputusan pada langkah-langkah

besar perusahaan dalam melakukan bisnis, sehingga perusahaan sangat

menitik beratkan analisa yang tepat pada data penjualan dan proyek.

Aplikasi ini dibuat dengan persyaratan technical infrastructure

seperti harus dijalankan di MS.Excel, MSSQL dan Qlikview. Pada saat

pengumpulan data, data keseluruhan yang sudah diberikan maka akan

dianalisis untuk mendapatkan hubungan antar tabel. Setelah semua tabel

144

sudah terhubung maka kita akan memilah pada tabel yang mana saja yang

dapat digunakan untuk kebutuhan aplikasi ini. Berikut adalah tabel-tabel

yang kan digunakan pada proses perancangan aplikasi :

a. Informasi mengenai trend penjualan menggunakan beberapa

tabel sebagai berikut :

• Tabel DataPelanggan

• Tabel DataBarang

• Tabel DataPegawai

• Tabel DataStatus_target

b. Informasi mengenai trend proyek menggunakan beberapa tabel

sebagai berikut :

• Tabel DataKategori_Proyek

• Tabel DataSupplier

• Tabel DataInvestor

• Tabel DataProvinsi

• Tabel DataKab_Kota

4.3.2 Data Analysis

145

Tahap ini pada dasarnya menampilkan analisa sistem yang

disesuaikan terhadap sebuah rancangan yang akan dibangun sistem. Tahap

ini menampilkan aktivitas selama analisa data yang disesuaikan untuk

mengerti dan mengoreksi perbedaan yang ada pada data bisnis.

Tahap ini akan dilakukan analisis terhadap kualitas dari sumber data

yang digunakan dalam proyek. Sumber data berasal dari administrasi dan

operaional dan data eksternal. Pada data internal nama atribut dalam satu

tabel dengan tabel lain berbeda, dimana sebenarnya atribut yang

dimaksudkan mempunyai pengertian yang sama.

4.3.2.1 Pemberisahan Format Penulisan Sentence Case Pada Database

Pada tahapan data analysis ini terdapat tahapan cleansing data atau

tahapan pembersihan database sebelum data akan diolah lebih lanjut,

tahapan yang pertama daalam pembersihan data ini ialah tahapan

pembersihan dengan menyamakan format penulisan menjadi format

penulisan Sentencecase dari data yang memiliki format berbeda-beda

seperti huruf besar (Uppercase) dan huruf kecil (Lowercase), adapun data

yang akan melalui tahapan pembersihan ini adalah data yang memiliki

format tipe data varchar dan char dari setiap table yang ada berikut adalah

daftar table yang akan melalui tahapan pembersihan menjadi format

Sentence case :

1. Tabel Barang

146

Tabel 4.16 Target pembersihan data pada table Barang.

Nama Field Tipe Data Ukuran Nama_Barang Varchar 50 Model_Barang Varchar 50

2. Tabel Investor

Tabel 4.17 Target pembersihan data pada table Investor. Nama Field Tipe Data Ukuran

Nama_Perusahaan_Investor Varchar 50 Alamat_Perusahaan Varchar 50 Jenis_Perusahaan Varchar 50 Negara_Asal Varchar 50

3. Tabel Pegawai

Tabel 4.18 Target pembersihan data pada table Pegawai.

Nama Field Tipe Data Ukuran Nama_Singkat_Pegawai Varchar 50

4. Tabel Pelanggan

Tabel 4.19 Target pembersihan data pada table Pelanggan. Nama Field Tipe Data Ukuran

Nama_Pelanggan Varchar 50 Alamat_Pelanggan Varchar 50 Nama_Kontak Varchar 50 Email Varchar 50

5. Tabel Supplier

Tabel 4.20 Target pembersihan data pada table Supplier. Nama Field Tipe Data Ukuran Nama_Supplier Varchar 50 Alamat_Supplier Varchar 50

6. Tabel Proyek

Tabel 4.21 Target pembersihan data pada table Proyek. Nama Field Tipe Data Panjang Field Kategori_Proyek Varchar 50 Deskripsi_Kategori_Proyek Varchar 50

147

Nama_Kab_Kota Varchar 50 Nama_Perusahaan_Investor Varchar 50 Negara_Asal Varchar 50

7. Tabel Penjualan

Tabel 4.22 Target pembersihan data pada table Penjualan.

Nama Field Tipe Data Panjang Field Tanggal_Penjualan Date 3 Nama_Singkat_Pegawai Varchar 50 Nama_Pelanggan Varchar 50 Nama_Supplier Varchar 50 Target_Pengiriman Varchar 50 Nama_Barang Varchar 50 Model_Barang Varchar 50

4.3.2.2 Pemberisahan format pattern pada nomor kontak

1. Tabel Pegawai

Tabel 4.23 Target pattern telphone Pegawai.

Nama Field Tipe Data Ukuran No_Telp Varchar 50 No_HP Varchar 50

2. Tabel Pelanggan

Tabel 4.24 Target pattern telphone Pelanggan. Nama Field Tipe Data Ukuran

No_Hp_Partner Varchar 50

3. Tabel Supplier

Tabel 4.25 Target pattern telphone Supplier. Nama Field Tipe Data Ukuran No_HP_Supplier Varchar 50

4.3.2.3 Normalisasi

148

Setelah membuat perancangan database, selanjutnya dibuat

normalisasi dengan tujuan membentuk tabel normal untuk menghindari

redudansi data.

1. Bentuk Tidak Normal (Unnormalized)

Bentuk ini merupakan kumpulan data-data yang akan

direkam, tidak ada keharusan mengikuti format tertentu. Data

dikumpulkan apa adanya sesuai dengan saat meng-input.

149

DIM Supplier

PK ID_Supplier

Nama_Supplier No_Telp_Supplier No_Fax_Supplier Alamat_Supplier Provinsi_Supplier Kontak_Supplier Email_Supplier No_HP_Supplier

DIM_Pelanggan

PK ID_PelangganPK,FK1 ID_Jenis_PerusahaanPK,FK2 ID_Kab_KotaPK,FK3 ID_Provinsi

Nama_Pelanggan Jenis_Pelanggan Alamat_Pelanggan Kode_Pos_Pelanggan No_Telp_1 No_Telp_2 No_Fax_1 No_Fax_2 Nama_Kontak No_Hp_Partner Email Jabatan Nama_Kab_Kota Nama_Provinsi

DIM_Pegawai

PK NIP

Nama_Pegawai GBN Jenis_Kelamin Tempat_Lahir Tanggal_Lahir Status_Menikah Alamat_Tinggal No_Telp No_HP E-‐mail

DIM_Barang

PK ID_Barang

Nama_Barang Model_Barang Cell type Rated power @ STC (W) Rated power @ PTC (W) Rated power tolerance (%) Rated power per sq. ft. (W) Module efficiency (%) Cell efficiency (%) Max. power voltage (Vmp) Max. power current (Imp) Open-‐circuit voltage (Voc) Short-‐circuit current (Isc) Pmp temp. coefficinet (%/°C) Voc temp. coefficient (%/°C) Isc temp. coefficient (%/ºC) Nominal operating cell temp. (°C) Series fuse rating (A) Connector type Frame color Backsheet color Length (In.) Width (In.) Depth (In.) Weight (Lbs.) Materials warranty (Yrs.) Power warranty (Yrs.) 90%/80% Harga

DIM_Investor

PK ID_InvestorPK,FK1 ID_Jenis_Perusahaan

Nama_Perusahaan_Investor Alamat_Perusahaan Kode_Pos Jenis_Perusahaan Negara_Asal

Tbl_Proyek

PK ID_ProyekPK,FK2 ID_Status_ProyekPK,FK1 ID_Kategori_ProyekPK,FK3 ID_Kab_KotaPK,FK4 ID_InvestorPK,FK4 ID_Jenis_Perusahaan

Tanggal_Mulai_Proyek Tanggal_Selesai_Proyek Nilai_kontrak Kategori_Proyek Tanggal_Target_Proyek Target_Status_Proyek No_Spk No_Spk_Ekstern Nama_Perusahaan Mata_Uang Tanggal_add Tanggal_edit Nama_Perusahaan_Investor

Tbl_Penjualan

PK PO_PenjualanPK,FK2 NIPPK,FK3 ID_ProvinsiPK,FK3 ID_PelangganPK,FK1 ID_SupplierPK,FK4 ID_BarangPK,FK3 ID_Jenis_PerusahaanPK,FK3 ID_Kab_Kota

Tanggal_Penjualan Target_Pengiriman Tanggal_Kirim Status Nama_Barang Model_Barang Harga Total_Qty Total_Penjualan Biaya_Penjualan Total_Biaya_Penjualan Margin Legal_Status Jenis_Perusahaan

DIM Kota

PK ID_Kab_Kota

Nama_Kab_Kota

DIM Status proyek

PK ID_Status_Proyek

Target_Status_Proyek Deskripsi_Status

DIM Kategori Proyek

PK ID_Kategori_Proyek

Kategori_Proyek Deskripsi_Kategori_Proyek

DIM Jenis Perusahaan

PK ID_Jenis_Perusahaan

Jenis_Perusahaan

DIM Provinsi

PK ID_Provinsi

Nama_Provinsi

Gambar 4.6 Normalized and Fully Atributed Logical Data Model

150

Tabel 4.26 Bentuk Unnormal

ID_Pelanggan Nama_Pelanggan Jenis_Pelanggan Alamat_Pelanggan Pelanggan_Provinsi Kode_Pos_Pelanggan No_Telp_1 No_Telp_2 No_Fax_1 No_Fax_2 Nama_Kontak No_Hp_Partner Email Jabatan ID_Supplier Nama_Supplier No_Telp_Supplier No_Fax_Supplier Alamat_Supplier Provinsi_Supplier Kontak_Supplier Email_Supplier No_HP_Supplier NIP Nama_Pegawai GBN Jenis_Kelamin Tempat_Lahir Tanggal_Lahir Status_Menikah Alamat_Tinggal No_Telp No_HP E-mail ID_Barang Nama_Barang Model_Barang Cell type Rated power @ STC (W) Rated power @ PTC (W) Rated power tolerance (%) Rated power per sq. ft. (W) Module efficiency (%) Cell efficiency (%) Max. power voltage (Vmp) Max. power current (Imp) Open-circuit voltage (Voc) Short-circuit current (Isc) Pmp temp. coefficinet (%/°C) Voc temp. coefficient (%/°C)

Isc temp. coefficient (%/ºC) Nominal operating cell temp. (°C)

Series fuse rating (A) Connector type Frame color Backsheet color Width (In.) Depth (In.) Weight (Lbs.) Materials warranty (Yrs.) Power warranty (Yrs.) 90%/80% Harga

ID_Provinsi Nama_Kabupaten Nama_Provinsi ID_Proyek Tanggal_Mulai_Proyek Tanggal_Selesai_Proyek Nilai_kontrak Kategori_Proyek ID_Provinsi ID_Pelanggan Tanggal_Target_Proyek Target_Status_Proyek

151

No_Spk No_Spk_Ekstern ID_Pemberi_Pekerjaan Nama_Perusahaan Mata_Uang Tanggal_Add Tanggal_Edit ID_Pemberi_Pekerjaan Nama_Perusahaan Alamat_Perusahaan Kode_Pos Jenis_Perusahaan Negara_Asal PO_Penjualan Tanggal_Penjualan NIP ID_Pelanggan ID_Supplier Target_Pengiriman Tanggal_Kirim Status ID_Barang Nama_Barang Model_Barang Harga Total_Qty Total_Penjualan Biaya_Penjualan Total_Biaya_Penjualan Margin

2. Bentuk Normal Pertama (1-NF)

Pada tahap ini dilakukan penghilangan

beberapa group elemen yang berulang agar menjadi

satu harga tunggal yang berinteraks diantara setiap

baris pada suatu tabel. Ketentuan bentuk normal

pertama (1-NF) adalah tidak ada atribut yang

berulang, telah ditentukannya primary key untuk

tabel/relasi tersebut, dan setiap atribut hanya

memiliki satu pengertian.

.

152

Tabel 4.27 Tabel Penjualan Normalisasi Tahap 1

Tbl Penjualan

PO_Penjualan

Tanggal_Penjualan

NIP

Nama_Singkat_Pegawai

Nama_Lengkap_Pegawai

ID_Pelanggan

Nama_Pelanggan

Legal_Status

Jenis_Perusahaan

Nama_Supplier

Target_Pengiriman

Tanggal_Kirim

Status

Nama_Barang

Model_Barang

Harga

Total_Qty

Total_Penjualan

Biaya_Penjualan

Total_Biaya_Penjualan

Tbl Penjualan

PO_Penjualan

Tanggal_Penjualan

NIP

Nama_Pegawai

ID_Pelanggan

Nama_Pelanggan

Nama_Supplier

Target_Pengiriman

Tanggal_Kirim

Status

Nama_Barang

Model_Barang

Harga

Total_Qty

Total_Penjualan

Biaya_Penjualan


153

Tabel 4.28 Tabel Proyek Normalisasi Tahap 1

Tbl_Proyek

ID_Proyek

Deskripsi_Proyek

Tanggal_Mulai_Proyek

Nilai_kontrak

Tanggal_Selesai_Proyek

Nama_Kab_Kota

ID_Pelanggan

Tanggal_Target_Proyek

Target_Status_Proyek

No_Spk

No_Spk_Ekstern

Nama_Perusahaan

Mata_Uang

Tanggal_Add

Tanggal_Edit

Tbl_Proyek

ID_Proyek

Kategori_Proyek

Deskripsi_Kategori_Proyek


Nilai_kontrak

Nama_Kab_Kota


ID_Pelanggan



No_Spk

No_Spk_Ekstern

Nama_Perusahaan

Negara_Asal

154

Tabel 4.29 Tabel Pelanggan Normalisasi Tahap 1

Mata_Uang

Tanggal_Add

Tanggal_Edit

Tbl_Pelanggan

155

Tabel 4.30 Tabel Pegawai Normalisasi Tahap 1

ID_Pelanggan

Nama_Pelanggan

Jenis_Perusahaan

Legal_Status

Alamat_Pelanggan

Nama_Kab_Kota

Nama_Provinsi

Kode_Pos

No_Telp_1

No_Telp_2

No_Fax_1

No_Fax_2

Nama_Kontak

No_Hp_Partner

Email

Jabatan

Tbl_Pelanggan

ID_Pelanggan

Nama_Pelanggan

Jenis_Perusahaan

Alamat_Pelanggan

No_Telp

No_Fax

Nama_Kontak

No_Hp_Partner

Email

Jabatan

Tbl.Pegawai

156

3. Bentuk Normal Kedua (2-NF)

Bentuk normal kedua didasari atas konsep

full functional dependency (ketergantungan

fungsional sepenuhnya). Ketentuan dari bentuk

NIP

Nama_Pegawai

GBN

Jenis_Kelamin

Tempat_Lahir

Tanggal_Lahir

Status_Menikah

Alamat_Tinggal

No_Telp

No_HP

E-mail

Tbl.Pegawai

NIP



GBN

Jenis_Kelamin

Tempat_Lahir

Tanggal_Lahir

Status_Menikah

Alamat_Tinggal

No_Telp

No_HP

E-mail

157

normal kedua (2-NF) adalah bentuk data telah

memenuhi kriteria bentuk normal kesatu, atribut

bukan kunci (non-key) haruslah memiliki

ketergantungan fungsional sepenuhnya pada

kunci utama/primary key.

Tabel 4.31 Tabel Pelanggan Normalisasi Tahap 2

Tbl_Pelanggan

ID_Pelanggan

Nama_Pelanggan

Jenis_Perusahaan

Legal_Status

Alamat_Pelanggan

Nama_Kab_Kota

Nama_Provinsi

Kode_Pos

No_Telp_1

No_Telp_2

No_Fax_1

No_Fax_2

Nama_Kontak

No_Hp_Partner

Email

Jabatan

Tbl_Pelanggan

ID_Pelanggan

Nama_Pelanggan

ID_Jenis_Perusahaan

Jenis_Perusahaan

Legal_Status

Alamat_Pelanggan

ID_Kab_Kota

Nama_Kab_Kota

ID_Provinsi

Nama_Provinsi

Kode_Pos

No_Telp_1

No_Telp_2

No_Fax_1

No_Fax_2

Nama_Kontak

No_Hp_Partner

Email

158


Jabatan

DIM_JenisPerusahaan

ID_Jenis_Perusahaan

Jenis_Perusahaan

DIM_Provinsi

ID_Provinsi

Nama_Provinsi

DIM_Kota

ID_Kab_Kota

Nama_Kab_Kota

Tbl Penjualan

PO_Penjualan

Tanggal_Penjualan

NIP



ID_Pelanggan

159

Nama_Pelanggan

Legal_Status

Jenis_Perusahaan

Nama_Supplier

Target_Pengiriman

Tanggal_Kirim

Status

Nama_Barang

Model_Barang

Harga

Total_Qty

Total_Penjualan

Biaya_Penjualan


Margin

Tbl Penjualan PO_Penjualan Tanggal_Penjualan NIP Nama_Singkat_Pegawai Nama_Lengkap_Pegawai ID_Pelanggan Nama_Pelanggan ID_Jenis_Perusahaan Legal_Status Jenis_Perusahaan ID_Supplier Nama_Supplier Target_Pengiriman Tanggal_Kirim Status ID_Barang Nama_Barang Model_Barang Harga Total_Qty Total_Penjualan Biaya_Penjualan Total_Biaya_Penjualan Margin

DIM Jenis Perusahaan

ID_Jenis_Perusahaan

Jenis_Perusahaan

DIM Barang

ID_Barang

Nama_Barang

Model_Barang

Cell type

Rated power @ STC (W)

Rated power @ PTC (W)

Rated power tolerance (%)

Rated power per sq. ft. (W)

Module efficiency (%)

Cell efficiency (%)

Max. power voltage (Vmp)

Max. power current (Imp)

Open-circuit voltage (Voc)

Short-circuit current (Isc)

Pmp temp. coefficinet (%/°C)

Voc temp. coefficient (%/°C)

Isc temp. coefficient (%/ºC)

Nominal operating cell temp. (°C)

Series fuse rating (A)

Connector type

Frame color

Backsheet color

Length (In.)

Width (In.)

Depth (In.)

Weight (Lbs.)

Materials warranty (Yrs.)

Power warranty (Yrs.) 90%/80%

Harga

DIM Supplier

ID_Supplier Nama_Supplier No_Telp_Supplier No_Fax_Supplier Alamat_Supplier Provinsi_Supplier Kontak_Supplier Email_Supplier No_HP_Supplier

Tbl. Jenis Perusahaan Tbl. Jenis Perusahaan

ID_Jenis_Perusahaan ID_Jenis_Perusahaan

Jenis_Perusahaan Jenis_Perusahaan

Tbl. Jenis Perusahaan Tbl. Jenis Perusahaan

ID_Jenis_Perusahaan ID_Jenis_Perusahaan

Jenis_Perusahaan Jenis_Perusahaan

Tbl. Jenis Perusahaan

ID_Jenis_Perusahaan

Jenis_Perusahaan


ID_Jenis_Perusahaan

Jenis_Perusahaan

160


Tbl_Proyek ID_Proyek Kategori_Proyek Deskripsi_Kategori_Proyek Tanggal_Mulai_Proyek Nilai_kontrak Nama_Kab_Kota Tanggal_Selesai_Proyek ID_Pelanggan Tanggal_Target_Proyek Target_Status_Proyek No_Spk No_Spk_Ekstern Nama_Perusahaan Negara_Asal Mata_Uang Tanggal_Add Tanggal_Edit

Tbl_Proyek

ID_Proyek

ID_Kategori_Proyek

Kategori_Proyek



Nilai_kontrak

ID_Kab_Kota


ID_Pelanggan


ID_Status_Proyek


No_Spk

No_Spk_Ekstern

ID_Investor

Nama_Perusahaan_Investor

Negara_Asal

Mata_Uang

Tanggal_add

Tanggal_edit

DIM Kategori Proyek

ID_Kategori_Proyek

Kategori_Proyek


DIM Status Proyek

ID_Status_Proyek


Deskripsi_Status

DIM_Perusahaan

ID_Investor


Alamat_Perusahaan

Kode_Pos

Jenis_Perusahaan

Negara_Asal

Mata_Uang

DIM_Kota

ID_Kab_Kota

Nama_Kab_Kota


ID_Jenis_Perusahaan

Jenis_Perusahaan


ID_Jenis_Perusahaan

Jenis_Perusahaan


ID_Jenis_Perusahaan

Jenis_Perusahaan


ID_Jenis_Perusahaan

Jenis_Perusahaan


ID_Jenis_Perusahaan

Jenis_Perusahaan


ID_Jenis_Perusahaan

Jenis_Perusahaan


ID_Jenis_Perusahaan

Jenis_Perusahaan


ID_Jenis_Perusahaan

Jenis_Perusahaan


ID_Jenis_Perusahaan

Jenis_Perusahaan


ID_Jenis_Perusahaan

Jenis_Perusahaan

161

4. Bentuk Normal Ketiga (3NF)

Ketentuan bentuk normal ketiga (3-NF)

adalah bentuk data telah memenuhi kriteria

bentuk normal kedua, atribut bukan kunci (non-

key) haruslah tidak memiliki ketergantungan

transitif dengan kata lain suatu atribut bukan

kunci tidak boleh memiliki ketergantungan

fungsional terhadap atribut bukan kunci lainnya.

Harus bergantung penuh pada kunci utama

(primary-key), caranya yaitu dengan

menghilangkan field yang kebergantungan

transitif tersebut.

Tbl_Pelanggan

ID_Pelanggan

Nama_Pelanggan

ID_Jenis_Perusahaan

Jenis_Perusahaan

Legal_Status

Alamat_Pelanggan

ID_Kab_Kota

Nama_Kab_Kota

162

Tabel 4.34 Tabel Pelanggan

Normalisasi Tahap 3

ID_Provinsi

Nama_Provinsi

Tbl_Pelanggan ID_Pelanggan Nama_Pelanggan ID_Jenis_Perusahaan Jenis_Perusahaan Legal_Status Alamat_Pelanggan ID_Kab_Kota Nama_Kab_Kota ID_Provinsi Nama_Provinsi Kode_Pos No_Telp_1 No_Telp_2 No_Fax_1 No_Fax_2 Nama_Kontak No_Hp_Partner Email

Tbl Penjualan

PO_Penjualan

Tanggal_Penjualan

NIP



ID_Pelanggan

Nama_Pelanggan

ID_Jenis_Perusahaan

Legal_Status

Jenis_Perusahaan


ID_Jenis_Perusahaan

Jenis_Perusahaan


ID_Jenis_Perusahaan

Jenis_Perusahaan

163


ID_Supplier

Nama_Supplier

Target_Pengiriman

Tanggal_Kirim

Status

ID_Barang

Nama_Barang

Model_Barang

Harga

Total_Qty

Total_Penjualan

Biaya_Penjualan


Margin

Tbl Penjualan

PO_Penjualan

Tanggal_Penjualan

NIP


ID_Pelanggan

Nama_Pelanggan

ID_Jenis_Perusahaan

Legal_Status

Jenis_Perusahaan

ID_Supplier

Nama_Supplier

Status

ID_Barang

Model_Barang


ID_Jenis_Perusahaan

Jenis_Perusahaan


ID_Jenis_Perusahaan

Jenis_Perusahaan

164


Tbl_Proyek

ID_Proyek

ID_Kategori_Proyek

Kategori_Proyek



Nilai_kontrak

ID_Kab_Kota


ID_Pelanggan


ID_Status_Proyek


No_Spk

No_Spk_Ekstern

ID_Investor


Negara_Asal

Mata_Uang

Tanggal_add

Tanggal_edit

Tbl_Proyek

ID_Proyek

ID_Kategori_Proyek

Kategori_Proyek

ID_Kab_Kota

ID_Pelanggan

ID_Status_Proyek


ID_Investor



ID_Jenis_Perusahaan

Jenis_Perusahaan


ID_Jenis_Perusahaan

Jenis_Perusahaan

165

4.3.3 Aplication Prototyping

Perancangan aplikasi business intelligence ini akan menghasilkan

laporan mengenai informasi trend penjualan dan trend proyek terhadap

waktu yang ditampilkan dalam bentuk dashboard. Laporan tersebut dapat

diakses oleh user setiap manajer melalui aplikasi qlikview yang telah

dirancang oleh tim perancang. pihak-pihak yang terlibat dalam pembuatan

prototype adalah tim proyek, bagian administrasi, bagian marketing dan

bagian operasional.

Tujuan utama dari adanya prototype adalah prototype digunakan

sebagai metode yang efektif untuk memvalidasi persyaratan proyek dan

menemukan bagian yang hilang dan perbedaan dalam persyaratan yang

diinginkan oleh user. Apabila terdapat perbedaan hasil output yang tidak

sesuai dengan keinginan user, maka tim perancang dapat melakukan proses

modifikasi sebelum melangkah ke tahap yang lebih jauh. Tujuan lain dari

prototyping adalah menjalin interaksi yang baik antara tim proyek dengan

user dan user juga berperan aktif dalam pembuatan aplikasi.

Prototype sendiri adalah sebuah teknik komunikasi visual yang

digunakan untuk membantu tim perancang Business Intelligence dalam

mengerti dan memperbaiki persyaratan ruang lingkup proyek. Ada beberapa

tipe dalam membuat prototype, setiap tipe mempunyai tujuan yang berbeda

dan harapan yang berbeda.

166

Penelitian ini menggunakan teknik Mock-Up Prototype pada pembuatan

aplikasi. Tujuan dari Mock-Up Prototype adalah untuk mengerti akses dan

analisa persyaratan dan aktivitas bisnis. Sebab itu, Mock-Up Prototype

diselesaikan dalam waktu yang sangat singkat. Tujuan dari Mock-Up

Prototype adalah untuk mengerti persyaratan aplikasi, mengerti aktivitas

bisnis, memulai fungsi sistem.

4.3.3.1 Reporting Requirement

Dari proses wawancara dengan pihak PT. Gerbang Multindo

Nusantara, maka definisi dari report yang dibutuhkan oleh PT. Gerbang

Multindo Nusantara untuk membantu kegiatan operasional adalah report

mengenai penjualan dan kinerja pekerjaan proyek yang dilakukan oleh

perusahaan PT. Gerbang Multindo Nusantara yang ditinjau dari waktu dan

trend terhadap penjualan dan kinerja yang telah dilakukan, serta perusahaan

yang bekerjasama dan melalui proses bisnis perusahaan, seperti data

perusahaan supplier dan data perusahaan investor.

Data yang penulis gunakan dalam perancangan aplikasi

Business Intelligence ini diperoleh langsung dari database PT. Gerbang

Multindo Nusantara dan berbentuk xls, serta ditentukan dari periode

sekarang hingga 8 tahun yang lalu.

167

4.3.3.1.1 Struktur Menu

Manu Utama Dashboard Business Intelligence

Halaman Proyek Halaman Pemberi pekerjaan

Halaman PenjualanHalaman CSF

(Critical Success Factor)

Halaman Gudang

Gambar 4.6 Struktur Menu Halaman Dashboard Home

Halaman Proyek

Detail Dimensi Proyek

Chart Trend Proyek Berdasarkan Tahun

Chart Trend Proyek Berdasarkan Bulan

Chart Trend ProyekBerdasarkan Lokasi

Detail Dimensi Perusahaan

Gambar 4.7 Struktur Menu Halaman Proyek

168

Halaman Pemberi Kerja

Ditail Dimensi Perusahaan

Chart Trend Pemberi kerja

Chart Pemberi Kerja Nasional

Chart Pemberi kerja Internasional

Detail Dimensi Waktu

Gambar 4.8 Struktur Menu Halaman Pemberi Kerja

Halaman Penjualan

Ditail Dimensi Tahun

Detail Kategori Costumers

Table Barang Dengan Costumers

Chart Trend Penjualan Terhadap Kategori

Barang

Detail Deskripsi Barang

Chart Trend Penjualan Detail Deskripsi Barang

Pie Chart Barang Dengan Costumers

Table Trend Penjualan Terhadap Sales

Gambar 4.9 Struktur Menu Halaman Penjualan

4.3.3.1.2 State Transition Diagram

169

Halaman Dashboard Utama


Halaman Proyek


Halaman Penjualan

Halaman Gudang

Klik Tombol Penjualan

Klik Tombol Pemberi Kerja

Klik Tombol Proyek

Klik Tombol Gudang

Tampilkan Halaman Proyek

Tampilkan Halaman Pemberi

Kerja

Tampilkan Halaman Penjualan

Tampilkan Halaman Gudang

Klik Tombol CSF

Halaman CSFTampilkan Halaman

Critical Success Factor

Klik Tombol Dashboard Home

Tampilkan Halaman Dasboard Home

Gambar 4.10 State Transition Diagram

4.3.3.1.3 Prototype Tampilan

1. Dashboard Report

170

Halaman Pemberi kerja

Halaman Proyek Halaman Penjualan

PT. Gerbang Multindo nusantara

Reset Data

Halaman Gudang

Halaman CSF (Critical Success Factor)

Chart Keseluruhan Performa Perusahaan

Gambar 4.11 Prototype dashboard

• KPI Transaction Count : Indikator yang menunjukkan jumlah

transaksi setiap tahun dan bulan, KPI dibuat untuk melihat jumlah

transaksi per tahun dan bulan dibandingkan dengan tahun dan bulan

sebelumnya.

• Grid transaction : melihat jumlah transaksi yang dilakukan setiap

organization type (Pemerintah, Intenational, atau National

Company) pada bagian column dan tahun transaksi pada bagian

barisnya.

• Count Income Transaction : menghitung jumlah pendapatan setiap

tahunnya, sumbu y untuk jumlah transaction, sumbu x untuk

tahunnya.

171

2. Penjualan report


Dimensi TahunChart Trend Penjualan

Terhadap Kategori Barang

Deskripsi Barang



Reset Data



Kategori Costumers

Gambar 4.12 Penjualan dashboard

Report ini hasil dari penerapan statistik trend projection pada

table Fact_penjualan, dimana mencari pola keterkaitan antara retur

penjualan, sales dan barang. Dari hasil ini makan akan disimpulkan

tren yang dapat dilihat dari pengolahan data dalam bentuk bar chart

dan pie chart.

• Count purcahse order : Indikator yang menunjukkan jumlah

penjualan setiap tahun dan bulan, KPI dibuat untuk melihat jumlah

transaksi per tahun dan bulan dibandingkan dengan tahun dan bulan

sebelumnya.

172

• Compare penjualan dengan waktu : untuk melihat hasil penjualan

dari tahun dan bulan selama tujuh tahun yang lalu.

• List table Sales : untuk melihat hasil penjualan dari setiap sales dan

apa saja yang terjual olehnya.

3. Proyek report

Pada report proyek maka akan dilihan total proyek yang sudah

di kerjakan, dan meliputi pemberi kerja. Detail mengenai nama proyek

biaya dan kapan mulai proyek di kerjakan serta tren yang juga

meliputi data perusahaan sebagai pemberi proyek.


Dimensi Perusahaan


Dimensi Proyek



Reset Data

Gambar 4.13 Proyek dashboard

• Count proyek : Indikator yang menunjukkan jumlah proyek yang

sudah dikerjakan setiap tahun dan bulan,

173

• Compare proyek dangan pemberi kerja : untuk melihat tren

pengadaan proyek yang sudah dilalui dari perusahaan yang

memberikan kerja, serta tren asal negara pada perusahaan tersebut

selama tujuh tahun yang lalu.

4.3.2.1 Meta Data Repository Analysis

Tempat penyimpanan metadata adalah sebuah database. Tetapi tidak

seperti database pada biasanya, sebuah penyimpanan metadata tidak

dirancang untuk menyimpan data untuk aplikasi bisnis. Metadata

dirancang untuk menyimpan informasi kontekstual tentang data bisnis.

Metadata sangat penting dalam aplikasi Business Intelligence karena

membantu merubah bentuk data ke informasi. Perbedaan antara data dan

informasi adalah informasi adalah data mentah dengan konteks bisnis.

Metadata menyediakan keadaan bisnis; metadata menjamin penafsiran

yang benar (berdasarkan aktivitas, objek, hubungan, dan rule) dari data

bisnis sebenarnya.

174

Gambar 4.14 Entity Relationship Meta Model

175

4.3.2.2 Metadata analysis

Dalam tahap analisa terhadap perancangan aplikasi Bussiness

Intelligence ini maka di simpulkan bahwa metadata yang dibutuhkan

adalah perancangan metadata untuk pembuatan tabel fakta pada proyek dan

penjualan, berikut adalah deskripsi dari metadata tersebut :

Table 4.37 Target Perancangan Metadata Nama DBMS Nama Tabel Fakta Nama Tabel Dimensi Nama Field

OLAP_BI

Fact_Penjualan

Dim_Pelanggan ID_Pelanggan Nama_Pelanggan

Dim_Barang ID_Barang Nama_Barang Model_Barang

Dim_Pegawai NIP Nama_Singkat_Pegawai

Fact_Proyek

Dim_Status_Proyek ID_Status_Proyek Target_Status_Proyek

Dim_KatProyek ID_Kategori_Proyek Deskripsi_Kategori_Proyek

Dim_Supplier ID_Supplier Nama_Supplier

Dim_Investor ID_Investor Nama_Perusahaan_Investor Negara_Asal

Dim_Provinsi ID_Provinsi Nama_Provinsi

Dim_Kab_Kota ID_Kab_Kota Nama_Kab_Kota

4.4 Design

4.4.1 Database Design

Kemudian dilakukan rancangan database dengan merancang skema

terdiri dari star schema dan snowflake schema untuk memenuhi kebutuhan

176

informasi yang dibutuhkan manajer terhadap aplikasi BI. Berikut ini adalah

star schema dari Fact_Proyek dan snowflake schema dari Fact_penjualan.

Gambar 4.16 Star Schema Table Fact_Proyek

177

Gambar 4.16 Snowflake Schema Table Fact_penjualan

178

1. Fact_Penjualan. Menggambarkan data penjualan yang telah

dilakukan oleh perusahaaan. Dari skema ini dapat terlihat

jumlah dimensi tabel yang terkait seperti tabel dimensi

DIM_Barang, DIM_Supplier, DIM_Pelanggan, DIM_Pegawai,

DIM_Perusahaan, DIM_Jenis_Perusahaan, DIM_Provinsi dan

DIM_Kab_Kota.

2. Fact_Proyek. Menggambarkan data proyek yang telah

dikerjakan oleh perusahaaan. Dari skema ini dapat terlihat

jumlah dimensi tabel yang terkait seperti tabel dimensi

DIM_Kategori_Proyek, DIM_Status_Proyek, DIM_Provinsi,

DIM_Investor dan DIM_Jenis_Perusahaan.

4.4.2 Extract/Transform/Load Design

4.4.2.1 Design Transform Cleansing Sentence Case

Berikut ini adalah prosedur transformasi text menjadi sentence case

yang akan dijalankan pada aplikasi SQLServer :

Table 4.37 Prosedur transformasi Sentense Case

create function ProperCase(@Text as varchar(8000)) returns varchar(8000) as begin declare @Reset bit; declare @Ret varchar(8000); declare @i int;

179

declare @c char(1); select @Reset = 1, @i=1, @Ret = ''; while (@i <= len(@Text)) select @c= substring(@Text,@i,1), @Ret = @Ret + case when @Reset=1 then

UPPER(@c) else LOWER(@c) end, @Reset = case when @c like '[a-zA-Z]' then 0 else

1 end, @i = @i +1 return @Ret end

4.4.2.2 Design for Transform Pattern Phone dan Email

Berikut ini adalah prosedur dari tahapan cleansing pattern data,

tahapan ini dilakukan pada aplikasi SQLServer pada fitur DQS (Data

Quality Services), berikut adalah prosedur pattern data dengan (Regular

Expression) untuk menyeragamkan nomor kontak dan nama email :

1. Telephone Number :

^$?([0-9]{3})$?[-. ]?([0-9]{3})[-. ]?([0-9]{4})$

2. Mobile Phone Number :

^(\+62\s?8\d{2}|$?08\d{2}$?)\s?\d{4}\s?\d{4}$

3. Email format :

180

^[_A-Za-z0-9-\\+]+(\\.[_A-Za-z0-9-]+)*@[A-Za-z0-9-]+(\\.[A-Za-

z0-9]+)*(\\.[A-Za-z]{2,})$;

4.4.2.3 Transformasi Penarikan Data OLTP ke OLAP

Berikut ini adalah prosedur transformasi untuk penarikan data

dari OLTP ke OLAP yang akan dijalakan dari aplikasi SQLServer :

Table 4.38 Tabel deskripsi transformasi table

Penjualan

Nama Prosedur Proc_ambilPenjualan

Deskripsi Store procedure ini kan menjalankan untuk

mengambil data OLTP Penjulan ke OLAP BI

Code CREATE PROC [ambilPenjualan] AS BEGIN BEGIN TRY SELECT a.[PO_Penjualan], a.[Tanggal_Penjualan], a.[NIP], a.[Nama_Lengkap_Pegawai], a.[ID_Pelanggan], a.[Nama_Pelanggan], a.[ID_Jenis_Perusahaan], a.[Legal_Status], a.[Jenis_Perusahaan], a.[ID_Supplier], a.[Nama_Supplier], a.[Target_Pengiriman], a.[Tanggal_Kirim], a.[Target_Hari], a.[Status],a.[ID_Barang], a.[Nama_Barang], a.[Model_Barang], a.[Harga], a.[Total_Qty], a.[Total_Penjualan], a.[Biaya_Penjualan], a.[Total_Biaya_Penjualan] FROM OLTP_BI.dbo.DataPenjualan a WHERE a.[PO_Penjualan] != '' EXEC Update_Log @nama ='DataPenjualan',@jml =@@ROWCOUNT

181

END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END

Table 4.39 Tabel deskripsi transformasi table Proyek

Nama

Prosedur

Proc_ambilProyek


mengambil data OLTP Proyek ke OLAP BI

Code CREATE PROC [ambilProyek] AS BEGIN BEGIN TRY

SELECT a.[ ID_Proyek], a.[ID_Kategori_Proyek], a.[Kategori_Proyek], a.[Deskripsi_Kategori_Proyek], a.[Tanggal_Mulai_Proyek] , a.[Nilai_kontrak], a.[ID_Kab_Kota], a.[Nama_Kab_Kota], a.[Tanggal_Selesai_Proyek], a.[ID_Pelanggan], a.[Tanggal_Target_Proyek], a.[ID_Status_Proyek], a.[Target_Status_Proyek], a.[No_Spk], a.[No_Spk_Ekstern], a.[ID_Investor], a.[Nama_Perusahaan_Investor], a.[Negara_Asal], a.[Mata_Uang], a.[Tanggal_Add], a.[Tanggal_Edit]

FROM OLTP_BI.dbo.DataProyek a WHERE a.[ID_Proyek] != '' EXEC Update_Log @nama

182

='DataProyek',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END

Table 4.40 Tabel deskripsi transformasi table Barang

Nama Prosedur Proc_ambilBarang


mengambil data OLTP Barang ke OLAP BI

Code CREATE PROC [ambilBarang] AS BEGIN BEGIN TRY SELECT a.[ID_Barang], a.[Nama_Barang], a.[Model_Barang] FROM OLTP_BI .dbo.DataBarang a WHERE a.[ ID_Barang] != '' EXEC Update_Log @nama ='DataBarang',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END


Supplier

Nama Prosedur Proc_ambilSupplier

183


mengambil data OLTP Supplier ke OLAP BI

Code CREATE PROC [ambilSupplier] AS BEGIN BEGIN TRY SELECT a.[ID_Supplier], a.[Nama_Supplier] FROM BiData2.dbo.DIM_Supplier a WHERE a.[ID_Supplier] != '' EXEC Update_Log @nama ='DIM_Supplier',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END


Investor

Nama

Prosedur

Proc_ambilInvestor


mengambil data OLTP Investor ke OLAP BI

Code CREATE PROC [ambilInvestor] AS BEGIN BEGIN TRY SELECT a.[ ID_Investor], a.[Nama_Perusahaan_Investor] FROM OLTP_BI.dbo.DataInvestor a WHERE a.[ ID_Investor] != '' EXEC Update_Log @nama ='DataInvestor',@jml =@@ROWCOUNT END TRY

184

BEGIN CATCH print @@ROWCOUNT END CATCH END


Pelanggan

Nama Prosedur Proc_ambilPelanggan


mengambil data OLTP Pelanggan ke OLAP BI

Code CREATE PROC [ambilPelanggan] AS BEGIN BEGIN TRY SELECT a.[ID_Pelanggan], a.[Nama_Pelanggan] FROM OLTP_BI.dbo.DataPelanggan a WHERE a.[ ID_Pelanggan] != '' EXEC Update_Log @nama ='DataPelanggan',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END


Pegawai

Nama Prosedur Proc_ambilPegawai

185


mengambil data OLTP Pegawai ke OLAP BI

Code CREATE PROC [ambilPegawai] AS BEGIN BEGIN TRY SELECT a.[NIP], a.[Nama_Singkat_Pegawai] FROM OLTP_BI .dbo.DataPegawai a WHERE a.[NIP] != '' EXEC Update_Log @nama ='DataPegawai',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END

4.4.2.4 Transformasi Penarikan Data dari SQLServer ke Qlikview

Berikut ini adalah prosedur transformasi untuk penarikan data dari

dari MSSQL Server ke aplikasi Qlikview untuk pembuatan dashboard.

Table 4.45 Tabel Transformasi data ke Qlikview

SET MoneyFormat='$#,##0.00;($#,##0.00)';

SET TimeFormat='h:mm:ss TT';

SET DateFormat='M/D/YYYY';

SET TimestampFormat='M/D/YYYY h:mm:ss[.fff] TT';

186

SQL SELECT *

FROM "OLTP_BI".dbo.DIM_Pegawai;

SQL SELECT *

FROM "OLTP_BI".dbo.DIM_Barang;

SQL SELECT *

FROM "OLTP_BI".dbo.DIM_Perusahaan;

SQL SELECT *

FROM "OLTP_BI".dbo.DIM_Jenis_Perusahaan;

SQL SELECT *

FROM "OLTP_BI".dbo.DIM_Pelanggan;

SQL SELECT *

FROM "OLTP_BI".dbo.DIM_Supplier;

SQL SELECT *

FROM "OLTP_BI".dbo.DIM_Kategori_Proyek;

SQL SELECT *

FROM "OLTP_BI".dbo.DIM_Status_Proyek;

SQL SELECT *

FROM "OLTP_BI".dbo.DIM_Provinsi;

187

SQL SELECT *

FROM "OLTP_BI".dbo.DIM_Kab_Kota;

SQL SELECT *

FROM "OLTP_BI".dbo.DIM_Investor;

SQL SELECT *

FROM "OLTP_BI".dbo.Fact_Penjualan;

SQL SELECT *

FROM "OLTP_BI".dbo.Fact_Proyek;

4.4.3 Metadata Repository Design

Berikut ini adalah tabel-tabel metadata repository design

berdasarkan dari analisa metadata yang telah dirumuskan sebelumnya pada

tahapan sebelumnya.

194

4.5 Construction

4.5.1 Extract, Transform, Load development

4.5.1.1 Transform Cleanse Sentence Case

Tahap ini akan menggambarkan mengenai proses transformasi dari

pembersihan data menjadi sentence case pada database, yang akan

dilakukan pada aplikasi SQLServer.

Gambar 4.18 Tampilan SQLServer Management Studio 2012

Langkah pertama yaitu dengan membuka SQLServer

Management Studio 2012, kemudian klik new query lalu masukan

query untuk merupah format penulisan.

195

Gambar 4.19 Tampilan query merubah data menjadi sentence case.

Kemudian memilih nama database yang akan dimasukan

function pada query yang sudah dimasukan lalu klik execute.

Setelah itu function akan tersimpan di dalam lokasi database yaitu

Programmability – Function – Scalar-valued Function.

4.5.1.2 Transform Pattern Phone dan Email

Tahap ini akan menggambarkan mengenai proses transformasi

dari pembersihan data dengan pattern bagi nomor kontak, proses

pembersihan ini akan dilakukan pada aplikasi SQLServer pada fitur DQS

(Data Quality Services).

196

Gambar 4.20 Tampilan Halaman Awal DQS (Data Quality Services).

. Langkah pertama yaitu dengan membuka aplikasi DQS

yang terletak pada folder SQLServer 2012 – Data Quality Services

- Data Quality Client, setelah itu klik New Knowledge Base.

Gambar 4.21 Tampilan Halaman Awal DQS (Data Quality Services).

197

Langkah kedua adalah dengan membuat nama domain

yang akan dibuat yaitu dengan meng-klik Create Domain.

Gambar 4.22 Tampilan Halaman Create Domain.

Setelah itu memasukan pattern dengan klik domain rules

lalu masukan nama prosedur pilih value matching pattern dan

memberi nama rules.

198

Gambar 4.23 Tampilan Halaman Domain Rules.

Setelah itu memasukan pattern dengan klik domain rules

lalu masukan nama prosedur dengan memilih value matching

pattern dan memberi nama rules.

Gambar 4.24 Tampilan Halaman Publish Domain.

Setelah semua proses pembuatan pattern dilalui kemudian

domain di publish dengan mengklik tombol finish pada akhir

proses.

199

Gambar 4.25 Tampilan Halaman Awal DQS

Tahapan berikutnya adalah menggunakan domain yang

sudah dirancang untuk membersihkan data, langkah awalnya

adalah dengan mengklik New Data Quality Project pada kolom

Data Quality Project pada halaman awal aplikasi DQS (Data

Quality Services).

Gambar 4.26 Tampilan Halaman Awal Data Quality Project.

Kemudian memberikan nama Project dan menentukan

aktivitas Cleasing yang akan dikerjakan yaitu pada menu Select

Activity – Cleansing. Tahapan berikutnya adalah mapping target

database yang akan dibersihkan, dengan menentukan sumber

200

koneksi pada data source, menentukan target database dan nama

table, kemudian di mapping data yang akan di cleansing pada

source column dan menentukan domain apa yang digunakan untuk

membersihkan data pada target database tersebut.

Gambar 4.27 Tampilan Halaman Mapping Database.

Tahapan berikutnya adalah tahapan menjalakan proses

cleansing, dengan mengklik start, pada tahap akan terlihat jumlah

data yang melalui proses ini pada dialog profile.

201

Gambar 4.28 Tampilan Halaman Cleanse Database.

Gambar 4.29 Tampilan Proses Cleanse Database.

Pada tahan selanjutnya yaitu pada tahapan Manage and

View Resul akan terlihat data yang benar dan yang salah, yang

sesuai dari pattern yang dipilih.

202

Gambar 4.30 Tampilan Halaman Result Project.

Tahapan terakhir pada proses cleansing ini yaitu export,

yaitu tahapan menentukan bahwa hasil dari proses cleansing

tersebut disimpan dalam bentuk file apa.

203

Gambar 4.31 Tampilan Proses Akhir dari Cleanse Database.

4.5.1.3 Transform OLTP ke OLAP

Tahap ini akan menggambarkan mengenai proses transformasi

data dari OLTP database ke database OLAP, langkah pertama dari proses

adalah dengan membuat pembuatan stored procedures yang akan

dilakukan pada pada aplikasi SQLServer 2012, kemudian melakukan

transformasi data dari OLTP ke OLAP yang akan dilakukan pada aplikasi

SQLServer Data Tools yang tersedia didalam SQLServer 2012.

Gambar 4.32 Tampilan SQLServer Management Studio 2012

204

Langkah pertama untuk membuat Stored Procedures adalah

meng klik tombol query pada halaman aplikasi SQLServer

Management Studio 2012, lalu masukan query untuk membuat

Stored Procedures, kemudian pilih lokasi database yang akan di

berikan function, lalu klik execute, maka Stored Procedures telah

selesai dibangun. Untuk melihat apakah Stored Procedures telah

berhasil dibangun adalah dengan melihat pada database yang telah

dipilih untuk diberikan function kemudian klik Programmability –

Stored Procedures, jika terdapat pada lokasi tersebut, maka proses

pembuatan Stored Procedures telah sesuai.

Gambar 4.33 Tampilan Query Dialog

Langkah berikutnya adalah dengan membuat proses

bagaimana menarik data OLTP ke database OLAP, langkah

205

pertama adalah membuka SQLServer Microsoft Visual Studio

2010, kemudian klik New Project dan memberi nama pada project.

Gambar 4.34 Tampilan New Project

Langkah berikutnya adalah klik dan drag data flow task ke

dalam diagram, kemudian klik 2 kali pada data flow task, lalu pada

tampilan halaman sebelah kiri terdapat tools Source Assistant,

kemudian klik dan drag Source Assistant kedalam diagram.

206

Gambar 4.35 Tampilan Data Flow Task

Setelah itu akan muncul dialog untuk connection manager,

isilah nama server yang sesuai dengan lokasi database yang akan

dianalisa kemudian klik ok pada connection manager.

Gambar 4.36 Tampilan Connection Manager

Setelah tahap connection manager dilakukan, lalu klik 2 kali

pada OLE DB Source, pada dialog OLE DB Source klik pada

menu data Access Mode menjadi SQL Command, lalu masukan

nama Stored Procedures yang telah dibangun sebelumnya.

207

Gambar 4.37 Tampilan Data Flow Task Source to Destination

Gambar 4.38 Tampilan Proses SQL Command pada OLE DB Source.

Langkah selanjutnya adalah melihat target lokasi database

pada Destination diagram dengan mengklik 2 kali, lalu akan

muncul dialog Destination Editor, pada halaman ini klik Mapping

208

pada menu yang terdapat di sebelah kiri dialog, pada halaman

Mapping dapat dilihat bahwa data yang akan di tarik menuju target

database baru yang akan dilakukan. Setelah semua langkah telah di

lalui, kemudian klik execute.

Gambar 4.39 Tampilan Mapping Destination

Gambar 4.40 Tampilan Execute

4.5.1.4 Transform SQLServer ke Qlikview

209

Tahap ini akan menggambarkan mengenai proses

pengembangan ETL yang dilakukan dalam pembuatan aplikasi

business intelligence ini adalah dengan proses pentransferan tabel-

tabel dari Microsoft Excel ke program Qlikview :

1. Basis data yang asli dalam format Microsoft Excel tersebut

dipecah ke dalam bentuk tabel-tabel yang sesuai dengan analisa

untuk pembuatan database yang akan di analisa dalam aplikasi

Business Intelligence.

Gambar 4.41 Tampilan Qlikview halaman baru.

210

2. Aktifkan Qlikview lalu pilih edit script.

Gambar 4.42 Tampilan edit script.

3. Lalu pada ruang kerja edit script terdapat tab menu data from file

kemudian pilih.

211

Gambar 4.43 Tampilan data from file

4. Pada table files pilih Select OLE DB, kemudian pilih Table yang akan

dimasukan, lalu ikuti petunjuk wizard hingga selesai lalu klik finish.

Gambar 4.44 Tampilan menu untuk memilih table file

.

5. Maka pada tampilan edit script akan muncul nama – nama field data

yang terdapat pada table yang sudah dipilih.

212

Gambar 4.45 Tampilan sesudah table dipilih.

6. Ulangi tahapan load data from files hingga semua table dapat

dimasukan kedalam tampilan edit script.

Gambar 4.46 Semua file tables setelah dimasukan.

7. Setelah files data telah dimasukan kedalam edit script lalu klik reload.

Gambar 4.47 Proses execute script setelah reload .

213

Gambar di atas adalah hasil transfer yang sukses, jika transfer

gagal maka pada tampilan execute akan keluar tampilan error. Setelah

relational table sukses di load maka selanjutnya adalah pembuatan

tampilan reporting dasar bagi PT. Gerbang Multindo Nusantara.

4.5.2 Application Development

Pada tahap ini akan menjelaskan langkah-langkah pembuatan

dashboard dan menampilkan hasil dari langkah-langkah yang telah

dijalankan. Dapat dilihat ada gambar sebagai berikut :

4.5.2.1 Struktur Menu

Manu Utama Dashboard Business Intelligence

Halaman Proyek Halaman Pemberi pekerjaan

Halaman PenjualanHalaman CSF

(Critical Success Factor)

Halaman Gudang

Gambar 4.48 Struktur Menu Halaman Dashboard Home

214

Halaman Proyek

Detail Dimensi Proyek




Detail Dimensi Perusahaan

Gambar 4.49 Struktur Menu Halaman Proyek


Ditail Dimensi Perusahaan

Chart Trend Pemberi kerja

Chart Pemberi Kerja Nasional

Chart Pemberi kerja Internasional

Detail Dimensi Waktu

Gambar 4.50 Struktur Menu Halaman Pemberi Kerja

Halaman Penjualan

Ditail Dimensi Tahun

Detail Kategori Costumers


Chart Trend Penjualan Terhadap Kategori

Barang

Detail Deskripsi Barang




Gambar 4.51 Struktur Menu Halaman Penjualan

215

4.5.2.2 State Transition Diagram

216



Halaman Proyek


Halaman Penjualan

Halaman Gudang

Klik Tombol Penjualan

Klik Tombol Pemberi Kerja

Klik Tombol Proyek

Klik Tombol Gudang

Tampilkan Halaman Proyek

Tampilkan Halaman Pemberi

Kerja

Tampilkan Halaman Penjualan

Tampilkan Halaman Gudang

Klik Tombol CSF

Halaman CSFTampilkan Halaman

Critical Success Factor

Klik Tombol Dashboard Home

Tampilkan Halaman Dasboard Home

Gambar 4.52 State Transition Diagram

4.5.2.3 Dashboard design

217

1. Membuat Dashboard KPI

Gambar 4.53 Membuat dashboard KPI

Pada analytic table KPI terdapat analisa dari

penilaian performa dari data yang meliputi aspek

operational, marketing dan manajemen. Terdapat nilai

yang sudah disesuaikan dengan data KPI, jika nilai

mendekati target yang diinginkan maka data akan

berwarna hijau, jika data tidak sesuai dengan target KPI

yang diharapkan maka nilai data akan berwarna merah

2. Membuat Dashboard Penjualan

218

Gambar 4.54 Membuat dashboard penjualan

Pada analytic bar chart penjualan terdapat

analisa penjualan terhadap sales, tahun dan bulan. Dan

pada dashboard ini terdapat chart mengenai tren

penjualan yang dapat dilihat dengan pemilihan tahun

dan bulan serta sales, yang kemudian chart akan

menyesuaikan secara langsung terhadap pemilihan

dimensi yang dipilih.

219

3. Membuat Dashboard Proyek

Gambar 4.55 Membuat Analytic Bar Chart proyek dan perusahaan

Pada analytic bar chart penjualan terdapat

analisa proyek terhadap kategori proyek yang telah di

kerjakan selama 7 tahun. Dan pada dashboard ini

220

terdapat chart mengenai tren proyek dan negara yang

memberikan proyek kepada perusahaan dalam bentuk

persen. Pada dashboard ini juga terdapat pemilihan

dimensi berdasarkan tahun dan bulan.

4.5.3 Data Mining

Data mining merupakan teknik untuk menemukan

pola yang tersembunyi dari data yang dimiliki oleh

perusahaan. Teknik data mining yang digunakan adalah

teknik forcasting yaitu trend projection. Pada report ini akan

menampilkan hasil dari data mining berupa analysis chart.

forcasting diterapkan untuk mengetahui trend yang terjadi

pada penjualan pembelian dan harga. Dengan demikian akan

didapatkan hasil untuk diolah kembali menjadi keputusan

bagi para menejer.

Gambar 4.56 tren forcasting pada penjualan

4.6 Deployment

221

Proses penerapan aplikasi business intelligence ini meliputi

apakah hasil akhirdari aplikasi ini sudah sesuai dengan tujuan yang

diharapkan, baik dari kebutuhan user pengguna maupun dari device

atau media yang akan digunakan, kegiatannya meliputi :

4.6.1 Implementation.

Pada proses implementasi tim perancang aplikasi

melakukan proses installasi terhadap media-media yang akan

digunakan, mengatur jaringan apa saja yang terkait dengan

media pengguna aplikasi dan melakukan percobaan terhadap

aplikasi business intelligence ini, dan pengujian yang dilakukan

dengan dua cara yaitu dengan menggunakan metode black box

dan white box.

a. Metode Black box

Metode ini biasa dilakukan pada interface suatu sistem agar

dapat diketahui apakah proses yang dibuat sesuai dengan

rancangan yang telah dibuat.

b. Metode White Box

Metode white box ini dilakukan pada sistem dengan lebih

memperhatikan source code dan melihat bagaimana struktur

internal software agar dapat mengidentifikasikan suatu

software. Selain itu, metode white box juga berfungsi untuk

222

mengetahui jalannya sistem yang normal di dalam web

browser.

Tabel 4.56 Tabel Pengujian Metode Black Box

Hardware Pengujian

Intel pentium Core 2 Duo 2.50

GHz, Memori 2.0 GB, hardisk

320GB monitor 14 inchi dan

resolusi layar 1024 x 768 pixels

Sistem Operasi Windows 7 Seven

,Qlikview.

Sistem Operasi Macintosh Lion 10.7,

Qlikview.

c. Spesifikasi Minimum yang dibutuhkan

Spesifikasi minimum hardware dan software yang digunakan

untuk dapat menjalankan program aplikasi dengan baik adalah

sebagai berikut :

1. Perangkat Keras (Hardware)

a. Prosesor berkapasitas 2,50 GHz.

b. Memory RAM berkapasitas 256 MB.

c. Hard Disk berkapasitas 60 GB.

d. Layar monitor 15” 1024 x 768 pixel.

e. Mouse dan keyboard PS2/USB.

f. Printer.

2. Perangkat Lunak (Software)

a. OS Windows Seven 7.

223

b. Browser IE Explorer 6.0, Mozilla Firefox 3.0, Google

Chrome 2.0 atau diatasnya.

c. Java Runtime Environtment ver 1.5 atau diatasnya.

d. Xampp 1.7.2.

Setelah proses pengujian dilakukan maka proses berikutnya

adalah pelatihan terhadap penggunaan aplikasi, kemudian setelah

melalui tahapan pelatihan maka aplikasi diserahkan sepenuhnya

kepada perusahaan yaitu user yang akan menggunakannya, yang

meliputi menejer operasional, menejer keuangan dan pemilik

perusahaan.

4.6.2 Release Evaluation.

Pada tahapan Release Evaluation tim perancang

aplikasi melakukan wawancara terhadap user terkait yang

akan menggunakan aplikasi business intelligence ini, yang

meliputi menejer operasional, menejer keuangan serta

pemilik perusahaan. Tahapan ini dilakukan karena sebuah

aplikasi business intelligence memiliki peran yang sangat

penting bagi perusahaan dalam pengambilan keputusan.

Hasil yang di dapatkan pada proses ini adalah wawancara

mengenai penggunaan aplikasi sepenuhnya yang juga

224

meliputi sejauhmana tahapan pemeliharaan aplikasi terhadap

arah bisnis perusahaan yang baru nantinya.

225

BAB V

PENUTUP

5.1 Kesimpulan

Dari hasil analisia dan perancangan aplikasi Business intelligence di

perusahaan Gerbang Multindo Nusantara, dapat diambil kesimpulan bahwa

perancangan aplikasi Business Intelligence ini dapat diimplementasikan dan

dapat memperbaiki laporan akhir tahun perusahaan agar lebih baik dan mudah

dipahami dengan memberikan pola-pola pengambilan data dari data

warehouse kemudian ditampilkan dengan bentuk dashborad dan grafik

melalui pengolahan dari data kegiatan penjualan dan pelaksanaan proyek..

Selain itu, kesimpulan yang dapat diperoleh dari Skripsi ini adalah :

1. Aplikasi Business Intelligence dapat menampilkan performa kegiatan

perusahaan dalam penjualan barang, yang nantinya dapat digunakan

sebagai dasar dalam pengambilan keputusan pada penjualan.

2. Aplikasi Business Intelligence dapat menampilkan performa kinerja

perusahaan dalam pelaksanaan proyek, yang nantinya dapat digunakan

sebagai dasar dalam pengambilan keputusan pada kinerja proyek.

3. Tampilan informasi yang ditampilkan adalah dalam bentuk grafis

maupun laporan, yang dapat mewakili hubungan atau pola-pola

informasi yang penting yang terdapat pada basis data yang historikal

226

pada data warehouse perusahaan, yang nantinya dapat digunakan

sebagai dasar dalam pengambilan keputusan yang akurat.

5.2 Saran

Business intelligence, harus diterapkan secara cepat dan tepat agar

perusahaan dapat terus berjalan dengan baik. perancangan aplikasi Business

intelligence ini bukan untuk mengotomatisasikan pengambilan keputusan

tetapi memberikan tampilan yang interaktif yang memungkinkan pengambil

keputusan untuk melakukan berbagai analisa. Perancangan aplikasi Business

intelligence ini juga bukan hanya untuk mempersingkat waktu pengambilan

keputusan, tetapi agar keputusan yang dihasilkan dapat lebih tepat dan akurat,

karena berdasarkan pola keterhubungan pada database. Saran-saran yang

dapat diberikan untuk pengembangan sistem ini antara lain :

1. Aplikasi Business Intelligence ini dapat dikembangkan lebih lanjut agar

dapat digunakan oleh divisi lain, seperti divisi manufacturing dan

divisi-divisi lainnya.

2. Aplikasi Business Intelligence ini dapat diperluas cakupannya agar

informasi yang diperoleh dapat digali lebih dalam, seperti

menggunakan pola keterkaitan data dengan data market share yang ada

pada pola keterkaitan penjualan, maupun data dari standarisasi ISO

terbaru dengan menemukan pola keterkaitan pada peraturan

pelaksanaan pekerjaan proyek yang nantinya akan diterapkan pada

perusahaan ini dimasa mendatang.

227

3. Aplikasi Business Intelligence ini juga dapat diterapkan pada

perusahaan-perusahaan lain yang memiliki historikal data yang cukup

lama dan dengan jumlah data yang banyak, metode perancangan

Business Intelligence ini dapat sangat membantu dalam menemukan

pola-pola kertekaitan data agar lebih efesien untuk dianalisa dalam

proses perumusan sebuah keputusan atau pembuatan laporan agar lebih

akurat.

228

DAFTAR PUSTAKA

Vercellis, Carlo.(2009).Business Intelligence : Data Mining and

Optimization for Decision Making. (1st edition ). United Kingdom : .John Wiley &

Sons Ltd.

Connolly, Thomas M., Begg, Carolyn E. (2005). Database Systems : A

practical approach to design, implamentation, and management. USA : Pearson

Education Limited.

English,Larry P. (1999). Improving Data Warehouse and Business

Information Quality. New York :John Wiley & Sons.Inc.

Hoffer, Jeffrey A.,Prescott,Mary B.,& Topi, Heikki.(2009). Modern

Database Management. Ninth Edition.New Jersey : Pearson Education.

Inmon, William H. (2002). Building The Data Warehouse. (3rd Edition) .

USA: John Wiley & Sons,Inc.

Inmon , William H.,(2005).Building The Data Warehouse. (4thEdition).

Indiana: Wiley Publishing.

Kimball,Ralph dan Ross, Margy.(2002).The Data Warehouse Toolkit The

Complete Guide To Dimensional Modeling. (2nd Edition). New York : John

Wiley&Sons,Inc.

Turban, Efraim.,Sharda, Ramesh., Delen, Dursun .(2011). Decision support

and BusinessIintelligence Systems. (9th edition). New Jersey : Pearson Education.

Brannon, Nadia . “Business Intelligence and E-Discovery”.July 2010.Intellectual

Property & Technology Law Journal Vol. 22

229

M ulyadi. (2001). Sistem Akuntansi. Edisi Ke-3. Salemba Empat, Jakarta.

Moss, Larissa T., Atre,Shaku (2003). Business intelligence roadmap : The

Complete Project Lifecycle For Decision-Support Applications. USA : Addison-

Wesley.

Whitten, Jeffery L, Bentley, Lonnie D, Ditman & Kevin C.(2004).System

Analysis and Design Method, Sixth Edition. McGraw-Hill, Inc., USA.

230

WAWANCARA I

Narasumber : Suyud Subakti

Jabatan : Direksi Keuangan

Tanya : Hashemi Rafsanjani

Tanggal : 15 Mei 2012

Tema : Pengelolaan & permasalahan database pada perusahaan.

Tujuan : Mengetahui sistem pengelolaan database serta alur

keuangan infrastruktur alur data untuk pengelolaan data

keuangan.

Hasil Wawancara :

Tanya : Bagaimana alur pengelolaan database pada perusahaan?

Narasumber : Pengelolaan database pada perusahaan adalah dengan

menggunakan aplikasi SQL Server 2005 R2, MS.Word

2007 dan Ms.Excel 2007, pengelolaan database dilakukan

oleh database administrator perusahaan yaitu pada posisi

Information Technology (IT).

Tanya : Kendala apa yang dihadapi pada perusahaan dalam

pengelolaan database?

Narasumber : Kendala yang dihadapai sekarang ini adalah bagaimana

perusahaan dapat meningkatkan produktifitas perusahaan

dengan mengetahui dan memahami laporan pekerjaan

dengan jelas dan akurat, yang kemudian dapat menjadiakan

suatu usulan untuk pengambilan keputusan pada rapat

akhir tahun perusahaan, khususnya pada pengelolan

database penjualan dan proyek. Sejak kami menerapkan

SQL Server 2005 R2 kami tahu bahwa terdapat fitur

231

Business intelligence, namun kami tidak dapat

menggunakannya sebagai salah satu sistem pengelolaan

database untuk kegiatan operasional perusahaan setiap

hari.

Tanya : Apa yang diharapkan dengan terimplementasinya

business intelligence bagi perusahaan?

Narasumber : Kami memiliki data transaksi yang cukup besar pada

kegiatan penjulaan dan pelaksanaan proyek, kami

mengharapkan dengan diimlementasikannya business

intelligence khusunya untuk memantau kegiatan penjualan

dan pelaksanaan proyek, kami dapat dengan baik

meningkatkan kinerja perusahaan melalui data laporan

yang akurat dan mudah dipahami dari transaksi yang telah

kami jalani.

Tanya : Pembuatan laporan apa yang dibutuhkan pada

perusahaan?

Narasumber : Pembuatan laporan yang sangat dibutuhkan pada

perusahaan adalah laporan akhir tahun, karena pada akhir

tahun kami melaksanakan perbaikan yang besar untuk

memperbaiki kinerja perusahaan, khususnya dengan

memahami laporan dari kinerja penjualan dan pelaksaan

proyek.

Intisari wawancara

Berdasarkan dari pertanyaan - pertanyaan tersebut, maka penulis

menyimpulkan bahwa terdapatnya kesuliatan dalam pengambilan keputusan pada

rapat akhir tahun sehingga perusahaan mengalami kesulitan dalam meningkatkan

kinerja khususnya pada kinerja penjualan dan pelaksanaan proyek, serta penulis

menyimpulkan bahwa terdapatnya fitur business intelligence yang tidak dapat

232

dimanfaatkan pada perusahaan dikaerankan kurangnya sumberdaya manusia dalam

menerapkannya.

Berdasarkan hal tersebut maka perusahaan membutuhkan suatu penerapan

business intelligence khusunya untuk mengelola database penjualan dan proyek

agar dapat terpantau dengan baik sehingga dapat memberikan hasil yang akurat,

yang kemudian dapat dirangkum untuk pembuatan laporan akhir tahun perusahaan

sebagai bagian dari proses pengambilan keputusan peusahaan.

Responden

Suyud Subakti

233

WAWANCARA II

HASIL AKHIR

Narasumber : Nobon Novrizal

Jabatan : Manajer Operational

Tanya : Hasemi Rafsanjani

Tanggal : 26 Oktober 2012

Tema : Hasil Seminar Aplikasi Business Intelligence

Tanya : Bagaimana Alur pengelolaan database pada perusahaan?

Narasumber : Pengelolaan database pada perusahaan adalah dengan

menggunakan aplikasi SQL Server 2005 R2, MS.Word dan

Ms.Excel 2007, pengelolaan database dilakukan oleh

database administrator perusahaan yaitu pada posisi

Information Technology (IT).

Tanya : Kendala apa yang dihadapi pada perusahaan dalam

pengelolaan database?

Narasumber : Kendala yang dihadapi sekarang ini adalah bagaimana

perusahaan dapat meningkatkan produktifitas perusahaan

dengan mengetahui dan memahami laporan pekerjaan

dengan jelas dan akurat, yang kemudian dapat menjadiakan

suatu usulan untuk pengambilan keputusan pada rapat akhir

tahun, yang khususnya pada pengelolan database penjualan

dan proyek. Sejak kami menerapkan SQL Server 2005 R2

kami tahu bahwa terdapat fitur business intelligence, namun

kami tidak dapat menggunakannya sebagai salah satu sistem

pengelolaan database untuk kegiatan operasional perusahaan

setiap hari.

234

Tanya : Apa yang diharapkan dengan terimplementasinya business

intelligence bagi perusahaan?

Narasumber : Kami memiliki data transaksi yang cukup besar pada

kegiatan penjulaan dan pelaksanaan proyek, kami

mengharapkan dengan diimlementasikannya business

intelligence khusunya untuk memantau kegiatan penjualan

dan pelaksanaan proyek, kami dapat dengan baik

meningkatkan kinerja perusahaan melalui data laporan yang

akurat dan mudah dipahami dari transaksi yang telah kami

jalani,

Tanya : Pembuatan laporan apa yang dibutuhkan pada perusahaan?

Narasumber : Pembuatan laporan yang sangat dibutuhkan pada

perusahaan adalah laporan akhir tahun, karena pada akhir

tahun kami melaksanakan perbaikan yang besar untuk

memperbaiki kinerja perusahaan, dengan memahami

database pada laporan kinerja penjualan dan pelaksaan

proyek.

Responden

Nobon Novrizal

235

1. Analisa Margin

2. Main Dashboard

236

3. Dashboard Penjualan

4. Dashboard Proyek

237

5. Forecasting

238

Store Procedure SQL Server 2012 //Data Penjualan USE [OLTP_BI] GO /****** Object: StoredProcedure [dbo].[ambilPenjualan] Script Date: 9/25/2013 6:27:53 AM ******/ SET ANSI_NULLS ON GO SET QUOTED_IDENTIFIER ON GO ALTER PROC [dbo].[ambilPenjualan] AS BEGIN BEGIN TRY SELECT a.[PO_Penjualan], a.[Tanggal_Penjualan], a.[NIP], a.[Nama_Lengkap_Pegawai], a.[ID_Pelanggan], a.[Nama_Pelanggan], a.[ID_Jenis_Perusahaan], a.[Legal_Status], a.[Jenis_Perusahaan], a.[ID_Supplier], a.[Nama_Supplier], a.[Target_Pengiriman], a.[Tanggal_Kirim], a.[Target_Hari], a.[Status],a.[ID_Barang], a.[Nama_Barang], a.[Model_Barang], a.[Harga], a.[Total_Qty], a.[Total_Penjualan], a.[Biaya_Penjualan], a.[Total_Biaya_Penjualan] FROM OLTP_BI.dbo.DataPenjualan a WHERE a.[PO_Penjualan] != '' EXEC Update_Log @nama ='DataPenjualan',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END //Data Proyek USE [OLTP_BI] GO /****** Object: StoredProcedure [dbo].[ambilProyek] Script Date: 9/25/2013 6:27:56 AM ******/ SET ANSI_NULLS ON GO SET QUOTED_IDENTIFIER ON GO ALTER PROC [dbo].[ambilProyek] AS BEGIN BEGIN TRY SELECT a.[ID_Proyek], a.[ID_Kategori_Proyek], a.[Kategori_Proyek], a.[Deskripsi_Kategori_Proyek], a.[Tanggal_Mulai_Proyek], a.[Nilai_kontrak], a.[ID_Kab_Kota], a.[Nama_Kab_Kota], a.[Tanggal_Selesai_Proyek], a.[ID_Pelanggan], a.[Tanggal_Target_Proyek], a.[ID_Status_Proyek], a.[Target_Status_Proyek], a.[No_Spk], a.[No_Spk_Ekstern], a.[ID_Investor], a.[Nama_Perusahaan_Investor], a.[Negara_Asal], a.[Mata_Uang], a.[Tanggal_Add], a.[Tanggal_Edit] FROM OLTP_BI.dbo.DataProyek a WHERE a.[ID_Proyek] != '' EXEC Update_Log @nama ='DataProyek',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH

239

END //Data Barang USE [OLTP_BI] GO /****** Object: StoredProcedure [dbo].[ambilBarang] ******/ SET ANSI_NULLS ON GO SET QUOTED_IDENTIFIER ON GO ALTER PROC [dbo].[ambilBarang] AS BEGIN BEGIN TRY SELECT a.[ID_Barang], a.[Nama_Barang], a.[Model_Barang] FROM OLTP_BI.dbo.DataBarang a WHERE a.[ID_Barang] != '' EXEC Update_Log @nama ='DataBarang',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END // Data investor USE [OLTP_BI] GO /****** Object: StoredProcedure [dbo].[ambilInvestor] ******/ SET ANSI_NULLS ON GO SET QUOTED_IDENTIFIER ON GO ALTER PROC [dbo].[ambilInvestor] AS BEGIN BEGIN TRY SELECT a.[ID_Investor], a.[Nama_Perusahaan_Investor] FROM OLTP_BI.dbo.DataInvestor a WHERE a.[ID_Investor] != '' EXEC Update_Log @nama ='DataInvestor',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END //Data Pegawai USE [OLTP_BI] GO /****** Object: StoredProcedure [dbo].[ambilPegawai] Script Date: 9/25/2013 6:27:22 AM ******/ SET ANSI_NULLS ON GO SET QUOTED_IDENTIFIER ON GO ALTER PROC [dbo].[ambilPegawai] AS BEGIN BEGIN TRY

240

SELECT a.[NIP], a.[Nama_Singkat_Pegawai] FROM OLTP_BI .dbo.DataPegawai a WHERE a.[NIP] != '' EXEC Update_Log @nama ='DataPegawai',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END //Data Pelanggan USE [OLTP_BI] GO /****** Object: StoredProcedure [dbo].[ambilPelanggan] Script Date: 9/25/2013 6:27:48 AM ******/ SET ANSI_NULLS ON GO SET QUOTED_IDENTIFIER ON GO ALTER PROC [dbo].[ambilPelanggan] AS BEGIN BEGIN TRY SELECT a.[ID_Pelanggan], a.[Nama_Pelanggan] FROM OLTP_BI.dbo.DataPelanggan a WHERE a.[ID_Pelanggan] != '' EXEC Update_Log @nama ='DataPelanggan',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END //Data Supplier USE [OLTP_BI] GO /****** Object: StoredProcedure [dbo].[ambilSupplier] Script Date: 9/25/2013 6:27:59 AM ******/ SET ANSI_NULLS ON GO SET QUOTED_IDENTIFIER ON GO ALTER PROC [dbo].[ambilSupplier] AS BEGIN BEGIN TRY SELECT a.[ID_Supplier], a.[Nama_Supplier] FROM OLTP_BI.dbo.DataSupplier a WHERE a.[ID_Supplier] != '' EXEC Update_Log @nama ='DataSupplier',@jml =@@ROWCOUNT END TRY BEGIN CATCH print @@ROWCOUNT END CATCH END

241

Source Code Qlikview SET ThousandSep=','; SET DecimalSep='.'; SET MoneyThousandSep=','; SET MoneyDecimalSep='.'; SET MoneyFormat='$#,##0.00;($#,##0.00)'; SET TimeFormat='h:mm:ss TT'; SET DateFormat='M/D/YYYY'; SET TimestampFormat='M/D/YYYY h:mm:ss[.fff] TT'; SET MonthNames='Jan;Feb;Mar;Apr;May;Jun;Jul;Aug;Sep;Oct;Nov;Dec'; SET DayNames='Mon;Tue;Wed;Thu;Fri;Sat;Sun'; LOAD PO_Penjualan, Year (Tanggal_Penjualan) as Tahun_jual, Month (Tanggal_Penjualan) as Bulan_jual, 'T' & Ceil(Month (Tanggal_Penjualan)/3) as Quarter_jual, Dual(Year (Tanggal_Penjualan) & 'T' & Ceil(Month (Tanggal_Penjualan)/3), Year(Tanggal_Penjualan) & Ceil(Month (Tanggal_Penjualan)/3)) as Qtr_Tahun_jual, Date(Monthstart(Tanggal_Penjualan), 'MMM-YYYY') as Qtr_Month_jual, NIP, ID_Pelanggan, ID_Supplier, Target_Pengiriman, Tanggal_Kirim, Status, ID_Barang, Nama_Barang, Model_Barang, Harga, Total_Qty, Total_Penjualan, Biaya_Penjualan, Total_Biaya_Penjualan, Margin FROM [C:\Users\Win_Sam\Documents\✦Yang lg di Kerjain✦\`Applikasi SIdang Qlikview\rev1_primaryfix_xx2.xlsx] (ooxml, embedded labels, table is Fact_Penjualan_Margin); LOAD ID_Proyek, Year (Tanggal_Mulai_Proyek) as Tahun_Mulai_Proyek, Month (Tanggal_Mulai_Proyek) as Bulan_Mulai_Proyek, 'T' & Ceil(Month (Tanggal_Mulai_Proyek)/3) as Quarter_Proyek, Dual(Year (Tanggal_Mulai_Proyek) & 'T' & Ceil(Month (Tanggal_Mulai_Proyek)/3), Year(Tanggal_Mulai_Proyek) & Ceil(Month (Tanggal_Mulai_Proyek)/3)) as Qtr_Tahun_pry, Date(Monthstart(Tanggal_Mulai_Proyek), 'MMM-YYYY') as Qtr_Month_pry, Tanggal_Selesai_Proyek, Nilai_kontrak, Kategori_Proyek, ID_Provinsi, ID_Pelanggan, Tanggal_Target_Proyek, Target_Status_Proyek, No_Spk, No_Spk_Ekstern, ID_Pemberi_Pekerjaan, Nama_Perusahaan, Mata_Uang, tanggal_add, tanggal_edit

242

FROM [C:\Users\Win_Sam\Documents\✦Yang lg di Kerjain✦\Àpplikasi SIdang Qlikview\rev1_primaryfix_xx2.xlsx] (ooxml, embedded labels, table is Fact_Proyek); LOAD ID_Barang, Nama_Barang, Model_Barang, [Cell type], [Rated power @ STC (W)], [Rated power @ PTC (W)], [Rated power tolerance (%)], [Rated power per sq. ft. (W)], [Module efficiency (%)], [Cell efficiency (%)], [Max. power voltage (Vmp)], [Max. power current (Imp)], [Open-circuit voltage (Voc)], [Short-circuit current (Isc)], [Pmp temp. coefficinet (%/°C)], [Voc temp. coefficient (%/°C)], [Isc temp. coefficient (%/ºC)], [Nominal operating cell temp. (°C)], [Series fuse rating (A)], [Connector type], [Frame color], [Backsheet color], [Length (In.)], [Width (In.)], [Depth (In.)], [Weight (Lbs.)], [Materials warranty (Yrs.)], [Power warranty (Yrs.) 90%/80%], Harga FROM [C:\Users\Win_Sam\Documents\✦Yang lg di Kerjain✦\Àpplikasi SIdang Qlikview\rev1_primaryfix_xx2.xlsx] (ooxml, embedded labels, table is DIM_Barang); LOAD ID_Provinsi, Nama_Kabupaten, Nama_Provinsi FROM [C:\Users\Win_Sam\Documents\✦Yang lg di Kerjain✦\Àpplikasi SIdang Qlikview\rev1_primaryfix_xx2.xlsx] (ooxml, embedded labels, table is DIM_Daerah); LOAD NIP, Nama_Pegawai, GBN, Jenis_Kelamin, Tempat_Lahir, Tanggal_Lahir, Status_Menikah, Alamat_Tinggal, No_Telp, No_HP, [E-mail] FROM [C:\Users\Win_Sam\Documents\✦Yang lg di Kerjain✦\Àpplikasi SIdang Qlikview\rev1_primaryfix_xx2.xlsx] (ooxml, embedded labels, table is DIM_Pegawai); LOAD ID_Pelanggan, Nama_Pelanggan, Jenis_Pelanggan,

243

Alamat_Pelanggan, Pelanggan_Provinsi, Kode_Pos_Pelanggan, No_Telp_1, No_Telp_2, No_Fax_1, No_Fax_2, Nama_Kontak, No_Hp_Partner, Email, Jabatan FROM [C:\Users\Win_Sam\Documents\✦Yang lg di Kerjain✦\Àpplikasi SIdang Qlikview\rev1_primaryfix_xx2.xlsx] (ooxml, embedded labels, table is DIM_Pelanggan); LOAD ID_Pemberi_Pekerjaan, Nama_Perusahaan, Alamat_Perusahaan, Kode_Pos, Jenis_Perusahaan, Negara_Asal FROM [C:\Users\Win_Sam\Documents\✦Yang lg di Kerjain✦\Àpplikasi SIdang Qlikview\rev1_primaryfix_xx2.xlsx] (ooxml, embedded labels, table is DIM_Pemberi_Pekerjaan); LOAD ID_Supplier, Nama_Supplier, No_Telp_Supplier, No_Fax_Supplier, Alamat_Supplier, Provinsi_Supplier, Kontak_Supplier, Email_Supplier, No_HP_Supplier FROM [C:\Users\Win_Sam\Documents\✦Yang lg di Kerjain✦\Àpplikasi SIdang Qlikview\rev1_primaryfix_xx2.xlsx] (ooxml, embedded labels, table is DIM_Supplier); LOAD Analysis_Quantity FROM [C:\Users\Win_Sam\Documents\✦Yang lg di Kerjain✦\Àpplikasi SIdang Qlikview\rev1_primaryfix_xx2.xlsx] (ooxml, embedded labels, table is Analysis);

Analisa Margin //Wi Volume round(Sum([Total_Qty])+(Sum([Total_Qty])*vQty)) //Wi price round(Sum([Harga])+(Sum([Harga])*vHarga)) //Wi Revenue (Sum(([Total_Qty]+([Total_Qty]*($(vQty)/100)))*([Harga]+([Harga]*($(vHarga)/100)))))/1000 //Wi Margin (Sum(([Total_Qty]+([Total_Qty]*$(vQty)/100))*([Harga]+([Harga]*$(vHarga)/100))) - Sum([Biaya_Penjualan]+([Biaya_Penjualan]*$(vBiaya)/100)))/1000

244

//Perubahan Margin =num((Sum(([Total_Qty]+([Total_Qty]*$(vQty)/100))*([Harga]+([Harga]*$(vHarga)/100)))- Sum([Biaya_Penjualan]+([Biaya_Penjualan]*$(vBiaya)/100)))/(Sum([Total_Qty]*[Harga])-(Sum([Biaya_Penjualan]))) - 1,'#.0%') //Perkiraan Pendapatan =num((Sum(([Total_Qty]+([Total_Qty]*$(vQty)/100))*([Harga]+([Harga]*$(vHarga)/100))) - Sum([Biaya_Penjualan]+([Biaya_Penjualan]*$(vBiaya)/100)))/1000,'Rp #,###.;(Rp #' , '.' , ',')

Forecasting data penjualan dan proyek //Aggregate Trend Penjualan linest_m(totalaggr(if(sum(Total_Penjualan),sum(Total_Penjualan)),Bulan_jual),Bulan_jual)*only({1}Bulan_jual) +linest_b(totalaggr(if(sum(Total_Penjualan),sum(Total_Penjualan)),Bulan_jual),Bulan_jual) //Avarage avg(total aggr(if(sum(Total_Penjualan),sum(Total_Penjualan)),Bulan_jual)) //Trend if not if(notsum(Total_Penjualan),linest_m(totalaggr(if(sum(Total_Penjualan),sum(Total_Penjualan)),Bulan_jual),Bulan_jual)*only ({1}Bulan_jual ) +linest_b(total aggr(if(sum(Total_Penjualan),sum(Total_Penjualan)),Bulan_jual),Bulan_jual)) //Equation ='Forecast Equation = ' & round(linest_m(total aggr(if(sum(Total_Penjualan),sum (Total_Penjualan)),Bulan_jual),Bulan_jual),.0001) & '*Bulan_jual + ' & round(linest_b(total aggr(if(sum(Total_Penjualan),sum(Total_Penjualan)),Bulan_jual),Bulan_jual),.0001) //Linier Regresion or Multi-variable regression //Aggregate Trend Proyek linest_m(total aggr(if(Sum(Nilai_kontrak),Sum (Nilai_kontrak)),Bulan_Mulai_Proyek),Bulan_Mulai_Proyek)*only({1}Bulan_Mulai_Proyek) +linest_b(total aggr(if(Sum(Nilai_kontrak),Sum (Nilai_kontrak)),Bulan_Mulai_Proyek),Bulan_Mulai_Proyek) //Avarage avg(total aggr(if(Sum(Nilai_kontrak),Sum(Nilai_kontrak)),Bulan_Mulai_Proyek))

245

//Trend if not if(not sum(Nilai_kontrak), linest_m(total aggr(if(sum(Nilai_kontrak),sum (Nilai_kontrak)),Bulan_Mulai_Proyek),Bulan_Mulai_Proyek)*only({1}Bulan_Mulai_Proyek ) +linest_b(total aggr(if(sum(Nilai_kontrak),sum (Nilai_kontrak)),Bulan_Mulai_Proyek),Bulan_Mulai_Proyek)) //Proyek Equation ='Forecast Equation = ' & round(linest_m(total aggr(if(sum(Nilai_kontrak),sum (Nilai_kontrak)),Bulan_Mulai_Proyek),Bulan_Mulai_Proyek),.0001) & '*Bulan_Proyek + ' & round(linest_b(total aggr(if(sum(Nilai_kontrak),sum (Nilai_kontrak)),Bulan_Mulai_Proyek),Bulan_Mulai_Proyek),.0001) // Multi-variable regression