bab 2 landasan teori - thesis.binus.ac.idthesis.binus.ac.id/doc/bab2/2007-1-00299-if-bab 2.pdf2.3...
TRANSCRIPT
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.