9

BAB 2

LANDASAN TEORI

2.1 Teori-teori Dasar/Umum

2.1.1 Pengertian Sistem

Menurut Mathiassen (2000,p3), sistem adalah kumpulan komponen yang

mengimplementasikan kebutuhan design atau model, fungsi dan tampilan sedangkan

menurut McLeod (2004,p9), sistem adalah sekelompok elemen-elemen yang

terintegrasi dengan maksud yang sama untuk mencapai tujuan. Suatu organisasi

seperti perusahaan atau suatu area bisnis cocok dengan definisi ini.

Functions 

 

Interface 

Model 

Gambar 2.1 A general sistem architecture

Sistem berasal dari bahasa Latin (systēma) dan bahasa Yunani (sustēma) adalah

suatu kesatuan yang terdiri komponen atau elemen yang dihubungkan bersama untuk

memudahkan aliran informasi, materi atau energi. Istilah ini sering dipergunakan

10

untuk menggambarkan suatu set entitas yang berinteraksi, di mana suatu model

matematika seringkali bisa dibuat.

Sistem juga merupakan kesatuan bagian-bagian yang saling berhubungan yang

berada dalam suatu wilayah serta memiliki item-item penggerak, contoh umum

misalnya seperti negara. Negara merupakan suatu kumpulan dari beberapa elemen

kesatuan lain seperti provinsi yang saling berhubungan sehingga membentuk suatu

negara dimana yang berperan sebagai penggeraknya yaitu rakyat yang berada di

negara tersebut.

2.1.2 Pengertian Data

Data berasal dari kata “Datum” yang berarti fakta atau bagian dari fakta yang

mengandung arti yang dihubungan dengan kenyataan yang dapat digambarkan

dengan simbol, angka, huruf dan sebagainya sedangkan menurut Whitten, et al

(2004, p23), data adalah fakta mentah mengenai orang, tempat, kejadian, dan hal-hal

yang penting dalam organisasi.

2.1.3 Pengertian Informasi

Menurut Whitten, et al (2004, p23), informasi adalah data yang telah diproses

atau diorganisasi ulang menjadi bentuk yang berarti. Informasi dibentuk dari

kombinasi data yang diharapkan memiliki arti bagi penerima.

Informasi adalah pengetahuan yang didapatkan dari pembelajaran pengalaman,

atau instruksi. Namun demikian istilah ini memiliki banyak arti bergantung pada

konteksnya, dan secara umum berhubungan erat dengan konsep seperti arti,

11

pengetahuan, negentropy, komunikasi, kebenaran, representasi, dan rangsangan

mental.

Dalam beberapa hal pengetahuan tentang peristiwa-peristiwa tertentu atau

situasi yang telah dikumpulkan atau diterima melalui proses komunikasi,

pengumpulan intelejen, ataupun didapatkan dari berita juga dinamakan informasi.

Informasi yang berupa koleksi data dan fakta seringkali dinamakan informasi

statistik. Dalam bidang ilmu komputer informasi adalah data yang disimpan,

diproses, atau ditransmisikan. Penelitian ini memfokuskan pada definisi informasi

sebagai pengetahuan yang didapatkan dari pembelajaran, pengalaman, atau instruksi

dan alirannya.

2.1.4 Pengertian Knowledge

Menurut Vercellis (2009, p7) Knowledge adalah suatu informasi yang telah

bertransformasi. Hal ini juga dijelaskan oleh Turban et al (2007, p482) bahwa

knowledge adalah informasi yang berbentuk kontekstual yang relevan dan dapat

dilakukan. Contohnya, suatu peta yang menjelaskan arah dapat dikatakan sebagai

data, pemberitahuan yang menyatakan bahwa jalan tol sedang diperbaiki disebut

dengan informasi, sementara kesadaran untuk mencari jalan lain disebut juga dengan

knowledge.

2.1.5 Pengertian Sistem Informasi

Sistem Informasi adalah sekumpulan hardware, software, brainware, prosedur

dan atau aturan yang diorganisasikan secara integral untuk mengolah data menjadi

informasi yang bermanfaat guna memecahkan masalah dan pengambilan keputusan.

12

Hal ini dijelaskan oleh O’Brien (2006,p5), Sistem Informasi adalah proses

yang menjalankan fungsi mengumpulkan, memproses, menyimpan, menganalisis,

dan menyebarkan informasi untuk kepentingan tertentu; kebanyakan SI

dikomputerisasi, adapun menurut Whitten (2004, p10), Sistem Informasi adalah

pengaturan sumber daya manusia, data, proses, dan teknologi informasi sehingga

dapat berinteraksi guna mengumpulkan, memproses, menyimpan, dan menyediakan,

output informasi yang diperlukan untuk mendukung sebuah organisasi.

2.1.6 Pengertian Database

Database adalah kumpulan informasi yang disimpan di dalam komputer secara

sistematik sehingga dapat diperiksa menggunakan suatu program komputer untuk

memperoleh informasi dari basis data tersebut. Hal ini dijelaskan oleh Connolly dan

Begg (2002, p14), database adalah kumpulan data yang berhubungan secara logical,

deskripsi dari data-data tersebut yang dapat digunakan oleh beberapa user, dibentuk

untuk dapat menghasilkan informasi untuk organisasi.

Menurut Whitten et.al (2004, p518) Database adalah kumpulan file yang saling

terkait sedangkan menurut Mcleod dan Schell (2004, p196), database adalah

kumpulan seluruh sumber daya berbasis komputer milik organisasi.

2.1.7 Pengertian Metadata

Metadata adalah data dari data yang mengandung informasi mengenai isi dari

suatu data yang dipakai untuk keperluan manajemen data dalam suatu basis data.

Inmon (2005, p393) memaparkan metadata adalah data dati data atau deskripsi dari

struktur, isi, kunci, indeks, dan lain-lain mengenai sebuah data.

13

Sementara menurut Connolly (2002, p1055), Metadata digunakan untuk

berbagai tujuan seperti:

• Proses extraction dan loading

Metadata digunakan untuk memetakan sumber data ke pandangan umum

dari data yang berada dalam warehouse

• Proses management warehouse

Metadata digunakan untuk mengotomatisasi produksi dari tabel ringkasan

• Bagian dari proses manajemen query

Metadata digunakan untuk menghubungkan suatu query ke sumber data

yang paling sesuai

2.1.8 Pengertian Sistem Manajemen Basis Data

Menurut Connolly (2002, p15) Sistem Management Basis Data (Database

Management Sistem/DBMS) adalah sebuah software system yang memungkinkan

user mendefinisi, membentuk dan mengatur database dan yang mengendalikan

akses ke database. DBMS berinteraksi dengan pengguna aplikasi program dan

database.

Komponen utama DBMS:

1. Perangkat keras

2. Perangkat lunak

3. Data

4. Pengguna

Keuntungan DBMS (Database Management Sistem)

14

1. Mengurangi kekurangan data.

2. Mencapai indenpendensi data.

3. Mengintegrasikan data beberapa file.

4. Mengambil data dan informasi secara tepat.

5. Meningkatkan keamanan.

Kerugian DBMS (Database Management Sistem)

1. Memperoleh perangkat lunak yang mahal.

2. Memperoleh konfigurasi perangkat keras yang besar.

3. Memperkerjakan dan mempertahankan staf DBA.

2.1.9 Pengertian Bisnis

Dalam ilmu ekonomi, bisnis adalah suatu organisasi yang menjual barang atau

jasa kepada konsumen atau bisnis lainnya, untuk mendapatkan laba. Secara historis

kata bisnis dari bahasa Inggris, dari kata dasar busy yang berarti "sibuk" dalam

konteks individu, komunitas, ataupun masyarakat. Dalam artian, sibuk mengerjakan

aktivitas dan pekerjaan yang mendatangkan keuntungan. Menurut Madura (2009, p5)

dalam bukunya menyatakan bisnis adalah suatu usaha yang menyediakan produk

atau jasa yang diinginkan oleh pelanggan.

2.1.10 Pengertian Business Intelligence

Menurut Vercellis (2009, p3), business intelligence adalah kumpulan model

matematika dan metodologi analisa yang secara sistematik menghasilkan data untuk

menghasilkan suatu informasi dan pengetahuan yang berguna untuk mendukung

proses pengambilan keputusan yang kompleks. Tujuan utama dari business

15

intelligence (BI) adalah untuk menyediakan alat dan metodologi bagi knowledge

worker untuk membuat keputusan yang efektif dan tepat waktu.

Keputusan yang efektif.

Aplikasi dari metode analisa yang butuh ketelitian tinggi membuat pengambil

keputusan harus mengandalkan informasi dan pengetahuan mana yang dapat

diandalkan. Hasilnya, mereka dapat membuat keputusan yang lebih baik dan

membuat suatu perencanaan yang dapat membuat tujuan mereka tercapai dengan

efektif.

Keputusan yang tepat waktu

Perusahaan beroperasi dalam lingkungan ekonomi yang terkarakterisasi oleh

tingkatan kompetisi dan dinamisme yang tinggi. Konsekuensinya, kemampuan untuk

bereaksi dengan pesaing dan kondisi pasar baru merupakan faktor penting dalam

kesukesan ataupun kelangsungan hidup perusahaan.

Gambar 2.2 Keuntungan dari BI

16

2.1.11 Siklus Hidup BI

Menurut Vercellis (2009,p12), ada 4 siklus hidup BI

Gambar 2.3 Siklus Hidup BI

1. Analysis

Saat fase analisis, sangat penting untuk mengenali masalah luar maupun dalam.

Pengambil keputusan harus membuat representasi dari kejadian yang sedang

dianalisis, dengan mengidentifikasi faktor penting yang paling relevan dengan

masalah.

2. Insight

Fase kedua membuat pengambil keputusan mengerti lebih dalam mengenai

masalah, biasanya dalam tingkatan kausal. Sebagai contoh, jika analisis dalam

fase pertama menunjukkan bahwa banyak pelanggan yang tidak lagi

melanjutkan asuransi mereka, dalam fase kedua sangat penting untuk

mengidentifikasi profil dan karakteristik yang dimiliki oleh pelanggan.

Informasi yang didapat dari fase pertama ditransformasikan ke dalam fase

kedua.

3. Decision

17

Saat fase ketiga, pengetahuan yang didapat dari fase kedua diubah menjadi

suatu keputusan yang akan diikuti dengan aksi. Metodologi BI memungkinkan

fase analisis dan pendalaman dieksekusi berkali-kali agar keputusan yang

efektif dan tepat waktu dalam dibuat untuk memenuhi prioritas strategis suatu

perusahaan

4. Evaluation

Fase terakhir dari BI meliputi pengukuran kinerja dan evaluasi. Dengan

menunjukkan indikator kinerja yang dapat digunakan untuk mengevaluasi

kinerja dari perusahaan.

2.1.12 Komponen BI

Menurut Ranjan (2005, p2), komponen BI adalah sebagai berikut

1. OLAP

Merujuk pada bagaimana pengguna bisnis dapat menelusuri data

menggunakan alat canggih yang memungkan navigasi dimensi seperti

waktu atau hierarki. OLAP menyediakan ringkasan bisnis multidimensional

dan digunakan untuk pembuatan laporan, analisa, modeling dan planning

untuk optimalisasi bisnis.

Teknik dan tools OLAP dapat digunakan untuk bekerja dengan data

warehouse atau data mart yang dirancang untuk system enterprise

intelligence yang baik. Sistem process queries ini dibutuhkan untuk

menemukan tren dan menganalisa faktor penting. Software pelaporan

menghasilkan aggregated view dari data untuk menjaga manajemen selalu

diberi tahu tentang keadaan bisnis mereka.

18

BI tools lainnya digunakan untuk menyimpan dan menganalisa data

seperti data mining dan data warehouse, decision support system,

forecasting, document warehouse, document management, knowledge

management, mapping, information visualization, dashboarding,

management information system, geographic information system, analisis

tren.

2. ADVANCED ANALYTICS

Merujuk sebagai data mining, forecasting atau analisa prediktif,

mengambil keuntungan pada teknik analisa statistika untuk

memprediksikan dan menyediakan kepastian ukuran pada fakta

3. CORPORATE PERFORMANCE MANAGEMENT (Portals, Scorecards,

Dashboards)

Kategori umum ini biasanya menyediakan tempat untuk beberapa

bagian untuk memasang agregasi untuk penyampaian. Misalnya sebuah

scorecard yang seimbang yang memperlihatkan portlets untuk metrik

finansial dengan organizational learning dan metrik pertumbuhan

4. REAL TIME OF BI

Memungkinkan distribusi metrik melalui email, messaging system dan

atau tampilan yang interaktif

5. DATAWAREHOUSE DAN DATA MART

19

Datawarehouse adalah komponen yang signifikan dalam BI.

Berorientasi subjek dan terintegrasi. Datawarehouse mendukung

perambatan fisik dari data dengan menangani banyak catatan perusahaan

untuk integrasi, pembersihan, agregasi dan query task.

Datawarehouse juga dapat brisi data operasional yang dapat

didefunusikan sebagai sebuah kumpulan data terintegrasi yang dapat

diupdate yang digunakan untuk pengambilan keputusan taktis yang luas

untuk perusahaan pada area subjek tertentu.

Juga terdiri dari data yang langsung, bukan snapshot, dan tetap

memiliki history yang minimal. Sumber data dapat menjadi operasional

database, database historical, external data sebagai contoh daridari

perusahaan riset atau riset dari internet atau informasi yang sudah ada pada

lingkungan warehouse. Sumber data dapat berupa relational databsae atau

struktur data lainnya yang mendukung garis aplikasi bisnis.

Datawarehouse juga dapat tinggal pada banyak platform lainnya dan

dapat berisi informasi terstruktur seperti table atau spreadsheet atau

informasi tidak terstruktur seperti file teks, gambar atau informasi

multimedia lainnya.

20

Gambar 2.4 Pengertian Mendasar BI

Tools BI diterima secara luas sebagai middleware antara aplikasi transaksi dan

aplikasi pendukung keputusan, demikian memisahkan sistem yang disambung pada

penanganan efisien dari transaksi bisnis dari sistem yang berhubungan pada

dukungan efisien dari keputusan bisnis. Kemampuan BI termasuk pendukung

keputusan, OLAP, analisa statistikal, forecasting dan data mining. Hal tersebut

adalah komponen utama yang mengkonstitusikan BI.

2.1.13 Keuntungan Dalam Menggunakan BI

Menurut Ranjan (2005,p5) keuntungan dalam mengunakan BI dipaparkan

sebagai berikut:

• Dengan tools BI yang superior, sekarang karyawan dapat dengan mudah

mengubah knowledge bisnisnya lewat analytical intelligence untuk

menyelesaikan masalah bisnis, seperti peningkatan rate respon dari surat

langsung, telepon, e-mail dan kampanye pemasaran melalui internet

21

• Dengan BI, perusahaan dapat mengidentifikasi customer yang paling

menguntungkan dan alasan yang mendasar untuk kesetiaan pelanggan

sebagai identitas masa depan pelanggan dengan perbandingan jika bukan

potensial yang lebih

• Analisa click-stream data untuk meningkatkan strategi e-commerce

• Dengan cepat mendeteksi masalah warranty-reported untuk

meminimalisasikan dampak dari defisiensi produk

• Menemukan aktivitas pencucian uang oleh kriminal

• Analisa potensial pertumbuhan profitability pelanggan dan mengurangi

resiko dari paparan melalui financial credit scoring yang akurat dari para

customer

• Menentukan kombinasi dari produk dan barisan jasa pelanggan yang

biasanya dibeli

• Menganalisa clinical trial untuk experimental drug

• Menentukan tingkat keuntungan lebih untuk premium asuransi

• Mengurangi equipment downtime dengan mengaplikasikan maintenance

prediktif

• Menentukan pengurangan dan mengocok analisis mengapa pelanggan

meninggalkan untuk kompetitor dan atau menjadi pelanggan

• Mendeteksi dan menghalangi perilaku yang curang, seperi pencurian saat

kartu kredit atau telpon dicuri

• Identifikasi drug compound baru yang menjanjikan

22

2.1.14 Teknologi BI

Agar sistem BI bekerja secara efektif, ada beberapa batasan teknik yang

diperlukan. Ranjan (2005,p6) memaparkan keperluan teknik BI harus dapat melihat

masalah berikut :

• Security dan akses user yang spesifik ke dalam warehouse

• Volume data (kapasitas)

• Berapa lama data akan disimpan

• Benchmark dan kinerja

Manusia yang bekerja dalam BI telah mengembangkan tools yang

mempermudah pekerjaan, khususya saat intelligence task melibatkan pengumpulan

data dan menganalisa data tidak terstruktur dalam skala besar. Setiap vendor

biasanya mendefinisikan BI dengan cara mereka sendiri, dan market tools untuk

melakukan BI dengan cara mereka sendiri. BI terdiri dari tools dalam beberapa

kategori seperti berikut :

• AQL - Associative Query Logic

• Scorecarding

• Business performance management dan performance measurement

• Business Planning

• Business Process Re-engineering

• Competitive Analysis

• Customer Relationship Management (CRM) dan marketing

• Data mining, data farming dan datawarehouse

• DSS dan forecasting

23

• Document warehouse dan document management

• Enterprise Management System

• Executive Information System

• Finance and Budgeting

• Human Resources

• Knowledge Management

• Mapping, Information visualization and Dashboarding

• Management Informations System

• Geographic Information System

• OLAP dan multidimensional analysis

• Real time business intelligence

• Statistic and Technical Data Analysis

• Supply Chain Management / Demand Chain Management

• Systems Intelligence

• Trend Analysis

• User/end-user Query and Reporting

• Web Personalization and Web Mining

• Text mining

BI kadang menggunakan Key Performance Indicator (KPI) untuk menilai

keadaan bisnis terkini dan untuk menentukan laju tindakan. Sebagai contoh, untuk

bisnis yang memiliki resiko kredit / operasional, bank multinasional untuk membuat

data KPI tersedia setiap minggu dan kadang menyediakan analisa dalam angka. Ini

24

berarti data menjadi tersedia dalam 24 jam dimana dibutuhkan automasi dan

menggunaan sistem IT.

2.1.15 Desain dan Implementasi BI

Menurut Ranjan (2005,p7) saat mengimplementasi program BI, kita mungkin

akan mengajukan pertanyaan dan mengambil beberapa keputusan misalnya :

• Goal Alignment queries

Langkah pertama menentukan tujuan jangka pendek dan sedang dari program

tersebut. Tujuan strategis apa yang dibuat program ? Visi/misi organisasi yang

manakah yang berhubungan ? Sebuah hipotesis harus dibuat secara detail

bagaimana inisiatif tersebut dapat meningkatkan hasil.

• Baseline queries

Pengumpulan informasi terbaru yang kompeten yang membutuhkan penilaian.

Apakah perusahaan memiliki kapabilitas untuk memonitor informasi penting ?

Data apa yang dikumpulkan perusahaan dan dimana menyimpannya ? Parameter

statistik apa yang tersedia dan bagaimana perusahaan mengukurnya ?

• Cost and risk queries

Konsekuensi finansial dari BI harus diperkirakan. Sangat perlu untuk menilai

cost dari operasi yang ada dan penambahan cost dengan adanya BI. Resiko apa

yang diterima jika BI gagal ? Penilaian resiko harus diubah menjadi finansial

metrik dan termasuk dalam perencanaan.

• Customer dan Stakeholder queries

25

Menentukan siapa yang mendapat keuntungan dari BI dan siapa yang akan

membayar. Siapa yang memiliki stake (pancang) pada prosedur saat ini ? Customer

dan stakeholder macam apa yang secara langsung memperoleh keuntungan dari BI

? Siapa yang mendapat keuntungan secara tidak langsung ? Apa saja keuntungan

kualitatif dan kuantitafinya ? Apakah BI merupakan cara terbaik untuk

meningkatkan kepuasan pelanggan atau ada cara lain kah ? Bagaimana keuntungan

customer dapat dimonitor ? Bagaimana dengan karyawan, stakeholder, dan

anggota channel distribusi ?

• Metrics-related queries

Kebutuhan informasi ini harus dapat dioperasikan menjadi metrik yang jelas.

Harus diputuskan metrik apa yang digunakan untuk setiap informasi yang

dikumpulkan. Apakah ini metrik yang terbaik ? Bagaimana kita bisa mengetahui ?

Bagaimana metrik dapat dipantau ? Bagaimana jika dalam jumlah besar ? Apakah

metrik distandarisasi, jadi dapat dilakukan benchmark terhadap performa dalam

perusahaan ? Apa saja metrik standar dalam industri ?

• Measurement methodology-related queries

Harus ditentukan metodologi atau prosedur untuk menentukan jalan terbaik

(atau dapat diterima) untuk mengukur metrik yang dibutuhkan. Metode apa yang

digunakan dan seberapa sering perusahaan akan mengumpulkan data ? Apakah ada

industri standar untuk hal ini ? Apakah ini cara terbaik untuk membuat pengukuran

? Bagaimana kita dapat mengetahuinya ?

• Result-related queries

26

Seseorang harus dapat memonitor program BI untuk menjamin bahwa tujuan

telah dicapai. Pengaturan program harus di tes untuk akurasi, kehandalan dan

validitas. Bagaimana seseorang dapat menunjukkan BI berkontribusi pada

perubahan dalam hasil ? Seberapa banyak perubahan yang mungkin random ?

2.1.16 Pengertian Data Mining

Menurut Vercellis (2009, p77) Data Mining adalah aktivitas yang

menggambarkan sebuah proses analisis yang terjadi secara iteratif pada database

yang besar, dengan tujuan mengekstrak informasi dan knowledge yang akurat dan

berpotensial berguna untuk knowledge workers yang berhubungan dengan

pengambilan keputusan dan pemecahan masalah.

Aktivitas data mining dapat dipisahkan menjadi 2, berdasarkan tujuan dari

analisis yaitu

• Interpretasi

Tujuan dari interpretasi adalah untuk mengetahui pola dari data dan

menghasilkannya dalam bentuk aturan dan kriteria yang dapat dimengerti

eksekutif. Contohnya, perusahaan retail memiliki keuntungan untuk

mengelompokkan pelanggannya dalam suatu cluster, sehingga data dilihat

suatu pola yang dapat digunakan untuk menemukan suatu pasar baru di

masa depan

• Prediksi

Tujuan dari prediksi adalah untuk mengestimasikan kejadian-kejadian

yang terjadi di masa depan. Contohnya, perusahaan retail dapat

27

menggunakan data mining untuk memprediksikan penjualan dari produk

mereka di masa depan dengan menggunakan data-data yang telah

didapatkan dari beberapa minggu.

2.1.17 Pengertian OLAP

Online Analytical Processing, atau disingkat OLAP adalah sebuah pendekatan

secara cepat menyediakan jawaban-jawaban terhadap kueri analitik yang

multidimensi di dalam alam. OLAP adalah bagian dari kategori yang lebih global

dari pemikiran bisnis, yang juga merangkum hubungan antara pelaporan dan

penggalian data. Aplikasi khusus dari OLAP adalah pelaporan bisnis untuk

penjualan, pemasaran, manajemen pelaporan, manajemen proses bisnis (MPB),

penganggaran dan peramalan, laporan keuangan dan bidang-bidang yang serupa.

Hal ini dijelaskan oleh Inmon (2005, p408), OLAP adalah seperangkap prinsip

yang menyediakan kerangka dimensi untuk pengambilan keputusan. OLAP juga

digunakan untuk mendefinisikan konfederasi dari vendor yang menawarkan produk

basis data nonrelational dan multidimensional yang ditujukan untuk pendukung

pengambilan keputusan, kontras dengan OLTP.

Menurut Vercellis (2009, p49) terdapat perbedaan antara OLTP dengan OLAP

Tabel 2.1 Perbedaan OLTP dengan OLAP

Karakteristik OLTP OLAP Volatilitas Data dinamis Data statis Waktu Data saat ini Data saat ini dan historis Dimensi waktu Implisit dan terkini Eksplisit dan varian Granularity Data yang detil Data aggregasi dan

konsolidasi Update Berlanjut dan tidak regular Periodik dan regular

28

Aktivitas Berulang kali Tidak dapat diprediksi Fleksibilitas Rendah Tinggi Kinerja Tinggi, 1 detik per query Rendah untuk query

yang kompleks User Karyawan Knowledge workers Fungsi Operasional Analisis Tujuan penggunaan Transaksi Query kompleks dan

pendukung keputusan Prioritas Kinerja tinggi Fleksibilitas tinggi Metrik Rata-rata transaksi Respons efektif Ukuran data Megabyte hingga gigabyte Gigabyte hingga terabyte

2.1.18 Perbedaan OLAP, Statistik, dan Data Mining

Data mining sangat berbeda dengan statistika klasik dan analisis OLAP,

perbedaan tersebut akan disajikan dalam Tabel 2.1 dengan contoh.

Tabel 2.2 Perbedaan OLAP, Statistik, dan Data Mining

Keterangan OLAP Statistik Data Mining Definisi Ekstraksi dari detil

dan total aggregat dari data

Verifikasi dari hipotesis yang telah dilakukan oleh analis

Identifikasi dari pola dan kejadian berulang pada data

Hasil Informasi Validasi Knowledge Implementasi Distribusi

pendapatan dari penjualan produk

Analisis variasi dari penjualan produk

Karakterisasi dari penjualan produk dan prediksi penjualan di masa depan

2.1.19 Pengertian ETL (Extract, Transform, Load)

Menurut Vercellis (2009, p53), ETL merujuk pada software yang digunakan

untuk melakukan tiga fungsi berikut yaitu pengambilan (extraction), perubahan

(transformation), dan pemuatan (loading) data ke dalam datawarehouse. Sedangkan

29

menurut Kimball dan Ross (2002, p401), ETL adalah kumpulan dari proses di mana

sumber data operasional dipersiapkan untuk dimasukkan ke dalam datawarehouse.

ETL merupakan proses utama dari proses latar belakang (backroom process)

staging area dari datawarehouse, sebelum data dipresentasikan atau di-query. Di

mana proses ini terdiri dari proses ekstraksi (extracting) data operasional dari sumber

aplikasi, mengubah bentuknya (transform), memuat (loading) dan membuat indeks

dari data, menjamin kualitas data, dan menerbitkan data tersebut.

2.1.20 Pengertian Data Mart

Menurut Kimball (2002,p396), Data mart adalah bagian dari logikal dan fisikal

dari area cakupan yang dimiliki oleh datawarehouse. Sedangkan menurut Connoly

(2002, p1067), Data mart adalah suatu subset dari datawarehouse yang mendukung

persyaratan atau ketentuan sebuah departemen dari sebuah organisasi atau

perusahaan.

Sebuah data mart seperti yang dideskripsikan oleh Inmon (2005) adalah

kumpulan area subjek yang tersusun untuk pengambilan keputusan berdasarkan

kebutuhan dari setiap depertemen. Bagian keuangan memiliki data mart sendiri,

begitu juga dengan marketing dan sales. Data mart untuk marketing terlihat tidak

meyerupai data mart lainnya.

Mungkin yang paling penting setiap depertemen memiliki hardware, software,

data dan program masing-masing untuk mengkonstitusikan data mart. Setiap

departemen memiliki interpretasi sendiri tentang apa itu data mart dan bagaimana

data mart seharusnya dimana data mart harus khusus dan spesifik untuk kebutuhan

masing-masing. Mirip dengan datawarehouse, data mart berisi data operasional

30

yang membantu expert bisnis untuk mengambil strategi berdasarkan analisa dari

trend dan analisa masa lalu.

Kunci perbedaan adalah pembuatan data mart ditautkan pada kebutuhan

standar dan konfigurasi data yang spesifik. Dapat terdiri dari banyak data mart

dalam sebuah perusahaan. Sebuah data mart dapat mendukung beberapa fungsi

bisnis, proses bisnis dan unit bisnis.

2.1.21 Pengertian Skema Bintang/Star Schema

Menurut Connoly (2002, p1079), Star schema adalah sebuah struktur logika

yang mempunyai tabel fakta yang terdiri dari data faktuan di tengah, dikelilingi tabel

dimensi yang terdiri dari referensi data. Star schema mengambil karakteristik dari

data faktual yang dihasilkan oleh kejadian yang terjadi di masa lampau. Sedangkan

menurut Inmon (2005,p128), skema bintang adalah struktur desain yang dibutuhkan

untuk mengatur data dengan cara denormalisasi dalam jumlah yang besar ke dalam

sebuah entity dalam sebuah data mart untuk mengoptimalkan akses data.

31

Gambar 2.5 Contoh Star Schema

(sumber:

http://4.bp.blogspot.com/_9rNebBXDgwA/TBvFvpWYk6I/AAAAAAA

AAso/XtJ6jeBX6ec/s320/global_star.gif)

2.1.22 Pengertian Interface

Menurut Mathiassen (2000,p151), Interface adalah fasilitas yang

menghubungkan model sistem dan function untuk actors. Hasil interface adalah user

interface dan system interface. User interface menurut Mathiassen (2000,p152)

adalah sebuah tampilan yang ditujukan bagi user. Sedangkan system interface adalah

sebuat tampilan yang ditujukan bagi sistem lain.

User interface terdiri atas:

• Window diagrams, tampilan satu form interface

32

• Navigation diagrams, tampilan yang menyediakan tampilan elemen user interface

dan transisi atau perpindahan di antaranya. Navigation diagrams mengarahkan

user pada window diagrams yang ada, beserta tombol yang tersedia pada setiap

window diagrams.

2.1.23 Microsoft Time Series

Menurut Brian Larson (p492, 2009) algoritma Microsoft Time Series

digunakan untuk menganalisis dan memprediksi waktu data yang bergantung pada

waktu. Microsoft Time Series merupakan kombinasi dari dua algoritma, yaitu

algotima ARTxp yang dikembangkan oleh Microsoft and the algoritma berstandar

industri ARIMA, yang juga dikembangkan Box dan Jenkins.

Algoritma Microsoft Time Series menggunakan Decision Tree Viewer, yang

dapat kita lihat melalui algoritma lain. Setiap node di dalam metode decision tree

mengandung rumus regresi yang digunakan untuk memperidiksi nilai yang

berkelanjutan. Microsoft Time Series juga menggunakan Chart Viewer untuk

menilai nilai dari prediksi

Gambar 2.6 Penggunaan Microsoft Time Series

33

2.1.24 Tingkat Manajemen

Gambar 2.7 Tingkat Manajemen

(sumber McLeod dan Schell, 2005, p7)

Manajemen pada puncak hirarki organisasi seperti direktur dan para wakil

direktur, sering disebut berada pada tingkat perencanaan strategis (strategic planning

level). Istilah ini menunjukan pengaruh yang di timbulkan keputusan-keputusan

tersebut pada seluruh organisasi selama beberapa tahun mendatang.

Manajer tingkat menengah meliputi manajer wilayah, direktur produk dan

kepala divisi. Tingkat mereka dinamakan tingkat pengendalian manajemen

(manajemen control level) dan mereka yang menyadari bahwa adalah tanggung

jawab mereka mengubah rencana menjadi tindakan yang memastikan agar tujuan

tercapai.

34

Manajer tingkat bawah mencakup kepala departemen, supervisor dan

pemimpin proyek, yang bertanggung jawab untuk menyelesaikan rencana-rencana

yang telah ditetapkan oleh para manajer di tingkat yang lebih tinggi. Tingkatan

terendah ini juga sering disebut tingkat pengendalian operasional (operational

control panel), karena di sinilah operasional perusahaan berlangsung.

2.2 Teori-Teori Khusus

2.2.1 Pengertian Penjualan dan Sistem Penjualan

Sistem penjualan adalah sebuah sistem yang mendukung kegiatan penjualan

sehingga dapat menghasilkan informasi mengenai pennjualan yang bermanfaat bagi

perusahaan untuk mengambil keputusan. Hal ini dijelaskan oleh Mulyadi

(2001,p202), kegiatan penjualan yang terdiri dari penjualan barang dan jasa, baik

secara tunai maupun kredit. Pada transaksi penjualan kredit, orger dari pelanggan

yang telah dipenuhi dengan permintaan barang atau penyerahan jasa, untuk waktu

tertentu perusahaan memiliki piutang kepada pelanggannya. Dalam sistem penjualan

secara tunai, barang atau jasa baru diserahkan oleh perusahaan kepada pembeli jika

perusahaan telah menerima kas dari pembeli.

2.2.2 Pengertian Pembelian

Menurut Mulyadi (2001,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

35

dijual kembali, baik dengan atau tanpa proses, dalam proses pembelian yang ada,

agar kegiatan pembelian dapat dilakukan dengan benar.

Berikut adalah fungsi yang terkait dalam sistem pembelian :

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.

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.

2.2.3 Pengertian Account Receivable

Account Receiveable (A/R) adalah salah satu jenis transaksi akuntansi yang

mengurusi penagihan konsumen yang berhutang pada seseorang, suatu perusahaan,

atau suatu organisasi untuk barang dan layanan yang telah diberikan pada konsumen

tersebut. Menurut Reeve et al (2008, p394), A/R adalah suatu transaksi yang

biasanya diharapkan untuk segera dibayar dalam jangka waktu yang relatif pendek

seperti 30 atau 60 hari.

2.2.4 Pengertian Invoice

Invoice atau yang biasa disebut faktur adalah sebuah perincian pengiriman

barang yang mencatat daftar barang, harga, dan hal-hal lain yang biasanya terkait

36

dengan pembayaran. Setiap perusahaan mempunyai faktur yang berbeda, sesuai

kebutuhan masing-masing

Menurut Reeve et al (2008, p260), Invoice digunakan saat pembayaran

disetujui pembeli dan penjual. Di dalam invoice biasanya terdapat suatu kondisi yang

menyatakan bahwa pembayaran harus dilakukan dalam waktu yang telah ditentukan

misalnya 30 hari. Kondisi ini biasanya ditulis sebagai n/30.