7

BAB 2

LANDASAN TEORI

2.1 Teknologi Informasi

Menurut Lucas (2000,pp6-7) saat ini kita hidup pada masa revolusi, yaitu

revolusi yang dipicu oleh teknologi informasi. Komputer dan peralatan

komunikasi telah menyebabkan Revolusi Teknologi. Saat ini kita telah melihat

banyak inovasi termasuk komputer mainframe, minicomputer, personal

computer, jaringan, internet, World Wide Web, bahasa rakitan, word processor,

web browser, dan lain-lain. Perusahaan menggunakan teknologi informasi

sebagai sumber baru untuk memproses dan mengakses informasi.

Teknologi ini membantu organisasi untuk mengumpulkan, menyimpan,

mengambil kembali, dan menerapkan pengetahuan / knowledge untuk

memecahkan masalah. Revolusi teknologi telah mengubah ekonomi,

menciptakan industri baru, dan cara melakukan bisnis yang baru. Berikut ini

beberapa kontribusi teknologi informasi :

• Menyediakan cara baru untuk mendesain organisasi.

• Menciptakan hubungan baru antara konsumen dan supplier.

• Menyediakan kesempatan untuk e-commerce yaitu melakukan pembelian

melalui internet, yang akan mengurangi siklus pembelian.

• Menghasilkan efisiensi dalam produksi dan pelayanan melalui electronic data

interchange dengan memfasilitasi produksi just in time.

• Mengubah basis dari kompetisi dan struktur industri.

8

• Meningkatkan produktivitas dan fleksibilitas dari pekerja.

Menurut Lucas (2000,p11), teknologi informasi menunjuk pada semua

bentuk teknologi yang diaplikasikan untuk memproses, menyimpan, dan

mengirimkan informasi dalam bentuk elektronik. Peralatan fisik yang digunakan

antara lain komputer, peralatan komunikasi dan jaringan, dan mesin fax. Sistem

informasi mengeksekusi prosedur yang terorganisir yang memproses dan atau

mengkomunikasikan informasi.

2.2 Konsep Dasar Sistem Informasi

Menurut Turban (2003, p15), sistem informasi mengumpulkan,

memproses, menyimpan dan menganalisa informasi untuk tujuan tertentu. Sistem

informasi mencakup input (data, instruksi) dan output (laporan, perhitungan).

Sistem informasi memproses input dan menghasilkan output yang akan

ditampilkan ke pengguna atau di kirimkan ke sistem yang lain.

Dalam informasi sistem terdapat istilah data, informasi dan knowledge.

Data adalah deskripsi mendasar pada benda, kejadian, aktivitas, dan transaksi

yang di tangkap, rekam, dan simpan, namun belum memiliki arti tertentu.

Contohnya jumlah jam kerja karyawan, saldo bank. Informasi adalah kumpulan

data yang terorganisasi dan memiliki arti tertentu sehingga dapat digunakan oleh

pengguna. Contohnya, nasabah dengan saldo bank, nama karyawan dengan

jumlah jam kerja. Dengan kata lain, informasi didapatkan dari data yang telah

diproses. Sedangkan knowledge terdiri dari informasi yang telah diorganisasi dan

diproses untuk mendapatkan pemahaman, pengalaman, pengetahuan atas proses

atau masalah bisnis yang sedang dialami oleh perusahaan. Agar dapat berguna

9

oleh pihak eksekutif dan organisasi maka informasi harus memiliki karakteristik

seperti akurat, lengkap, fleksibel, relevan, dapat diverifikasi, dapat dipercaya,

dapat diakses secara tepat dan aman.

Menurut Turban (2003, p16), sistem informasi dibentuk dari komponen-

komponen umum berikut ini:

1. Hardware ( Perangkat Keras )

Seperangkat peralatan seperti prosesor, monitor, keyboard, dan printer

yang menerima data dan informasi, memprosesnya dan menampilkannya.

2. Software ( Perangkat Lunak )

Seperangkat program komputer yang membuat perangkat keras dapat

memproses data.

3. Database

Kumpulan file atau record yang saling berhubungan dan terorganisir yang

menyimpan data dan asosiasi/ hubungan antar data tersebut.

4. Network ( Jaringan )

Sistem penghubung yang mengijinkan pembagian sumber daya untuk

digunakan pada komputer yang berbeda.

5. Prosedur

Strategi, aturan, metode dan aturan untuk menggunakan sistem informasi.

10

6. Orang

Elemen yang paling penting dalam sistem informasi. Mencakup orang-

orang yang bekerja dengan sistem informasi atau menggunakan outputnya.

Turban (2003, pp18-19) mengemukakan agar organisasi dapat bersaing

dalam lingkungan bisnis modern maka sistem informasi organisasi tersebut

haruslah memiliki banyak kemampuan yang dapat diandalkan. Maka sistem

informasi harus memiliki kemampuan seperti berikut :

1. Mampu melakukan proses transaksi dengan cepat dan akurat.

2. Memiliki kapasitas yang besar dengan akses yang cepat.

3. Menghilangkan batasan antar departemen dalam perusahaan.

4. Menyediakan dukungan untuk pengambilan keputusan.

5. Menyediakan keuntungan kompetitif.

2.3 Konsep Database

Menurut Connoly (2002, p14), ” Database is a shared collection of

logically related data, and a description of this data, designed to meet the

information needs of an organization” atau dapat diartikan ”database adalah

koleksi bersama dari logically related data dan deskripsi dari data, perancangan

untuk menemukan informasi yang diperlukan bagi organisasi”.

Menurut Date (2000, p10), “Database is a collection of persistent data

that is used by the application system of some given enterprise” atau dapat

diartikan “Database merupakan kumpulan dari data-data yang hampir tidak

11

mengalami perubahan lagi (persistent), dimana kumpulan data tersebut dipakai

oleh aplikasi sistem lainnya.”

Menurut Mcleod (2001, p258), database adalah suatu kumpulan data

komputer yang terintegrasi, diorganisasikan dan disimpan dalam suatu cara yang

memudahkan pengambilan kembali.

Menurut Mcleod (2001, p259), konsep database adalah integrasi logis dan

catatan-catatan dalam banyak file. Dua tujuan utama dari konsep database adalah

meminimumkan pengulangan data dan mencapai independensi data.

Pengulangan data (data redundancy) adalah duplikasi data, artinya data yang

sama disimpan dalam beberapa file. Independensi data adalah kemampuan untuk

membuat perubahan dalam struktur data tanpa membuat perubahan pada

program yang memproses data.

2.4 Definisi OLTP (On Line Transaction Processing)

OLTP adalah deskripsi asli semua aktivitas dan sistem yang berhubungan

dengan penginputan data ke dalam database. Kebanyakannya digunakan dengan

referensi ke database relasional, walaupun OLTP dapat digunakan secara umum

untuk menggambarkan berbagai lingkungan transaction-processing. (Kimball &

Ross, 2002, p408)

Database tradisional mendukung OLTP (on-line transaction processing),

yang mencakup insert, update, dan delete, juga mendukung persyaratan query

informasi (Elsmari & Navathe, 2000, p842).

Beberapa sistem yang digunakan untuk peningkatan manajemen dan

kemudahan transaksi akan menampilkan OLTP. Sistem ini dibuat untuk

12

mengatur ratusan bahkan puluhan ribu transaksi perdetik, yang datang dari

semua client melalui jaringan. (Atzeni, Ceri, Paraboschi, & Torlone, 1999,

p350).

Dalam sistem OLTP, kecepatan transaksi adalah paramount. Operasi

modifikasi data harus cepat, harus sesuai dengan concurrency dan harus

menyediakan transaksi yang konsisten sehingga kita dapat menggunakan

relational database yang ternormalisasi untuk menghilangkan redudansi data dan

meminimalkan kerja dalam database untuk memproses sebuah transkasi. Sistem

OLTP secara konstan berubah; setiap snapshot sistem, bahkan hanya butuh

beberapa detik akan terjadi perbedaan. (Bjeletich & Mable, 1999, p780)

2.5 Definisi Data Warehouse

Menurut Connolly (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”, atau dapat diartikan “Data

Warehouse adalah kumpulan data yang berorientasi subjek, terintegrasi,

berdasarkan waktu, dan permanen yang digunakan untuk membantu proses

pengambilan keputusan”.

Menurut Inmon (2002, p31), “Data Warehouse is a subject oriented,

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

management`s decisions” atau dapat diartikan “Data Warehouse adalah

kumpulan data yang mempunyai sifat berorientasi subjek, terintegrasi, variasi

waktu dan tidak mengalami perubahan yang digunakan untuk mendukung proses

pengambilan keputusan.”

13

Menurut Peterson dan Pinkelmon (1999, p55), “ Data Warehouse is the

collection of all the data in the enterprise that is used for business analysis

queries” atau dapat diartikan “Data Warehouse adalah kumpulan dari seluruh

data di perusahaan yang digunakan untuk query dalam analisa bisnis.”

Menurut Mcleod (2001, p267), data warehouse adalah perkembangan

dari konsep database yang menyediakan sumber daya data yang lebih baik bagi

para pemakai, memungkinkan pemakai untuk memanipulasi, dan menggunakan

data tersebut secara intuitif.

Menurut Hermawan (2005, pp13 -14), Data warehouse merupakan

database yang ditujukan untuk keperluan pengambilan data dan penganalisaan

data. Jadi, berbeda dengan database yang dibuat untuk keperluan pencatatan

transaksi. Database ini berisi data sejarah yang sudah diringkas isinya. Data

sejarah mengindikasikan bahwa data hanya bisa dibaca, tapi tidak bisa diubah

maupun dihapus. Data ringkas mengindikasikan bahwa data sudah disusun

sebagai bagian dari kelompok yang lebih besar dibandingkan dengan data detail.

Sumber data detail dari database ini adalah database transaksi. Dalam pembuatan

database ini perlu menpertimbangkan tentang bagaimana bisa mengambil data

yang cukup banyak dalam waktu yang sesingkat mungkin.

2.6 Karakteristik Data Warehouse

Menurut Inmon (2002,p31), data warehouse merupakan kumpulan data

yang mendukung pengambilan keputusan manajemen yang berkarakteristik

subject oriented, integrated, nonvolatile, dan time-variant.

14

2.6.1 Subject Oriented (Berorientasi Subyek)

Data warehouse berorientasi pada subjek area utama pada organisasi

perusahaan yang telah didefinisikan pada model data perusahaan tingkat tinggi.

Pada umumnya area subjek terkandung dalam customer - pelanggan, product -

produk, transaction or activity - transaksi atau aktivitas, policy - kebijakan, claim

– tuntutan, account - rekening. Setiap subjek area utama ditempatkan secara

fisik sebagai urutan tabel yang berelasi dalam sebuah data warehouse. (Inmon,

2002, p36)

Tabel 2.1 Perbandingan Subject Oriented antara Data Warehouse dengan

Operational Data (Sumber : Connoly, 2002, p1049).

Sistem OLTP Data Warehouse

Menyimpan data sekarang Menyimpan data historis

Menyimpan detailed data Menyimpan detailed, lightly, highly

summarized data

Data bersifat dinamis Data bersifat statis

Proses yang dilakukan secara berulang Ad hoc, tidak terstruktur, heuristic

processing

High level dari transaction throughput Medium ke low level dari transaction

throughput

Pemakaian dari pola yang dapat

diprediksi

Pemakaian dari pola yang tidak dapat

diprediksi

Mengarah pada transaksi Mengarah pada analisis

Berorientasi pada aplikasi Berorientasi pada subyek

Mendukung keputusan sehari-hari Mendukung keputusan strategi

Operational user dalam jumlah yang

besar

Manajerial user dalam tingkat yang

relatif rendah

15

2.6.2 Integrated (Terintegrasi)

Suatu penggabungan yang berfungsi untuk menggabungkan source data

agar konsisten dan memberikan unified view dari data kepada user. Karena

source data yang diperoleh berasal dari aplikasi sistem perusahaan secara global

dan berbeda-beda. Sehingga mengakibatkan source data digunakan secara tidak

konsisten, sebagai contoh : format data yang berbeda (Connoly, 2002, p1047).

Untuk menciptakan subyek area yang berguna, sumber data yang berasal

dari beberapa sistem yang berbeda terlebih dahulu harus terintegrasi sebelum

digabungkan ke dalam sebuah data warehouse. Sebagai contoh, terdapat empat

aplikasi yang menyimpan kode jenis kelamin dalam database secara berbeda.

Aplikasi A menyimpan kode jenis kelamin dalam bentuk ‘m’ untuk laki-laki dan

‘f’ untuk perempuan, sedangkan aplikasi B dalam bentuk ‘1’ dan ‘0’, aplikasi C

dalam bentuk ‘x’ dan ‘y’, aplikasi D dalam bentuk ‘male’ dan ‘female’. Melalui

proses integrasi dihasilkan kode jenis kelamin yang seragam untuk data

warehouse yaitu ‘m’ dan ‘f’.

Untuk lebih jelasnya dapat dilihat pada gambar berikut ini:

Gambar 2.1 Aspek Terintegrasi dari Data Warehouse

Sumber : Inmon (2002, p33)

Appl A m,f m,f Appl B 1,0 Appl C x,y Appl D male, female

16

• time horizon-current to 60-90 days • update of records • key structure may/may not contain

an element of time

2.6.3 Time-variant (Rentang Waktu)

Data yang terdapat pada data warehouse hanya akurat dan valid pada

kebutuhan dengan waktu tertentu atau pada interval waktu. Rentang waktu pada

data warehouse menunjukkan lamanya waktu dari data tersebut ada, asosiasi

secara implisit atau eksplisit dari waktu dengan semua data, dan fakta bahwa data

dihasilkan secara berseri dari snapshots (Connoly, 2002, p1047). Gambar berikut

ini menunjukkan karakteristik time variant data warehouse.

Gambar 2.2 Aspek Time Variant Data Warehouse

Sumber : Inmon (2002, p35)

Aspek yang menunjukkan karakteristik time variant dalam data

warehouse adalah sebagai berikut (Inmon, p34) :

Data warehouse biasanya mempresentasikan data untuk kurun waktu 5 – 10

tahun. Sedangkan pada OLTP memrepresentasikan data untuk jangka waktu

operational data warehouse

• time horizon-5-10 years • sophisticated snapshots of data• key structure contains an

element of time

17

yang lebih singkat mulai dari 60 – 90 hari. Karena pada OLTP, aplikasi yang

digunakan harus memiliki response time yang singkat maka data yang

diproses harus optimal.

Setiap struktur data pada data warehouse mengandung elemen waktu seperti

hari, minggu, bulan, dan sebagainya. Elemen waktu ini hampir selalu

menjadi dasar yang mengintegrasi data dalam data warehouse.

Data pada data warehouse merupakan serangkaian snapshot. Yaitu potongan

data yang dikelompokkan sesuai dengan urutan waktu.

2.6.4 Nonvolatile (Tidak Berubah)

Proses update data tidak secara real time melainkan secara refreshed dari

sistem operasi dalam basis regular. Data baru selalu ditambahkan sebagai

suplemen dalam database. Pada database secara berkesinambungan menyerap

data baru tersebut kemudian menambahkan serta menggabungkannya dengan

data yang sebelumnya (Connoly, 2002, p1047).

Proses update, insert dan delete biasanya dilakukan pada OLTP dengan

basis record. Tetapi manipulasi data pada data warehouse lebih sederhana.

Hanya ada 2 macam operasi dalam data warehouse yaitu loading data dan akses

data. Dalam data warehouse tidak ada proses update terhadap data. Untuk lebih

jelasnya dapat dilihat pada gambar berikut :

18

Gambar 2.3 Aspek Nonvolatile Data Warehouse

Sumber : Inmon (2002, p34)

2.7 Struktur Data Warehouse

Data warehouse memiliki struktur yang berbeda dimana terdapat

beberapa tingkat summary dan umur data. Struktur data warehouse dapat dilihat

pada gambar berikut:

Operational

chng

access

dletdlet

isrt chng

isrt

loadaccess

Data Warehouse

record-by-record manipulation of data

mass load/ access of data

19

Gambar 2.4 Struktur Data Warehouse

Sumber : Inmon (2002, p36)

Komponen-komponen struktur data warehouse adalah :

2.7.1 Current Detail Data

Data ini merupakan data terkini. Jumlah datanya berukuran sangat besar

karena datanya memiliki level granularity (tingkat keringkasan) yang paling

rendah. Data ini selalu disimpan dalam media penyimpanan yang memiliki

kecepatan akses tinggi namun mahal dan kompleks pengaturannya.

sales detail 1990 - 1991 old

detail

sales detail 1990 - 1991

current detail

weekly sales by subproduct line 1984 - 1992

lightly summarized (datamart)

monthly sales by product line 1981 - 1982

highly summarized

operational transformation

m e t a d a t a

20

2.7.2 Older Detail Data

Data ini merupakan data historis yang disimpan pada media penyimpanan

yang terpisah dengan current detail data. Penamaan media penyimpanan

sebaiknya mencerminkan umur dari data untuk memudahkan pengaksesan

kembali.

2.7.3 Lightly Summarized Data

Data ini merupakan ringkasan atau rangkuman dari current detail data.

Data ini dirangkum berdasarkan periode waktu atau dimensi lainnya sesuai

dengan kebutuhan.

2.7.4 Highly Summarized Data

Data ini merupakan ringkasan atau rangkuman yang dihasilkan dari

lightly summarized data.

2.7.5 Metadata

Metadata memegang peranan penting dan istimewa dalam Data

Warehouse. Peranan metadata yaitu:

• Sebagai directory untuk membantu pengguna data warehouse menempatkan

isi data dan mengetahui lokasi data dalam data warehouse,

• Sebagai panduan untuk menempatkan (mapping) data pada saat data

ditransformasikan dari OLTP ke dalam lingkungan data warehouse,

• Sebagai panduan untuk menghasilkan rangkuman dari current detailed data

menjadi lightly summarized data dan dari lightly summarized data menjadi

highly summarized data.

21

2.8 Anatomi Data Warehouse

Penerapan awal dari arsitektur data warehouse dibuat berdasarkan konsep

bahwa data warehouse mengambil data dari berbagai sumber dan

memindahkannya ke dalam sebuah pusat pengumpulan data yang besar. Konsep

ini sebetulnya lebih cenderung pada sebuah lingkungan main frame yang

terpusat. Keunggulan teknologi client-server memungkinkan data warehouse

diterapkan dalam berbagai macam cara untuk menampung kebutuhan pemakai

sistem secara lebih proposional. Misalnya pemakai tertentu perlu

menggabungkan data dari sebuah sistem pengumpulan data yang statis, dengan

data dari sistem operasional yang dinamis hanya dalam sebuah query saja.

Berikut ini adalah tiga jenis dasar sistem data warehouse :

1. Data Warehouse Fungsional (Functional Data Warehouse)

2. Data Warehouse Terpusat (Centralized Data Warehouse)

3. Data Warehouse Terdistribusi (Distributed Data Warehouse).

2.8.1 Data Warehouse Fungsional

Data Warehouse Fungsional mempergunakan pendekatan kebutuhan dari

tiap bagian fungsi bisnis, misalnya departemen, divisi, dan sebagainya, untuk

mendefinisikan jenis data yang akan ditampung di dalam sistem.

Setiap unit fungsi dapat mempunyai gambaran datanya masing-masing.

Penerapan jenis sistem pengumpulan data seperti ini beresiko kehilangan

konsistensi data di luar lingkungan bisnis bersangkutan. Apabila pendekatan ini

lingkupnya diperbesar dari lingkungan fungsional menjadi lingkup perusahaan,

konsistensi data perusahaan tidak lagi dapat dijamin. Sebab utama dipergunakan

pendekatan seperti ini adalah bahwa sistem ini dapat memberi solusi yang mudah

22

untuk dibangun dengan biaya investasi yang relatif rendah dan dapat

memberikan kelompok pemakai sebuah kemampuan sistem pengumpulan data

yang terbatas.

Gambar 2.5 Data Warehouse Fungsional

( Sumber: http://www.dmreview.com/editorial/dmdirect/0204/021304_haughey_4.gif )

2.8.2 Data Warehouse Terpusat

Data Warehouse Terpusat adalah pendekatan yang paling banyak

digunakan, sebagian besar karena keterbiasaan pemakai dengan lingkungan main

frame yang terpusat. Data diambil dari seluruh sistem operasional dan disimpan

di dalam pusat penyimpanan data. Pemakai kemudian bekerja dengan

mempergunakan data yang telah terkumpul tersebut untuk membangun Data

23

Warehouse Fungsional masing-masing. Keuntungan sistem ini dibandingkan

dengan Data Warehouse Fungsional adalah bahwa data benar-benar terpadu.

Sistem ini mengharuskan pemasok data harus mengirimkan data tepat

pada waktunya agar supaya tetap konsisten dengan pemasok lainnya. Di samping

itu, pemakai hanya dapat mengambil data dari bagian pengumpulan saja, dan

tidak dapat secara langsung berhubungan dengan pemasok datanya sendiri.

Gambar 2.6 Data Warehouse Terpusat

(Sumber : http://www.dmreview.com/editorial/dmdirect/080198_bhend_2.gif)

24

2.8.3 Data Warehouse Terdistribusi

Data Warehouse Terdistribusi dikembangkan berdasarkan konsep data

warehouse “gateway” yang memungkinkan pemakai untuk langsung

berhubungan dengan sumber data maupun dengan pusat pengumpul data lainnya.

Gambaran pemakai atas data adalah berupa gambaran logik karena data mungkin

diambil dari berbagai sumber yang berbeda. Pendekatan ini mengandalkan

keunggulan teknologi “client-server” untuk mengambil data dari berbagai

sumber. Pendekatan ini memungkinkan tiap departemen atau divisi untuk

membangun pengumpul data fungsionalnya masing-masing atau bahkan sistem

operasionalnya dan memadukan bagian-bagian tersebut dengan teknologi client-

server. Pendekatan ini memerlukan biaya yang sangat besar karena setiap sistem

pengumpulan data fungsional dan sistem operasinya dikelola secara terpisah. Di

samping itu, supaya berguna bagi perusahaan data harus disinkronisasikan untuk

memelihara keterpaduannya. Metode ini akan sangat efektif apabila data telah

tersedia dalam bentuk yang konsisten dan pemakai ingin dapat menambah data

tersebut dengan informasi baru apabila ingin membantu gambaran baru atas

informasi.

25

Gambar 2.7 Data Warehouse Terdistribusi

(Sumber : http://www.tdwi.org/images/ww18/lessons_fig9.gif )

2.9 Kegunaan Data Warehouse

Berdasarkan Connoly (2002, p1048), implementasi dari data warehouse

dapat memberi keuntungan terutama terhadap organisasi, termasuk:

• Potensi tinggi terhadap Return of Investment (ROI)

Untuk implementasi terhadap penggunaan data warehouse melalui

sejumlah sumber dan biaya dapat mencapai sebesar antara £50 ribu hingga

£10 juta berdasarkan teknik untuk solusi yang ingin dicapai.

Berdasarkan Internasional Data Corporation (IDC) pada tahun 1996,

ROI dalam tiga tahun dengan data warehouse mencapai 401% dengan survei

lebih dari 90% perusahaan-perusahaan menerima lebih dari 40% ROI,

setengah dari perusahaan-perusahaan menerima lebih dari 160% ROI, dan

seperempat lagi menerima lebih dari 600% ROI (IDC, 1996).

26

• Keuntungan bersaing

Return of Investment (ROI) yang besar untuk perusahaan-perusahaan

yang telah sukses dalam implementasi data warehouse merupakan fakta atas

keuntungan bersaing yang cukup tinggi dengan menyertai teknologi.

Keuntungan bersaing dapat diperoleh dengan menyediakan akses bagi

pembuat keputusan ke data sehingga dapat menyatakan ada tidaknya

ketersediaan yang belum diketahui, sebagai contoh: customers, trends, dan

demands.

• Peningkatan produktivitas pada Corporate Decision Makers

Data warehouse meningkatkan produktivitas pembuatan keputusan

dengan membuat database gabungan yang konsisten, berorientasi subyek,

dan data historis. Data gabungan dari banyak sistem yang tidak compatible

menjadi suatu form yang menyediakan sebuah consistent view dari

organisasi.

Dengan mentransformasi data menjadi informasi yang bermanfaat

data warehouse mengijinkan business managers untuk menghasilkan

substansi lebih akurat dan melakukan analisa yang konsisten.

2.10 Metode Analisis Perancangan Data Warehouse

Menurut Dy, Hawkins, Humphries (1999, p144), pada perancangan data

warehouse terdapat dua aktivitas yang dapat dilakukan secara paralel, yaitu

analisis kebutuhan pendukung keputusan dan audit sistem sumber keputusan.

Obyek analisis kebutuhan pendukung keputusan adalah pemahaman

secara detail terhadap kebutuhan informasi untuk membuat keputusan (user

27

requirements). Analisis ini menggunakan aspek top down untuk menentukan

formulasi strategi yang akan digunakan pada data warehouse.

Hasil dari analisis kebutuhan pendukung keputusan digunakan sebagai

acuan untuk pembuatan data warehouse biasanya dibuat dalam bentuk queries

atau laporan-laporan. Agar data warehouse dapat digunakan secara maksimal

perlu dilakukan verifikasi batasan sumber data yang digunakan sebagai input.

Audit sistem sumber keputusan adalah kegiatan survei terhadap seluruh

sistem informasi, termasuk yang terjadi sekarang maupun sumber data yang

potensial bagi data warehouse.

Audit ini menggunakan aspek bottom up untuk melakukan identifikasi

dan inventarisasi secara lengkap terhadap sumber-sumber data (dapat secara

internal dan eksternal) secara keseluruhan menggunakan dukungan staff IT dan

DBA untuk mendukung sistem internal.

2.11 Perancangan Data Warehouse dengan Skema Bintang

Menurut Connolly (2002, p1079) “Star Schema is a logical structure that

has a fact table containing factual data in the center, surrounded by dimension

table, containing reference data (which can be denormalized)”.

Skema bintang merupakan struktur sederhana dengan tabel-tabel yang

relatif sedikit dan hubungan antar tabel yang jelas. Rancangan ini (bertolak

belakang dengan struktur normalisasi yang digunakan pada database transaksi)

mampu melakukan query dengan cepat serta mudah dimengerti bahkan oleh

analis dan pengguna akhir atau orang awam yang tidak mengerti dengan struktur

database (Poe, Klauer & Brobs, 1998, p190).

28

2.11.1 Keuntungan Menggunakan Skema Bintang

Skema bintang memiliki beberapa keuntungan yang tidak terdapat pada

struktur relasional biasa. Adapun keuntungan dari skema bintang adalah sebagai

berikut:

Respons data yang lebih cepat dihasilkan dari perancangan database.

Kemudahan dalam hal memodifikasi/pengembangan data warehouse yang

terus menerus.

End-user dapat menyesuaikan cara berpikir dan menggunakan data konsep

ini, dikenal juga dengan istilah paralel dalam perancangan database.

Menyederhanakan pemahaman dan penelusuran metadata bagi pemakai dan

Pengembang.

(Poe, Klauer & Brobs, 1998, p192)

2.11.2 Perancangan Skema Bintang

Skema bintang mempunyai dua macam tabel, yaitu:

• Tabel fakta (fact table)

Tabel fakta disebut juga sebagai tabel mayor. Tabel ini berisi data

aktual yang akan dianalisis (data kuantitatif dan data transaksi). Field-

field di tabel fakta disebut measure dan biasanya berupa numerik. Selalu

berisi foreign key dari masing-masing tabel dimensi. Tabel ini dapat

terdiri dari banyak kolom dan ribuan baris data.

• Tabel dimensi (dimension table)

Tabel dimensi disebut sebagai tabel minor. Tabel dimensi

biasanya lebih kecil dan berisi data yang merupakan deskripsi lebih lanjut

dari data yang ada pada tabel fakta.

29

Adapun ketentuan pembacaan skema bintang adalah sebagai berikut:

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

Primary key dan foreign key diberi kotak.

Primary key diarsir, sedangkan foreign key yang bukan primary key

tidak diarsir.

Foreign key yang berhubungan ditunjukkan dengan garis yang

menghubungkan tabel-tabel.

Kolom yang bukan primary key ataupun foreign key disebut kolom

data pada tabel fakta dan atribut pada tabel dimensi.

(Poe, Klauer & Brobs, 1998, p193)

2.11.3 Skema Bintang Sederhana

Dalam skema bintang sederhana, setiap tabel harus mempunyai primary

key yang dapat terdiri dari sebuah kolom atau lebih. Primary key tersebut

membuat setiap baris menjadi unik. Dalam skema bintang sederhana, primary

key pada tabel fakta terdiri dari satu atau lebih foreign key. Foreign key adalah

sebuah kolom pada sebuah tabel yang nilainya didefinisikan oleh primary key di

tabel yang lain. Ketika database dibuat, perintah-perintah SQL digunakan untuk

membuat tabel yang akan merancang kolom-kolom, yang nantinya akan

membentuk primary key dan foreign key. (Poe, Klauer & Brobs, 1998, p194)

Pada gambar 2.8 akan terlihat hubungan antara tabel fakta dan tabel

dimensi terdiri dari satu tabel fakta dan tiga tabel dimensi. Tabel utama memiliki

primary key yang terdiri dari tiga foreign key yaitu kunci-1, kunci-2, dan kunci-3,

yang masing-masing merupakan primary key di tabel dimensi-masing-masing. Di

30

sini terjadi hubungan many to one antara foreign key pada tabel fakta dengan

primary key pada tabel dimensi.

Tabel Dimensi 1 Tabel FaktaKunci 1 Kunci 1Atribut Kunci 2 Tabel Dimensi 3Atribut Tabel Dimensi 2 Kunci 3 Kunci 3

… Kunci 2 Kolom Data AtributAtribut Atribut Kolom Data Atribut

Atribut … …… Kolom Data Atribut

Atribut

Gambar 2.8 Hubungan Antara Tabel Dimensi pada Skema Bintang

Sederhana

Sumber : Poe, Klauer & Brobs, (1998, p195)

2.11.4 Skema Bintang dengan Banyak Tabel Fakta

Sebuah skema bintang dapat terdiri dari banyak tabel fakta, karena

adanya fakta yang tidak saling berhubungan atau karena perbedaan waktu

pengambilan data, di samping itu juga dapat meningkatkan kinerja. Skema

bintang ini biasanya dipakai untuk jumlah data besar dan untuk berbagai macam

level data yang teragregasi

31

Gambar 2.9 Skema Bintang dengan Lebih dari Satu Tabel Fakta

Sumber : Poe, Klauer & Brobs, (1998, p196)

Pada gambar 2.9 terlihat bahwa dua tabel fakta dan tiga tabel dimensi. Di

sini hubungan many to one antara foreign key pada kedua fakta tersebut dengan

primary key pada masing-masing tabel dimensi.

Penggunaan lain dari tabel fakta adalah untuk mendefinisikan hubungan

many to many antara berbagai tabel dimensi yang sudah jelas dalam bisnis. Jenis

skema bintang ini sering disebut tabel asosiasi. Tabel ini dibuat untuk

menyelaraskan hubungan many to many di antara dimensi yang berbeda. Dalam

gambar 2.10 yang berfungsi sebagai penyelaras adalah tabel fakta 2.

Tabel Fakta 2

Tabel Fakta

Tabel Dimensi 3

Tabel Dimensi 2

Kolom Data Kolom Data

... Kolom Data

Kunci 1

Kunci 2

Kunci 3

Attribut Attribut

... Attribut

Kunci 1

Attribut Attribut

... Attribut

Kunci 2

Kolom Data Kolom Data

... Kolom Data

Kunci 1

Kunci 2

Kunci 3

Attribut Attribut

... Attribut

Kunci 3

Tabel Dimensi 1

32

Gambar 2.10 Skema Bintang Sebagai Tabel Asosiasi

Sumber : Poe, Klauer & Brobs, (1998, p197)

2.11.5 Skema Bintang Majemuk

Pada sebuah skema bintang sederhana, primary key yang ada pada tabel

fakta dibentuk dengan menggabungkan kolom-kolom foreign key. Dalam

beberapa aplikasi, foreign key yang akan digabungkan tersebut kadang-kadang

tidak menyediakan suatu identifikasi yang unik terhadap setiap baris yang ada

pada tabel fakta. Oleh karena itu diperlukan sebuah skema bintang majemuk.

Di dalam skema bintang majemuk, tabel fakta memiliki satu kumpulan

foreign key, yang satu mengandung suatu referensi dengan tabel dimensi, dan

yang lain adalah primary key yang merupakan gabungan dari satu atau lebih

kolom yang menghasilkan suatu identifikasi unik untuk setiap barisnya. Primary

key dan foreign key saling tidak identik di dalam skema bintang majemuk, yang

membedakannya dengan skema bintang sederhana.

33

Gambar 2.11 Skema Bintang Majemuk

Sumber : Poe, Klauer & Brobs, (1998, p200)

2.11.6 Skema Snowflake

Salah satu variasi yang ada pada skema bintang adalah menyimpan

seluruh informasi tabel dimensi dalam bentuk normal ke tiga. Sementara fakta

tetap dalam keadaan semula. Hal ini biasanya disebut dengan Skema Snowflake

yang ditunjukkan pada gambar 2.12. (Poe, Klauer & Brobs, 1998, p198)

Menurut Hermawan (2005, p15), skema snowflake merupakan perluasan

dari skema bintang dengan tambahan berupa beberapa tabel dimensi yang tidak

terhubung secara langsung ke tabel fakta, melainkan melalui tabel dimensi

lainnya.

34

Gambar 2.12 Skema Bintang Snowflake

Sumber : Poe, Klauer & Brobs, (1998, p199)

Tabel dimensi mungkin mengandung foreign key yang mereferensikan

primary key di tabel dimensi lain.Tabel dimensi yang direferensikan ini disebut

outboard table atau secondary dimension table.

Gambar 2.13 Skema Bintang dengan Outboard Table atau Secondary Dimension

Table

Sumber : Poe, Klauer & Brobs, (1998, p198)

35

2.11.7 Agregasi

Agregasi adalah proses penghitungan data fakta selama pendefinisian

atribut (Poe, Klauer & Brobs, 1998, p204). Sebagai contoh, dapat dibuat dari

jumlah mahasiswa berdasarkan jurusan dan program studi dengan menghitung

jumlah mahasiswa dari data transaksi yang terjadi. Agregasi dapat dibuat selama

proses transformasi dan pemuatan data ke dalam data warehouse.

Faktor yang mendorong pembuatan agregasi adalah (Poe, Klauer &

Brobs, 1998, p205) :

1. Peningkatan penampilan query end-user.

2. Pengurangan jumlah dari penggunaan CPU cycles.

Suatu agregasi yang baik dapat dibuat untuk digunakan oleh tiga ratus

user dalam satu hari, karena akan lebih bermanfaat jika dibandingkan dengan

membuat agregasi yang membutuhkan waktu dua jam tetapi hanya digunakan

sekali dalam setahun oleh satu user saja.

Salah satu teknik yang harus dicatat adalah saat pembuatan data

warehouse, kita tetap membutuhkan teknik database klasik seperti partisi tabel

secara fisik. Hal ini menjadi penting bilamana data warehouse mencapai gigabyte

data. (Poe, Klauer & Brobs, 1998, p207)

2.11.8 Denormalisasi

Menurut Inmon (2002, p389), denormalisasi adalah teknik dari

penempatan data normalisasi dalam lokasi fisik yang mengoptimasikan kinerja

dari sistem.

36

Menurut Adelman (2000, p244), denormalisasi adalah suatu prosedur

regrouping normalisasi data untuk menspesifikasikan kumpulan proses sehingga

membuat proses menjadi lebih efisien.

Menurut Poe, Klauer & Brobs (1998, pp207-208), denormalisasi adalah

sebuah proses yang menggabungkan tabel dengan hati – hati dan bijaksana untuk

meningkatkan performance.

Beberapa alasan utama untuk melakukannya adalah sebagai berikut :

• Mengurangi jumlah hubungan yang terjadi antara tabel-tabel yang

menyebabkan harus mengalami proses pada waktu dilakukan pencarian.

Dengan inilah penampilan database dapat ditingkatkan.

• Untuk membuat struktur fisik database semakin mendekati model dimensi

dari pengguna. Membuat struktur tabel sesuai dengan yang ingin

ditanyakan oleh pengguna, memungkinkan terjadinya akses langsung yang

sekali lagi akan meningkatkan penampilan.

2.11.9 Pemetaan Fungsi pada unit organisasi

Suatu unit organisasi memiliki beberapa fungsi. Satu fungsi mungkin

dilaksanakan oleh lebih dari satu unit organisasi. oleh karena itu harus dibuat

suatu hubungan many-to-many antara fungsi dan unit organisasi. Gambar 2.12

memiliki arti:

UNIT ORGANISASI melaksanakan satu atau banyak FUNGSI.

Dan

FUNGSI dilaksanakan oleh satu atau banyak UNIT ORGANISASI

37

Gambar 2.14

Hubungan Unit Organisasi dan Fungsi

Sumber : Martin (1990, p57)

Seperti semua hubungan many to many, suatu matriks dapat digambarkan

untuk menunjukkan fungsi yang dilakukan unit organisasi tertentu.

Unit Organisasi Fungsi

UNIT ORGANISASI

FUNGSI Melaksanakan

Dilaksanakan oleh

Gambar 2.15

Matriks Unit Organisasi dan Fungsi

Sumber: Martin (1990, p57)

38

2.11.10 Pemetaan Eksekutif dengan Fungsi

Pada bagan organisasi, manajer memiliki hubungan satu-satu dengan unit

organisasi. Matriks dari unit organisasi dan fungsi dapat langsung dikonversi

menjadi pemetaan matriks manajer dan fungsi. Dalam prakteknya, manajer

melaksanakan aktivitas informal yang tidak dijelaskan dalam bagan organisasi.

Berdasarkan keikut-sertaannya, eksekutif melaksanakan fungsi bisnis yang

dinyatakan dalam kode berikut:

R (Responsibility) Tanggung jawab langsung manajemen

A (Authority) Wewenang eksekutif atau pengambil keputusan

I (Involved) Terlibat dalam fungsi.

E (Expertise) Keahlian teknis

W (Work) Pelaksanaan kerja

Kode-kode ini dimasukkan dalam matriks. I (Involved) hanya dapat

digunakan ketika R (Responsibility) atau A (Authority) tidak ada. Beberapa

eksekutif memiliki keempat kode R, A, E, dan W, beberapa mungkin memiliki

dua atau tiga kode, atau hanya satu kode. Kode – kode ini digunakan bervariasi

antara satu perusahaan dan perusahaan lain (Martin, 1990, p58).

2.12 Data Mart

Data Warehouse dan data mart didefinisikan dan digunakan secara

terpisah di dalam sistem data warehouse. Data Mart adalah kumpulan data yang

lebih kecil dari data warehouse yang digunakan untuk melakukan analisa bisnis

di satu divisi. Sedangkan data warehouse adalah kumpulan dari seluruh data

39

perusahaan yang digunakan untuk melakukan analisa bisnis secara keseluruhan

( Peterson dan Pinkelman, 1999, pp54 -55).

2.13 Analisa SWOT (Strength, Weakness, Opportunities, Threat)

Menurut Bateman dan Snell (2004, p122), Analisa SWOT adalah

perbandingan antara kekuatan, kelemahan , peluang dan ancaman yang

membantu pihak eksekutif dalam memformulasikan strategi. Analisa SWOT

membantu pihak eksekutif dalam meringkas fakta utama dan perkiraan dari

analisa eksternal dan internal.

Menurut Zimmerer & Scarborough (2002, pp76-77), identifikasi SWOT:

a. Strength(Kekuatan)

Strength adalah faktor internal positif yang digunakan oleh perusahaan

untuk mencapai misi, tujuan dan objektivitas.

b. Weakness(Kelemahan)

Weakness adalah faktor internal negatif yang menghalangi perusahaan

untuk mencapai misi, tujuan dan objektivitas.

c. Opportunity(Peluang)

Opportunity adalah faktor eksternal positif yang dapat membantu

perusahaan untuk mencapai misi, tujuan dan objektivitas.

d. Threat (Ancaman)

Threat adalah faktor eksternal negatif yang menghalangi perusahaan

untuk mencapai misi, tujuan dan objektivitas.

40

2.14 Critical Success Factor (CSF)

Menurut Martin (1990,p89), Critical Success Factor (CSF) adalah cara

dalam jumlah terbatas dimana nilai kepuasan dapat menjamin kinerja yang

kompetitif bagi seorang individu, departemen, atau organisasi. CSF merupakan

salah satu area penting dimana “segala sesuatu harus berjalan dengan benar” bagi

sebuah bisnis untuk berkembang dan goal seorang manajer dapat dicapai. Sebuah

goal berarti keseluruhan tujuan. Sebuah CSF adalah apa yang harus dilakukan

untuk mencapai goal tersebut.

Critical Success Factor (CSF) adalah bidang-bidang terbatas yang apabila

hasilnya memuaskan akan memastikan kinerja yang kompetitif untuk individu,

departemen, atau organisasi. CSF merupakan bidang-bidang kunci dimana segala

sesuatunya harus berjalan dengan benar demi lancarnya bisnis dan tercapainya

tujuan manajer. (Martin, 1990, p89)

2.15 Pengertian Produksi

Menurut Rander dan Heizer (1997, p2), produksi adalah penciptaan

barang dan jasa. Kegiatan membuat barang dan jasa terjadi di semua sektor

organisasi. Kegiatan produksi membuat barang sangat jelas terlihat di perusahaan

manufaktur, di mana kita dapat melihat pembuatan barang-barang nyata seperti

TV Sony atau Ford Bronco.

Sedangkan pada organisasi-organisasi lain yang tidak memproduksi

barang nyata, fungsi produksi mungkin tidak terlalu terlihat. Bahkan

disembunyikan dari masyarakat. Sebagai contoh, transaksi yang terjadi di bank-

bank, kantor-kantor, atau bahkan universitas.