6

BAB II LANDASAN TEORI

2.1. Teori Enterprise Architecture

EA adalah cara untuk membuat tampilan abstrak dari sebuah organisasi yang

membantu dalam membuat perencanaan dan keputusan yang lebih baik. Lingkup EA

melebihi dari sekedar perencanaan teknologi, dengan menambahkan perencanaan

strategis sebagai pendorong utama bagi organisasi dan perencanaan bisnis sebagai

sumber dari sebagian besar program dan kebutuhan sumber daya (EA = Strategy +

Business + Technology) (Bernard, 2005).

2.1.1. Dokumentasi Enterprise Architecture

Dokumentasi EA dapat dipenuhi dengan mengikuti enam elemen standar:

• EA documentation framework

• Implementasi metodologi

• Tampilan arsitektur yang berjalan

• Tampilan arsitektur di masa depan

• Pengembangan rencana EA management

• Threads (beberapa area yang umum untuk semua tingkat pada framework)

7

Gambar II-1: Framework Dokumentasi EA

(Sumber: Bernard, 2005)

2.1.2. Komponen dan Artifak pada Enterprise Architecture

Komponen EA adalah sumberdaya tergantikan yang menyediakan kapabilitas

pada tiap tingkat dari framework. Contohnya adalah tujuan dan inisiatif strategis, jasa

bisnis, arus informasi, sistem informasi, web services, dan aplikasi perangkat lunak.

Artifak EA adalah produk dokumentasi dari komponen EA. Artifak EA dapat berupa

dokumen teks, diagram, spreadsheet, dan lain-lain (Bernard, 2005).

8

EA Cube Level/Thread 

Artifact ID # 

Artifact Name 

Strategic Goals & 

initiatives   (I) 

S‐1  Strategic Plan S‐2  Swot Analysis S‐3  Concept of Operations Scenario S‐4  Concept of Operations Diagram S‐5  Balanced Scorecard 

Business Products & Services        

(B) 

B‐1  Business Plan B‐2  Node Connectivity Diagram B‐3  Business Process/ Service Model B‐4  Business Process/ Product Matrix B‐5  Use Case Narative & Diagram B‐6  Investment Business Case 

Data & information    

(D) 

D‐1  Knowledge Management Plan D‐2  Information Exchange Matrix D‐3  Object State‐Transition Diagram D‐4   Object Event Sequence Diagram  D‐5  Logical Data Model  D‐6  Physical Data Model  D‐7  Activity/Entity (CRUD) Matrix  D‐8  Data Dictionary / Object Library 

Systems & Applications   

(SA) 

 SA‐1  System Interface Diagram  SA‐2  System Communication Description  SA‐3  System Infterface Matrix  SA‐4  System Data Flow Diagram  SA‐5  System/Operation Matrix  SA‐6  System Data Exchange Matrix  SA‐7  System Performance Matrix  SA‐8  System Evolution Diagram  SA‐9  Web Application Diagram 

Networks & Infrastructure  

(NI) 

 NI‐1  Network Connectivity Diagram  NI‐2  Network Inventory  NI‐3  Capital Equipment Inventory   NI‐4  Building Blueprints   NI‐5  Network Center Diagram   NI‐6  Cable Plant Diagram   NI‐7  Rack Elevation Diagram 

Tabel II-1: Daftar Artifak EA 1

9

EA Cube Level/Thread 

Artifact ID # 

Artifact Name 

Security      (SP)   SP‐1 

Security and Privacy Plan 

 SP‐2 Security Solution Description 

 SP‐3 System Accreditation Document 

 SP‐4 Continuity Of Operation Plan 

 SP‐5 Disaster Recovery Procedures 

Standards   (ST)   ST‐1 

Technical Standards Profile 

 ST‐2 Technology Forecast 

Workforce    (W)   W‐1 

Workforce Plan 

 W‐2 Organizational Chart 

 W‐3 Knowledge and Skills Profile 

Tabel II-2: Daftar Artifak EA 2

10

2.1.2.1. S-1: Perencanaan Strategis

Menurut Bernard (Bernard, 2005), perencanaan strategis adalah kebijaksanaan

tingkat tinggi dan dokumen perencanaan yang digunakan perusahaan untuk

mendokumentasikan arah tujuanya.

Isi dari artifak perencanaan strategis adalah:

• Visi dan misi

• Ringkasan analisis SWOT

• Mengembangkan diagram CONOPS

• Mengembangkan strategi kompetitif umum

• Pernyataan pengarahaan strategis

• Mengidentfikasikan tujuan strategis

• Mengidentifikasikan inisiatif strategis

2.1.2.2. S-2: Analisis SWOT

Analisis SWOT melihat keseluruhan dari organisasi dengan mengidentifikasi faktor internal dan eksternal:

Faktor internal

• Kekuatan

• Kelemahan

11

Faktor eksternal

• Ancaman

• Kesempatan

2.1.2.3. B-6: Use Case Diagram

Diagram Use Case dibuat mengikuti format pada Unified Modeling

Languange (UML) untuk mengidentifikasi kebutuhan bisinis, konteks, stakeholders

(actors), dan aturan bisnis untuk interaksi mereka dengan sistem, jasa, dan aplikasi

yang diidentifikasikan sebagai solusi teknologi yang membutuhkan pengembangan

(Bernard, 2005).

Asosiasi dalam use case diagram mengindikasikan aktor-aktor mana yang

menginisiasikan use case tertentu. Aktor adalah entitas yang berhubungan dengan

sistem. Aktor bisa beruma orang atau sistem lain. Use case merepresentasikan

kegiatan sistem yang dilakukan berdasarkan keinginan aktor (Booch, Maksimchuk,

Engle, Young, Conallen, & Houston, 2007).

12

Gambar II-2: Diagram Use Case

(Sumber: Booch, Maksimchuk, Engle, Young, Conallen, & Houston, 2007)

2.1.2.4. D-5: Model data logikal

Model data logikal menggambarkan struktur basis data pada sebuah

organisasi. Data model semantic dapat di kembangkan menggunakan metode

tradisional terstruktur dan simbologis (Entity Relationship Diagram), atau dapat juga

dengan menggunakan UML, yang menghasilkan Class Diagram (Bernard, 2005).

13

2.2. Teori Evaluasi

Menurut Cronholm dan Goldkuhl (Cronholm & Goldkuhl, 2003), tipe-tipe

evaluasi dapat digolognkan menjadi 6 jenis. Tipe-tipe tersebut digolongkan

berdasarkan strategi mengenai bagaimana cara melakukan evaluasi dan apa yang

akan di evaluasi. Strategi mengenai bagaimana cara melakukan evaluasi:

• Goal-free evaluation

Evaluasi ini lebih mengarah kepada pendekatan interpretatif. Tujuanya

adalah untuk memperdalam pengertian mengenai apa yang harus

dievaluasi dan untuk menumbuhkan motivasi dan komitmen.

• Goal-based evaluation

Evaluasi ini dapat didefinisikan sebagai pengukuran sampai sejauh mana

sebuah program telah mencapai tujuan yang spesifik dan jelas.

• Criteria-based evaluation

Contoh dari pendekatan ini adalah penggunaan heuristics dan checklists.

Strategi mengenai apa yang akan dievaluasi dapat dibedakan menjadi:

• IT- Systems as such

Merupakan evaluasi sistem TI tanpa meperdulikan

keterlibatan dari pengguna. Sumber data yang digunakan

adalah sistem IT itu sendiri dan dokumentasi sistem TI.

14

IT-Systems in use

Merupakan evaluasi situasi pada saat pengguna menggunakan sistem TI.

Sumber datanya dapat berupa hasil wawancara mengenai persepsi mereka

tentang sistem TI.

Dari kombinasi 2 jenis strategi tersebut, tipe-tipe evaluasi dapat digolongkan menjadi

6 tipe seperti yang digambarkan pada tabel dibawah ini.

Tabel II-3: Tipe-tipe evaluasi

(Sumber: Cronholm & Goldkuhl, 2003)

2.2.1. Karakteristik Tipe-tipe Evaluasi

Tipe 1 – Goal Free Evaluation of IT-System as Such

Perspektif utama  Pendekatan Open‐minded Pengetahuan apa yang ingin dicapai 

Mendapatkan pemahaman yang lebih luas dari sistem IT, pengetahuan awal yang dapat diperdalam 

Sumber Data  Sistem IT, Deskripsi dari sistem IT Deduktif atau induktif  Induktif 

Siapa yang akan berpartisipasi 

Pengamat pakar 

15

Kapan harus memilih tipe ini 

Apabila pembelajaran awal diinginkan untuk lebih mengenal sistem IT, saat hanya memiliki sedikit sumber, saat tidak ada user yang tersedia 

Tabel II-4: Tipe 1

Tipe 2 – Goal Based Evaluation of IT-System as Such

Perspektif utama  Bergantung pada karakter dari tujuan Pengetahuan apa yang ingin dicapai 

Apakah sistem IT memenuhi tujuan bisnis yang diinginkan? Efek positif dan negative potensial dari sistem IT untuk bisnis. Kontribusi apa yang diharapkan dari sistem IT 

Sumber data  Sistem IT, deskripsi tujuan, spesifikasi kebutuhan, deskripsi sistem IT 

Deduktif atau induktif  Deduktif 

Siapa yang akan berpartisipasi 

Pengamat pakar 

Kapan harus memilih tipe ini 

Saat evaluasi yang jelas dan terfokus diinginkan, saat terdapat sedikit sumber, pada saat tidak ada pengguna yang tersedia 

Tabel II-5: Tipe 2

Tipe 3 – Criteria Based Evaluation of IT-System as Such

Perspektif utama  Bergantung pada karakter dari kriteria Pengetahuan apa yang ingin dicapai 

Kualitas dari sistem IT menurut sudut pandang yang sesuai dengan kriteria 

Sumber data  Sistem IT, deskripsi dari kriteria, deskripsi sistem IT Deduktif atau induktif  Deduktif 

Siapa yang akan berpartisipasi 

Pengamat pakar 

Kapan harus memilih tipe ini 

Saat evaluasi yang terfokus diinginkan, saat terdapat sedikit sumber, pada saat tidak ada pengguna yang tersedia 

Tabel II-6: Tipe 3

Tipe 4 – Goal Free Evaluation of IT-System in Use

Perspektif utama  Pendekatan open‐minded Pengetahuan apa yang ingin dicapai 

Untuk mendapatkan pemahaman atas sistem IT yang lebih dalam dan luas, peran sistem IT pada bisnis, social, dan efek organisasional 

Sumber data  Sistem IT, Observasi dari interaksi, persepsi pengguna pada sistem IT, pengetahuan awal pengguna 

16

Deduktif atau induktif  Induktif 

Siapa yang berpartisipasi  Pengamat pakar, Pengguna 

Kapan harus memilih   Pada saat evaluasi menyeluruh diinginkan Tabel II-7: Tipe 4

Tipe 5 – Goal Based Evaluation of IT-System in Use

Perspektif utama  Bergantung pada karakter dari tujuan Pengetahuan apa yang ingin dicapai 

Apakah sistem IT memenuhi tujuan bisnis yang diinginkan? Efek positif dan negative potensial dari sistem IT untuk bisnis. Kontribusi apa yang telah dicapai oleh sistem IT 

Sumber data  Sistem IT, deskripsi tujuan, spesifikasi kebutuhan, deskripsi sistem IT, Observasi dari interaksi, persepsi pengguna pada sistem IT, pengetahuan awal pengguna 

Deduktif atau induktif  Deduktif 

Siapa yang akan berpartisipasi 

Pengamat pakar, Pengguna 

Kapan harus memilih tipe ini 

Pada saat evaluasi menyeluruh diinginkan, saat memiliki banyak sumber  

Tabel II-8: Tipe 5

Tipe 6 – Criteria Based Evaluation of IT-System in Use

Perspektif utama  Bergantung pada karakter dari kriteria Pengetahuan apa yang ingin dicapai 

Untuk mendapatkan pemahaman atas sistem IT yang lebih dalam dan luas, persepsi pengguna atas sistem IT 

Sumber data  Sistem IT, deskripsi dari kriteria, deskripsi sistem IT, Observasi dari interaksi, persepsi pengguna pada sistem IT, pengetahuan awal pengguna 

Deduktif atau induktif  Deduktif 

Siapa yang akan berpartisipasi 

Pengamat pakar, Pengguna 

Kapan harus memilih tipe ini 

Pada saat evaluasi menyeluruh diinginkan, saat memiliki banyak sumber  

Tabel II-9: Tipe 6

17

2.2.2. Laporan Findings and Recommendations

Laporan findings and recommendations mencakup ulasan yang akan dianggap

"konsultasi" atau jasa penasehat " Contoh keterlibatan yang termasuk dalam kategori

ini termasuk implementasi system, implementasi ERP, tinjauan keamanan, review

aplikasi basis data, infrastruktur TI dan perbaikan yang diperlukan, dan manajemen

proyek. IT auditor dapat memberikan keahlian teknis yang diperlukan dalam batas

tertentu (Hunton, Bryant, & Nancy, 2004).

2.3. Dasar Business Intelligence

Data yang dihasilkan oleh peristiwa bisnis bersifat mentah dan tanpa konteks,

seperti data pelanggan, produk dan transaksi. Informasi adalah data yang sudah

memiliki konteks dan makna contohnya, informasi mengenai pembelian produk yang

dibeli oleh pelanggan tertentu. Intelligence adalah actionable information insight dan

digunakan oleh berbagai pemakai informasi untuk mencapai tujuan bisnis, contohnya

kelompok pelanggan mana yang membeli produk terntentu? Apakah ada

kecenderungan pada pembelian produk tertentu oleh pelanggan-pelanggan tertentu?

Bagaimana kita dapat memakai kencenderungan tersebut untuk meperkirakan apa

yang akan terjadi di masa depan. (Mohanty, 2008).

18

2.3.1. Pengertian Business Intelligence

Business intelligence adalah intelligence berdasarkan informasi bisnis,

kejadian yang telah terjadi dan strategi untuk masa depan. Business intelligence

adalah tentang mendapatkan profitability yang lebih besar dengan menganalisis data

dan angka dalam jumlah yang besar, kualifikasi the assesments, mencari

kecenderungan, dan masalah yang tersembunyi didalamnya, memberdayakan

tindakan untuk menyelesaikan masalah dan menyediakan actionable insight

(Mohanty, 2008).

2.3.2. Arsitektur Business Intelligence

Menurut Carlo Vercellis (Vercellis, 2009), arsitektur business intelligence

memiliki tiga komponen utama, yaitu:

• Sumber data

Pada tahap pertama diperlukan untuk mengumpulkan data dari berbagai

macam sumber utama dan tambahan yang berbeda-beda.

• Data warehouses dan data marts

Menggunakan alat ekstraksi dan transformasi yang biasa disebut ETL.

Data yang berasal dari sumber yang berbeda-beda dapat disimpan pada

basis data yang digunakan untuk mendukung analisis business

intelligence.

19

• Metodologi business intelligence

Data akhirnya dapat digunakan untuk menerapkan model matematika

dan metodologi analisis.

Gambar II-3: Arsitektur Business Intelligence

(Sumber: Vercellis, 2009)

20

2.3.3. Business Intelligence Framework

Gambar II-4: Business Intelligence Component Framework

(Sumber: Eckerson, 2003)

2.3.3.1. Data Warehousing Environment

Adalah dimana tim teknikal menghabiskan 60 sampai 80 persen dari waktu

mereka. Tujuanya adalah untuk mengekstrak, membersihkan, memodelkan,

mentransformasikan, mentransfer, dan memasukan data transaksional dari satu atau

lebih sistem operasional kedalam data warehouse. Seperti arkeolog, tim teknikal

perlu untuk menguraikan arti dan validitas dari ribuan elemen-elemen data dan nilai

dalam berbagai sistem operasional. Lalu mereka harus menyatukan semua kembali

kedalam satu kesatuan model dari bisnis (Eckerson, 2003).

21

2.3.3.2. Analytical Environment

Oval bagian kanan pada diagram sebelum menunjuk kepada analytical

environment, yang merupakan domain dari business users, yang menggunakan

analytical tools untuk query, report, analyze, mine, dan visualize dan, yang paling

penting, mengambil tindakan atas data yang ada pada data warehouse. Karena

mayoritas dari business users hanya mau berinteraksi dengan laporan standard, tim

teknikal membuat hal ini sebagai tambahan dan meletakanya pada corporate intranet.

Pemakai dapat melihat laporan sebagai dokumen tetap, menyaring laporan dengan

kriteria yang relevan, atau menavigasi laporan untuk mengubah tampilan atau tingkat

dari detil. Sebagai tambahan, banyak organisasi yang menyediakan laporan

exception-driven, seperti dashboard atau scorecards, yang menunjukan bagaimana

performa dibandingkan dengan rencana (Eckerson, 2003).

22

2.3.4.3. The Analytical Landscape of Business Intelligence

75%REPORT

WHAT HAPPENED?Operational Reports

Web ReportsException Reports

Scorecards

20%ANALYZE

WHY DID IT HAPPEN?Spreadsheet

OLAPPlanningForecast

5%Predict

WHAT WILL HAPPEN?Linear Regression

Affinity AnalysisOptimizationSimulation

75%MONITOR

WHAT JUST HAPPENED?Dashboards

AlertsDecision Engines

Agents

Historical Data (Data Warehouses/Marts Real-Time Data (OS/EAI)

Analytical Sophistication

BUSINESS PERFORMANCE MANAGEMENT

DATA MINING PREDICTIVE MODELING

BUSINESS PROCESS MONITORING

Strategic and Tactical Analysis Operational Analysis

Gambar II-5: The Analytical Landscape of Business Intelligence

(Sumber: Eckerson, 2003)

Ketiga domain pertama (report, analyze, dan predict) digunakan untuk

mengambil keputusan strategis dan taktikal. Keputusan strategis melibatkan analisis

data untuk tujuan jangka panjang (contoh: untuk tahun berikutnya) atau untuk

mengelola kemajuan organisasi dalam memenuhi tujuan strategis dan misi. Balanced

scorecards, perencanaan, dan penganggaran semuanya melibatkan analisis strategis.

Keputusan taktikal, dilain sisi, mengarahkan tindakan yang perlu dilaksanakan

pada waktu dekat (contoh: bulan depan). Keputusan taktikal lebih bersifat process-

driven dibandingkan strategis. Contohnya pembeli retail membuat keputusan taktikan

dimana dia menentukan produk mana yang harus dibeli dan dalam jumlah berapa

untuk toko-toko yang berbeda (Eckerson, 2003).

23

2.4. Dasar Data Warehouse dan Data Mining

Data Warehouse adalah basis data yang menyajikan satu sumber yang

konsisten untuk manajemen informasi agar dapat melakukan pelaporan dan analisis

diseluruh bagian organisasi (Moody & Kortink, 2000).

2.4.1. Arsitektur Data Warehouse

Arsitektur data warehouse terdiri dari beberapa komponen fungsional. Yang

pertama adalah data warehouse itu sendiri bersama dengan data marts yang

menampung data dan berfungsi untuk memungkinkan data untuk dapat diakses. Yang

kedua adalah aplikasi pengambilan data yang biasa disebut dengan ETL yang

memungkinkan data untuk dapat ditarik, ditransformasikan, dan disimpan kedalam

data warehouse. Komponen fungsional terakhir adalah aplikasi business intelligence

dan DSS yang merepresentasikan front-end dan memungkinkan knowledge workers

untuk melakukan analisis dan memvisualisasikan hasilnya (Vercellis,

2009).

24

Gambar II-6: Database Architecture

Sumber: (Vercellis, 2009)

2.4.2. Star Schema

Star Schema merupakan bagian pembangunan yang dasar pada dimensional

modeling. Star Schema terdiri dari table fakta sebagai pusat dan beberapa tabel

dimensi yang berada disekitarnya. Tabel fakta berisikan pengukuran yang dapat

diagregasikan dalam berbagai cara. Tabel dimensi menyediakan basis untuk

melakukan agregasi terhadap pengukuran pada tabel fakta (Moody & Kortink,

2000).

Gambar II-7: Star Schema

(Sumber : Moody & Kortink, 2000)

Menurut Moody dan Kortink (Moody & Kortink, 2000), tabel fakta dibentuk

berdasarkan setiap entitas transaksi yang terdapat pada basis data transaksional. Dan

tabel dimensi dibentuk berdasarkan entitas komponen yang terdapat pada basis data

transaksional.

25

2.4.3. Metadata

Menurut Carlo Vercellis (Vercellis, 2009), metadata merupakan salah satu jenis

struktur informasi dimana terdapat data yang menjelaskan data, yang pada business

intelligence digunakan untuk menjelaskan makna-makna dari data yang tedapat pada

business intelligence.

Dokumentasi yang disediakan metadata terdiri dari:

• Dokumentasi struktur data warehouse (contoh: layout, dimensi, logical view, dll)

• Dokumentasi genealogi data, menjelaskan sumber data dan transformasi data.

• Daftar yang menyimpan statistic penggunaan data warehouse

• Dokumentasi mengenai makna dari data warehouse, dengan menyajikan definisi

dari istilah yang dipakai, dan menjelaskan sifat data.

2.4.4. ETL(Extract,Transform,and Loading)

Menurut Carlo Vercellis (Vercellis, 2009), ETL mengacu pada perangkat

lunak yang dikhususkan untuk memperoleh data dengan tepat dan cepat dengan

otomatis. Tiga fungsi utamanya adalah ekstraksi, transformasi dan pemuatan data

kedalam data warehouse.

Extract

26

Dimana di tahap awal ini, data dikumpulkan dari sumber internal dan eksternal yang

tesedia. Kemudian dilakukan proses pemisahan data dapat dibuat antara ekstraksi

awal, dimana data dapat tersedia relatif ditentukan berdasarkan keseluruhan periode,

dan pengupdatean data warehouse berikutnya dengan menggunakan data baru yang

tersedia dari waktu ke waktu. Pemilihan data yang akan diimpor didasarkan pada

desain data warehouse, yang pada gilirannya tergantung operasional dalam suatu

domain aplikasi tertentu.

Transform

Tujuan dari pembersihan dan tahap transformasi adalah untuk meningkatkan kualitas

data yang dikumpulkan dari berbagi sumber, melalui koreksi inkonsistensi,

ketidakakuratan, dan nilai-nilai yang hilang.

Loading

Akhirnya, setelah di ekstraksi dan diubah, data dimuat ke dalam table data warehouse

untuk membuat data tersedia bagi analis dan aplikasi pendukung keputusan.

2.4.5. Pengertian Data Mining

Data mining merupakan kegiatan mengekstrak informasi prediktif yang

tersembunyi dari basis data yang besar. Data mining adalah teknologi canggih dengan

potensi yang besar dalam membantu organisasi untuk fokus kepada informasi yang

paling penting pada data warehouse. Alat data mining dapat memperkirakan trend

27

prilaku dimasa depan dan membantu organisasi dalam mengambil keputusan yang

bersifat knowledge-driven (Deshpande & Thakare, 2010).

2.4.6. Model dan Metode untuk Data Mining

Terdapat berbagai macam metode pembelajaran yang tersedia untuk

melakukan tugas-tugas data mining. Beberapa teknik yang berasal dari ilmu

computer, seperti classification trees atau association rules. Beberapa metode lainya

berasal dari statistika multivariasi, seperti regresi atau bayesian classifiers. Masih

banyak tedapat metode-metode lainya, misalnya adalah metode yang baru-baru ini

saja dikembangkan termasuk metode matematika (Vercellis, 2009).

2.4.7. Tugas-tugas Data Mining

Tugas-tugas data mining berberda-beda berdasarkan penggunaan dari informasi

yang dihasilkan data mining, Menurut Deshpande dan Thakare (Deshpande &

Thakare, 2010), tugas-tugas data mining dikelompokan menjadi:

1. Exploratory Data Analysis: hanya melakukan eksplorasi data tanpa tujuan

yang jelas mengenai hal yang dicari. Teknik ini interaktif dan visual

2. Descriptive Modeling: menjelaskan semua data, termasuk kemungkinan

distribusi data secara keseluruhan.

3. Predictive Modeling: model ini memungkinkan untuk menebak nilai suatu

variabel berdasarkan variabel-variabel yang telah diketahui.

28

4. Discovering Patterns and Rules: mendeteksi pola dengan tujuan menemukan

kecurangan dengan mendeteksi daerah-daerah dimana data menunjukan

perbedaan yang signifikan dibandingkan lainya.

5. Retrieval by Content: menemukan pola yang menunjukan kemiripan terhadap

pola yang dicari pada dataset. Biasanya digunakan untuk teks dan gambar.