BAB 2

LANDASAN TEORI

2.1 Teori – Teori Dasar / Umum

2.1.1 Data

Pengertian data menurut James A. O’Brien ( 2009, P 13 )

merupakan kumpulan dari datum, namun data juga mewakili baik

sebagai datum maupun sebagai kumpulan datum, Data adalah

kenyataan dari hasil pengawasan , atau hasil dari kejadian yang ada.

Pengertian data menurut Turban Rainer Porter ( 2005, P 17)

bahwa data merupakan fakta mentah atau deskripsi awal mengenai

barang, kegiatan, dan transaksi yang diperoleh, disimpan, dan

diklasifikasikan, namun tidak diorganisasikan untuk menyampaikan

arti yang spesifik.

Jadi data adalah kumpulan dari kumpulan fakta yang didapat

dari hasil pengawasan, atau kejadiaan yang diperoleh, disimpan, dan

diklasifikasikan, untuk menyampaikan arti yang spesifik.

2.1.2 Informasi

Pengertian informasi menurut James A. O’Brien ( 2009, P

Daftar Kosakata 9 ) data yang ditempatkan sebagai sebuah konteks

yang bermakna dan berguna bagi pengguna akhir .

Pengertian informasi menurut James A.Hall (2007, p605),

Informasi adalah fakta yang menyebabkan penggunanya melakukan

tindakan yang tidak akan dapat dilakukannya, atau tidak

dilakukannya.

5

6

Jadi, informasi adalah fakta yang telah diolah sehingga

bermakna untuk pengguna akhir walaupun mereka tidak

melakukannya.

2.1.3 Sistem Informasi

Pengertian sistem informasi menurut James A. O’Brien

(2009, P 7 ) kombinasi orang, perangkat keras, perangkat lunak,

jaringan komunikasi, dan sumber data yang mengumpulkan,

mengubah, dan menyebarkan informasi didalam sebuah organisasi.

Menurut Turban Rainer Porter (2005, p49), sistem informasi

adalah proses yang menjalankan fungsi mengumpulkan, memproses,

menyimpan, menganalisis, dan menyebarkan informasi untuk tujuan

tertentu.

Jadi, sistem informasi adalah kombinasi dari orang,

perangkat keras, perangkat lunak, jaringan komunikasi, dan sumber

data yang menjalankan fungsi mengumpulkan, memproses,

menyimpan, menganalisis, dan menyebarkan informasi.

2.1.4 Database

Pengertian database menurut James A. O’Brien (2009, P

Daftar Kosakata 4 ) adalah sebuah koleksi logika yang terintergrasi dan

berhubungan dengan data. Sebuah database dapat dikonsolidasikan

sebagai sekian banyak catatan yang disimpan terlebih dahulu di file

yang berbeda.

7

Pengertian database menurut Connolly( 2005, P 15 ) adalah

sebuah koleksi dari logika yang berhubungan dengan data, dan

deskripsi dari data tersebut yang didesain menurut kebutuhan

perusahaan.

Pengertian Mcleod (2007,P 181),database adalah suatu

kumpulan data komputer yang terintegrasi, diorganisasikan, dan

disimpan dengan suatu cara yang memudahkan pengambilan kembali

(retrival).

Jadi, database adalah koleksi logika yang berhubungan

dengan data yang didesain sesuai dengan kebutuhan perusahaan.

2.1.5 DBMS ( Database Management System )

Pengertian DBMS menurut Connolly( 2005, P 16 ) adalah sebuah

sistem software yang memungkinkan pengguna untuk define, create,

maintain, dan control akses kedalam database.

Pengertian DBMS menurut Kimball( 2002 , P 398) adalah sebuah

aplikasi komputer yang bertujuaan untuk menyimpan, mengambil, dan

memodifikasi data menjadi sangat terstruktur. Data dalam DBMS

biasanya terbagi oleh aplikasi.

Jadi, DBMS adalah sebuah aplikasi yang memungkinkan

pengguna untuk melakukan aktifitas menyimpan, mengambil, dan

memodifikasi data yang ada didalam database .

8

2.1.6 OLTP (Online Transaction Processing)

2.1.6.1 Pengertian OLTP (Online Transaction Processing)

Pengertian OLTP menurut Kimball (2002, P 408)

adalah gambaran asli dari segala aktifitas dan asosiasi sistem

dengan memasukan data yang dapat dipercaya ke dalam suatu

database. OLTP menggambarkan kebutuhan sistem dalam ruang

lingkup operasional dan merupakan proses yang mendukung

kegiatan bisnis sehari – hari .

OLTP dirancang untuk memungkinkan terjadinya

pengaksesan secara bersamaan oleh beberapa user atas sumber

data yang sama dan mengatur proses yang diperlukan. Seperti

yang dijelaskan oleh namanya, OLTP memungkinkan transaksi

untuk mengakses database secara langsung. Transaksi yang

dilakukan dapat berupa operasi insert, update, delete. Database

OLTP biasanya bersifat relasional dan yang paling penting

database OLTP dibangun untuk dapat menangani transaksi

dalam jumlah besar dengan tetap menjaga performa agar tetap

optimal.

2.1.6.2 Perbedaan OLTP dan Data Warehouse

Menurut S.Prahbhu.N Venatesan (2007, P 84)

perbedaan OLTP dengan Data Warehouse adalah :

9

Tabel 2.1 Perbedaan OLTP dan Data Warehouse

Sistem Data Warehouse Sistem OLTP

Dirancang untuk analisa bisnis ,

tindakan berdasarkan kategori dan

atribut

Dioptimalkan untuk beban masal dan

besar serta kompleks, permintaan

akses yang tidak terduga

Sarat dengan konsisten data yang

valid tidak memerlukan real time

Mendukung beberapa pengguna

secara bersamaan relatif terhadap

OLTP

Dirancang untuk real time operasi

bisnis

Dioptimalkan untuk seperangkat

transaksi, biasanya menambahkan

atau mengambil satu baris pada

suatu waktu pertabel

Dioptimalkan untuk validasi data

yang masuk selama transaksi

menggunakan validasi tabel

Mendukung ribuan pengguna

secara bersamaan

2.1.6.3 Perbedaan OLTP dan OLAP

Dibawah ini adalah tabel perbandingan OLTP dengan

OLAP ,menurut Connolly dan Begg (2005, P 1153 )

Tabel 2.1 Perbedaan OLTP dan OLAP

Sistem OLTP Sistem OLAP

Mengandung data terkini

Menyimpan data yang rinci

Datanya bersifat dinamis

Mengandung data history

Menyimpan data yang rinci,

singkat, dan sangat teringkas

Datanya bersifat statis

10

Proses berulang-ulang

Jumlah transaksi tinggi

Pola penggunaannya dapat diprediksi

Digunakan untuk transaksi

Berorientasi pada aplikasi

Mendukung keputusan sehari-hari

Digunakan oleh banyak user

operational

Prosesnya tidak terstruktur

Jumlah transaksi sedang dan kecil

Pola penggunaanya tidak dapat

diprediksi

Digunakan untuk analisa

Berorientasi pada subjek

Mendukung keputusan strategis

Digunakan oleh sedikit user

manajerial

Tabel 3.1 Perbandingan OLTP dan OLAP

2.1.7 Data Warehouse

2.1.7.1 Pengertian Data Warehouse

Pengertian Data Warehouse menurut Inmon ( 2005, P

29 ) adalah jantung dari lingkungan architected, dan merupakan

dasar dari semua proses DSS yang bersifat subject oriented,

integrated, nonvolatile, dan time-variant dari koleksi data yang

mendukung pengambilan keputusan .

Pengertian Data Warehouse menurut James A.

O’Brien ( 2009, P 697 ) adalah kumpulan data terpadu dari data

yang diambil dari database operational, history, dan eksternal,

yang dibersihkan, diubah, dan dikategorikan untuk penelusuran

dan analisis (penambangan data), untuk menyediakan

kecerdasan bisnis bagi para pengambil keputusan akhir

11

Jadi, Data Warehouse adalah sistem yang saling

berhubungan yang menjadi akses dari pengguna akhir. Dimana

Data Warehouse memiliki karakteristik subject oriented,

integrated, nonvolatile, dan time-variant

2.1.7.2 Karakteristik Data Warehouse

Karateristik Data Warehouse menurut Inmon ( 2005, P 31 )

Subject oriented adalah sistem operasi klasik disekitar

lingkungan aplikasi perusahaan.

Gambar 2.1 Subject Orientation

Integrated adalah data dari berbagai sumber informasi

diolah dengan cara dikonversi, reformatted , resequenced,

dan summarized .sehingga menjadi satu sumber didalam Data

Warehouse.

12

Gambar 2.2 Integration

Nonvolatile adalah data hanya bisa dimanipulasi

pada fase operasional data ,namun pada Data Warehouse data

tidak dapat dimanipulasi .

Gambar 2.3 Nonvolatility

Time Variance adalah setiap unit dari data didalam

data warehouse memiliki time stamp yang digunakan untuk

menandakan waktu pada data didalam data warehouse.

13

Gambar 2.4 Time Variance

2.1.7.3 Keuntungan Data Warehouse

Berdasarkan Connolly (2005, P 1152),

mengimplementasikan Data Warehouse dapat memberikan

manfaat seperti :

Keuntungan potensi yang besar dalam investasi

Suatu organisasi harus memiliki sumber daya dalam

jumlah besar untuk kesuksesan dalam mengimplementasikan

Data Warehouse dan jumlah biaya yang dikeluarkan bervariasi,

besarnya tergantung dari solusi teknik yang tersedia, tetapi

investasi dalam Data Warehouse dapat memberikan keuntungan

yang besar setelah pengimplementasiannya.

Keuntungan yang kompetitif

Keuntungan yang kompetitif dapat dicapai dapat dicapai

dengan memungkinkan para pengambil keputusan untuk

mengakses data yang dapat mengungkapkan data – data yang

belum tersedia, tidak diketahui, dan tidak tercatat

Meningkatkan kinerja para pengambil keputusan perusahaan

Dengan melakukan transformasi data menjadi informasi

yang berarti. Data Warehouse memungkinkan para manajer

14

bisnis melakukan analisa yang lebih konsisten, akurat, dan

substantive . Sehingga terjadi peningkatan produktivitas dari

pengambilan keputusan.

2.1.7.4 Struktur Data Warehouse

Gambar 2.5 Struktur data warehouse

Menurut Inmon (2002, P 35), data warehouse memiliki

beberapa tingkat detil data yaitu older level of detail, current

level of detail, lightly summarized data, dan highly summaried

data. Data dalam data warehouse berasal dari data operasional.

Sebelum data tersebut masuk dalam data warehouse, terjadi

proses transformasi dari tingkat data operasional menjadi tingkat

data warehouse.

Semakin lama suatu data disimpan, tingkat atau level

data tersebut akan berubah dari current detail data menjadi

older detail data. Jika data telah dirangkum (summarized), maka

current detail data akan berpindah menjadi tingkat lightly

summarized data , kemudian dari lightly summarized data

menjadi highly summarized data.

15

2.1.7.5 Arsitektur Data Warehouse

Menurut Connolly (2005, P 1156), komponen – komponen

utama sebuah Data Warehouse antara lain :

Operasional Data

Data untuk Data Warehouse berasal dari :

o Mainframe data operational yang berada pada tingkatan

database generasi pertama dan database jaringan.

Diperhatikan sebagian besar data operational perusahaan

disimpan pada sistem tersebut.

o Data departemen yang berada di sistem file DBMS

relasional (seperti SQL Server)

o Data pribadi yang berada di server dan workstation

pribadi.

o Sistem – sistem eksternal seperti internet, database yang

tersedia secara komersil, dan database yang

berhubungan dengan pemasok atau pelanggan

perusahaan.

Operational Data Store

Sebuah Operational Data Store (ODS) adalah sebuah

tempat penyimpanan data operasional terkini dan terintegrasi,

yang digunakan untuk kebutuhan analisis. ODS memiliki

struktur dan sumber data yang sama dengan Data Warehouse,

berperan sebagai tempat penyimpanan data yang telah di-

extract dari sistem sumber dan telah dibersihkan. Dengan

16

demikian, proses pengintegrasian dan rekrontruksi data untuk

Data Warehouse menjadi lebih sederhana.

Load Manager

Load Manager melakukan semua operasi yang

berhubungan dengan fungsi extracting / mengambil data dan

fungsi loading / meletakkan data kedalam Data Warehouse.

Data dapat di-extract dari sumber – sumber data atau pada

umumnya diambil dari operational data store. Operasi yang

dilakukan Load Manager dapat berupa transformasi data

yang sederhana untuk mempersiapkan pemasukan data ke

dalam Data Warehouse. Ukuran dan kompleksitas komponen

ini akan berbeda sesuai dengan Data Warehouse yang

dirancang dan dapat dibangun menggunakan kombinasi

antara vendor loading dan custom build program.

Warehouse Manager

Warehouse Manager melakukan suatu operasi yang

berhubungan dengan manajemen data dalam Data Warehouse

. Komponen ini dibangun menggunakan vendor dan

management tools dan custom build programs. Operasi yang

dilakukan oleh Data Warehouse Managemer berupa :

o Melakukan analisa data untuk menjaga konsistensi data.

o Melakukan transformasi dan penggabungan sumber data

dari penyimpanan sementara ke dalam tabel – tabel Data

Warehouse.

o Menciptakan index dan view pada base tables.

17

o Melakukan denormalisasi (jika diperlukan).

o Melakukan agregasi (jika diperlukan).

o Melakukan back-up dan archieve / back-up data

Query Manager

Query Manager melakukan semua operasi yang

berhubungan dengan Management user queries. Komponen

ini dibangun menggunakan vendor end-user data access

tools, Data Warehouse monitoring tools, fasilitas database,

dan custom build-in programs. Kompleksitas queries

manager ditentukan oleh fasilitas yang disediakan end-user

access tools dan database .Operasi yang dilakukan komponen

ini berupa pengarahan query pada tabel – tabel yang tepat dan

penjadwalan eksekusi query.

Detailed Data

Komponen ini menyimpan semua detil dalam

skema basis data. Pada umumnya beberapa data tidak

disimpan secara fisik, tetapi dapat dilakukan dengan cara

agregasi. Secara periodik data detil ditambahkan ke Data

Warehouse untuk mendukung agregasi data.

Lightly and Highly Summarized Data

Komponen ini menyimpan semua data yang

diringkas oleh warehouse manager. Data perlu diringkas

dengan tujuan untuk mempercepat proses query .Ringkasan

data terus diperbaharui seiring dengan adanya data yang baru

yang masuk ke dalam Data Warehouse.

18

Archive / Backup Data

Komponen ini menyimpan data detil dan ringkasan

data dengan tujuan untuk menyimpan dan back-up data.

Walaupun ringkasan yang diperoleh dari data mendetil,

ringkasan perlu di back-up juga apabila data tersebut

disimpan melampaui periode penyimpanan data detil. Data

kemudian dipindahkan ke media penyimpanan seperti

magnetic tape atau optical disc.

Metadata

Komponen ini menyimpan semua definisi metadata

(informasi mengenai data) yang digunakan dalam proses

dalam Data Warehouse . Metadata digunakan untuk berbagai

tujuan, antara lain :

o Proses extracting dan loading, metadata digunakan untuk

memetakan sumber data dalam Data Warehouse

o Proses manajemen warehouse, metadata digunakan untuk

menghasilkan tabel ringkasan (summarized table).

o Sebagai bagian dari proses manajemen query, metadata

digunakan untuk mengarahkan sebuah query pada sumber

data yang tepat.

End-User Acces Tools

Tujuan utama dari Data Warehouse adalah dengan

menyediakan informasi bagi pengguna untuk pembuatan

keputusan yang strategis dalam berbisnis. Para pengguna

berinteraksi dengan Data Warehouse menggunakan end-user

19

access tools. Berdasarkan kegunaan Data Warehouse,

terdapat lima kategori end-user tools, yaitu :

o Reporting and Quey Tools

Reporting tools meliputi production reporting tools

dan report writers . Production reporting tools digunakan

untuk menghasilkan laporan operational secara berkala.

Query tools untuk relational Data Warehouse dirancang

untuk menerima SQL atau menghasilkan SQL statements

untuk proses query data yang tersimpan di warehouse.

o Application Development Tools

Application development tools menggunakan

graphical data access tools yang dirancang khusus untuk

lingkungan client-server . Beberapa aplikasi perlu

diintegrasikan dengan OLAP tools, dan dapat mengakses

semua sistem basis data utama.

o Executive Information System (EIS) Tools

EIS sering dikenal dengan ‘everyone’s information

systems’ (sistem informasi untuk semua orang). Awalnya

dikembangkan untuk mendukung pembuatan keputusan

top level yang strategis. Akan tetapi, seiring berjalannya

waktu EIS meluas untuk medukung seluruh tingkat

manajemen . EIS tools pada awalnya berhubungan

dengan mainframes yang memungkinkan para pengguna

untuk menyediakan sebuah overview mengenai data

perusahaan dan akses pada sumber data eksternal. Kini,

20

EIS banyak dilengkapi dengan fasilitas query dan

menyediakan custom build applications. Untuk area

bisnis seperti penjualan, pemasaran, dan keuangan.

o Online Analytical Processing (OLAP)

OLAP tools didasarkan pada konsep basis data

yang bersifat multidimensi dan memperbolehkan

pengguna untuk menganalisis data dari sudut pandang

yang kompleks dan multidimensi . Alat bantu ini

mengasumsikan bahwa data diatur dengan model

multidimensi yang khusus (MDDB) atau sebuah

relasional basis data yang dirancang untuk

memungkinkan query multidimensi.

o Data Mining Tools

Data mining adalah proses menemukan korelasi, pola,

dan tren yang baru yaitu dengan melakukan penggalian

pada sejumlah data menggunakan teknik statistik,

matematis, dan artificial intelligence (AI). Data mining

memiliki potensi untuk menggantikan kemampuan OLAP

tools.

21

Gambar 2.6 Arsitektur Data Warehouse (Connolly)

Menurut Inmon (2005, P 16) ada 4 level arsitektur didalam data

warehouse yaitu :

Operational data : pada level ini data berorintasi pada data

primitif saja dan digunakan pada proses high-performance

transaction .

Data warehouse : pada level ini data mengandung integrasi,

history data primitif yang tidak dapat diupdate, beberapa

derived data dapat ditemukan pada level ini.

Departmental atau datamart : pada level ini mengandung

hampir seluruh derived data . pada level ini data warehouse

dibentuk berdasarkan end-user requirement .

Individual : pada level ini tempat terjadinya heuristic analisis

.

22

Gambar 2.7 Level of Architecture

Gambar 2.8 Contoh penerapan Data Warehouse pada customer

Dari gambar 2.7 kita bisa mengetahui bahwa pada level

operasional ada record mengenai customer bernama J. Jones.

Dimana pada level ini juga mengandung data pada saat itu juga

yang bisa di-update berulang kali.

Pada tahap data warehouse ini terdapat beberapa

record dari J. Jones.Contoh data warehouse dapat mencari data

mengenai dimana J. Jones tinggal tahun lalu. Pada tahap ini

data bersifat sebagai history dari data operasional.

Pada tahap data mart berisi jumlah pelanggan

perbulannya ( berdasarkan keperluan dari end user ). Pada tahap

23

Individual kita melakukan analisis dari tiap customer untuk

mengetahui tren pasar.

2.1.7.6 Bentuk Data Warehouse

Untuk dapat memutuskan data warehouse seperti apa yang akan

dipakai dalam sebuah perusahaan, terlebih dahulu seorang DBA

harus mengetahui akan kebutuhan yang diperlukan oleh

perusahaan tersebut dalam menjalankan aplikasi yang ingin

dirancangnya. Bentuk- bentuk data warehouse menurut Deliana

(2009, P 185) antara lain:

1. Functional Data Warehouse

Data warehouse ini dibuat berdasarkan fungsi yang

berada di dalam perusahaan. Contohnya seperti, fungsi

keuangan atau finansial, marketing, pemasaran, HRD, dan

lain-lain.

Keuntungan membangun data warehouse bentuk ini

adalah harganya relatif murah, serta pembuatan sistemnya

yang tidak terlalu sulit. Sedangkan kerugianya adalah resiko

dalam konsistensi data serta terbatasnya pengumpulan data

bagi pengguna.

24

Gambar 2.9 Data Warehouse Functional

2. Centralized Data Warehouse

Sekilas bentuk ini terlihat menyerupai data warehouse

functional, bedanya adalah data yang terdapat pada

centralized data warehouse terlebih dahulu dikumpulkan atau

diintergrasikan pada satu tempat (terpusat atau centralized),

setelah itu barulah datanya dipisahkan berdasarkan fungsi-

fungsi yang dibutuhkan oleh perusahaan.

Keuntungan menggunakan bentuk ini adalah datanya

yang konsisten, karena data yang ada didalamnya benar-

benar terpadu. Sedangkan kerugiannya adalah perlu waktu

yang cukup lama serta biaya yang tinggi untuk membangun

sebuah centralized data warehouse.

25

Gambar 2.10 Data Warehouse Centralized

3. Distributed Data Warehouse

Distributed data warehouse menggunakan gateway

yang berfungsi sebagai jembatan atau penghubung antara

source (lokasi data dari data warehouse) dengan workstation

yang menggunakan sistem yang beraneka ragam dan berbeda,

sehingga memungkinkan bagi pengguna untuk dapat

mengakses sumber data yang berada di luar lokasi

perusahaan.

Keuntungan distributed data warehouse adalah

memungkinkan adanya pengaksesan data dari luar

perusahaan, karena sebelumnya telah dilakukan sinkronasi

terlebih dahulu pada data yang ada di dalamnya agar tetap

konsisten. Kerugiannya adalah harga yang mahal,serta sistem

pembuatan yang kompleks dibandingkan dengan bentuk-

bentuk data warehouse lainnya.

26

Gambar 2.11 Data Warehouse Distributed

2.1.7.7 Metodologi Perancangan Data Warehouse

Sembilan tahap metodologi dalam perancangan

database untuk data warehouse menurut Connoly( 2005, P

1187), yaitu :

Langkah 1 : Pemilihan proses

Data mart yang pertama kali dibangun haruslah data mart

yang dapat dikirim tepat waktu dan dapat menjawab semua

pertanyaan bisnis yang penting.

Langkah 2 :Pemilihan sumber

Untuk memutuskan secara pasti apa yang diwakili atau

direpresentasikan oleh sebuah tabel fakta.

Langkah 3 : Mengidentifikasi dimensi

Set dimensi yang dibangun dengan baik, memberikan

kemudahan untuk memahami dan menggunakan data mart.

Dimensi ini penting untuk menggambarkan fakta-fakta yang

terdapat pada tabel fakta.

27

Langkah 4 : Pemilihan fakta

Sumber dari sebuah tabel fakta menentukan fakta mana yang

bisa digunakan dalam data mart. Semua fakta harus

diekspresikan pada tingkat yang telah ditentukan oleh

sumber.

Langkah 5 : Menyimpan pre-kalkulasi fakta

Hal ini terjadi apabila fakta kehilangan statement.

Langkah 6 : Melengkapi tabel dimensi

Pada tahap ini kita menambahkan keterangan selengkap-

lengkapnya pada tabel dimensi. Keterangannya harus bersifat

intuitif dan mudah dipahami oleh pengguna.

Langkah 7 : Pemilihan durasi database

Penentuan berapa lama data yang akan di simpan

Langkah 8 : Menelusuri perubahan dimensi yang perlahan

Ada tiga tipe perubahan dimensi yang perlahan,yaitu :

o Tipe 1. Atribut dimensi yang telah berubah tertulis

ulang.

o Tipe 2. Atribut dimensi yang telah berubah

menimbulkan sebuah dimensi baru.

o Tipe 3. Atribut dimensi yang telah berubah

menimbulkan alternatif sehingga nilai atribut lama

dan yang baru dapat diakses secara bersama pada

dimensi yang sama.

Langkah 9 : Menentukan prioritas dan mode query

Pada tahap ini kita menggunakan perancangan fisik.

28

2.1.8 Aliran Data dalam Data Warehouse

Menurut Connolly (2005, P 1161), Data Warehouse memiliki fokus

pada manajemen lima arus data primer, yaitu :

Inflow

Merupakan proses ekstraksi, pembersihan, dan pengisian data

dari sumber data ke dalam Data Warehouse. Proses inflow ini

berkonsentrasi pada proses mengambil data dari sumber sistem dan

memasukkannya ke dalam Data Warehouse. Cara lainnya yaitu data

dimasukkan ke dalam Operational Data Store (ODS) sebelum

dikirim ke Data Warehouse .Proses rekontruksi ini meliputi :

o Membersihkan data kotor

o Rekonstruksi data untuk dicocokan dengan kebutuhan dari Data

Warehouse, contohnya : menambah atau membuang field – field,

dan denormalisasi.

o Memastikan bahwa sumber data konsisten dengan dirinya

sendiri dan dengan data lainnya yang sudah ada di Data

Warehouse .

Upflow

Merupakan penambahan nilai ke dalam data di Data

Warehouse melalui peringkasan, pemaketan, dan distribusi data.

Aktifitas yang berhubungan dengan upflow, yaitu sebagai berikut :

o Meringkas data dengan proses memilih, memperhitungkan,

menggabungkan, dan mengelompokkan data relational ke dalam

tampilan yang lebih berguna bagi user.

29

o Pengepakan data dengan mengubah data detil ke dalam format

yang lebih berguna seperti spreadsheets, teks dokumen,

diagram, tampilan grafik yang lain, database pribadi, dan

animasi.

o Mendistribusikan data ke kelompok – kelompok yang tepat

untuk meningkatkan ketersediaan dan dapat diakses.

Downflow

Merupakan proses mengambil dan mem-backup data dalam

Data Warehouse, meyimpan data lama memainkan peranan yang

penting di dalam mempertahankan penampilan dan efektifitas dari

Data Warehouse dengan mengirimkan data lama dengan nilai yang

terbatas ke sebuah tempat penyimpanan seperti magnetic tape dan

optical disk. Downflow dari data juga meliputi proses yang

memastikan bahwa kondisi yang sekarang dari Data warehouse

dapat dibangun kembali jika terjadi kehilangan data, kegagalan

software dan hardware.

Outflow

Merupakan proses membuat data agar tersedia bagi end user.

Outflow merupakan kondisi dimana manfaat dari Data Warehouse

benar – benar dirasakan oleh sebuah organisasi.

Dua aktifitas kunci terdapat pada outflow yaitu sebagai berikut :

o Pengaksesan, dimana berhubungan dengan proses memuaskan

end user dengan menyediakan data yang dibutuhkan oleh

mereka. Yang menjadi perhatian utama yaitu membuat suatu

lingkungan jadi user dapat dengan efektif menggunakan query

30

tool untuk mengakses sumber data yang paling tepat. Frekuensi

dari pengaksesan ini dapat bervariasi mulai dari ad hoc, secara

rutin, sampai real time. Selain itu juga harus dipastikan bahwa

sumber sistem digunakan dengan cara yang paling efektif di

dalam menjadwalkan pengeksekusian terhadap query dan user .

o Pengiriman, dimana berhubungan dengan secara aktif

mengirimkan informasi ke workstation dari user. Ini merupakan

area yang baru dari Data Warehouse dan sering dihubungkan

dengan proses publish dan subscribe.Data Warehouse akan

mem-publish objek bisnis yang bermacam – macam dan user

akan men-subscribe terhadap objek bisnis yang dibutuhkan

mereka.

Metaflow

Merupakan proses manajemen Metadata. Metaflow merupakan

proses yang memindahkan metadata (data tentang flow yang

lainnya). Metadata merupakan deskripsi dari data yang ditampung

di dalam Data Warehouse, apa yang telah dilakukan terhadap data

tersebut dengan cara cleansing, integrating, dan summarizing.

2.1.9 Perbedaan Model Relasional dan Model Multi Dimensional

Perbedaan model relasional dengan model multi

dimensional, menurut Inmon (2002, P 358)

Model relasional adalah hubungan antara tabel-tabel oleh foreign

key pada masing-masing tabel tersebut. relasi foreign key adalah

hubungan dasar bagi data yang identik di kedua tabel, data yang

31

ada di relasional model berbentuk data yang dapat

dinormalisasikan. Relasional model membuat sebuah desain untuk

Data Warehouse yang sangat fleksibel. Dengan database yang

sebagai acuan utamanya, dan lainnya berdasarkan relasional model.

Elemen-elemen dari data dapat di bentuk menjadi berbagai macam

jenis.

Model multi dimensional sering disebut dengan star joint

approach, struktur star joint ini direpresentasikan dalam sebuah

“bintang” dimana terdapat satu pusat dan beberapa struktur data

yang tersebar, yang menjadi pusatnya yang menyimpan kejadian

dalam bentuk data, lalu yang mengelilingi tabel fakta itu adalah

dimensi-dimensi dimana dimensi itu merupakan kejadian dari tabel

fakta.

2.1.10 Agregasi dan Denormalisasi

Agregasi

Pengertian agregasi menurut Whitten (2004, P 436 ) agregasi

adalah sebuah hubungan dimana suatu kelas “whole” yang lebih

besar berisi satu atau lebih kelas “part” yang lebih kecil atau,

kelas-kelas “part” yang lebih kecil adalah bagian kelas “whole”

yang lebih besar.

Denormalisasi

Pengertian denormalisasi menurut Inmon (2002, P 389) adalah

teknik penempatan data normalisasi di lokasi physical yang

mengoptimalkan kinerja sistem.

32

Pengertian denormalisasi menurut Connoly (2005, P 520)

mengacu pada perbaikan skema relational sehingga tingkat

normalisasi hubungan dimodifikasi untuk kurang dari tingkat

setidaknya satu dari hubungan asli. Dapat juga menggunakan

jangka waktu lebih lama untuk merujuk pada situasi dimana bisa

menggabungkan dua relasi ke dalam hubugan baru dan hubungan

baru masih ternormalisasi tetapi mengandung nilai null lebih dari

hubungan asli. Alasan untuk melakukan denormalisasi :

Mengurangi jumlah dari hubungan yang terjadi antara tabel -

tabel, yang menyebabkan harus mengalami proses pada waktu

dilakukan pencarian.

Untuk membuat struktur fisik dari database semakin mendekati

model dimensi dari pemakai

Membuat struktur tabel sesuai dengan yang ditanyakan oleh

pemakai, memungkinkan terjadinya akses langsung.

Sedangkan kelemahan yang timbul bila memakai konsep

denormalisasi tentunya memerlukan memory space (tempat

penyimpanan) yang besar sehingga hal ini secara tidak

langsung akan membuat redundasi data.

2.1.11 Metadata

Pengertian metadata menurut Inmon (2002, P 103) adalah

komponen penting dalam lingkungan Data Warehouse, yang

merupakan bagian dari pemrosesan informasi selama masih terdapat

program dan data.

33

Metadata memungkinkan penggunanya / DSS analyst untuk

melihat berbagai macam kemungkinan. Dengan bantuan metadata user

dapat langsung menemukan data yang diinginkan atau mengetahui

data itu tidak ada.

2.1.12Star Schema

Pengertian star schema menurut Inmon (2002, P 139) adalah

struktur desain yang diperlukan untuk mengelola sejumlah besar data

yang berada di dalam sebuah entity dalam data mart. Denormalisasi

biasanya dilakukan ketika ada sejumlah entitas yang berhubungan

dengan tabel dimensi yang sering diakses, untuk menghindari overhead

karena harus menggabungkan tabel tambahan untuk mengakses atribut.

Pengertian star schema menurut Connoly (2005, P 1183) adalah

struktur logika yang memiliki tabel fakta yang berisi data faktual yang

berada pada tengah diagram dan dikelilingi oleh tabel dimensi yang

berisi data refrensi ( dimana data dapat didenormalisasi).

2.1.13 ETL(Extract, Transform, Loading)

Menurut Turban (2011, P67) ETL merupakan salah satu proses

yang penting dalam data warehouse. Tujuan dari ETL adalah untuk

melengkapi data warehouse dengan data yang telah disaring dan diolah.

Data yang digunakan dalam proses ETL dapat berasal dari berbagai

sumber , contohnya mainframe application, ERP application, CRM

tool, data Excel, atau kumpulan pesan. Proses ETL terdiri 3 proses

yaitu :

34

Extraction

Langkah pertama pada proses ETL adalah mengekstrak data

dari sumber – sumber data. Kebanyakan proyek data warehouse

menggabungkan data dari sumber – sumber yang berbeda. Sistem

yang terpisah – pisah ini mungkin saja menggunakan format data

yang berbeda. Sistem yang terpisah – pisah ini mungkin saja

menggunakan format data yang berbeda sehingga perlu dilakukan

ekstraksi. Ekstraksi adalah mengubah data dalam suatu format

yang berguna untuk proses transformasi.

Transformation

Mengubah data menggunakan serangkaian aturan atau fungsi untuk

mengekstrak data menjadi bentuk yang diperlukan, sehingga data

tersebut dapat diproses dalam data warehouse.

Load

Fase load adalah fase dimana data dimasukkan ke dalam data

warehouse. Jangka waktu proses ini tergantung pada kebutuhan

perusahaan. Misalnya dalam suatu bagian, menentukan waktu

setiap minggu untuk memindahkan data operasional ke dalam data

warehouse, sedangkan bagian lain bisa saja menentukan waktu

setiap jam untuk memasukkan data ke dalam data warehouse.

Waktu dan jangkauan untuk mengganti atau menambah data

tergantung dari perencanaan data warehouse pada waktu

menganalisis kebutuhan informasi.

2.2 Teori Khusus

35

2.2.1 Problem Solving

Elemen-elemen dalam problem solving menurut Mcleod

(2007, P 161), yaitu:

Desired State : Suatu keadaan dimana sistem dapat memenuhi

tujuan pembuatannya, dan juga keadaan dimana sistem memenuhi

kebutuhan para manajer.

Current State : Keadaan sistem yang sedang berjalan, dan

informasi apa saja yang sudah dicapai oleh sistem.Apabila terjadi

perbedaan antara Desired State dengan Current State maka akan

timbul masalah dan harus diselesaikan.

Solution Criterion : Perbedaan antara Desired State dan Current

State adalah kriteria yang menuntun sistem dari Current State

menuju Desired State

2.2.2 Executive Information System (EIS)

Executive Information System (EIS) adalah sebuah sistem yang

menyediakan informasi untuk para eksekutif dalam bentuk rangkuman

informasi pada perusahaan. Informasi dapat dengan mudah diambil dan

disediakan dalam berbagai tingkat kedetilannya.

2.2.3 Pengertian Persediaan

Pengertian persediaan menurut Sofjan Assauri (2008, P 237)

Persediaan merupakan sejumlah bahan-bahan, parts yang disediakan

dan bahan-bahan dalam proses yang terdapat dalam perusahaan untuk

36

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

memenuhi permintaan dari komponen atau langganan setiap waktu.

2.2.4 Jenis Persediaan

Menurut Zulian Yamit (2008, P 3) meyatakan bahwa

“persediaan terdiri dari persediaan alat-alat kantor (supplies), persediaan

bahan baku (raw material), persediaan barang dalam proses (in-process

goods) dan persediaan barang jadi (finished goods)”.

Menurut Sofjan Assauri (2008, P 240) Persediaan itu dapat

pula dibedakan atau dikelompokkan menurut jenis dan posisi barang

tersebut di dalam urutan pengerjaan produk, yaitu :

1. Persediaan bahan baku (raw material stock), yaitu persediaan

barang-barang berwujud yang digunakan dalam proses produksi,

barang mana yang diperoleh dari sumber-sumber alam ataupun

dibeli dari supplier atau perusahaan yang menghasilkan bahan

baku bagi perusahaan yang menggunakannya.

2. Persediaan bagian produk atau parts yang dibeli (purchased

parts/komponen stock), yaitu persediaan barang-barang yang

terdiri atas parts yang diterima dari perusahaan lain, yang dapat

secara langsung di-assembling dengan parts lain, tanpa melalui

proses sebelumnya.

3. Persediaan bahan-bahan pembantu atau barang-barang

perlengkapan (supplies stock) yaitu persediaan barang-barang atau

bahan-bahan yang diperlukan dalam proses produksi untuk

membantu berhasilnya produksi atau yang dipergunakan dalam

37

bekerjanya suatu perusahaan, tetapi bukan merupakan bagian atau

komponen dari barang jadi.

4. Persediaan barang setengah jadi atau barang dalam proses (work

in process/process stock), yaitu persediaan barang-barang yang

keluar dari tiap-tiap bagian dalam suatu pabrik atau bahan-bahan

yang telah diolah menjadi suatu bentuk, tetapi lebih perlu diproses

kembali untuk kemudian menjadi barang jadi.

5. Persediaan barang jadi (finished goods stock), yaitu persediaan

barang-barang yang telah selesai diproses atau diolah dalam

pabrik dan siap untuk dijual kepada pelanggan atau perusahaan

lain.

2.2.5 Pemasaran

Pengertian pemasaran menurut Kotler (2008 , P 5) adalah

sebuah proses perusahaan mencipatakan nilai untuk konsumennya dan

membangun hubungan kuat dengan tujuan untuk menciptakan nilai

keuntungan konsumen .

Pengertian pemasaran menurut Kurtz (2008 , P 7) adalah

fungsi organisasi dan sebuah proses untuk menciptakan,

mengkonsumsi, dan mengirimkan nilai untuk konsumen dan mengatur

hubungan dengan konsumen sebagai cara menguntungkan perusahaan

dan juga pihak berkepentingan.