6

BAB 2

LANDASAN TEORI

2.1 Teori Umum

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,p8).

Sedangkan menurut Navathe dan Elmasri (2000,p4) data adalah fakta yang dapat

disimpan dan memiliki arti. Sehingga dapat disimpulkan bahwa data adalah fakta

yang telah terjadi, 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 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 bisnis dan data teknikal yang

berguna untuk organisasi/perusahaan(learndatamodeling.com,2006).

MetaData menjadi gambaran ketika kita membutuhkan untuk mengetahui

tentang bagaimana data tersebut tersimpan dan dimana tersimpannya. Peralatan

7

MetaData berguna untuk membantu dalam menangkap MetaData pada Bisnis.

2.1.3 Pengertian Sistem

Menurut McLeod(2001,p11), sistem merupakan sekelompok elemen

yang terintegrasi dengan maksud yang sama untuk mencapai suatu tujuan.

2.1.4 Pengertian Bisnis

Menurut webster(1997,p189) bisnis itu berhubungan dengan kegiatan jual

beli dari komoditas dan pelayanan yang dimiliki dan berkonotasi dengan motif

ekonomi(Profit motive).

2.1.5 Pengertian Sistem Informasi

Menurut O’Brien (2004,p7) “An information system can be any

organized combination of people, hardware, software, communication networks,

and data resources that collects, transforms and disseminates information in an

organization” yang dapat diartikan “ Sistem informasi dapat berupa kombinasi

yang teratur antara orang, perangkat keras, piranti lunak, jaringan komunikasi,

dan sumber data yang dikumpulkan, diubah dan penyebaran informasi di dalam

organisasi”.

2.1.6 Pengertian Sistem Basis Data

Sistem basis data menurut Connolly dan Begg (2002,p4) mengatakan

bahwa sistem basis data merupakan kumpulan dari program aplikasi yang

berinteraksi dengan basis data. Sedangkan menurut Navathe dan Elmasri

8

(2000,p5) 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.

2.1.7 Pengertian Data Warehouse

Menurut Connolly dan Begg (2002,p1047), “Data warehouse is a subject

oriented, integrated, time variant, and non volatile collection of data in support

of management’s decision making process”, yang dapat diartikan “Data

Warehouse adalah kumpulan data yang berorientasi subjek, terintegrasi,

berdasarkan waktu dan tidak mengalami perubahan dalam mendukung proses

pengambilan keputusan manajemen”.

Menurut Inmon (2002,p389), “ A Data warehouse is a collection of

integrated database designed to support DSS function, where each unit of data is

relevant to some moment in time” yang dapat diartikan sebagai “Data warehouse

adalah koleksi database yang terintegrasi yang dirancang untuk mendukung

fungsi sistem pengambilan keputusan, dimana setiap unit data relevan pada

beberapa waktu”.

2.1.7.1 Konsep Data Warehouse

Subject Oriented

Data warehouse diorientasikan pada area subyek utama

9

perusahaan yang telah didefinisikan pada data model perusahaan.

Subyek area biasanya meliputi costumer (pelanggan), product

(produk), transaction or activity (transaksi atau aktifitas), policy

(kebijakan), claim (tuntutan), account (rekening). Setiap area

subyek utama yang diimplementasikan secara fisik sebagai

sekumpulan tabel yang saling berhubungan dalam data warehouse

(Inmon,2002,p36).

Sebaliknya pada operational database diorientasikan pada

area aplikasi utama (contoh : invoice, kontrol stock, penjualan

produk).

Integrated

Penggabungan berbagai sumber data dari aplikasi

perusahaan yang berbeda - beda. Sumber data sering tidak

konsisten dalam penggunaan, sebagai contoh perbedaan format

sumber data. Sumber data yang terintegrasi dibuat untuk

memberikan view dari data secara keseluruhan kepada user

(Connolly dan Begg,2002,p1047).

Time Variant

Data pada data warehouse hanya akurat dan valid pada

waktu tertentu atau dalam interval waktu tertentu. Perbedaan

waktu dari data warehouse memperlihatkan data - data yang ada

dari waktu ke waktu secara keseluruhan (Connolly and

Begg,p1047).

10

Non Volatile

Proses Update tidak dilakukan secara real–time melainkan

direfresh dari sistem operasional dalam basis regular. Data baru

selalu ditambahkan sebagai supplement (tambahan) pada

database, bukan sebagai replacement (penggantian). Database

secara terus menerus mengambil data baru, dan

menggabungkannya dengan data sebelumnya (Connolly and

Begg,2002,p1047).

2.1.8 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,p1067) :

- Data Mart hanya berfokus pada kebutuhan user yang

berhubungan dengan satu departemen atau fungsi bisnis.

- Data Mart biasanya tidak mengandung data operasional yang

detail, tidak seperti data warehouse.

- Karena data mart mempunyai data yaang lebih sedikit

dibandingkan dengan data warehouse, data mart lebih mudah

untuk dimengerti dan dijalankan.

Beberapa alasan membuat data mart, yaitu (Connolly,2002,p1069) :

- Memberikan akses ke data yang paling sering dianalisa oleh

user.

11

- Menyediakan data dalam bentuk yang sesuai dengan kebutuhan

sekelompok user dalam sebuah departemen atau fungsi bisnis.

- Meningkatkan waktu respon end-user karena pengurangan

jumlah data yang akan diakses.

- Menyediakan data yang terstruktur sesuai seperti yang ada pada

ketentuan dari alat akses end user yang mungkin membutuhkan

struktur basis data internal sendiri.

- Biaya implementasi data mart biasanya lebih sedikit dari biaya

yang diperlukan untuk membangun data warehouse.

2.1.9 Pengertian Cube/OLAP (OnLine Analitical Processing)

OLAP 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,p1101).

OLAP adalah teknologi yang memperbolehkan user untuk menganalisa

basis data yang besar untuk mendapatkan informasi yang lebih spesifik. Basis

data untuk sistem OLAP disusun teratur agar lebih efisien dalam penyimpanan

data statis. Karena penyimpanan OLAP adalah multidimensi, biasanya disebut

cube, yang berlawanan dengan tabel. Yang membuat OLAP unik adalah

kemampuannya untuk menyimpan kumpulan data secara hierarki. Dimensi -

dimensi ini memberikan informasi secara kontekstual dalam bentuk bilangan

atau perhitungan yang diteliti.

OLAP adalah sebuah perangkat yang digunakan untuk menyimpan data

12

multidimensional dan perangkat yang digunakan untuk menampilkan sebuah

tampilan multidimensional kepada user (Peterson, Pinkelman,2000,p1).

Sistem OLAP telah banyak diaplikasikan dalam dunia bisnis, diantaranya

Peterson, Pinkelman,2000,pp25 - 31) :

1. OLAP dapat melihat tren penjualan, melakukan promosi, dan juga untuk

menganalisis demografis pelanggan.

2. OLAP dapat membantu mengelola inventory dan pergudangan, lokasi

mana yang paling strategis dan pengelolaan kapasitas semaksimal

mungkin.

3. OLAP dapat digunakan untuk pengelolaan proses manufaktur, kepuasan

pelanggan dan pada akhirnya dapat membantu menganalisis dan

meningkatkan keuntungan bisnis.

OLAP memiliki beberapa karakteristik (Peterson, Pinkelman,2000,pp35 -

54) :

1. OLAP memasukkan data dari sistem OLTP dan sumber - sumber lain

termasuk dari luar organisasi.

2. OLAP menyimpan data yang dalam format yang mengoptimalkan

analisis query, yang merupakan ringkasan informasi dari banyak sumber.

3. Sistem OLAP bekerja dengan sangat baik didalam lingkungan yang

memiliki banyak indeks. Data - data tidak diupdate setelah dianalisis, jadi

tidak ada pemborosan waktu di dalam proses update indeks yang besar.

4. Sistem OLAP mampu mendukung permintaan analisis secara cepat, tanpa

mendapatkan kesulitan mengenai kombinasi perspekstif apa yang dipilih

oleh analis.

13

2.1.10 Pengertian Data Mining

Telah diketahui bahwa Data warehouse mengandung data berukuran

besar yang dapat dianalisis. Namun sampai saat ini, perangkat (tools) dari basis

data yang besar hanya menyediakan analisis data yang relatif sederhana dan

fungsi - fungsi yang terbatas. Lalu semakin mendesaknya pertumbuhan data

warehouse menyebabkan meningkatnya permintaan dari user akan tools 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

menggunakan tools report dan query yang sangat sederhana.

Data mining (English,1999,p470) adalah proses menganalisis data yang

berukuran besar dengan menggunakan pola - pola pengenalan maupun teknik

pencarian pengetahuan (knowledge discovery) untuk mengidentifikasi tren - tren

yang terjadi dan bermanfaat serta pola keterkaitan yang terdapat di dalam basis

data berukuran besar. Data mining adalah salah satu alternatif terbaik untuk

mengetahui tren dan pola dari basis data yang besar. Data mining mampu

menjelajahi informasi di dalam data warehouse yang tidak terungkap secara

efektif. Sedangkan menurut Claude Seidman (Seidman,2001,p3) data mining

adalah proses pencarian pola hubungan serta tren yang tersembunyi didalam

suatu basis data yang besar.

Data mining sering diidentifikasi dengan beberapa nama lain seperti

Knowledge Discovery in Database (KDD), Knowledge Extraction, Pattern

analysis, data archeology, data dredging, information harvesting, dan sebagainya.

Meskipun Data mining merupakan teknologi yang relatif baru, namun telah

14

banyak digunakan dibanyak bidang industri diantaranya perbankan, asuransi,

retail dan sebagainya.

Salah satu kunci sukses penerapan data mining adalah kemampuan untuk

mendapatkan akses terhadap data - data yang akurat, lengkap dan terintegrasi.

Oleh karena itu, aplikasi Data mining dapat meningkatkan kapabilitas dan

integrasi dari Data Warehouse untuk mencapai keuntungan yang

kompetitif(Berson,smith,thearling,2000,pp16-17).

Perusahaan biasanya menggunakan Data mining untuk keperluan berikut

(Seidman,2001,p6) :

a. Mencari pengetahuan

Tujuannya adalah untuk menentukan dengan jelas hubungan

- hubungan dan pola - pola yang tersembunyi pada basis data.

b. Memvisualisasikan 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

ketidaklengkapan data yang terdiri dari informasi yang salah dan

saling bertentangan. Dengan Data mining, maka dapat membantu

mengidentifikasikan dan memperbaiki kesalahan secara konsisten.

Menurut Helb dan edelstein, ada lima tipe informasi data mining (Herb,

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

1. Associations

15

Kemunculan - kemunculan (occureness) terhubung oleh satu

event tunggal. Contohnya yaitu : ketika keripik dibeli, maka

kemungkinan besar 65% coca cola juga dibeli.

2. Sequences

Event dihubungkan berdasar waktu. Contoh : Jika rumah dibeli

maka 45% oven baru akan dibeli dalam 1 bulan dan 60% lemari

es akan dibeli.

3. Classifications

Aktifitas Data mining yang paling umum. Dapat membantu untuk

menemukan suatru 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 pengelompokan data yang

berbeda-beda. Contoh : aplikasi untuk deteksi kesalahan -

kesalahan dalam proses manufaktur atau untuk menemukan

kemiripan pada kartu bank.

5. Forecasting

Sesuai namanya, teknik ini meramal dan memperkirakan nilai

variabel kontinyu seperti prediksi penjualan (sales figures) yang

akan datang, berdasarkan pola - pola yang ada dalam data.

16

2.1.11 Pengertian State Transition Diagram

Menurut Whitten, Bentley, dan Dittman (2004,p673) diagram perubahan

data adalah sebuah perlengkapan yang digunakan untuk menggambarkan urutan

dan variasi dari layar yang terjadi menurut sesi pengguna.

2.1.12 Pengertian SWOT

SWOT adalah singkatan dari bahasa Inggris Strengths (kekuatan),

Weakness (kelemahan), Opportunities (peluang), dan Threats (ancaman). Analisa

SWOT berguna untuk menganalisa faktor - faktor di dalam perusahaan atau

organisasi yang memberikan andil terhadap kualitas pelayanan atau salah satu

komponennya sambil mempertimbangkan faktor - faktor di luar perusahaan atau

organisasi tersebut.

Di bawah ini adalah pengertian dari SWOT:

1. Strenghts (kekuatan)

Kekuatan adalah kelebihan suatu perusahaan atau organisasi

dibandingkan dengan perusahaan atau organisasi lain yang sejenis

(pesaing). Kekuatan perusahaan atau organisasi menunjukkan

kemungkinan - kemungkinan adanya beberapa strategi tertentu

yang akan berhasil.

2. Weakness (kelemahan)

Kelemahan adalah kekurangan suatu perusahaan atau organisasi

dibandingkan dengan perusahaan atau organisasi yang sejenis

(pesaing). Kelemaham perusahaan atau organisasi menunjukkan

bahwa terdapat hal - hal yang harus diperbaiki.

17

3. Opportinities (kesempatan)

Kesempatan adalah peluang yang diprediksikan oleh pasar yang

akan bersifat nilai tambah terhadap perusahaan atau organisasi

sehingga perlu dipergunakan sebaik mungkin.

4. Threats (ancaman)

Ancaman adalah segala sesuatu yang mungkin terjadi dari

perubahan pasar dan memerlukan penyesuaian khusus oleh

perusahaan atau organisasi untuk menjaga kelangsungan hidup

perusahaan atau organisasi tersebut.

Untuk Strengths dan Weakness merupakan faktor di dalam perusahaan

atau organisasi, sedangkan untuk Opportunities dan Threats merupakan faktor di

luar perusahaan atau organisasi yang diberikan oleh pasar, baik faktor di dalam

maupun faktor di luar dari suatu perusahaan atau organisasi perlu diidentifikasi

dengan baik guna menjaga kelangsungan hidup dan mengembangkan perusahaan

tersebut atau organisasi tersebut.

Representasi matriks SWOT terlihat pada gambar 2.1.

18

Internal

Eksternal

Strength (S) Weakness (W)

Opportunities (O) Strategi SO

Ciptakan strategi yang

menggunakan kekuatan untuk

memanfaatkan peluang

Strategi WO

Ciptakan strategi yang

meminimalkan kelemahan

untuk memanfaatkan peluang

Threat (T) Strategi ST

Ciptakan strategi yang

menggunakan kekuatan untuk

mengatasi ancaman

Strategi WT

Ciptakan strategi yang

meminimalkan kelemahan

dan menghindari ancaman

Gambar 2.1 matriks SWOT.

2.1.13 Pengertian Penjualan

Menurut Swatsha (1989,p8), penjualan adalah ilmu dan seni

mempengaruhi pribadi yang dilakukan oleh penjualan untuk mengajak orang lain

agar bersedia membeli barang atau jasa yang ditawarkannya.

Fungsi yang terkait dengan sistem penjualan adalah:

1) Fungsi penjualan, bertanggung jawab untuk menerima order, mengedit

order, meminta otoritas kredit, menentukan tanggal pengiriman dan

bertanggung jawab atas transaksi penjualan

2) Fungsi gudang, bertanggung jawab untuk menyimpan dan menyiapkan

barang yang dipesan dan mengirimkan ke bagian pengiriman.

19

3) Fungsi pengiriman, bertanggung jawab untuk menyerahkan barang ke

pelanggan berdasarkan surat order pengiriman yang diterima dari bagian

penjualan

Sistem informasi penjualan terbentuk prosedur-prosedur yang bekerja

satu sama lainnya untuk mencapai tujuan. Prosedur-prosedur yang membentuk

sistem informasi penjualan adalah:

1. Prosedur Order Penjualan

Dalam prosedur ini bagian order penjualan menerima order dari pembeli dan

menambah informasi penting pada saat surat order. Kemudian bagian

penjualan mengisi faktur penjualan dan surat order pengiriman ke bagian

yang terkait.

2. Prosedur Pengiriman

Bagian pengiriman mengirimkan barang kepada pembeli sesuai dengan

informasi yang tercantum dalam surat order pengiriman yang diterima dari

bagian order penjualan.

3. Distribusi Penjualan

Yaitu mendistribusikan data-data penjualan menurut informasi yang

diperlukan manajemen.

Dokumen yang digunakan adalah sebagai berikut:

1. Surat Order Pengiriman Dan Tembusannya.

2. Faktur Dan Tembusannya.

3. Rekapitulasi Harga Pkok Penjualan.

4. Bukti Memorial.

Informasi yang diperlukan oleh pihak manajemen dari transaksi

20

penjualan adalah sebagai berikut:

1. Jumlah pendapatan penjualan menurut produk atau kelompok produk

persatuan waktu.

2. Jumlah piutang setiap debitur dari transaksi penjualan.

3. Jumlah harga pokok yang dijual.

4. Nama dan alamat pembeli.

5. Kuantitas barang yang dijual.

6. Nama wiraniaga yang melakukan.

2.1.14 Pengertian Pembelian

Pembelian dilakukan untuk memenuhi kebutuhan. Pemenuhan kebutuhan

tersebut ada dua macam:

1. Dikonsumsikan, umumnya oleh perusahaan industri dan rumah tangga.

2. Dijual kembali, meskipun tujuannya berbeda, bagaimanapun sifatnya adalah

membeli barang dan jasa sesuai dengan kebutuhan.

Menurut Mulyadi (1993,p301), pembelian adalah suatu usaha yang

digunakan dalam perusahaan untuk pengadaan barang yang diperlukan oleh

perusahaan.

Secara umum definisi pembelian adalah usaha pengadaan barang atau

jasa dengan tujuan yang akan digunakan sendiri, untuk kepentingan proses

produksi maupun untuk dijual kembali, baik dengan atau tanpa proses, dalam

proses pembelian yang ada, agar kegiatan pembelian dapat dilakukan dengan

benar.

Transaksi dalam pembelian dibedakan menjadi dua jenis, yaitu:

21

a. Pembelian tunai, yaitu jenis transaksi dimana pembayaran langsung

dilakukan pada saat penerimaan barang.

b. Pembelian kredit, yaitu jenis transaksi dimana pembayaran tidak dilakukan

pada saat penyerahan barang, tetapi dilakukan selang beberapa waktu sesuai

perjanjian dengan pihak pemasok.

Sedangkan berdasarkan jenis pemasok, pembelian dibedakan menjadi 2

jenis, yaitu:

a. Pembelian lokal, yaitu pembelian dari pemasok dalam negeri.

b. Pembelian impor, yaitu pembelian yang dilakukan dari pemasok luar negeri.

Dalam melaksanakan pembelian ada beberapa faktor yang harus

diperhatikan yaitu mutu barang jadi, jumlah barang yang dibutuhkan, waktu,

serta harga barang. Untuk dapat melaksanakan fungsi pembelian secara efektif

dan efisien dibutuhkan adanya kemampuan dari bagian pembelian. Pengawasan

perlu dilakukan terhadap pelaksanaan fungsi ini, karena pembelian menyangkut

investasi dana dalam persediaan dan kelancaran arus barang ke dalam

perusahaan. Disamping itu, untuk menghindari praktek-praktek yang tidak sehat

dalam fungsi pembelian.

Menurut Mulyadi (1993), fungsi yang terkait dalam sistem pembelian

adalah:

a. Fungsi gudang, bertanggung jawab untuk mengajukan permintaan pembelian

sesuai dengan posisi persediaan yang ada di gudang dan untuk menyimpan

barang yang telah diterima oleh fungsi penerimaan.

22

b. 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.

c. Fungsi penerimaan, bertanggung jawab untuk melakukan pemeeriksaan

terhadap jenis, mutu, dan kuantitas barang yang diterima dari pemasok untuk

menentukan dapat atau tidaknya barang tersebut diterima oleh perusahaan.

Menurut Mulyadi (1993,pp303-305), jaringan prosedur yang membentuk

sistem pembelian adalah:

1. Prosedur permintaan pembelian, dalam prosedur ini fungsi gudang

mengajukan permintaan pembelian dalam formulir surat permintaan

pembelian kepada fungsi pembelian.

2. Prosedur permintaan penawaran harga dan pemilihan pemasok, fungsi

pembelian mengirimkan surat permintaan penawaran harga kepada pemasok

untuk memperoleh 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, fungsi pembelian mengirim 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 barang

melakukan pemeriksaan mengenai jenis, kuantitas, dan mutu bahan yang

diterima dari pemasok, dan kemudian membuat laporan penerimaan barang

untuk menyatakan penerimaan dari pemasok tersebut.

23

5. Prosedur distribusi pembelian, prosedur ini meliputi distribusi rekening yang

didebet dari transaksi pembelian untuk kepentingan pembuatan laporan

manajemen.

Menurut Mulyadi (1993,pp305-311), informasi yang diperlukan oleh

manajemen dari kegiatan pembelian adalah:

a. Jenis persediaan yang telah mencapai titik pemesanan kembali (Re-order

point)

b. Order pembelian yang telah dikirim kepada pemasok

c. Order pembelian yang telah dipenuhi oleh pemasok

d. Total saldo utang dagang pada tanggal tertentu.

e. Tambahan kualitas dan harga pokok persediaan dari pembeli.

Berikut ini dokumen yang digunakan:

a. Surat permintaan pembelian. Formulir ini diisi oleh fungsi gudang atau

fungsi pemakai barang untuk meminta fungsi pembelian melakukan

pembelian barang dengan jenis, jumlah, dan mutu seperti yang disebutkan

dalam surat tersebut, dan biasanya terdiri dari dua lembar untuk setiap

permintaan, satu lembar untuk fungsi pembelian dan tembusannya untuk

arsip fungsi yang meminta barang.

b. Surat permintaan penawaran harga, digunakan untuk meminta penawaran

harga bagi barang yang pengadaanya tidak bersifat berulang kali terjadi, yang

menyangkut jumlah rupiah pembelian yang besar.

c. Surat order pembelian, digunakan untuk memesan barang kepada pemasok

yang telah terpilih.

24

d. Laporan penerimaan barang, dokumen ini dibuat oleh fungsi penerimaan

untuk menunjukkan bahwa barang yang diterima dari pemasok telah

memenuhi jenis, spesifikasi, dan kuantitas seperti yang tercantum dalam surat

order pembelian.

e. Surat perubahan order pembelian, digunakan apabila terjadi perubahan

terhadap isi surat order pembelian yang sebelumnya telah diterbitkan.

f. Bukti kas keluar, dokumen ini dibuat oleh fungsi akuntansi untuk dasar

pencatatan transaksi pembelian dan juga berfungsi sebagai perintah

pengeluaran kas untuk pembayaran hutang kepada pemasok dan sekaligus

berfungsi sebagai surat pemberitahuan kepada kresitur mengenai maksud

pembayaran.

2.1.15 Pengertian Inventory atau Persediaan

Persediaan dalam suatu perusahaan adalah faktor pendukung penting

dalam menjalankan operasi perusahaan. Berikut beberapa pendapat para ahli

tentang persediaan :

• Persediaan merupakan sejumlah bahan - bahan yang disediakan

dan bahan - bahan dalam proses yang terdapat dalam perusahaan

untuk proses produksi, serta barang-barang jadi/produksi yang

disediakan untuk memenuhi permintaan dari konsumen atau

langganan setiap waktu (Assouri 1993, p219).

• Persediaan menunjukan barang yang dimiliki untuk dijual dalam

kegiatan normal perusahaan (Handoko, 1994,pp333-334). Pada

25

umumnya persediaan barang dagangan diterapkan untuk barang -

barang yang dimiliki oleh perusahaan dagang apabila perusahaan

tersebut diperoleh dalam keadaan siap untuk dijual kembali.

Sedangkan persediaan barang produksi termasuk barang dari hasil

produksi perusahaan itu yang belum didistribusikan ke konsumen.

Dari definisi persediaan tersebut maka dapat disimpulkan bahwa

persediaan adalah aset yang sangat penting karena persediaan merupakan barang

yang tersedia untuk dijual (barang dagangan/barang jadi), barang yang masih

dalam proses produksi untuk diselesaikan dan dijual(barang dalam proses

pengolahan) dan barang yang akan dipergunakan untuk produksi barang jadi

yang akan dijual (bahan baku dan bahan pembantu) dalam kegiatan usaha normal

perusahaan.

2.1.15.1 Perencanaan Persediaan

Persediaan mempermudah atau memperlancar jalannya operasi

perusahaan pabrik yang harus dilakukan secara berturut-turut untuk

memprodusir barang-barang serta selanjutnya menyampaikannya pada

langganan atau konsumen (Assouri,1993,p177). Persediaan dikatakan

sangat penting bagi perusahaan karena persediaan berguna untuk :

a. Menghilangkan resiko datangnya keterlambatan barang.

b. Menghilangkan resiko dari produk yang dipesan tidak bagus atau

rusak.

c. Untuk menumpuk bahan-bahan yang dihasilkan secara minimum

sehingga dapat dipergunakan bila barang tersebut tidak ada dalam

26

pasaran.

d. Mempertahankan stabilitas operasi perusahaan atau menjamin

kelancaran arus produksi.

e. Mencapai penggunaan mesin yang optimal.

f. Memberikan pelayanan kepada pelanggan dengan sebaik-baiknya

dimana keinginan langganan pada setiap waktu dapat terpenuhi

atau memberi jaminan tetap tersedianya barang tersebut.

g. Membuat pengadaan atau produksi tidak perlu sesuai dengan

penggunaan atau penjualannya.

2.1.15.2 Pengendalian Internal Atas Persediaan

Pengendalian Internal Atas Persediaan merupakan hal yang sangat

penting karena persediaan adalah bagian yang amat penting dari suatu

perusahaan dagang. Menurut Render dan Heizer (2001,p318) elemen

yang harus ada untuk mendukung pengendalian internal yang baik atas

persediaan adalah :

1. Pemilihan karyawan, pelatihan, dan disiplin yang baik. Hal-hal ini

tidak pernah mudah dilakukan, tetapi sangat penting dalam bisnis

makanan, perdagangan besar, dan operasi bisnis eceran dimana

karyawannya mempunyai akses kepada barang-barang yang

langsung dikonsumsi.

2. Pengendalian yang efektif atas semua barang yang keluar dari

fasilitas.

27

2.1.15.3 Metode Pencatatan Persediaan

Ada dua sistem yang dikenal dalam menentukan jumlah

persediaan pada akhir suatu periode menurut Mulyadi (1997,p558), yaitu

dengan :

1. Metode Mutasi Persediaan

Dalam metode mutasi persediaan, setiap mutasi persediaan

dicatat dalam kartu persediaan

2. Metode Persediaan Fisik

Dalam Metode Persediaan Fisik, hanya tambahan

persediaan dari pembelian saja yang dicatat, sedangkan mutasi

berkurangnya persediaan karena pemakaian tidak dicatat dalam

kartu persediaan.

2.1.15.4 Metode Penilaian Persediaan

Dalam menilai persediaan metode yang digunakan (Soemarso,

1995,p424), adalah sebagai berikut :

1. Metode LIFO

LIFO adalah metode penetapan harga pokok persediaan

dimana dianggap bahwa barang-barang yang paling akhir dibeli

dan merupakan barang yang dijual pertama kali. Dalam metode

ini persediaan akhir akan dinilai dengan harga pokok pembelian

terdahulu.

2. Metode FIFO

FIFO adalah metode penetapan harga pokok persediaan

28

dimana dianggap bahwa barang-barang yang pertama dibeli akan

merupakan barang yang dijual pertama kali. Dalam metode ini

persediaan akhir akan dinilai dengan harga pokok pembelian yang

paling akhir.

3. Metode Rata-rata (Average)

Rata-rata dalam penetapan harga pokok persediaan dimana

dianggap bahwa harga pokok rata-rata dari barang yang tersedia

dijual akan digunakan untuk menilai harga pokok barang yang

dijual dan yang terdapat dalam persediaan.

2.1.15.5 Manajemen Persediaan

Menurut Handoko (2001,p334) sistem persediaan adalah

serangkaian kebijaksanaan dan pengendalian yang memonitor tingkat

persediaan yang bertujuan untuk meminimumkan biaya total. Menurut

jenisnya dapat dibedakan menjadi :

1. Persediaan bahan mentah, yaitu persediaan barang berwujud yang

digunakan dalam proses produksi.

2. Persediaan komponen-komponen rakitan, yaitu persediaan

barang-barang yang terdiri dari komponen-komponen yang

diperoleh dari perusahaan lain, dimana secara langsung dapat

dirakit menjadi suatu produk.

3. Persediaan bahan pembantu atau penolong, yaitu persediaan

barang-barang yang diperlukan dalam proses produksi, tetapi

tidak merupakan bagian barang jadi.

29

4. Persediaan barang dalam proses, yaitu persediaan barang-barang

yang merupakan keluaran dari tiap-tiap bagian dalam proses

produksi atau yang diolah menjadi suatu bentuk.

5. Persediaan barang jadi, yaitu persediaan barang-barang yang telah

selesai diproses atau diolah.

2.1.16 Pengertian Business Intelligence

Menurut Almeida, Ishikawa, Reinschmidt, Roeber

(www.redbooks.ibm.com, 1999) Business Intelligence berarti menggunakan data

aset anda untuk membuat keputusan yang lebih baik, yang menyangkut masalah

akses analisis dan menemukan kesempatan baru.

Menurut Oguz (2003) Business Inteligence atau Inteligensi Bisnis adalah

kategori luas dari aplikasi dan teknik untuk mengumpulkan, menyimpan, dan

menganalisis, dan menyediakan akses ke data untuk membantu pengguna dalam

membuat keputusan bisnis dan keputusan strategis yang lebih baik.

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).

30

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 2.2

Gambar 2.2 Contoh lingkungan Business Intelligence.

2.2 Teori Khusus

2.2.1 Pendekatan Data Warehouse

Menurut Connolly dan begg (2002,p1047), “Data warehouse is a subject

oriented, integrated, time variant, and non volatile collection of data in support

of management’s decision making process”, yang dapat diartikan “Data

Warehouse adalah kumpulan data yang berorientasi subjek, terintegrasi,

berdasarkan waktu dan tidak mengalami perubahan dalam mendukung proses

31

pengambilan keputusan manajemen”.

Menurut Inmon (2002,p389), “ A Data warehouse is a collection of

integrated database designed to support DSS function, where each unit of data is

relevant to some moment in time” yang dapat diartikan sebagai “Data warehouse

adalah koleksi database yang terintegrasi yang dirancang untuk mendukung

fungsi sistem pengambilan keputusan, dimana setiap unit data relevan pada

beberapa waktu”.

2.2.1.1 Karakteristik(Multidimensional)

Menurut Turban, Rainer, dan Potter(2006) Basis Data Multi

Dimensional yaitu basis data yang diatur dan dapat dianalisis dari

berbagai pandangan atau perspektif, yang disebut dimensi.

Perbandingan Basis Data Multidimensional dengan Relasional

Relational database membuatnya menjadi mudah untuk bekerja

dengan record individual, mengingat multi-dimensional Database

didesain untuk analisa grup besar dari record. Relational Database

biasanya diakses menggunakan Structured Query Language (SQL) query.

Multi-dimensional Database dapat menjawab pertanyaan user seperti

“Berapa banyak barang gadai yang terjual di Surabaya?” dan “Berapa

banyak kartu kredit yang digunakan di suatu daerah?”.

32

Perbandingan untuk basis data relasional dapat dilihat pada

gambar 2.3a, 2.3b, dan 2.3c.

a) 2001 b) 2002 c) 2003

Produk Wilayah Penjualan Produk Wilayah Penjualan Produk

Wilayah Penjualan

Mur Timur 50 Mur Timur 60 Mur Timur 70 Mur Barat 60 Mur Barat 70 Mur Barat 80 Mur Pusat 100 Mur Pusat 110 Mur Pusat 120 Sekrup Timur 40 Sekrup Timur 50 Sekrup Timur 60 Sekrup Barat 70 Sekrup Barat 80 Sekrup Barat 90 Sekrup Pusat 80 Sekrup Pusat 90 Sekrup Pusat 100 Baut Timur 90 Baut Timur 100 Baut Timur 110 Baut Barat 120 Baut Barat 130 Baut Barat 140 Baut Pusat 140 Baut Pusat 150 Baut Pusat 160 Ring Timur 20 Ring Timur 30 Ring Timur 40 Ring Barat 10 Ring Barat 20 Ring Barat 30 Ring Pusat 30 Ring Pusat 40 Ring Pusat 50 Gambar 2.3a Gambar 2.3b Gambar 2.3c

Gambar 2.3 Basis Data Relasional.

Sedangkan untuk Basis Data Multidimensional dapat dilihat pada

gambar 2.4.

Gambar 2.4 Basis Data Multidimensional.

Pada gambar 2.4 kita dapat melihat tampilan basis data

multidimensional atau biasa disebut kubus(Cube).

33

2.2.1.3 ETL(Extract, Transform, Load)

Merupakan Proses Pengambilan(Extract),

Pengubahan(Transform), Pengisian(Load) dari DBMS ke Data

Warehouse, atau an ETL tool such as Warehouse Builder can extract

data from its source, transform it using a variety of techniques (such as

joins, aggregations, and data conversion functions), and load it into new

data containers such as relational tables yang dapat diartikan sebuah alat

ETL seperti Pembangun gudang(Warehouse Builder) dapat mengambil

data dari sumbernya, mengubahnya menggunakan beberapa variasi teknik

(seperti pengikatan/penghubungan(joins), pengumpulan(aggregations),

dan fungsi pengubahan format data(data conversion function), dan

mengisinya kedalam wadah data seperti tabel relasi (glossary: ETL

http://download-east.oracle.com, 2006).

2.2.1.3 OLAP/Cube sebagai hasil dari Data Warehouse

OLAP 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,p1101).

OLAP adalah sebuah perangkat yang digunakan untuk

menyimpan data multidimensional dan perangkat yang digunakan untuk

menampilkan sebuah tampilan multidimensional kepada user (Peterson,

Pinkelman,2000,p1).

34

Jadi teknisnya, kubus OLAP memudahkan untuk menganalisa

data melintasi multidimensi dengan menyediakan tampilan multi-

dimensional 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 profit, dan peramalan.

Beberapa bentuk OLAP diambil dari

www.learndatamodeling.com (2006) yaitu:

ROLAP yaitu Relational OLAP yang menyediakan analisis multi-

dimensional dari data, yang tersimpan di basis data yang berrelasi

(RDBMS).

MOLAP(Multidimensional OLAP), menyediakan analisis dari

data yang tersimpan dalam data kubus multi-dimensional.

HOLAP(Hybrid OLAP) adalah kombinasi dari ROLAP dan

MOLAP yang dapat menyediakan analisa dalam bentuk multi-

dimensional secara bersama-sama dari data yang tersimpan di multi-

dimensional dan relational Database (RDBMS).

DOLAP(Desktop OLAP atau Database OLAP) menyediakan

analisa multi-dimensional lokal dalam komputer client pada datanya yang

diambil dari relational atau multi-dimensional Database server.

35

2.2.3 Pendekatan 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,p1067) :

- Data Mart hanya berfokus pada kebutuhan user yang

berhubungan dengan satu departemen atau fungsi bisnis.

- Data Mart biasanya tidak mengandung data operasional yang

detail, tidak seperti data warehouse.

- Karena Data Mart mempunyai data yaang lebih sedikit

dibandingkan dengan Data Warehouse, data mart lebih mudah

untuk dimengerti dan dijalankan.

2.2.3 Pendekatan Data Mining

Data mining (English,1999,p470) adalah proses menganalisis data yang

berukuran besar dengan menggunakan pola - pola pengenalan maupun teknik

pencarian pengetahuan (knowledge discovery) untuk mengidentifikasi tren - tren

yang terjadi dan bermanfaat serta pola keterkaitan yang terdapat di dalam basis

data berukuran besar. Data mining adalah salah satu alternatif terbaik untuk

mengetahui tren dan pola dari basis data yang besar. Data mining mampu

menjelajahi informasi di dalam data warehouse yang tidak terungkap secara

efektif. Sedangkan menurut Claude Seidman (Seidman,2001,p3) data mining

adalah proses pencarian pola hubungan serta tren yang tersembunyi di dalam

36

suatu basis data yang besar.

Salah satu kunci sukses penerapan data mining adalah kemampuan untuk

mendapatkan akses terhadap data - data yang akurat, lengkap dan terintegrasi.

Oleh karena itu, aplikasi data mining dapat meningkatkan kapabilitas dan

integrasi dari data warehouse untuk mencapai keuntungan yang

kompetitif(Berson,smith,thearling,2000,pp16-17).

2.2.3.1 Karakteristik Data Mining

Data mining sering diidentifikasi dengan beberapa nama lain

seperti Knowledge Discovery in Database (KDD), Knowledge Extraction,

Pattern analysis, Data Archeology, Data Dredging, Information

Harvesting, dan sebagainya. Meskipun Data mining merupakan teknologi

yang relatif baru, namun telah banyak digunakan di banyak bidang

industri diantaranya perbankan, asuransi, retail dan sebagainya.

Knowledge Discovery

Knowledge discovery atau penemuan pengetahuan mempunyai

tujuan utama yaitu mengidentifikasikan pola valid yang baru, yang

mungkin bermanfaat dan dapat dipahami dalam data. Knowledge

discovery berguna karena didukung oleh tiga teknologi yang saat ini telah

matang, yaitu pengumpulan data yang besar, komputer multiprosesor

yang berdaya tinggi, dan algoritma penggalian data lainnya.

Ad-hoc Query

Ad-hoc Query(Permintaan ad-hoc) memungkinkan pengguna

untuk meminta, secara real time, informasi dari komputer yang tidak

37

tersedia dalam laporan periodik. Jawaban seperti ini sangat dibutuhkan

untuk mempercepat pengambilan keputusan.

2.2.3.2 Perbandingan Data mining dengan OLAP

OLAP membantu organisasi untuk mencari tahu ukuran/nilai

seperti penurunan penjualan, produktifitas, waktu respon pelayanan,

daftar inventaris, dan sebagainya. Singkatnya, OLAP memberitahu

kepada kita “Apa yang telah terjadi” dan Data Mining membantu untuk

mencari tahu “Mengapa ‘itu’ bisa terjadi”. Data Mining-pun biasa

digunakan untuk memprediksi apa yang akan terjadi di masa depan

Akan tetapi pada dasarnya Data Mining mengambil data dari

OLAP lalu diproses menggunakan ad-hoc query untuk mendapatkan

informasi yang diinginkan oleh pengguna.

2.2.3.3 Siklus hidup Data Mining

Dengan menggunakan contoh kasus perusahaan yang sedang

mengalami penurunan penjualan.

• Menemukan Problem Bisnis: Mempertimbangkan persentasi

penjualan perusahaan pada tahun ini turun dilihat dari persentasi

penjualan tahun lalu. Dengan menggunakan OLAP, kepastian fakta

penjualan dapat dipastikan melintasi beberapa dimensi seperti

wilayah, waktu, dan sebagainya.

• Knowledge Discovery: Dengan problem bisnis ini, beberapa alasan

38

penurunan pada penjualan harus dianalisa menggunakan satu atau

lebih teknik Data Mining. Akan berakibat jeleknya kualitas atau

servis dari produk atau kecacatan pada marketing atau berkurangnya

permintaan dari produk atau perubahan musiman atau tertekan oleh

kompetitor, dan sebagainya. Solusi yang pasti harus ditemukan

secepatnya untuk menyelesaikan penurunan penjualan ini, yang mana

disebut sebagai Knowledge Discovery.

• Mengimplementasikan Knowledge-nya: Berdasarkan pada penemuan

masalah diatas, tindakan yang tepat harus dilakukan untuk mengatasi

problem bisnis ini dengan mengimplementasikan Knowledge-nya.

• Analisa Hasil: Setelah diimplementasikan, hasil dari

pengimplementasian harus selalu dimonitor/awasi dan dinilai/ukur

untuk menemukan outcome dari tindakan tersebut.

2.2.4 Pendekatan Business Intelligence

Menurut Almeida, Ishikawa, Reinschmidt, Roeber

(www.redbooks.ibm.com, 1999) Business Intelligence berarti menggunakan data

aset anda untuk membuat keputusan yang lebih baik, yang menyangkut masalah

akses analisis dan menemukan kesempatan baru.

Business Inteligence atau Inteligensi Bisnis adalah kategori luas dari

aplikasi dan teknik untuk mengumpulkan, menyimpan, dan menganalisis, dan

menyediakan akses ke data untuk membantu pengguna dalam membuat

keputusan bisnis dan keputusan strategis yang lebih baik (Oguz, 2003).

39

2.2.4.1 Karakteristik Business Intelligence

Program dari Business Intelligence menurut Microsoft (Loria,

2005) terbagi tiga yaitu:

a. Integrate (mempersatukan):

• Tambahan data dari sistem sumber dan terintegrasi/tergabung

dalam sistem.

• Transformasi data dan perpaduannya.

b. Analyze(analisa):

• Pengayaan data, menggunakan logika bisnis, dan tampilan

hierarkis.

• Penemuan data melalui Data Mining.

c. Report (laporan):

• Presentasi dari data dan distribusinya.

• Akses data untuk banyak pengguna.

d. Dengan tinjauan yaitu:

• Mendapat informasi dari data perusahaan.

• Menggunakan Business Intelligence dalam perusahaan sebagai

bagian utuh dari kegiatan bisnis.

• Menangkap dan memodelkan data perusahaan.

• Tergabung dengan proses bisnis.

• Relational reporting dan OLAP yang bertemu dalam satu model

dimensional.

Sedangkan menurut Microstrategy (2005) apa itu Business

40

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:

• Report (laporan): Laporan informasi detail yang dibutuhkan oleh

siapapun untuk kebutuhan pengambilan keputusan hari-per-hari.

Contoh: laporan operasional, laporan finansial, laporan prestasi/hasil.

• Analyze (analisa): Analisa data untuk menyingkap akar permasalahan

dan tren pada pelaksanaan bisnis, dan masih menggunakan teknik

simpel yang powerful. Contoh: akar permasalahan, tren.

• Monitor (mencatat): secara terus menerus mencatat hasil organisasi

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

peringatan Real-Time, scorecard.

2.2.4.2 Evolusi dari sistem Business Intelligence

Tidak dapat dihindari lagi yaitu pertanyaan pertama yang timbul

ketika mendeskripsikan tujuan atau sasaran dari sebuah sistem Business

Intelligence adalah, “Apakah Data Warehouse memiliki tujuan dan

mempunyai kemampuan yang sama dengan sistem Business

Intelligence?” Pertanyaan yang agak mirip pun timbul ketika Data

Warehouse pertama kali diperkenalkan, “Apakah Data Warehouse sama

41

dengan corporate information system and information center yang kita

bangun waktu itu?” Walaupun jawaban singkatnya yaitu “iya”, tetapi

penguraian dengan teliti menunjukan bahwa, ada beberapa perbedaan

penting diantara Data Warehouse dengan corporate information system

and information center atau sistem Business Intelligence.

Generasi pertama: Hot-Based Query and Reporting

Generasi pertama dari sistem informasi bisnis hanya bisa

digunakan oleh penyedia informasi seperti Business Analysts yang mana

mereka mempunyai pengetahuan yang mendalam dari sebuah data dan

pengalaman terhadap komputer yang luas. Pengguna informasi seperti

Business Executives dan Business Managers akan merasa asing untuk

menggunakan sistem ini dan akan membuat para pengguna informasi

akan selalu bertanya kepada penyedia informasi untuk menyediakan

informasi yang mereka inginkan atau butuhkan.

Generasi kedua: Data Warehousing

Generasi kedua dari sistem informasi bisnis yaitu Data

Warehousing yang memberikan lompatan besar ke depan dari

kemampuannya untuk menyediakan data analisa. Data Warehouse

memiliki beberapa keuntungan dibanding dengan generasi yang pertama

yaitu:

• Data Warehouse didesain sebagai pemenuh kebutuhan dari pelaku

bisnis dan bukan sebagai aplikasi operasional hari-per-hari.

42

• Informasi dari Data Warehouse bersifat konsisten dan tersimpan

dalam bentuk yang para pelaku bisnis dapat mengerti.

• Tidak seperti sistem operasional yang hanya menampung data

detail sekarang, Data Warehouse dapat menyediakan data historis

dan informasi yang ringkas.

• Penggunaan client/server computing dapat memberikan pengguna

Data Warehouse dengan peningkatan antar-muka pengguna dan

semakin hebat sebagai Decision Support Tools.

Generasi ketiga: Business Inteligence

Business Inteligence terhitung sebagai generasi ketiga

disamping Data Mining karena Data Mining dianggap bukan sebagai

komponen utama dari Business Intelligence melainkan sebagai

suplemen.

Solusi Data Warehouse ternyata dianggap bukan sebagai

solusi yang dibutuhkan oleh pelaku bisnis. Satu kelemahan terbesar

dari Data Warehouse yaitu para pembuat Data Warehouse seringkali

fokus hanya kepada teknologi, bukan kepada solusi bisnis. Dan tidak

diragukan lagi, para pembuat Data Warehouse lebih konsentrasi

kepada pengaksesannya, produk yang seperti ini akan membuat usaha

yang signifikan untuk pembangunan Data Warehouse-nya yang

berakibat bertambahnya nilai harga dari produk itu sendiri.

Masalah lain timbul dari fokusnya para pembuat kepada

pembangunan Data Warehouse daripada mengaksesnya. Banyak

43

organisasi berpikir jika mereka membangun Data Warehouse dan

memberikan para pengguna alat yang tepat maka pekerjaan selesai.

Faktanya itu hanya merupakan suatu permulaan, kecuali mereka

berhadapan dengan informasi yang terdokumentasi dan mudah untuk

diakses. Kompleksitas-lah yang akan membuat pengguna

menggunakan kembali penyedia informasi, sama seperti sistem pada

generasi pertama.

Sistem Business Intelligence fokus kepada peningkatan akses

dan penyediaan informasi bisnis untuk penyedia informasi dan

pengguna informasi. Business Intelligence bisa seperti ini karena

menyediakan OLAP yang graphical dan Web-based dan alat

penggalian data.

Gambar 2.5 akan menjelaskan struktur Business Intelligence dari IBM

Gambar 2.5 Struktur Business Intelligence dari IBM.

44

2.2.4.3 Siklus Hidup Business Intelligence

Siklus hidup penerapan Business Intelligence menurut

www.athena-solutions.com (2006). Siklus hidup untuk pengembangan

dan implementasi untuk Business Intelligence, Data Warehousing, dan

Corporate Performance Management yaitu:

• Perencanaan proyek, organisasi dan manajemen.

• Bekerja dengan bisnisnya untuk mengumpulkan dan menemukan

kebutuhan bisnisnya, membuat model data berdasar pada

kebutuhannya dan mendesain fungsional Business Intelligence

dari kebutuhan yang telah ditemukan ini.

• Mendesain dan mengimplementasikan arsitektur Data Warehouse

atau Data Mart dan Business Intelligence.

• Mendesain model data dan basis data untuk

mengimplementasikan model ini.

• Mengintegrasikan data dari aplikasi yang lain seperti Customer

Relationship Management, Enterprise Resource Planning, dan

Web.

• Memilih dan menggunakan alat ETL(Extract,Tranform,& Load)

kepada database yang akan digunakan.

• Memilih dan Menggunakan alat Business Intelligence & OLAP

untuk mendapatkan fungsi bisnis yang berguna bagi perusahaan.

45

2.2.5 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 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,p290).