7  

BAB 2

LANDASAN TEORI

2.1 Teori Umum

2.1.1 Pengertian Data

Menurut Turban (2005, p38), data adalah deskripsi dasar dari

benda, peristiwa, aktivitas dan transaksi yang direkam, dikelompokkan,

dan disimpan tetapi belum terorganisir untuk menyampaikan arti tertentu.

Menurut Inmon (2002, p388), data adalah rekaman dari fakta,

konsep, ataupun instruksi pada sebuah media penyimpanan untuk

komunikasi, pengambilan, maupun pemrosesan dari pengertian otomatis

dan presentasi dari informasi yang dapat dimengerti oleh manusia.

Jadi, data adalah suatu deskripsi dari benda, fakta, dan transaksi

yang dikelompokkan dan disimpan pada sebuah media penyimpanan

untuk komunikasi maupun pemrosesan untuk menghasilkan informasi

yang dapat dimengerti oleh manusia. Contoh data misalnya : harga

barang, nama barang, dan jumlah barang.

2.1.2 Pengertian Informasi

Menurut Turban (2005, p38), informasi adalah data yang sudah

diorganisasi sehingga memiliki arti dan nilai untuk penerima.

Menurut Inmon (2002, p391), informasi adalah data yang

dipahami dan dievaluasi oleh manusia untuk menyelesaikan masalah atau

membuat keputusan.

8  

Jadi, informasi adalah data yang memiliki arti dan sudah diolah

sehingga dapat dipahami manusia dan dapat digunakan untuk

menyelesaikan masalah atau membuat keputusan. Contoh informasi

misalnya : rata–rata penjualan per tahun, harga minimal yang ditawarkan

supplier, dan barang yang paling laku dijual.

2.1.3 Pengertian Database

Menurut Inmon (2002, p388), database adalah sekumpulan data

yang saling berhubungan dan disimpan (biasanya telah terkontrol dan

memiliki redundansi yang terbatas) berdasarkan suatu skema.

Menurut Connolly dan Begg (2005, p15), database adalah suatu

kumpulan relasi-relasi logikal dari data dan deskripsi data yang dirancang

untuk memperoleh informasi yang dibutuhkan oleh organisasi.

Menurut O’brien (2005, p211), database adalah kumpulan elemen

data yang terintegrasi yang berhubungan secara logikal.

Jadi, database adalah kumpulan dari elemen, relasi, atau data

yang saling berhubungan secara logikal, sehingga dapat digunakan untuk

memperoleh suatu informasi yang dibutuhkan oleh suatu organisasi atau

perusahaan.

2.1.4 Database Management System (DBMS)

Menurut Turban (2005, p450), Database Management System

adalah program software atau kumpulan program yang menyediakan

akses ke database.

9  

Menurut Inmon (2002, p388), Database Management System

adalah sebuah sistem software berbasis komputer yang digunakan untuk

membuat dan mengatur data.

Menurut Connolly dan Begg (2005, p16), Database Management

System adalah suatu sistem perangkat lunak yang memungkinkan user

untuk mendefinisikan, membuat, memelihara, dan mengontrol akses ke

database.

Jadi, Database Management System adalah suatu sistem software

yang menyediakan akses ke database sehingga dapat digunakan untuk

membuat, mengatur, dan memelihara data.

2.1.5 ER Modeling

Menurut Connolly dan Begg (2005, p342), ER Modeling adalah

pendekatan top-down untuk perancangan database yang dimulai dengan

mengidentifikasikan data yang penting yang disebut entitas dan

relationship antar data harus diperlihatkan dalam model ini. Kemudian

ditambahkan detail-detail seperti informasi yang ingin ditambahkan

tentang entitas dan relationship yang disebut atribut dan berbagai

constraint pada entitas, relationship, atribut, dan multiplicity.

a. Entity (Entitas)

Menurut Connolly dan Begg (2005, p331), entity adalah

sekumpulan objek dengan properties yang sama yang

diidentifikasikan oleh perusahaan.

10  

 

Gambar 2.1 Diagram dari Entity Type Branch dan Staff (Connolly

dan Begg, 2005, p333)

 

b. Relationship (Hubungan)

Menurut Connolly dan Begg (2005 p334), relationship adalah

sekumpulan hubungan yang memilki arti antara satu atau lebih

entitas.

 

Gambar 2.2 Diagram dari Relationship Type Branch mempunyai Staff

(Connolly dan Begg, 2005, p333)

 

 

11  

c. Attribute (Atribut)

Menurut Connolly dan Begg (2005, p338), attribute adalah

property dari sebuah entitas atau tipe relationship. Atribut bisa

dikelompokkan menjadi atribut simple atau composite, atribut single-

valued atau multi-valued, atau atribut derived. Simple attribute adalah

atribut yang dibentuk dari komponen tunggal dengan sebuah

independent existence. Composite attribute adalah atribut yang

dibentuk dari banyak komponen, masing-masing dengan sebuah

independent existence. Single-valued attribute adalah atribut yang

menampung nilai tunggal untuk setiap entitas. Multi-valued attribute

adalah atribut yang menampung banyak nilai untuk setiap entitas.

Derived attribute adalah atribut yang merepresentasikan nilai yang

diturunkan dari nilai atribut yang berhubungan atau kumpulan atribut.

d. Multiplicity

Menurut Connolly dan Begg (2005, p344), multiplicity adalah

sejumlah kemunculan yang mungkin ada dalam sebuah entitas yang

berhubungan dengan kemunculan tunggal dari entitas yang

berhubungan dengannya. Ada tiga tipe hubungan multiplicity antara

lain :

• 1 : 1 (one-to-one)

Contoh dari hubungan ini adalah :

12  

 

Gambar 2.3 Multiplicity Hubungan Satu ke Satu dari Staff yang

mengatur Branch (Connolly dan Begg, 2005, p346)

• 1 : * (One-to-Many)

Contoh dari hubungan ini adalah :

 

Gambar 2.4 Multiplicity Hubungan Satu ke Banyak dari Staff yang

mengawasi PropertyForRent (Connolly dan Begg, 2005, p347)

• * : * (Many-to-Many)

Contoh dari hubungan ini adalah :

13  

 

Gambar 2.5 Multiplicity Hubungan Banyak ke Banyak dari Newspaper

yang mengiklankan PropertyForRent (Connolly dan Begg, 2005, p348)

2.1.6 OLTP (Online Transaction Processing)

Menurut Connolly dan Begg (2005, p1149), OLTP adalah sistem

yang dirancang untuk menangani jumlah hasil transaksi yang tinggi,

dengan transaksi yang biasanya membuat perubahan kecil bagi data

operasional organisasi, yaitu data yang memerlukan penanganan operasi

setiap hari.

Menurut Kimball dan Ross (2002, p408), OLTP adalah deskripsi

awal dari setiap aktifitas dan sistem yang berhubungan dengan proses

memasukkan data ke dalam sebuah database.

Berdasarkan definisi – definisi di atas, dapat disimpulkan bahwa

OLTP adalah suatu sistem yang dirancang untuk menangani proses

pemasukan data ke dalam database yang memiliki jumlah transaksi yang

tinggi dan biasanya merupakan data operasional harian dari perusahaan.

14  

2.1.7 OLAP (Online Analytical Processing)

Menurut Connolly dan Begg (2005, p1205), OLAP adalah

sintesis, analisis, dan konsolidasi dinamis dari sejumlah besar multi-

dimensional data.

Menurut Kimball dan Ross (2002, p408), OLAP adalah kumpulan

aturan yang menyediakan sebuah kerangka dimensional untuk

mendukung keputusan.

Berdasarkan definisi-definisi di atas, dapat disimpulkan bahwa

OLAP adalah proses analisis data dari sejumlah besar multidimensional

data dengan menggunakan sekumpulan alat grafikal yang dapat

digunakan untuk mendukung proses pengambilan keputusan.

2.1.8 Pengertian Data Warehouse

Menurut Turban (2005, p418), data warehouse adalah tempat

penyimpanan data historis yang berorientasi subjek, yang diatur agar

dapat diakses dan diterima untuk aktivitas proses analisis.

Menurut Inmon (2002, p389), data warehouse adalah sekumpulan

data yang terintegrasi, berorientasi pada subjek yang dirancang dan

digunakan untuk mendukung proses pengambilan keputusan di mana

setiap unit dari data bersifat saling berhubungan untuk beberapa waktu

tertentu.

Menurut Kimball dan Ross (2002, p397), data warehouse adalah

perpaduan dari sebuah organisasi, baik dari staging area maupun area

15  

presentasi, di mana data operasional secara spesifik serta terstruktur

untuk query dan analisis performansi dan memudahkan penggunaan.

Menurut O’Brien (2005, p697), data warehouse adalah kumpulan

terpadu dari data yang diambil dari database operasional, historis, dan

eksternal, yang dibersihkan, diubah, dan dikatalogkan untuk penelusuran

dan analisis untuk menyediakan kecerdasan bisnis bagi pengambilan

keputusan bisnis.

Jadi, data warehouse adalah tempat penyimpanan data yang

berorientasi pada subjek, terintegrasi, tidak mudah berubah, dan memiliki

rentang waktu, yang diambil dari database operasional, historis, dan

eksternal, yang diproses agar dapat dianalisis untuk mendukung proses

pengambilan keputusan.

2.1.9 Pengertian Data Mart

Menurut Inmon (2002, p389), data mart adalah sebuah struktur

data yang terbagi-bagi yang diperoleh dari data warehouse di mana data

tersebut telah didenormalisasi berdasarkan kebutuhan informasi

manajemen.

Menurut Connolly dan Begg (2005, p1171), data mart adalah

bagian dari data warehouse yang mendukung kebutuhan informasi dari

departemen tertentu atau fungsi bisnis dalam perusahaan.

Menurut Kimball dan Ross (2002, p396), data mart adalah bagian

dari logikal dan fisikal dari area cakupan yang dimiliki oleh data

warehouse.

16  

Jadi, data mart adalah bagian dari data warehouse yang dirancang

untuk mendukung kebutuhan informasi manajemen dari unit departemen

tertentu dalam suatu perusahaan.

2.1.10 Karakteristik Data Warehouse

Menurut Inmon (2002, p31), data warehouse memiliki sifat-sifat

berikut :

1. Subjek Oriented

Data warehouse dibuat berdasarkan subjek utama dari

perusahaan (seperti customer, product, dan sales), bukan dari area

aplikasi utama (seperti customer invoicing, stock control, dan product

sales). Ini menggambarkan kebutuhan penyimpanan data yang

mendukung keputusan, bukan penyimpanan data yang berorientasi

aplikasi.

2. Integrated

Data dalam data warehouse dikumpulkan dari berbagai

sumber data dari seluruh sistem aplikasi perusahaan yang berbeda.

Sumber data seringkali tidak konsisten. Oleh karena itu, sumber data

terintegrasi harus dibuat konsisten untuk menjamin kebenaran

informasi yang dihasilkan.

3. Non-volatile

Data dalam data warehouse tidak diupdate secara real time,

tetapi di-refresh dari sistem operasional secara berkala. Data baru

17  

ditambahkan ke database sebagai pelengkap bukan pengganti,

sehingga data histori tetap disimpan di dalam database.

4. Time-variant

Setiap unit data di dalam data warehouse hanya valid dan

akurat pada suatu waktu tertentu atau interval waktu tertentu.

2.1.11 Perbandingan Data Operasional dan Data Warehouse

Menurut Connolly dan Begg (2005, p1153), perbandingan antara

sistem OLTP dan sistem data warehouse adalah sebagai berikut :

Sistem OLTP Sistem Data warehouse

Mengandung data terkini Mengandung data historis

Menyimpan data yang detail Menyimpan data rinci, sedang, ringkas

Data bersifat dinamis Data bersifat statis

Prosesnya berulang Proses tidak terstruktur, tergantung tujuan

Digunakan untuk transaksi Digunakan untuk analisis

Jumlah transaksi tinggi Jumlah transaksi sedang dan kecil

Berorientasi pada aplikasi Berorientasi pada subjek

Penggunaan bisa diprediksi Penggunaan tidak bisa diprediksi

Mendukung keputusan harian Mendukung keputusan strategis

Digunakan oleh user operasional Digunakan oleh user manajerial

Tabel 2.1 Perbandingan antara sistem OLTP dan sistem data

warehouse (Connolly dan Begg, 2005, p1153)

18  

2.1.12 Keuntungan data warehouse

Menurut Connolly dan Begg (2005, p1152), data warehouse yang

telah diimplementasikan dengan baik dapat membawa keuntungan besar

bagi perusahaan antara lain :

1. Pengembalian yang besar dari investasi yang ada.

2. Keuntungan kompetitif.

3. Meningkatkan produktivitas para pembuat keputusan.

2.1.13 Struktur data warehouse

Menurut Inmon (2002, p35), ada beberapa tingkatan detail pada

lingkungan data warehouse. Tingkatan ini dikategorikan menjadi empat,

yaitu Older Detail Level, Current Detail Level, Lightly Summarized Data

Level dan Highly Summarized Data Level. Aliran data awalnya terjadi

dari lingkungan operasional ke dalam data warehouse. Pada aliran data

inilah proses transforamsi terjadi. Aliran data pada data warehouse

selanjutnya berada pada tingkatan detail. Seiring berjalannya waktu, data

dari Current Detail Level mengalir menuju Older Detail Level. Apabila

terjadi summarize, maka data akan beralih dari Current Detail Level

menuju Lightly Summarized Data Level yang kemudian akan menuju

Highly Summarized Data Level.

19  

 

Gambar 2.6 Struktur data warehouse (Inmon, 2002, p36)

Komponen – komponen struktur data warehouse sebagai berikut :

1. Current Detailed Data

Data yang mencerminkan keadaan yang sedang berjalan saat

ini dan merupakan level terendah dari data warehouse. Oleh karena

itu, data di level ini belum efisien untuk digunakan sekalipun datanya

detail. Hal ini karena proses analisis data menjadi rumit jika

dilakukan dengan data dalam jumlah besar.

2. Old Detailed Data

Data historis berupa hasil backup yang disimpan dalam media

penyimpanan terpisah, seperti tape atau disk dengan frekuensi akses

yang relatif rendah. File atau direktori dari data ini disusun

berdasarkan umur dari data untuk mempermudah pencarian atau

pengaksesan kembali.

20  

3. Lightly Summarized Data

Data hasil ringkasan dari current detailed data. Pada tingkat

ini, data hasil ringkasan masih belum dapat digunakan dalam proses

pengambilan keputusan karena belum bersifat total summary dan

masih bersifat detail. Biasanya digunakan untuk gambaran dari

keadaan yang sedang atau sudah berlangsung.

4. Highly Summarized Data

Data hasil summary yang bersifat total dan mudah diakses.

Data di level ini dapat digunakan untuk mendukung pengambilan

keputusan di kalangan eksekutif perusahaan karena dianggap sudah

representatif dan ringkas. Data ini tetap dapat merepresentasikan

keadaan secara keseluruhan sehingga memudahkan eksekutif karena

tidak perlu membaca dan menganalisis data untuk waktu yang lama.

5. Metadata

Menurut Kimball dan Ross (2002, p14), metadata adalah

keseluruhan informasi yang ada di dalam environtment data

warehouse, bukan data aktual itu sendiri, melainkan lebih mengarah

pada sebuah ensiklopedia dari data warehouse.

Menurut Inmon (2002, p393), metadata adalah data mengenai

data atau deskripsi dari struktur, isi, kunci, indeks, dan lain-lain

mengenai data.

Jadi, metadata adalah informasi yang ada di dalam data

warehouse yang mendeskripsikan mengenai struktur, isi, kunci,

indeks, dan hal lain mengenai data.

21  

Peranan metadata yaitu :

1. Sebagai direktori yang dipakai user untuk menempatkan isi

data dan mengetahui lokasi data dalam data warehouse.

2. Sebagai panduan untuk menempatkan data pada saat data

ditransformasikan dari OLTP ke dalam data warehouse.

3. Sebagai panduan untuk proses summary data dari current

detail data menjadi lightly summarized data dan kemudian

menjadi highly summarized data.

2.1.14 Arsitektur Data Warehouse

Menurut Connolly and Begg (2005, p1157), arsitektur data

warehouse digambarkan sebagai berikut :

 

Gambar 2.7 Arsitektur Data Warehouse (Connolly, 2002, p1157)

22  

1. Operational data

Operational data adalah data yang dipakai untuk mendukung

proses bisnis sehari-hari. Data untuk data warehouse berasal dari :

• Mainframe data operasional yang berada pada tingkatan

database generasi pertama dari database jaringan.

Diperkirakan sebagian besar data operasional perusahaan

disimpan pada sistem tersebut.

• Data masing-masing departemen yang disimpan dalam sistem

file dan DBMS relasional.

• Data internal yang disimpan di dalam server dan workstation

pribadi.

• Sistem eksternal seperti internet, database komersial, dan

database yang berhubungan dengan supplier dan customer.

2. Operational Data Store (ODS)

Operational Data Store (ODS) adalah tempat penyimpanan

data operasional saat ini yang terintegrasi dan dapat digunakan untuk

melakukan analisis. Operational Data Store (ODS) memungkinkan

pembangunan data warehouse menjadi lebih mudah karena

menyediakan data yang telah diekstrak dari sumber data sehingga

proses pengintegrasian dan restrukturisasi data untuk data warehouse

menjadi lebih mudah dan sederhana.

23  

3. Load Manager

Load Manager berperan dalam menangani semua operasi

yang berhubungan dengan fungsi extract data dan fungsi loading data

ke dalam data warehouse. Data bisa diekstrak secara langsung dari

sumber data atau biasanya dari operational data store.

4. Warehouse Manager

Warehouse Manager berperan dalam menangani semua

operasi yang berhubungan dengan manajemen data di dalam data

warehouse. Warehouse Manager menjalankan operasi – operasi :

• Analisis data untuk menjaga konsistensi data.

• Transformasi dan penggabungan sumber data dari tempat

penyimpanan sementara ke tabel – tabel data warehouse.

• Melakukan denormalisasi (optional).

• Melakukan pengumpulan / aggregation (optional).

• Menyimpan dan melakukan back-up data.

5. Query Manager

Query Manager (komponen back end) berperan dalam

menangani semua operasi yang berhubungan dengan manajemen

permintaan user. Operasi yang dijalankan oleh Query Manager antara

lain menghubungkan permintaan ke tabel–tabel data yang tepat dan

melakukan penjadwalan eksekusi terhadap permintaan.

24  

6. Detailed Data

Dalam data warehouse, detailed data menyimpan semua detail

dari data di dalam skema database. Biasanya detailed data tidak

disimpan secara online melainkan dibuat dengan melakukan agregasi

data. Tetapi pada dasarnya, detailed data ditambahkan ke warehouse

untuk melengkapi data aggregate. Detailed Data dibagi menjadi dua,

yaitu current detailed data (tempat penyimpanan detailed data saat

ini) dan old detailed data (tempat penyimpanan detailed histori).

7. Lightly and Highly Summarized Data

Dalam data warehouse, lightly and highly summarized data

adalah tempat penyimpanan semua data predefined lightly dan highly

summarized yang dihasilkan oleh Warehouse Manager. Tujuan dari

ringkasan informasi ini adalah mempercepat tanggapan terhadap

permintaan user. Ringkasan data di-update terus-menerus seiring

dengan bertambahnya jumlah data dalam data warehouse.

8. Archieve / Backup data

Dalam data warehouse, archieve / backup data digunakan

sebagai tempat penyimpanan detailed data dan data yang telah

diringkas. Data yang telah diringkas dan disimpan akan ditransfer ke

media penyimpanan seperti magnetic tape dan optical disc.

25  

9. Metadata

Dalam data warehouse, Metadata digunakan sebagai tempat

penyimpanan semua definisi Metadata (keterangan mengenai data)

yang digunakan di seluruh proses data warehouse. Metadata

bertujuan untuk :

• Proses extracting dan loading

Melakukan pemetaan sumber data pada data warehouse.

• Proses Warehouse Management

Mengotomatiskan produksi pada tabel–tabel produksi.

• Sebagian proses Query Management

Mengarahkan permintaan ke sumber data yang tepat.

10. End User Access Tools (EUAT)

Tujuan utama data warehouse adalah menyediakan informasi

untuk bisnis yang dapat digunakan dalam pengambilan keputusan.

User berinteraksi dengan warehouse menggunakan End User Access

Tools. End User Access Tools dikelompokkan menjadi 5 golongan :

• Reporting dan Query Tools

Reporting tools meliputi production reporting tools

dan report writers. Production reporting tools digunakan

untuk menghasilkan laporan operasional biasa, sedangkan

report writer adalah desktop tools yang dirancang untuk end

user. Query Tools untuk data warehouse relasional dirancang

26  

untuk menerima SQL atau menghasilkan pernyataan SQL

untuk query data yang disimpan dalam data warehouse.

• Application Development Tools

Aplikasi yang dapat digunakan user yaitu graphical

data access yang dirancang untuk sisi client server. Beberapa

application development tools terintegrasi dengan OLAP tools

dan dapat mengakses semua sistem basis data utama,

mencakup Oracle, Sybase dan Informix.

• Executive Information System (EIS) tools

Executive Information System (EIS) tools semula

dikembangkan untuk mendukung pengambilan keputusan

tingkat tinggi kemudian meluas untuk mendukung semua

tingkat manajemen. EIS tools yang terisolasi dengan

mainframe memungkinkan user membuat aplikasi pendukung

pengambilan keputusan untuk menyediakan overview data dan

mengakses sumber data eksternal. Saat ini perbedaan antara

EIS dan decision support tools lainnya semakin tidak jelas,

sejak EIS menyediakan aplikasi custom build untuk area bisnis

seperti penjualan, marketing, dan keuangan.

• Online Analytical Processing (OLAP) tools

Online Analytical Processing (OLAP) tools berbasis

pada konsep database multidimensional dan memungkinkan

pengguna untuk menganalisis data menggunakan view yang

27  

kompleks dan multidimensional. Tools ini mengasumsikan

data diatur dalam model multidimensi yang didukung special

multidimensional database (MDDB) atau basis data relasional

yang dirancang untuk mendapatkan multidimensional query.

• Data Mining tools

Data mining adalah proses menemukan korelasi, pola

dan arah baru yang berarti ‘menambang’ sejumlah besar data

dengan menggunakan teknik statistik, matematika dan

artificial intelligence. Data mining berpotensi mengganti

kemampuan dari OLAP tools.

2.1.15 Anatomi Arsitektur Data Warehouse

2.1.15.1 Functional Data Warehouse (Data Warehouse Fungsional) 

Merupakan database yang diperoleh dari kegiatan sehari-

hari atau kegiatan operasional perusahaan. Data warehouse dibuat

lebih dari satu dan dikelompokkan berdasarkan fungsi-fungsi

yang ada di dalam perusahaan seperti fungsi keuangan (financial),

marketing, personalia dan lain-lain.

Keuntungan dari bentuk data warehouse seperti ini adalah

sistemnya mudah dibangun dengan biaya yang relatif murah

sedangkan kerugiannya adalah resiko akan kehilangan konsistensi

data dan terbatasnya kemampuan sistem dalam pengumpulan data

bagi pengguna.

28  

 

Gambar 2.8 Bentuk Data Warehouse Fungsional

(myhut.org/public/datawarehouse.doc)

2.1.15.2 Centralized Data Warehouse (Data warehouse Terpusat)

Bentuk data warehouse ini terlihat seperti bentuk data

warehouse fungsional, namun sumber data terlebih dahulu

dikumpulkan ke dalam satu tempat terpusat, kemudian data

disebar ke dalam fungsinya masing-masing, sesuai kebutuhan

perusahaan. Data warehouse terpusat ini biasa digunakan oleh

perusahaan yang belum memiliki jaringan eksternal.

Keuntungan dari bentuk ini adalah data benar-benar

terpadu karena konsistensi yang tinggi sedangkan kerugiannya

adalah biaya pemeliharaan yang mahal serta memerlukan waktu

yang cukup lama untuk membangunnya.

29  

Gambar 2.9 Bentuk Data Warehouse Terpusat

(myhut.org/public/datawarehouse.doc) 

2.1.15.3 Distributed Data Warehouse (Data Warehouse Terdistribusi)

Pada data warehouse terdistribusi, digunakan gateway

yang berfungsi sebagai jembatan penghubung antara data

warehouse dengan workstation yang menggunakan sistem

beraneka ragam. Dengan sistem terdistribusi seperti ini

memungkinkan perusahaan dapat mengakses sumber data di luar

lokasi perusahaan (eksternal).

Keuntungannya adalah data konsisten karena sebelum

digunakan, data terlebih dulu disesuaikan atau mengalami proses

sinkronisasi. Sedangkan kerugiannya adalah sistem ini lebih

kompleks untuk diterapkan karena sistem operasi dikelola secara

30  

terpisah. Selain itu, sistem ini memerlukan biaya yang paling

mahal dibandingkan dengan bentuk data warehouse lainnya.

Gambar 2.10 Bentuk Data Warehouse Terdistribusi

(myhut.org/public/datawarehouse.doc) 

2.1.16 Aliran Data dalam Data Warehouse

Menurut Connolly dan Begg (2005, p1161), data warehouse

fokus pada manajemen lima arus data primer, yaitu :

1. Inflow

Proses yang berhubungan dengan extraction, transformation,

dan loading (ETL) data dari sumber data ke dalam data warehouse.

Proses Inflow berperan dalam proses pengambilan data dari sumber

31  

sistem dan memasukkannya ke dalam data warehouse. Cara lainnya

yaitu dengan memasukkan data ke dalam operational data store

(ODS) sebelum dikirim ke data warehouse. Proses rekonstruksi dari

data meliputi :

• Membersihkan data yang kotor.

• Restrukturisasi data yang dicocokkan dengan kebutuhan data

warehouse, contohnya menambah atau membuang field-field.

• Memastikan sumber data konsisten dengan dirinya sendiri dan

data lainnya yang sudah ada di dalam data warehouse.

2. Upflow

Proses penambahan nilai ke data di dalam data warehouse

melalui proses meringkas, mengemas, dan menyalurkan data.

Aktivitas yang berhubungan dengan proses Upflow meliputi :

• Meringkas data dengan proses memilih, memperhitungkan,

menggabungkan, dan mengelompokkan data relasional ke

dalam tampilan yang lebih baik dan berguna bagi user.

• Pengepakan data dengan mengubah data yang detail ke dalam

format yang lebih berguna seperti spreadsheets, teks

dokumen, diagram, grafik, database pribadi dan animasi.

• Mendistribusikan data ke kelompok–kelompok yang tepat

untuk meningkatkan ketersediaan agar dapat diakses.

3. Downflow

32  

Proses pengarsipan dan backup data di dalam data warehouse.

Menyimpan data lama memainkan peranan yang penting dalam

mempertahankan penampilan dan efektifitas dari warehouse dengan

mengirimkan data lama dengan nilai yang terbatas ke sebuah tempat

penyimpanan seperti magnetic tape atau optical disk.

Downflow dari data juga meliputi proses yang memastikan

bahwa kondisi sekarang dari data warehouse dapat dibangun kembali

jika terjadi kehilangan data, kegagalan software atau hardware.

4. Outflow

Proses untuk membuat data tersedia untuk user. Dua aktivitas

yang dilakukan adalah pengaksesan dan pengiriman data.

• Pengaksesan, berhubungan dengan proses memuaskan end-

user dengan menyediakan data yang dibutuhkan. Frekuensi

dari pengaksesan ini bervariasi mulai dari ad hoc secara rutin

sampai real time. Selain itu, dipastikan bahwa sumber sistem

digunakan dengan cara yang paling efektif di dalam

penjadwalan pengeksekusian terhadap query dari user.

• Pengiriman berhubungan secara aktif dalam pengiriman

informasi ke work station dari user. Ini merupakan area baru

dari data warehouse dan sering dihubungkan dengan proses

publish dan subscribe. Warehouse akan menpublikasi objek

bisnis yang bermacam–macam dan user akan berlangganan

terhadap objek bisnis yang dibutuhkan oleh mereka.

33  

5. Metaflow

Proses yang berhubungan dengan mengatur metadata.

Metaflow merupakan proses memindahkan metadata (data tentang

flow yang lainnya). Metadata merupakan deskripsi dari data yang

ditampung di dalam data warehouse, apa yang ada di dalamnya, dari

mana asalnya, dan apa yang telah dilakukan terhadap data tersebut

dengan cara cleansing, integrating, dan summarizing.

2.1.17 ETL ( Extraction, Transformation, Loading )

Menurut Inmon (2002, p390), ETL adalah proses melakukan

pencarian data, mengintegrasikan, dan menempatkan data ke dalam

sebuah data warehouse.

Menurut Kimball dan Ross (2002, p401), ETL adalah kumpulan

proses menyiapkan data dari operational source untuk data warehouse.

Proses ini terdiri dari extracting, transforming, loading, dan beberapa

proses yang dilakukan sebelum dipublikasikan ke data warehouse.

Jadi, ETL adalah proses menyiapkan data yang meliputi pencarian

data, pengintegrasian data, dan penempatan data dari operational source

ke dalam data warehouse.

Proses ini terdiri dari tiga tahap, yaitu :

1. Extraction

Langkah pertama dari proses ETL adalah proses penarikan

data dari satu atau lebih sistem operasional sebagai sumber data

(biasa diambil dari sistem OLTP, tapi bisa juga dari sumber data di

34  

luar sistem database). Kebanyakan proyek data warehouse

menggabungkan data dari sumber-sumber yang berbeda. Pada

hakekatnya, proses ekstraksi adalah proses penguraian dan

pembersihan data yang diekstrak untuk mendapatkan suatu pola atau

struktur data yang diinginkan.

2. Transformation

Proses membersihkan data yang telah diambil pada proses

extract sehingga data itu sesuai dengan struktur data warehouse atau

data mart.

Hal-hal yang dapat dilakukan dalam tahap transformasi :

- Hanya memilih kolom tertentu saja untuk dimasukkan ke

dalam data warehouse.

- Menerjemahkan nilai berupa kode (misal, database sumber

menyimpan nilai 1 untuk pria dan 2 untuk wanita, tetapi data

warehouse menyimpan M untuk pria dan F untuk wanita).

Proses yang dilakukan disebut automated data cleansing,

tidak ada pembersihan secara manual selama proses ETL.

- Mengkodekan nilai-nilai ke dalam bentuk bebas (misal

memetakan “male”,”1”, dan “Mr” ke dalam “M”).

- Melakukan perhitungan nilai-nilai baru (misal sale_amount =

qty*unit_price).

- Menggabungkan data dari berbagai sumber bersama-sama.

- Membuat ringkasan dari sekumpulan baris data (misal, total

penjualan untuk setiap bagian).

35  

Kesulitan yang terjadi pada proses transformasi adalah :

• Data harus digabungkan dari beberapa sistem terpisah.

• Data harus dibersihkan sehingga konsisten.

• Data harus diagregasi untuk mempercepat analisis.

3. Loading

Merupakan tahap akhir dalam proses ETL. Proses

memasukkan data ke dalam target akhir, dalam hal ini adalah data

warehouse atau data mart. Data berasal dari proses transformasi.

Setelah data yang dihasilkan dari proses transformasi sesuai

dengan kondisi yang diinginkan pada data warehouse atau data

mart, maka proses loading akan berjalan. Data dari staging area

akan dipindahkan ke dalam data warehouse atau data mart.

 

Gambar 2.11 Extract, Transform, Load (www.mcs.csueastbay.edu)

36  

2.1.18 Dimensionality Modeling

Menurut Connolly dan Begg (2005, p1183), Dimensionality

Modeling adalah teknik logikal design yang bertujuan untuk

menghadirkan data dalam bentuk standard dan intuitif yang

memungkinkan pengaksesan database dengan performa yang tinggi.

Beberapa konsep pemodelan data warehouse pada dimensionality

modeling, antara lain Skema Bintang, Skema Snowflake, dan Skema

Starflake.

2.1.18.1 Skema Bintang

Menurut Connolly dan Begg (2005, p1183), skema

bintang adalah sebuah struktur logikal yang memiliki tabel fakta

di tengahnya, yang terdiri atas data faktual, dan dikelilingi oleh

tabel-tabel dimensi yang berisi referensi data. Skema bintang

mengeksploitasi karakteristik data faktual seperti fakta yang

digenerasikan oleh events yang muncul pada waktu yang lampau

dan tidak berubah. Skema bintang dapat digunakan untuk

mempercepat kinerja query dengan informasi referensi

denormalisasi ke tabel dimensi tunggal.

Skema bintang memiliki beberapa kelebihan yang tidak

ada dalam struktur relasional biasa. Keuntungan skema bintang

yaitu :

37  

• Efisiensi, struktur database konsisten sehingga efisien dalam

mengakses data dengan menggunakan tool untuk

menampilkan data termasuk laporan tertulis dan query.

• Kemampuan untuk mengatasi perubahan kebutuhan, skema

bintang dapat beradaptasi terhadap perubahan kebutuhan

pengguna karena semua tabel dimensi memiliki kesamaan

dalam hal menyediakan akses ke tabel fakta.

• Extensibility, model dimensional dapat dikembangkan. Seperti

menambah tabel fakta selama data masih konsisten,

menambah tabel dimensi selama ada nilai tunggal di tabel

dimensi tersebut yang mendefinisikan setiap record tabel fakta

yang ada, menambahkan attribute tabel dimensi, dan

memecah record tabel dimensi yang ada menjadi level yang

lebih rendah daripada level sebelumnya.

• Kemampuan untuk menggambarkan situasi bisnis pada

umumnya, pendekatan standar untuk menangani situasi umum

di dunia bisnis yang terus bertambah.

• Proses query yang bisa diprediksi, aplikasi data warehouse

yang mencari data dari level yang di bawahnya akan mudah

menambahkan jumlah attribute pada tabel dimensi dari sebuah

skema bintang. Aplikasi yang mencari data dari level yang

setara akan menghubungkan tabel fakta yang terpisah melalui

tabel dimensi yang dapat diakses bersama.

38  

2.1.18.2 Skema Snowflake (Snowflake Schema)

Menurut Connolly dan Begg (2005, p1184), skema

snowflake adalah variasi lain dari skema bintang dimana tabel

dimensi tidak berisi data denormalisasi. Suatu tabel dimensi dapat

memiliki tabel dimensi lainnya.

2.1.18.3 Skema Starflake

Menurut Connolly dan Begg (2005, p1185), Starflake

Schema adalah struktur yang diturunkan dari penggabungan

konsep Star Schema dan Snowflake Schema. Beberapa dimensi

memiliki kemungkinan untuk dibentuk dengan kedua konsep Star

Schema dan Snowflake Schema tergantung kebutuhan akan query

yang dimiliki.

2.1.19 Fact Table (Tabel Fakta)

Menurut Inmon (2002, p391), tabel fakta adalah tabel pusat dari

skema bintang dimana data yang sering muncul akan ditempatkan di tabel

tersebut. Tabel fakta disebut juga tabel utama (major table), merupakan

inti dari skema bintang dan berisi data actual yang akan dianalisis (data

kuantitatif dan transaksi). Tabel fakta adalah tabel yang umumnya

mengandung angka dan data historis dimana key (kunci) yang dihasilkan

sangat unik karena merupakan kumpulan foreign key dan primary key

yang ada pada masing – masing tabel dimensi yang berhubungan atau

39  

merupakan tabel terpusat dari skema bintang. Tabel fakta menyimpan

tipe-tipe measure yang berbeda, seperti measure, yang secara langsung

terhubung dengan tabel dimensi dan measure yang tidak berhubungan

dengan tabel dimensi.

Menurut Connolly dan Begg (2005, p1183), tabel fakta adalah

tabel pada dimensional model yang isinya composite Primary Key (PK).

Jadi, Primary Key pada tabel fakta merupakan beberapa Foreign Key

(FK).

2.1.20 Dimensional Table (Tabel Dimensi)

Menurut Inmon (2002, p389), tabel dimensi adalah tempat dimana

data – data yang tidak berhubungan yang berelasi dengan tabel fakta

ditempatkan di dalam tabel multidimensional.

Tabel dimensi disebut juga tabel kecil (minor table), karena

biasanya lebih kecil dan memegang data deskriptif yang mencerminkan

dimensi suatu bisnis. Tabel dimensi merupakan tabel yang berisi kategori

dengan ringkasan data detil yang dapat dilaporkan, seperti laporan

keuntungan pada tabel fakta dapat dilaporkan sebagai dimensi waktu

(berupa per bulan atau per tahun).

 

2.1.21 Perbandingan model Dimensionality Modeling dan ER Modeling

Menurut Connolly dan Begg (2005, p1186), dimensionality

modeling biasanya digunakan untuk merancang komponen dari data

warehouse, sedangkan ER modeling biasanya digunakan untuk

40  

mendeskripsikan database untuk sistem OLTP. ER modeling adalah

teknik untuk mengidentifikasikan hubungan antar entitas. Tujuan dari ER

modeling adalah untuk mengurangi redundancy data. Hubungan antar ER

modeling dan dimensionality modeling adalah ER modeling tunggal

biasanya terurai menjadi beberapa dimensionality modeling. Beberapa

dimensionality modeling tersebut kemudian saling terhubung melalui

tabel dimensional.

2.1.22 Metodologi Perancangan Database untuk Data Warehouse

Menurut Kimball (Connolly dan Begg, 2005, p1187), ada

sembilan tahap metodologi dalam perancangan database untuk data

warehouse, yaitu :

Langkah 1 : Memilih proses

• Data mart yang pertama kali dibangun haruslah data mart yang dapat

dikirim tepat waktu dan menjawab pertanyaan bisnis yang penting.

• Misanya, pilihan terbaik untuk data mart yang pertama adalah yang

berkaitan dengan sales, seperti property sales dan property leasing.

Langkah 2 : Memilih grain

• Untuk memutuskan secara pasti apa yang diwakili atau

direpresentasikan oleh sebuah tabel fakta.

41  

• Misalnya, jika sumber dari sebuah tabel fakta properti sale adalah

properti sale individual maka sumber dari sebuah dimensi pelanggan

berisi rincian pelanggan yang membeli properti utama.

Langkah 3 : Mengidentifikasikan dan menyesuaikan dimensi

• Mengatur dimensi dari data mart yang dibangun dengan baik akan

memberikan kemudahan dalam memahami dan menggunakan data

mart tersebut.

• Dimensi penting untuk menggambarkan fakta-fakta pada tabel fakta.

Misalnya, setiap data pelanggan pada tabel dimensi pembeli

dilengkapi dengan id_pelanggan, no_pelanggan, tipe_pelanggan,

tempat_tinggal, dan lain sebagainya.

• Jika ada dimensi yang muncul pada dua data mart, kedua data mart

tersebut harus berdimensi sama atau salah satunya berupa subset

matematis dari yang lainnya.

• Jika sebuah dimensi digunakan pada dua data mart atau lebih dan

dimensi ini tidak disinkronisasi, maka keseluruhan data warehouse

akan gagal karena dua data mart tidak bisa digunakan secara

bersama-sama.

Langkah 4 : Memilih fakta

• Sumber dari sebuah tabel fakta menentukan fakta mana yang bisa

digunakan dalam data mart.

42  

• Semua fakta harus diekspresikan pada tingkat yang telah ditentukan

oleh sumber.

• Misalnya, jika sumber dari tabel fakta adalah property sale, maka

semua fakta numerik harus menunjuk pada particular sale.

Langkah 5 : Menyimpan pre-kalkulasi dalam tabel fakta

• Ketika fakta sudah dipilih, maka masing-masing fakta tersebut harus

diperiksa kembali untuk menentukan apakah ada kemungkinan untuk

menggunakan pre-kalkulasi.

• Contoh umum pemakaian pre-kalkulasi dalam tabel fakta adalah

ketika terdapat fakta yang membandingkan rugi dan laba. Pre-

kalkulasi dalam tabel fakta akan semakin diperlukan jika tabel fakta

didasarkan pada invoice atau penjualan.

Langkah 6 : Melengkapi tabel dimensi

• Pada tahap ini akan ditambahkan keterangan selengkap-lengkapnya

pada tabel dimensi.

• Keterangan yang ditambakan harus bersifat intuitif dan mudah

dipahami oleh pengguna.

Langkah 7 : Memilih durasi dari database

• Misalnya pada suatu perusahaan asuransi, mengharuskan data

disimpan selama 10 tahun atau lebih.

43  

Langkah 8 : Melacak perubahan dimensi secara perlahan

• Ada tiga tipe pelacakan perubahan dimensi secara perlahan, yaitu :

Tipe 1. Perubahan dimensi menyebabkan data lama di-overwrite.

Tipe 2. Perubahan dimensi menyebabkan pembentukan record baru.

Tipe 3. Perubahan dimensi menyebabkan pembuatan atribut alternatif

sehingga nilai yang lama dan nilai yang baru dapat diakses

secara bersama pada dimensi yang sama.

Langkah 9 : Menentukan prioritas dari mode query

• Pada tahap ini kita memutuskan perancangan fisik yang akan

digunakan.

• Dengan langkah-langkah tadi, seharusnya kita bisa membangun

sebuah data warehouse yang baik.

2.1.23 Pengertian Rich Picture

Menurut Mathiassen (2000, p26), rich picture adalah sebuah

gambaran informasi yang mempersembahkan pemahaman seorang

ilustrator dari suatu situasi. Sebuah rich picture berfokus pada aspek

penting dari sebuah situasi yang ditentukan oleh sang ilustrator. Rich

picture harus memberikan suatu uraian dari situasi yang memungkinkan

beberapa penjelasan alternatif.

44  

2.2 Teori Khusus

2.2.1 Konsep Pembelian

Menurut Mulyadi (2001, p229), pembelian digunakan dalam

perusahaan untuk pengadaan barang-barang yang dibutuhkan oleh

perusahaan.

Menurut Mulyadi (2001, p229), transaksi pembelian dapat

digolongkan menjadi dua yaitu:

• Pembelian Lokal

Pembelian lokal adalah pembelian dari pemasok dalam negeri.

• Pembelian Impor

Pembelian impor adalah pembelian dari pemasok luar negeri.

Menurut Mulyadi (2001, p300), fungsi pembelian bertanggung

jawab untuk memperoleh informasi mengenai harga barang, menentukan

pemasok yang dipilih dalam pengadaan barang dan mengeluarkan order

pembelian kepada pemasok yang dipilih dalam pengadaan barang.

Menurut Mulyadi (2001, p300), prosedur pembelian dilaksanakan

melalui beberapa bagian dalam perusahaan. Bagian-bagian yang terkait

dalam prosedur ini adalah bagian pembelian, penerimaan barang, hutang,

dan gudang. Transaksi pembelian mencakup prosedur berikut ini.

1. Pada saat persediaan bahan menunjukkan batas minimal fungsi

gudang mengajukan permintaan pembelian ke fungsi pembelian.

2. Fungsi pembelian meminta penawaran harga dari berbagai pemasok.

45  

3. Fungsi pembelian menerima penawaran harga dari berbagai pemasok

dan melakukan pemilihan pemasok.

4. Fungsi pembelian membuat order pembelian kepada pemasok yang

dipilih.

5. Fungsi penerimaan memeriksa dan menerima barang yang dikirim

oleh pemasok.

6. Fungsi penerimaan menyerahkan barang yang diterima kepada fungsi

gudang untuk disimpan.

7. Fungsi penerimaan melaporkan penerimaan kepada fungsi akuntansi.

8. Fungsi akuntansi menerima faktur tagihan dari pemasok dan atas

dasar faktor dari pemasok tersebut fungsi akuntansi mencatat

kewajiban yang timbul dari transaksi pembelian.

Menurut Mulyadi (2001, p300), jaringan prosedur yang

membentuk sistem akuntansi pembelian adalah sebagai berikut.

1. Prosedur permintaan pembelian

Dalam prosedur ini, fungsi gudang mengajukan permintaan

pembelian dalam formulir surat permintaan pembelian kepada fungsi

pembelian. Jika barang tidak disimpan di gudang, misalnya untuk

barang langsung pakai, fungsi yang memakai barang mengajukan

permintaan pembelian langsung ke fungsi pembelian dengan

menggunakan surat permintaan pembelian.

2. Prosedur permintaan penawaran harga dan penelitian pemasok

Dalam prosesdur ini, fungsi pembelian mengirimkan surat

permintaan penawaran harga kepada pemasok untuk memperoleh

46  

informasi mengenai harga barang dan berbagai syarat pembelian yang

lain, untuk memungkinkan pemilihan pemasok yang akan ditunjuk

sebagai pemasok barang yang diperlukan oleh perusahaan.

3. Prosedur order pembelian

Dalam prosedur ini, fungsi pembelian mengirimkan surat

order pembelian kepada pemasok yang dipilih dan memberitahukan

kepada unit-unit organisasi lain dalam perusahaan, mengenai order

pembelian yang sudah dikeluarkan oleh perusahaan.

4. Prosedur penerimaan barang

Dalam prosedur ini, fungsi penerimaan melakukan

pemeriksaan mengenai jenis, kualitas, dan mutu barang yang diterima

dari pemasok, dan kemudian membuat laporan penerimaan barang

untuk menyatakan penerimaan barang dari pemasok tersebut.

5. Prosedur pencatatan utang

Dalam prosedur ini, fungsi akuntansi memeriksa dokumen-

dokumen yang berkaitan dengan pembelian dan menyelenggarakan

pencatatan utang atau mengarsipkan dokumen sumber sebagai catatan

utang.

6. Prosedur distribusi pembelian

Prosedur ini meliputi distibusi rekening yang didebit dari

transaksi pembelian untuk kebutuhan pembuatan laporan bagi

manajemen.

47  

2.2.2 Konsep Penjualan

Menurut Drs. Wardi Wahid, MM (www.tvconsulto.com),

penjualan pada media berarti berurusan dengan sesuatu yang tidak terlihat

(intangible goods), yaitu cita rasa public (public taste), seni (art), dan

citra (image). Penjualan merupakan sebuah proses dimana kebutuhan

pembeli dan kebutuhan penjual dipenuhi melalui pertukaran antar

informasi dan kepentingan.

Menurut Drs. Wardi Wahid, MM (www.tvconsulto.com), materi

iklan di tv yang disebut tv commercial (tvc) atau “spot” dibedakan atas

durasinya : 60’s, 30’s,15’s dan 10’s. Disamping spot iklan komersial,

juga terdapat spot pelayanan masyarakat atau disebut public service

announcement (PSA). Time slot yang belum terjual menjadi inventory.

Target penjualan ditetapkan secara tahunan dan diuraikan dalam tiga

bulanan, bulanan, dan mingguan.

Menurut Drs. Wardi Wahid, MM (www.tvconsulto.com), ada

empat tipe penjualan iklan tv, yaitu :

1. Up front buying : agency membeli jauh di depan

2. Scatter buying : agency menyimpan sebagian biaya iklannya untuk

dibeli setelah dekat dengan waktu penyiaran yang diinginkan.

3. Barter syndication : pemasang iklan menempatkan iklannya pada

program populer milik sindikator yang mempunyai time slot untuk

dijual sendiri.

48  

4. Spot market : pembelian iklan, baik untuk siaran lokal ataupun

nasional di masing-masing stasiun atau program guna menyampaikan

pesan penting kepada target pemirsa

Menurut Drs. Wardi Wahid, MM (www.tvconsulto.com), rating

adalah besarnya persentase rumah tangga pemilik tv yang menonton

acara tertentu dari seluruh pemilik tv di daerah tertentu.

Rating (%) = (Audience / Universe) x 100%

Contoh :

Pemilik tv (universe) : 2800 rumah tangga

Yang menonton program “a” (audience) : 500rt,

Yang menonton program “b” (audience): 300rt

Rating program “a” = 500 : 2800 = 17,86 % = 18

( Penulisan rating cukup angka saja atau tanpa “%” )

RATING PROGRAM “B” = 300 : 2800 = 11

Beberapa hal yang mempengaruhi rating, antara lain :

- Program (isi dan durasi)

- Program kompetitor (opposition programs)

- Jam tayang (scheduling)

- Konteks (incidental moments)

- Mutu penerimaan signal (reception quality)

- Promosi

Menurut Drs.H.Syafei.S (pksm.mercubuana.ac.id), iklan dapat

ditayangkan setelah melalui beberapa kesepakatan antara pihak stasiun

49  

penyiaran dengan pemasang iklan. Ada enam jenis partisipasi pemasang

iklan, yaitu :

1. Blocking time, yaitu pemasang iklan merupakan sponsor penuh

dimana pemasang iklan membayar untuk keseluruhan program siaran

dan hanya iklan sponsor perusahaan tersebut saja yang ditayangkan.

2. Air time sharing (sponsor bersama), yaitu beberapa pemasang iklan

secara bersama-sama menjadi sponsor satu program siaran dengan

membagi waktu iklan menjadi beberapa bagian.

3. Participating advertisement (iklan partisipasi), yaitu beberapa

pemasang iklan mensponsori satu program siaran dengan ketentuan

iklan beberapa sponsor tesebut akan muncul bergantian dalam

commercial break (jeda iklan).

4. Cooperative advertisement (iklan kerjasama), yaitu perusahaan yang

memproduksi suatu produk bekerja sama dengan perusahaan pemilik

jaringan pemasaran untuk menanggung biaya pemasangan iklan

produk yang dihailkan perusahaan tersebut.

5. Barter, yaitu suatu kesepakatan yang pembayarannya tidak dilakukan

dengan uang, melainkan dengan barang.

6. Pay per inquiry (dibayar berdasarkan penjualan), yaitu pemasang

iklan membayar biaya iklan kapada stasiun penyiaran berdasarkan

persentasi dari jumlah barang yang terjual.

Menurut Drs.H.Syafei.S (pksm.mercubuana.ac.id), terdapat enam

tipe kesepakatan waktu penayangan iklan, yaitu :

50  

1. Fixed time (waktu tetap), merupakan bentuk kesepakatan yang paling

mahal (premium rate) dimana iklan harus ditayangkan menurut waktu

yang sesuai dengan perjanjian dan stasiun penyiaran tidak boleh

memindahkan ke waktu lain dengan alasan apapun.

2. Run of the schedule (ROS), yaitu waktu penyiaran iklan ditentukan

oleh stasiun televisi sesuai dengan periode dalam kontrak.

3. Pre emptibility, yaitu stasiun televisi menawarkan iklan dengan harga

murah (discount rate) kepada pemasang iklan dengan perjanjian iklan

itu bisa diganti dengan iklan lain yang bersedia membayar lebih

mahal. Ini dilakukan untuk mengoptimalkan penggunaan waktu iklan.

4. Advertisement package (paket iklan), yaitu stasiun penyiaran

memberikan tarif lebih murah kepada iklan yang ditayangkan dengan

frekuensi yang lebih tinggi.

5. Up-front-sale, yaitu kesepakatan antara stasiun penyiaran dengan

pemasang iklan untuk memberikan kesempatan lebih dulu kepada

pemasang iklan yang telah lama berlangganan dengan stasiun

penyiaran tersebut.

6. Special future (kesepakatan khusus), yaitu kesepakatan mengatur tarif

iklan berdasarkan jumlah penonton yang mengikuti suatu program

siaran. Tarif yang dikenakan atas iklan yang disiarkan pada saat

penayangan program bisa meningkat bila jumlah penonton bertambah

secara signifikan.

51  

2.2.3 Konsep Produksi

Menurut Wignjosoebroto (2003, p2), aktivitas produksi adalah

sekumpulan aktivitas yang diperlukan untuk mengubah satu kumpulan

masukkan (human resources, materials, energy, information, etc)

menjadi produk keluaran (finished product or services) yang memiliki

nilai tambah.

Di dalam proses produksi akan terjadi suatu proses perubahan

bentuk (transformasi) dari input yang dimasukkan baik secara fisik

maupun non fisik. Pada produksi akan memberikan suatu nilai tambah

(value added) dari input material yang diolah.

Menurut film.banjarnegara.co.cc, sebelum membuat cerita film,

harus ditentukan tujuan pembuatan film agar pembuatan film lebih

terfokus, terarah, dan sesuai. Ada tiga tahap dalam produksi film, yaitu

tahap pra produksi, tahap produksi, dan tahap pasca produksi.

Ada tujuh tahapan dalam tahap pra produksi, yaitu analisis ide

cerita, menyiapkan naskah, menyusun jadwal dan budgeting, hunting

lokasi, menyiapkan kostum dan properti, menyiapkan peralatan, serta

melakukan casting pemain.

Dalam menyusun jadwal perlu dilakukan secara detail, kapan

jadwal pengambilan gambar, siapa saja artis dan kru yang diperlukan,

biaya dan peralatan apa saja yang diperlukan, lokasi pengambilan

gambar, serta batas waktu shooting. Dalam hal ini, lokasi sangat

menentukan jadwal pengambilan gambar. Jika biaya produksi kecil, maka

tidak disarankan tempat yang jauh dan memakan banyak biaya.

52  

Ada hal-hal penting yang perlu diperhatikan pada saat menyusun

budgeting, yaitu :

• Penggandaan naskah skenario film untuk kru dan pemain

• Penyediaan kaset video

• Penyediaan CD kosong sejumlah yang diinginkan

• Penyediaan properti, kostum, dan make-up

• Honor untuk pemain dan konsumsi

• Akomodasi dan transportasi

• Menyewa alat jika tida tersedia

Budgeting adalah operasi di mana masing-masing adegan script

diuraikan dan dianalisis serta diikuti penilaian keuangan dari total biaya

untuk setiap adegan. Total kebutuhan financial untuk membuat film

menjadi jumlah anggaran atau budget untuk setiap adegan atau episode.

Sedangkan scheduling adalah proses pengorganisasian di mana barang-

barang, kru, peralatan, dan aktor dijadwalkan pada biaya yang paling

efisien. Perusahaan yang memproduksi film menggunakan informasi

dalam budgeting dan scheduling untuk mengetahui apakah produksi

sesuai dengan anggaran dan tepat waktu.

Sedangkan ada lima hal yang perlu diperhatikan dalam tahap

produksi, yaitu tata setting, tata suara, tata cahaya, tata kostum, dan tata

rias.

Tahap terakhir atau tahap pasca produksi mencakup tiga proses,

yaitu proses editing, review hasil editing, serta presentasi dan evaluasi.