bab 2 landasan teori 2.1 definisi efektivitas kegiatan...
TRANSCRIPT
7
BAB 2
LANDASAN TEORI
2.1 Definisi Efektivitas Kegiatan Promosi
Beberapa definisi dari efektivitas, kegiatan, dan promosi dari beberapa
sumber dapat dilihat berikut ini.
2.1.1 Definisi Efektivitas
Menurut Peter Drucker (Mallach, 2000, p59) efektivitas adalah melakukan
sesuatu yang benar atau merupakan pencapaian tujuan. Efektivitas berkaitan
dengan output sebuah sistem (misalnya penjualan total atau pendapatan per
promosi).
Menurut Soekarno K. (1996, p42) efektivitas adalah pencapaian tujuan atau
hasil yang dikehendaki tanpa menghiraukan faktor – faktor tenaga, waktu, biaya,
pikiran, dan alat lain yang telah dikeluarkan atau digunakan.
Menurut Kamus Besar Bahasa Indonesia (2001, p284) efektivitas
merupakan keadaan yang berpengaruh.
2.1.2 Definisi Kegiatan Promosi
Menurut Madura (2001, p449) kegiatan promosi adalah kegiatan yang
memberikan informasi atau mengingatkan konsumen mengenai produk atau
merek tertentu.
8
Sedangkan menurut Griffin (1999, p122) kegiatan promosi adalah aspek
bauran pemasaran yang berhubungan dengan teknik – teknik yang paling efektif
untuk menjual suatu barang.
Berdasarkan Kamus Besar Bahasa Indonesia (2001, p898) kegiatan
promosi adalah kegiatan komunikasi untuk meningkatkan volume penjualan
dengan pameran, periklanan, demonstrasi, dan usaha lain yang bersifat persuasif.
Menurut McCarthy (1998, p294) kegiatan promosi adalah kegiatan
mengkomunikasikan informasi dari penjual kepada pembeli atau pihak lain
dalam saluran untuk mempengaruhi sikap dan prilaku.
2.1.2.1 Bentuk – Bentuk Promosi
Banyak cara promosi yang dilakukan oleh perusahaan dalam rangka
meningkatkan volume penjualannya. Berikut adalah bentuk-bentuk promosi yang
digunakan untuk meningkatkan volume penjualan :
1. Advertising (Periklanan)
Menurut Philip Kotler, advertising adalah suatu bentuk dorongan
yang tidak bersifat pribadi untuk meningkatkan permintaan atas suatu
barang, jasa melalui surat – surat langsung atau media sebagai bahan
perbandingan. Tujuan advertising antara lain :
• Pengenalan dan penerimaan merk
• Pembelian percobaan
• Mencapai pembeli yang tidak dapat didekati
• Menambah nilai pada produk
9
2. Personal Selling (Penjualan oleh perorangan)
Menurut Philip Kotler, personal selling adalah penyajian secara lisan
dalam bentuk percakapan dengan satu atau lebih calon pembeli dengan
maksud melakukan penjualan. Ada empat macam prinsip dasar dari penjual
perorangan agar efektif yaitu :
a. Persiapan yang cukup
b. Lokasi atau menemukan pembeli
c. Membuat penjualan
d. Pengembangan jasa baik setelah penjualan
3. Publicity (Publisitas)
Menurut Philip Kotler, publicity adalah dorongan yang sifatnya tidak
perorangan terhadap permintaan akan suatu produk, jasa ataupun satuan
usaha dengan jalan memuat berita – berita yang sifatnya komersil di dalam
media yang dipublikasikan atau penyajiannya secara tepat melalui televisi,
radio, dan kesemuanya ini tidak dibayar oleh sponsor.
4. Sales Promotion (Promosi Penjualan)
Menurut Philip Kotler, sales promotion adalah kegiatan – kegiatan
pemasaran selain personal selling, advertising, dan publisitas yang
mendorong konsumen untuk membeli dan mendorong keberhasilan agen
penjual. Promosi penjualan dilakukan dengan berbagai cara, antara lain :
• Promosi Konsumen, yaitu promosi yang ditujukan pada konsumen
akhir, contoh : kupon, pengembalian uang ganti rugi, promosi
harga.
10
• Promosi Perdagangan, yaitu promosi yang ditujukan kepada
pedagang perantara yang dapat berupa : bantuan pembelian,
bantuan yang diharapkan, bantuan sebelum pembelian, kerja sama
advertising.
• Promosi Tenaga Penjual, yaitu promosi yang ditujukan kepada
tenaga penjual perusahaan yang terdiri dari bonus, kontes tenaga
penjual, pertemuan penjual.
Faktor-faktor yang mempengaruhi efektif tidaknya promosi antara lain
adalah :
• Besarnya dana yang dipasarkan untuk promosi
• Sifat pasar
• Jenis produk yang dipasarkan
• Tahap – tahap dalam siklus kehidupan barang
2.1.2.2 Tujuan Promosi
Tujuan promosi menurut McCarthy (1998, p294) antara lain sebagai
berikut :
• Memberitahu, yang berarti perusahaan yang memiliki produk baru tidak
harus melakukan apapun terlebih dahulu kecuali memberitahu konsumen
tentang produk dan menunjukkan bahwa ia memenuhi kebutuhan konsumen
secara lebih baik dibandingkan dengan produk lainnya.
11
• Membujuk, yang berarti perusahaan akan berusaha mengembangkan sikap
yang menghubungkan, sehingga pelanggan akan membeli dan terus membeli
produknya.
• Mengingatkan para pelanggan target tentang perusahaan dan bauran
pemasarannya. Sekalipun pelanggan telah tertarik dan pernah membeli,
mereka masih merupakan target bagi himbauan pesaing. Upaya
mengingatkan mereka tentang kepuasan yang diperoleh pada waktu lalu
mungkin akan menahan mereka untuk tidak beralih pada produk pesaing.
2.1.2.3 Definisi Efektivitas Kegiatan Promosi
Berdasarkan teori tentang efektivitas dan kegiatan promosi, maka dapat
disimpukan bahwa efektivitas kegiatan promosi merupakan kegiatan yang
memberikan informasi atau mengingatkan konsumen mengenai produk atau
merek tertentu untuk pencapaian tujuan atau hasil yang dikehendaki. Dengan
kata lain dengan dilakukannya promosi suatu produk atau barang maka penjualan
terhadap produk atau barang tersebut harus meningkat melebihi biaya promosi
yang dikeluarkan.
2.1.2.4 Definisi Penjualan
Menurut Romney dan Steinbar (2003, p157) penjualan merupakan suatu set
rekursif dari kegiatan bisnis dan operasi pemrosesan informasi terkait yang
dihubungkan dengan persediaan barang dan pelayanan pelanggan serta
penerimaan dari penjualan tersebut.
12
Dalam konsep penjualan Kotler dan Armstrong (2001, p22), ia
beranggapan bahwa konsumen tidak akan membeli cukup banyak produksi
perusahaan, kecuali jika perusahaan tersebut melakukan usaha penjualan dan
promosi dalam skala besar.
Menurut Mulyadi (2001, p202) kegiatan penjualan terdiri dari transaksi
penjualan barang atau jasa, baik secara kredit maupun secara tunai.
Penjualan didasarkan pada dua jenis, yaitu : berdasarkan pembayaran dan
berdasarkan cara penyediaan.
• Berdasarkan Pembayaran
Ditinjau dari pembayaran yang dilakukan pembeli, maka jenis
penjualan dibedakan menjadi dua, yaitu :
1. Penjualan Tunai
Menurut Mulyadi (2001, p455) penjualan tunai dilaksanakan
oleh perusahaan dengan cara mewajibkan pembeli melakukan
pembayaran harga barang lebih dahulu sebelum barang diserahkan
oleh perusahaan kepada pembeli. Setelah uang diterima perusahaan,
barang kemudian diserahkan kepada pembeli dan transaksi
penjualan tunai kemudian dicatat oleh perusahaan
2. Penjualan Kredit
Menurut Mulyadi (2001, p210) Penjualan kredit dilaksanakan
oleh perusahaan dengan cara mengirimkan barang sesuai dengan
order yang diterima dari pembeli untuk jangka waktu tertentu,
perusahaan mempunyai tagihan kepada pembeli tersebut.
13
• Berdasarkan Cara Penyediaan
Ditinjau dari cara penyediaan barang ke konsumen, maka penjualan
dibedakan menjadi beberapa macam, yaitu :
1. Penjualan Eceran (Retail Sales)
Menyediakan pelayanan barang yang efisien sesuai dengan
kebutuhan permintaan konsumen di daerah sekitar (lokal), biasanya
dengan harga yang lebih mahal dan jumlah yang sedikit (eceran).
2. Penjualan Partai (Grosir)
Barang yang dijual biasanya dalam jumlah yang lebih besar
dan harganya biasanya lebih murah dibandingkan dengan penjualan
eceran.
3. Penjualan Supermarket
Barang yang disediakan untuk dijual lebih beraneka ragam.
Pembeli mengambil atau mencari barang yang dibutuhkan sendiri
(self service). Jumlah pembelian konsumen bervariasi dengan harga
yang tetap, tidak tergantung banyaknya pembelian.
4. Penjualan Dari Pintu Ke Pintu
Barang ditawarkan oleh pramuniaga kepada konsumen secara
langsung dari rumah ke rumah.
5. Penjualan Konsinyasi
Penjualan dilakukan dengan cara menitipkan barang yang
akan dijual kepada penjual atau toko tertentu.
6. Penjualan Canvasser
14
Barang ditawarkan oleh salesman kepada pelanggan dari toko
ke toko.
2.2 Perusahaan Distributor Alat Fotografi
Beberapa definisi dari distributor, alat, dan fotografi dapat dilihat pada
penjelasan berikut ini.
2.2.1 Definisi Distributor
Berdasarkan Kamus Besar Bahasa Indonesia (2001, p270) distributor
adalah orang atau badan yang bertugas mendistribusikan barang, atau sebagai
penyalur.
2.2.2 Definisi Alat Fotografi
Menurut Kamus Besar Bahasa Indonesia (2001, p27) Alat adalah benda
yang dipakai untuk mengerjakan sesuatu.
Menurut Kamus Besar Bahasa Indonesia (2001 ,p321) Fotografi adalah
seni dan penghasilan gambar dan cahaya pada film atau permukaan yang
dipekakan.
Jadi perusahaan distributor alat fotografi adalah suatu perusahaan yang
menyediakan alat-alat yang berhubungan dengan fotografi untuk didistribusikan
ke berbagai tempat.
15
2.2.3 Definisi Perusahaan Distributor Alat Fotografi
Berdasarkan masing-masing pengertian tentang perusahaan distributor,
alat, dan fotografi maka disimpulkan bahwa perusahaan distributor alat fotografi
adalah suatu perusahaan yang menyediakan alat – alat yang berhubungan dengan
fotografi untuk didistribusikan ke berbagai tempat.
2. 3 Konsep Data Warehouse
Beberapa definisi dari data warehouse beserta konsep lainnya dapat dilihat
berikut ini.
2. 3. 1 Definisi Data Warehouse
Menurut Inmon (2002, p31) data warehouse adalah koleksi data yang
bersifat subject – oriented, integrated, time – variant, dan non – volatile, yang
digunakan untuk mendukung proses strategis pengambilan keputusan bagi
organisasi.
Menurut Poe (1996, p6) data warehouse adalah database yang bersifat
analistis dan hanya dapat dibaca dan digunakan sebagai dasar landasan dari
sistem pendukung keputusan.
Menurut Mallach (2000, p484) data warehouse adalah koleksi dari variasi
data yang besar, terorganisasi dan dibuat untuk dapat digunakan oleh end – user
dalam pembuatan keputusan.
16
2. 3. 2 Tujuan Perancangan Data Warehouse
Data warehouse yang digunakan selama ini memberikan kemudahan dan
keuntungan karena data warehouse biasanya digunakan untuk melakukan empat
tugas yang berbeda. Menurut William (1998, p533) empat tugas data warehouse
tersebut adalah sebagai berikut :
1. Pembuatan Laporan
Pembuatan laporan merupakan salah satu kegunaan data warehouse
yang paling umum. Dengan menggunakan query sederhana, dalam data
warehouse dapat dihasilkan informasi per tahun, per kuartal, per bulan, dan
bahkan per hari.
2. On-Line Analytical Processing (OLAP)
Data warehouse digunakan dalam melakukan analisis bisnis untuk
mengetahui kecenderungan pasar dan faktor – faktor penyebabnya, karena
dengan adanya data warehouse semua informasi baik detail maupun hasil
summary yang dibutuhkan dalam proses analisa mudah didapat. Dalam hal
ini data warehouse merupakan tool handal untuk analisa data yang kompleks.
OLAP mendayagunakan konsep data multidimensi dan memungkinkan
pemakai untuk menganalisa data sampai mendetail, tanpa mengetikkan satu
pun perintah SQL. Hal ini dimungkinkan karena pada konsep data
multidimensi, maka data berupa fakta yang sama bisa dilihat dengan
menggunakan dimensi yang berbeda. Fasilitas lain yang ada pada tool
perangkat lunak OLAP adalah drill-down dan roll-up. Drill-down adalah
kemampuan untuk melihat detail dari suatu informasi yang ditampilkan
sedangkan roll-up adalah kebalikan dari drill-down.
17
3. Data Mining
Data mining adalah proses untuk mencari informasi dan pengetahuan
baru dengan cara menggali (mining) data yang berjumlah banyak pada data
warehouse, dengan menggunakan kecerdasan buatan (Artificial Intelligence),
statistik, dan matematika. Data mining merupakan teknologi yang diharapkan
bisa menjembatani komunikasi antara data dan pemakainya. Beberapa solusi
yang bisa diselesaikan dengan data mining diantaranya :
a. Menembak target pasar
Data mining dapat melakukan pengelompokan (clustering) dari
model – model pembeli dan melakukan klasifikasi terhadap setiap
pembeli sesuai dengan karakteristik yang diinginkan seperti kesukaan
yang sama, tingkat penghasilan yang sama, kebiasaan membeli dan
karakteristik lainnya.
b. Melihat pola beli pemakai dari waktu ke waktu
Data mining dapat digunakan untuk melihat pola beli seseorang dari
waktu ke waktu.
c. Cross-market Analisis
Data mining dapat dimanfaatkan untuk melihat hubungan antara
penjualan satu produk dengan produk lainnya.
d. Profil Customer
Data mining dapat membantu pengguna untuk melihat profil
pembeli sehingga dapat diketahui pembeli tertentu suka membeli produk
apa saja.
e. Informasi Summary
18
Data mining dapat dimanfaatkan untuk membuat laporan
summary yang bersifat multidimensi yang dilengkapi dengan informasi
statistik lainnya.
4. Proses Informasi Eksekutif
Data warehouse digunakan untuk mencapai ringkasan informasi yang
penting dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi
keseluruhan data. Dengan menggunakan data warehouse, segala laporan
telah diringkas dan dapat pula diketahui rinciannya secara lengkap. Hal ini
akan mempermudah proses pengambilan keputusan. Informasi dan data pada
laporan data warehouse menjadi target informatif bagi user, dimana user
disini adalah pihak eksekutif.
2. 3. 3 Karakteristik Data Warehouse
Menurut Inmon (2002, p31) dapat diketahui bahwa sebuah data warehouse
mempunyai karakteristik, antara lain :
• Subject Oriented (Berorientasi Subyek)
• Integrated (Terintegrasi)
• Non – Volatile (Tidak Dapat Berubah)
• Time – Variant (Variasi Waktu)
2.3.3.1 Subject Oriented (Berorientasi Subyek)
Data warehouse berorientasi subyek karena didasarkan pada subyek-
subyek yang ada didalam perusahaan, seperti: customer, products, dan sales.
19
Bukannya berorientasi pada proses atau fungsi aplikasi tertentu, seperti :
customer invoicing, stock control, dan product sales.
Perbedaan antara orientasi aplikasi proses dengan orientasi subyek
terlihat jelas pada perbedaan isi data pada tingkatan data yang rinci. Data yang
tidak digunakan pada pemrosesan sistem penunjang keputusan (Decision Support
System) tidak termasuk sebagai data pada data warehouse, sedangkan pada
orientasi aplikasi operasional, data yang digunakan terdiri atas data untuk
keperluan fungsional atau pemrosesan baik yang dibutuhkan maupun yang tidak
dibutuhkan.
2.3.3.2 Integrated (Terintegrasi)
Data warehouse bersifat intergrated, artinya data warehouse harus
menyimpan data-data yang berasal dari sumber-sumber yang terpisah ke dalam
suatu format yang konsisten dan saling terintegrasi satu dengan lainnya. Dengan
demikian data tidak bisa dipisah-pisah karena data yang ada merupakan satu
kesatuan yang menunjang keseluruhan konsep data warehouse itu sendiri.
Syarat integrasi sumber data dapat dipenuhi dengan berbagai cara seperti
konsisten dalam penamaan variabel, konsisten dalam ukuran variabel dan
konsisten dalam struktur pengkodean dan konsisten dalam atribut fisik dari data.
Contoh konsistensi yang ditunjukkan oleh data warehouse terlihat pada :
• Pengembang aplikasi harus memilih untuk memberi kode pada kolom
negara sesuai yang dikehendaki. Ada yang menghendaki memberikan
kode “ina” untuk negara Indonesia, kode “sgp” untuk negara Singapura,
dan kode “eng” untuk negara Inggris. Ada juga yang mempresentasikan
20
kode “id” untuk negara Indonesia, kode “sg” untuk negara Singapura, dan
kode “uk” untuk negara Inggris. Data tersebut harus diubah ke dalam
format data warehouse yang telah ditentukan sebelumnya. Jadi dari awal
sampai akhir, data warehouse akan menggunakan format kode “id”, “sg”,
dan “uk” untuk memberikan penamaan negara.
Di dalam beberapa database digunakan beberapa satuan ukuran seperti
kilometer, meter, centimeter, dan inci. Apabila data yang berasal dari database
ingin disimpan kedalam suatu data warehouse, maka satuan ukuran harus
diintegrasikan terlebih dahulu menggunakan format ukuran yang konsisten,
misalnya menggunakan ukuran meter (m). Jadi dari awal sampai akhir, data
warehouse akan menggunakan format “ m ” untuk jenis satuannya.
2.3.3.3 Non – Volatile (Tidak Dapat Berubah)
Non – volatile berarti bahwa ketika data sudah disimpan ke dalam sebuah
data warehouse, data tidak boleh berubah atau tidak boleh ada perubahan
didalamnya. Hal ini disebabkan karena data warehouse bertujuan agar
penggunanya dapat menganalisa data historis yang ada untuk keperluan
pengambilan keputusan.
2.3.3.4 Time-Variant (Variasi Waktu)
Time-variant disini diartikan bahwa data dalam sebuah data warehouse
berhubungan dengan suatu titik atau point dalam suatu periode waktu tertentu.
Misalnya kwartalan, semester, ataupun tahunan. Contoh variasi waktu antara
21
lain : jumlah penjualan per semester, data produk – produk yang ada dalam
perusahaan per tahun.
2.3.4 Anatomi Data Warehouse
Menurut Prabowo (1997, p7) terdapat tiga jenis dasar anatomi data
warehouse, yaitu :
• Functional Data Warehouse (Data warehouse Fungsional)
• Centralized Data Warehouse (Data warehouse Terpusat)
• Distributed Data Warehouse (Data Warehouse Terdistribusi)
2.3.4.1 Functional Data Warehouse (Data Warehouse Fungsional)
Data warehouse fungsional mengambil data yang diperoleh dari hasil
kegiatan operasi sehari-hari, dan dibuat lebih dari satu yang dikelompokkan
berdasarkan masing – masing fungsi yang ada di dalam perusahaan seperti fungsi
keuangan (financial), fungsi pemasaran (marketing), fungsi kinerja personalia,
dan sebagainya.
Kelebihan dari bentuk fungsional ini adalah sistem mudah dibangun
dengan biaya yang relatif murah dan dapat memberikan kemampuan sistem
pengumpulan data yang terbatas kepada kelompok user.
Sedangkan kekurangan dari bentuk fungsional ini adalah resiko kehilangan
konsistensi dari data dan juga terbatasnya kemampuan dalam pengumpulan data
bagi user.
22
Workstation
Data WarehouseFungsional
Source
Workstation
Data WarehouseFungsional
Source
Source
Gambar 2.1 Anatomi dari Data Warehouse Fungsional
2.3.4.2 Centralized Data Warehouse (Data warehouse Terpusat)
Data warehouse terpusat merupakan pendekatan yang paling baik
digunakan. Hal ini dikarenakan karena bentuk dari data warehouse terpusat
terlihat seperti bentuk data warehouse fungsional, namun disini sumber data
terlebih dahulu dikumpulkan atau diintegrasikan pada suatu tempat terpusat.
Kemudian barulah data tersebut dibagi-bagi berdasarkan fungsi-fungsi yang
dibutuhkan oleh perusahaan. Bentuk ini sering digunakan oleh perusahaan-
perusahaan yang belum memiliki jaringan eksternal.
Kelebihan dari data warehouse terpusat dibanding dengan data warehouse
fungsional adalah data benar-benar terintegrasi. Sistem ini mengharuskan data
dikirim tepat pada waktunya agar tetap konsisten dengan pemasok data lainnya.
Disamping itu, user hanya dapat mengambil data dari pusat pengumpulan saja
dan tidak dapat berhubungan secara langsung dengan pemasok datanya sendiri.
23
Sedangkan kekurangan dari data warehouse terpusat adalah pada
penerapannya membutuhkan biaya pemeliharaan yang tinggi atas sistem
pengumpulan data yang besar. Selain itu diperlukan waktu yang lama untuk
membangun sistem tersebut.
Workstation
Data WarehouseFungsional
Source
Workstation
Data WarehouseFungsional
Source
Source
Data WarehouseTerpusat
Gambar 2.2 Anatomi dari Data Warehouse Terpusat
2.3.4.3 Distributed Data Warehouse (Data warehouse Terdistribusi)
Data warehouse terdistribusi dikembangkan berdasarkan konsep gateway
data warehouse, sehingga memungkinkan user dapat langsung berhubungan
dengan sumber data atau pemasok data maupun dengan pusat pengumpulan data
lainnya. Gambar user data merupakan gambaran logika karena data mungkin
diambil dari berbagai sumber yang berbeda.
Keuntungan dari data warehouse terdistribusi adalah kelebihannya dalam
mengakses data dari luar perusahaan yang lebih mengalami sinkronisasi terlebih
dahulu dan tetap terjaga konsistensinya. Hal ini dikarenakan data warehouse
terdistribusi menggunakan teknologi client-server untuk mengambil data dari
berbagai sumber.
24
Sedangkan kerugian dari data warehouse terdistribusi ini adalah pada
penerapannya memerlukan biaya yang sangat besar dan juga kompleks untuk
diterapkan karena sistem operasinya dikelola secara terpisah.
Workstation
Source
Workstation
Source
Source
Data Warehouse Gateway
Gambar 2.3 Anatomi Data Warehouse Terdistribusi.
2.3.5 Struktur Data Warehouse
Data warehouse mempunyai struktur yang spesifik dan mempunyai
perbedaan dalam tingkatan ringkasan (summary) dan detail data serta perbedaan
dalam tingkatan umur data. Struktur data warehouse tersebut terdiri atas:
• Current detail data (data detail saat ini)
• Old detail data (data detail histories)
• Lightly summarized data (data ringkasan level menengah)
• Highly summarized data (data ringkasan level tinggi)
• Metadata
25
METADATA
OperationalTransformation
Old Detail
Current Detail
Lightly Summarized(Data Mart)
HighlySummarized
Gambar 2.4 Struktur Data Warehouse
2.3.5.1 Current Detail Data
Current detail data berisi data yang mencerminkan keadaan yang sedang
berjalan saat ini. Bagian ini sangat penting karena merefleksikan kejadian yang
sedang berlangsung dalam sebuah perusahaan. Berukuran sangat besar karena
merupakan level terendah dan menyimpan semua informasi dan data yang ada
dalam perusahaan. Current detail data menjadi perhatian utama. Hal ini
disebabkan karena:
• Merefleksikan kejadian yang sedang berlangsung dalam sebuah
perusahaan.
• Jumlah datanya sangat banyak dan disimpan pada tingkat level
penyimpanan terendah.
• Biasanya disimpan dalam media penyimpanan agar cepat diakses, namun
mahal dan pengaturannya kompleks.
26
• Digunakan untuk merekapitulasi data sehingga current detail data harus
akurat.
2.3.5.2 Old Detail Data
Old detail data merupakan histori data dari perusahaan yang merupakan
hasil back-up yang disimpan dalam media penyimpanan yang terpisah dan dapat
diakses kembali pada saat tertentu. Old detail data biasanya disimpan pada
media penyimpanan seperti tape disk karena pengaksesannya relatif jarang.
2.3.5.3 Lightly Summarized Data
Lightly summarized data merupakan ringkasan dari detail data tapi belum
bersifat total summary. Biasanya data ini disimpan pada media penyimpanan
seperti disk.
2.3.5.4 Highly Summarized Data
Highly summarized data merupakan ringkasan yang bersifat totalitas solid
dan mudah diakses. Highly summarized data digunakan untuk melakukan analisa
perbandingan data berdasarkan waktu dan analisa yang menggunakan multi
dimensi.
Database multidimensi adalah suatu teknologi software yang
mempermudahkan dalam melakukan pencarian dan pengambilan data dalam
volume besar.
27
2.3.5.5 Metadata
Metadata merupakan informasi dari sumber data atau struktur data dimana
mengandung struktur data, algoritma yang dijalankan, mapping dari operasi ke
data warehouse.
Sedangkan metadata menurut Poe (1996, p169) adalah data tentang data,
yang menyediakan informasi tentang struktur data dari hubungan antar data atau
database dalam lingkungan data warehouse. Terdapat dua tipe metadata, yaitu :
• Metadata operasional, merupakan berfungsi untuk sistem operasi dimana
menjelaskan sistem operasi awal, baik berupa nama, tipe data, dan sumber
lainnya, ke dalam tujuan transformasi data warehouse.
• Metadata DSS, memetakan data dan data warehouse ke segi dan sebagai alat
front-end untuk memanipulasi data dan membuat laporan.
2.3.6 Arsitektur Data Warehouse
Menurut Conolly dan Beg (3rd edition, p1052) Arsitektur data warehouse
terdiri dari operational data, operational data store, load manager, warehouse
manager, query manager, detailed data, lightly dan highly summarized data,
archive/backup data, metadata, end-user access tools.
28
Gambar 2.5 Arsitektur Data Warehouse (Connolly & Begg, p1053)
Menurut Poe (1996, p24) arsitektur adalah sekumpulan peraturan atau
struktur yang menyediakan kerangka kerja untuk merancang sistem atau produk
secara keseluruhan. Arsitektur data warehouse mempunyai komponen utama
yaitu database yang hanya dapat dibaca (read-only).
Menurut Poe (1996, p40-41) karakteristik arsitektur data warehouse
adalah sebagai berikut :
• Data diambil dari sistem asal (sistem informasi yang ada), database, dan
file.
• Data dari sistem asal diintegrasikan dan ditransformasi sebelum disimpan
kedalam data warehouse.
• Data warehouse adalah jenis database read-only yang diciptakan untuk
Operational Data source 1
Operational Data source 2
Operational Data source n
Operational Data store (ODS)
Lightly Summ arized Data
Metadata
Detailed Data
Warehous e Manager
Archive/back up data
High ly Summarized data Load
Manager
Warehous e Manager
Query Manager
Reporting, query, applic ation development, and EIS tools
OLAP Tools
Data mining tools
End-user acc ess tools
DBMS
29
mengambil keputusan.
• User mengakses data warehouse lewat front-end tool atau aplikasi.
2.3.6.1 Jenis Arsitektur Data Warehouse
Ada beberapa macam arsitektur data warehouse yang antara lain arsitektur
two-tier, arsitektur three-tier, dan arsitektur bottom-up.
2.3.6.1.1 Arsitektur Two-Tier
Pada arsitektur two-tier ini, operasional data ditransformasikan dan
ditransfer ke data warehouse. Untuk membantu proses transformasi, sebuah
Enterprise Data Model (EDM) dibuat. Enterprise Data Model ini menjelaskan
tentang struktur data warehouse yang berisi metadata yang dibutuhkan untuk
menempatkan serta mengakses database yang dihasilkan dari sumber data
ekstenal. Arsitektur two-tier akan menemui kesulitan pada performance apabila
suatu data warehouse berukuran besar.
30
Workstation
Workstation
Workstation
OperationalDatabase
TRANSFORMASI
Summarized Data
Data W arehouse Server
OperationalDatabase
OperationalDatabase
Gambar 2.6 Arsitektur Two–Tier Data Warehouse
2.3.6.1.2 Arsitektur Three-Tier
Organisasi yang menemui kesulitan dalam menerapkan arsitektur two-tier
pada umumnya akan beralih ke arsitektur three-tier. User pada departemen
pada umumnya hanya mengakses sebagian kecil dari porsi data warehouse,
oleh karena itu digunakanlah data mart.
Pada umumnya data mart ini memiliki server yang terpisah dengan data
warehouse, yang bertujuan untuk performance dan fault tolerance. Masing-
masing departemen bertanggung jawab untuk mengawasi data mart
departemennya.
31
User Depar tement
OperationalDatabase
TRANSFORMASI
Summarized Data
Data Warehouse Server
OperationalDatabase
OperationalDatabase
Data Mart T ier
Data Mart
Data Mart T ier
Data Mart
User Depar tement
User Departement
Gambar 2.7 Arsitektur Three –Tier Data Warehouse
2.3.6.1.3 Arsitektur Bottom-Up
Pada arsitektur bottom-up, data dimodelkan dalam satu function atau
proses dalam suatu waktu dan disimpan di data mart yang terpisah. Jika
waktunya tiba, data baru disintesis, disaring (dibersihkan) dan di-merge ke
dalam data mart yang telah tersedia atau dapat juga dengan membangun data
mart yang baru.
32
User Departement
OperationalDatabase
Operat ionalDatabase
OperationalDatabase
Data Mart Tier
Data Mart
Data Mart Tier
Data Mart
User Departement
User Departement
Gambar 2.8 Arsitektur Bottom-Up Data Warehouse
2.3.7 Infrastruktur Data Warehouse
Menurut Poe (1998, p43) Infrastruktur data warehouse terdiri dari
software, hardware, pelatihan-pelatihan dan komponen-komponen lainnya yang
memberikan dukungan yang dibutuhkan untuk mengimplementasikan arsitektur
data warehouse. Infrastruktur teknikal antara lain berupa teknologi, platform,
database, gateway,dan komponen-komponen penting yang mendukung arsitektur
data warehouse yang terpilih. Salah satu instrumen yang mempengaruhi
keberhasilan pengembangan data warehouse adalah pengidentifikasian arsitektur
mana yang terbaik dan infrastruktur apa yang dibutuhkan.
Arsitektur dan infrastruktur sangat erat hubungannya. Arsitektur yang sama
mungkin akan membutuhkan infrastruktur yang berbeda, tergantung pada
kebutuhan lingkungan perusahaan ataupun organisasi.
33
2.4 Perancangan Data Warehouse
Dalam merancang data warehouse, diperlukan adanya konsep dalam
pembuatannya yang dapat dilihat penjelasannya berikut ini
2.4.1 Skema Bintang (Star Schema)
Menurut Poe (1998, p191) Skema bintang merupakan perancangan yang
memiliki struktur sederhana dengan tabel-tabel yang relatif dan penggabungan
yang telah diketahui. Skema bintang juga merupakan suatu rancangan database
pada data warehouse yang menggambarkan hubungan yang jelas antara struktur
tabel fakta dan tabel dimensi. Skema ini dapat dibaca dengan mudah oleh analis
maupun pemakai yang tidak biasa dengan struktur database.
Skema bintang memiliki beberapa keuntungan yang tidak terdapat pada
struktur relasional biasa. Berikut merupakan keuntungan dari penggunaan skema
bintang:
1. Respon data lebih cepat daripada perancangan database operasional.
2. Mempermudah dalam hal modifikasi atau pengembangan data warehouse
yang terus menerus.
3. End – user dapat menyesuaikan cara berpikir dan menggunakan data.
4. Menyederhanakan pemahaman dan penelusuran metadata bagi pemakai dan
pengembang.
2.4.2 Perancangan Skema Bintang
Skema bintang terdiri dari dua macam tabel, yaitu tabel fakta (fact table)
dan tabel dimensi (dimension table).
34
Tabel Fakta
Sering disebut major table, yang merupakan inti dari skema bintang
dan berisi data aktual yang akan dianalisis. Field – field dalam fakta disebut
measure dan biasanya berupa numerik. Selalu berisi foreign key dari masing-
masing tabel dimensi.
Tabel Dimensi
Sering disebut minor table, yang merupakan tabel dari skema bintang
yang menyediakan jenis perspektif dari cara pandang terhadap data.
Tabel dimensi mempuyai field – field dari level hierarki tabel dimensi. Nama
dari field tersebut biasanya menggunakan nama dari level dalam suatu
hierarki.
2.4.3 Jenis-jenis Skema Bintang
Dalam penggunaannya, terdapat dua jenis skema bintang berdasarkan pada
kebutuhannya, yaitu skema bintang sederhana dan skema bintang dengan
beberapa tabel fakta.
2.4.3.1 Skema Bintang Sederhana
Pada skema bintang sederhana, setiap tabel harus mempunyai primary
key yang terdiri dari satu kolom atau lebih. Primary key tersebut membuat
masing-masing baris menjadi unik. Primary key pada tabel fakta terdiri dari
satu atau lebih foreign key. Foreign key adalah kolom pada suatu tabel yang
nilainya didefinisikan oleh primary key pada tabel yang lain.
Gambar dibawah ini menunjukkan hubungan antara satu tabel fakta dan
35
tiga tabel dimensi. Tabel fakta memiliki primary key yang terdiri dari tiga
foreign key, yaitu kunci ke-1, kunci ke-2, kunci ke-3, yang masing-masing
merupakan primary key pada tabel dimensi.
Kunci 1AtributeAtribute
Atribute. . .
Kunci 2AtributeAtribute
Atribute. . .
Tabel dimensi 1
Tabel dimensi 2Kunci 3
Kolom dataKolom data
Kolom data. . .
Kunci 2Kunci 1
Tabel fakta
Kunci 3AtributeAtribute
Atribute. . .
Tabel dimensi 3
Gambar 2.9 Skema Bintang Sederhana.
2.4.3.2 Skema Bintang dengan Beberapa Tabel Fakta
Skema ini bisa terdiri dari beberapa tabel fakta. Hal ini terjadi karena tabel
– tabel fakta tersebut berisi kenyataan yang tidak saling berhubungan atau karena
perbedaan waktu pemuatan data, selain itu dapat juga meningkatkan kinerja
(performance). Tabel fakta yang umu digunakan untuk menampung berbagai
tingkat dari data yang bermacam-macam terutama jika data tersebut dalam
jumlah besar.
36
Kunci 1AtributeAtribute
Atribute. . .
Kunci 2AtributeAtribute
Atribute. . .
Tabel dimensi 1
Tabel dimensi 2
Kunci 3Kolom dataKolom data
Kolom data. . .
Kunci 2Kunci 1
Tabel fakta 1
Kunci 3AtributeAtribute
Atribute. . .
Tabel dimensi 3
Kunci 3Kolom dataKolom data
Kolom data. . .
Kunci 2Kunci 1
Tabel fakta 2
Gambar 2.10 Skema Bintang dengan banyak Tabel Fakta
2.4.4 Skema Snowflake
Skema snowflake merupakan variasi dari skema bintang yang menyimpan
seluruh informasi tabel dimensi dalam bentuk normal ke-3 dan tabel fakta tetap
dalam keadaan semula seperti yang terlihat pada gambar berikut
Kunci 1
Kunci 1Atribut 4Atribut 5Atribut 6
Tabel dimensi 1
Atribut 7
Atribut 8
Tabel dimensi 2Kunci 2
Kunci 6
Atribut 8Kunci 6
Tabel dimensi 6
AtributTabel Atribut 8
Atribut 5Tabel atribut 5
Atribut 6Tabel atr ibut 6
Kunci 2Kunci 3
Kolom dataKolom data. . .Kolom data
Kunci 3
Kunci 4Kunci 5
Atr ibut 1Atr ibut 2Atr ibut 3
Tabel fakta
Tabel dimensi 3
Kunci 4Atribut
Kunci 4Atribut
Tabel dimensi 4
Tabel dimensi 5
Gambar 2.11 Skema Snow Flake (Poe, 1996, p129)
37
Penggunaan tabel dimensi sangatlah menonjol, karena itulah perbedaan
dasar dari skema bintang dan skema snowflake. Ciri-ciri skema snowflake adalah
sebagai berikut :
1. Tidak terdapat level pada tabel dimensi.
2. Tabel dimensi di normalisasi dengan dekomposisi pada tabel atribut.
3. Setiap dimensi membunyai satu (1) key untuk setiap level pada hierarki
dimensi.
4. Kunsi level terendah menghubungkan tabel dimensi dengan tabel fakta dan
tabel atribut level terendah.
Sedangkan beberapa keuntungan dari skema snowflake dapat dilihat pada
point-point berikut ini :
a. Kecepatan dalam pemindahan data dari data OLAP ke dalam metadata.
b. Sebagai alat pengambil keputusan tingkat tinggi dimana dengan
menggunakan skema snowflake seperti ini seluruh struktur dapat
digunakan seluruhnya.
c. Banyak anggapan yang menyatakan bahwa lebih nyaman merancang
dalam bentuk normal ketiga.
2.4.5 Metodologi Perancangan Data warehouse
Berdasarkan kutipan (Connolly & Begg, 2002, p1083) metodologi yang
dikemukan oleh Kimball dalam membangun data warehouse terdapat sembilan
tahapan, dikenal dengan “Nine-step Methodology”, antara lain :
38
1. Memilih proses (Choosing Proses)
Proses atau fungsi berkenaan dengan subyek dari data mart tertentu.
Data mart pertama yang dibangun haruslah menjadi data mart yang dapat
dibangun tepat waktu, sesuai dengan anggaran, dan mampu menjawab
pertanyaan bisnis yang paling penting. Pilihan terbaik untuk data mart
pertama cenderung lebih berkaitan dengan penjualan (sales), karena
sumber data ini kelihatan lebih mudah di akses dan berkualitas tinggi.
2. Memilih grain (Choosing the grain)
Memilih grain berarti memutuskan sebuah variabel yang dinyatakan
oleh tabel fakta (fact table). Hanya pada saat grain pada table fakta sudah
dipilih, baru bisa diidentifikasikan dimensi yang diperlukan oleh tabel fakta
tersebut. Keputusan grain untuk tabel fakta juga menentukan grain dari
masing-masing tabel dimensi.
3. Menentukan dimensi (Identifying and conforming the dimensions)
Dimensi membuat suatu konteks dalam memberikan pertanyaan
mengenai fakta yang ada dalam tabel fakta. Suatu dimensi yang baik dapat
membuat data mart mudah untuk dipahami dan digunakan. Kita
menggunakan dimensi dengan detil yang cukup untuk menggambarkan
suatu data seperti client dan property dengan grain yang tepat. Dimensi
dengan data yang kurang lengkap akan mengurangi kegunaan data mart
dalam perusahaan.
Apabila ada dimensi yang muncul dalam dua data mart, maka kedua
data mart tersebut pasti memiliki dimensi yang sama atau salah satu data
39
mart merupakan subset matematis dari data mart lainnya. Hanya dengan
cara inilah dua data mart dapat berbagi satu atau dua dimensi dalam satu
aplikasi yang sama. Pada saat sebuah dimensi digunakan untuk lebih dari
satu data mart, dan dimensi ini tidak disinkronisasi maka keseluruhan data
warehouse akan gagal. Karena dua data mart tidak bisa digunakan secara
bersama-sama.
4. Menentukan fakta (Choosing the facts)
Grain dari tabel fakta menentukan fakta – fakta yang dapat digunakan
di dalam data mart. Semua fakta harus ditunjukkan pada tingkat yang
dinyatakan secara tidak langsung oleh grain. Fakta haruslah berupa
numerik dan bahan tambahan. Fakta tambahan dapat dimasukkan kedalam
tabel fakta dengan catatan fakta tersebut harus konsisten dengan grain dari
tabel fakta.
5. Menyimpan pre-calculation pada tabel fakta (Storing pre-calculations
in the fact table)
Setelah fakta diperoleh, fakta tersebut harus dikaji ulang untuk
menentukan apakah terdapat kemungkinan untuk melakukan pre –
calculation. Hal ini terjadi apabila fakta diperlukan untuk membentuk
sebuah laporan rugi-laba (a profit and loss statement).
6. Rounding out the dimension tables
Pada tahap ini, kita mengkaji kembali tabel dimensi yang sudah ada
dan menambahkan sebanyak mungkin penjelasan kedalam dimensi.
Penjelasan ini sedapat mungkin mudah untuk dipahami dan intutif bagi
40
pengguna. Kegunaan data mart ditentukan oleh ruang lingkup atribut dari
tabel dimensi.
7. Memilih durasi database (Choosing the duration of the database)
Durasi berguna untuk mengukur seberapa lama tabel fakta yang dapat
di simpan. Beberapa perusahaan lebih membrikan perhatian pada periode
waktu satu atau dua tahun sebelumnya. Tetapi beberapa perusahaan lainnya
seperti perusahaan asuransi, membutuhkan penganalisaan dalam rentang
waktu lima tahun atau lebih.
Tabel fakta yang sangat besar akan menimbulkan dua masalah dalam
perancangan data warehouse. Masalah yang pertama adalah sangat sukar
bagi sumber untuk memperoleh data lama, karena semakin tua datanya
semakin banyak masalah dalam membaca dan menginterpretasikan file
lama. Masalah yang kedua adalah kebutuhan dimensi dengan menggunakan
versi yang lama, dan bukan versi yang terbaru.
8. Melacak perubahan dari dimensi secara perlahan (Tracking slowly
changing dimensions)
Amati perubahan dari dimensi pada dimension table. Ada tiga tipe
dasar dari perubahan dimensi yang perlahan, yaitu :
a. Perubahan atribut dimensi ditulis ulang (over write).
b. Perubahan atribut dimensi mengakibatkan pembuatan suatu dimensi
baru.
41
c. Perubahan atribut dimensi mengakibatkan alternatif atribut dibuat,
sehingga nilai atribut yang lama dan yang baru dapat diakses secara
bersama – sama.
9. Memutuskan prioritas query dan mode dari query (Deciding the query
priorities and the query modes)
Pada tahap ini kita mempertimbangkan masalah perancangan fisik
(physical design) seperti masalah kemanan data, masalah pengarsipan data,
masalah backup data. Masalah perancangan fisik yang paling kritis yang
dapat mempengaruhi pandangan pengguna akhir terhadap data mart adalah
masalah pembagian fisik tabel fakta kedalam disk.