Bab 2 LANDASAN TEORI 2.1 Dasar–Dasar Data...

8

Bab 2

LANDASAN TEORI

2.1 Dasar–Dasar Data warehouse

2.1.1 Pengertian Sistem Informasi

Menurut pendapat Steven Alter (1999, p4), “An information system is a

work system that use information technology to capture, transmit, store, retrieve,

manipulate or display information”, yang artinya mengatakan bahwa sistem

informasi adalah suatu sistem yang bekerja dengan menggunakan teknologi

informasi untuk mengambil, mengirimkan, menyimpan, mendapatkan kembali,

memanipulasi atau menampilkan informasi.

2.1.2 Pengertian Data

Menurut Steven Alter (1999, p166), “Data are facts, images, or sounds

that may or may not be pertinent or useful for particular task”, yang artinya data

merupakan fakta, gambar, atau suara yang berhubungan atau tidak berhubungan

atau tidak dan bermanfaat bagi tugas tertentu.

Menurut Mallach (2000, p95), “Data is what the information system

department creates, stores, and provides”, yang diartikan bahwa data adalah apa

saja yang diciptakan, disimpan dan disediakan oleh departemen informasi.

Di sini kita dapat melihat bahwa data merupakan suatu bentuk

keterangan-keterangan yang belum diolah atau dimanipulasi, serta data yang

9

didapatkan pada suatu perusahaan pada umumnya didapatkan dari hasil kegiatan

operasi sehari-hari atau hasil dari transaksi.

2.1.3 Pengertian Database

Menurut C. J. Date (2000, p10), “A Database is collection of persistent

data that is used by the application system of some given enterprise”, dimana

artinya Database merupakan kumpulan dari data yang hampir tidak mengalami

perubahan dan digunakan oleh aplikasi sistem pada tahap beberapa perusahaan.

Menurut Thomas Connolly dan Carolyn Begg (2002, p14), “Database is

a shared collection of logically related data, and a description of this data,

designed to meet the information needs if an organization”, artinya database

adalah kumpulan data yang saling berhubungan satu sama lain yang digunakan

secara bersama-sama dan kumpulan data ini dirancang untuk memenuhi

kebutuhan informasi suatu perusahaan. Pendapat Connolly ini didukung oleh

Raghu Ramakrishnan (2003, p4).

2.1.4 Pengertian Data warehouse

Menurut Vidette Poe (1996, p6), “A Data warehouse is a read-only

analytical database that used as the foundation of a decision support system”,

dapat diartikan bahwa Data warehouse merupakan database yang bersifat analisis

dan hanya dapat dibaca saja yang digunakan sebagai dasar dari sistem penunjang

keputusan.

10

Menurut Ramalho (2001, p206), data warehouse adalah sebuah database

yang mengandung data yang biasanya mewakili sejarah bisnis dari suatu

organisasi. Data historis dari data warehouse digunakan dalam aktivitas analisis

yang mendukung keputusan-keputusan bisnis dalam beberapa tingkat. Data di

dalam data warehouse diorganisir untuk mendukung analisis, bukan transaksi

pemrosesan dalam waktu nyata, seperti pada sistem Online Transaction Processing

(OLTP). Menurut Ramalho (2001, p204), data warehouse adalah pendekatan

untuk penyimpanan data dimana sumber-sumber data yang heterogen (yang biasa

tersebar pada beberapa database OLTP) dimigrasikan untuk penyimpanan data

yang homogen dan terpisah.

Menurut W.H Inmon (2002, p389), “A data warehouse is a collection of

integrated, subject integrated database designed to support the DSS fuction, where

each unit of data is relevant to some moment in time” yang artinya Data

warehouse adalah koleksi data yang mempunyai sifat berorientasi subyek,

terintegrasi, rentang waktu, yang dirancang untuk mendukung sistem pendukung

keputusan dimana tiap data berhubungan dengan suatu kejadian pada suatu waktu.

Menurut Ralph Kimball, “A data warehouse is a copy of transaction data

specifically structured for querying and reporting.” yang artinya data warehouse

adalah salinan dari data transaksi yang tersusun untuk laporan dan query.

Dari definisi-definisi di atas, dapat disimpulkan bahwa data warehouse

adalah database yang saling bereaksi yang dapat digunakan untuk proses query

data dan sebagai analisis yang bersifat orientasi subyek (subject oriented),

terintegrasi (integrated), tidak dapat berubah (nonvolatile), dan mempunyai variasi

11

waktu tertentu (time variant) bagi para pengambil keputusan manajemen dari suatu

perusahaan.

Dengan adanya data warehouse, akan dapat mempermudah pembuatan

aplikasi-aplikasi DSS (Decision Support System) atau EIS (Executive Information

System). Berikut ini beberapa keuntungan data warehouse menurut Thomas

Connolly dan Carolyn Begg (2002, p1048) adalah sebagai berikut :

a. Modal yang dikeluarkan akan kembali lebih cepat.

b. Keuntungan dalam bersaing dengan perusahaan lainnya yang sejenis.

c. Meningkatkan produktifitas dalam pengambilan keputusan

2.1.5 Istilah-istilah dalam Data warehouse

Beberapa Istilah–istilah yang berhubungan dengan data warehouse antara

lain :

1. DSS (Decision Support System)

Merupakan suatu sistem yang dapat menganalisis dan mendukung suatu

pengambilan keputusan yang baik dan berguna bagi pengguna informasi.

2. Data Mart

Menurut Connoly (2002,p1067), “ Data mart is a subset of a data warehouse

that support the requirements of a particular department of business

function”, yang berarti Data Mart adalah subset dari data warehouse yang

mendukung kebutuhan informasi dari suatu departemen atau fungsi bisnis

tertentu. Perbedaan antara data mart dengan data warehouse adalah :

12

• Data Mart hanya berfokus pada kebutuhan user yang berkaitan dengan

suatu departemen atau fungsi bisnis.

• Data Mart tidak mengandung data operasional secara detil, tidak seperti

data warehouse.

• Data yang ada dalam data mart lebih sedikit daripada yang ada dalam data

warehouse, data mart juga lebih mudah dimengerti karena lebih sederhana

3. OLAP (On – Line Analytical Processing)

Menurut Mallach (2000, p531), OLAP adalah “ A category of software that

enables analyst, managers, and executive to gain insight into data through

fast,cinsistent, interactive access to a wide variety of possible views of

information that has been transformed from raw data to reflect the real

dimensionality of the enterprise as understood by the user”, yang berarti

OLAP adalah kategori teknologi software yang dapat memungkinkan

seorang system analyst, manager, dan eksekutif untuk melihat data yang ada

dengan akses yang cepat, konsisten dan interaktif sehingga dapat melihat

informasi yang sudah ditranformasi dari data mentah menjadi dimensi

keadaan nyata yang dapat dimengerti dengan mudah oleh user.

4. OLTP

Merupakan pemrosesan penyimpanan data mengenai kegiatan operasional

atau transaksi kegiatan perusahaan sehari-harinya. OLTP dirancang untuk

13

memungkinkan terjadinya pengaksesan secara bersamaan oleh beberapa user

terhadap sumber data yang sama dan mengatur proses yang diperlukan

5. Tabel Dimensi

Tabel yang berisikan kategori dengan ringkasan data detail yang dapat

dilaporkan, seperti laporan keuntungan pada tabel fakta dapat dilaporkan

sebagai dimensi waktu (bisa perbulan, perkuartal, dan pertahun).

6. Tabel Fakta

Tabel yang pada umumnya mengandung data histori dimana key (kunci)

yang dihasilkan sangat unik karena merupakan kumpulan foreign key dan

primary key yang ada pada tabel dimensi yang berhubungan atau merupakan

tabel terpusat dari skema bintang. Tabel fakta juga menyimpan tipe measure

yang berbeda, seperti measure yang secara langsung terhubung dengan tabel

dimensi (Additive) dan measure yang tidak berhubungan dengan tabel

dimensi (Non-Additive).

2.2 Anatomi Data warehouse

Dalam menentukan bentuk data warehouse yang akan digunakan oleh

suatu perusahaan, terlebih dahulu kita harus mengetahui kebutuhan yang kita

perlukan dalam menjalankan aplikasi yang dirancang. Bentuk umum yang sering

digunakan dalam data warehouse adalah data warehouse fungsional, terpusat,

dan terdistribusi.

14

2.2.1 Functional Data warehouse (Data warehouse Fungsional)

Terlihat pada gambar 2.1 bahwa data warehouse dibuat lebih dari satu

dan dikelompokkan berdasarkan masing-masing fungsi keuangan (financial),

fungsi marketing, fungsi kinerja personalia, dan lain-lainnya. Keuntungan dari

bentuk ini adalah dapat dengan mudah dibangun dengan biaya yang relatif

murah, sedangkan kerugiannya adalah resiko kehilangan konsistensi dan

terbatasnya kemampuan dalam pengumpulan data bagi pengguna.

Source

Source

Source

Functional DataWarehouse


Workstation

Workstation

Gambar 2.1 Bentuk Data warehouse Fungsional

2.2.2 Centralized Data warehouse (Data warehouse Terpusat)

Terlihat pada gambar 2.2 bahwa bentuk ini mirip seperti bentuk

functional data warehouse, namun disini sumber data terlebih dahulu

dikumpulkan dan diintegrasikan pada suatu tempat terpusat, kemudian barulah

data tersebut dibagi-bagi berdasarkan fungsi-fungsi yang dibutuhkan oleh

perusahaan dan bentuk ini paling sering digunakan oleh perusahaan yang belum

memiliki jaringan eksternal.

15

Bentuk 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.

Keuntungan dari bentuk ini adalah data benar-benar terpadu karena

konsistensinya yang tinggi sedangkan kerugian dari bentuk ini adalah biaya yang

dibutuhkan mahal serta perlu waktu yang cukup lama untuk membangun bentuk

ini.

Source

Source

Source

CentralizedData

Warehouse



Workstation

Workstation

Gambar 2.2 Bentuk Data warehouse Terpusat

2.2.3 Distributed Data warehouse (Data warehouse Terdistribusi)

Terlihat pada gambar 2.3 bahwa sistem data warehouse menggunakan

gateway yang berguna sebagai jembatan antara lokasi data warehouse dengan

workstation. Dalam sistem data warehouse, workstation menggunakan sistem

yang berbeda–beda, sehingga pada bentuk ini memungkinkan kita untuk

mengakses sumber data yang berbeda di luar lokasi perusahaan (eksternal).

16

Keuntungan dari bentuk ini adalah kelebihannya dalam mengakses data

dari luar perusahaan yang lebih mengalami sinkronisasi terlebih dahulu dan tetap

terjaga konsistensinya. Kerugiannya adalah bentuk ini paling mahal dan

kompleks untuk diterapkan karena sistem operasinya dikelola secara terpisah.

Source

Source

Source

Data WarehouseGateway

Workstation

Workstation

Gambar 2.3 Bentuk Data warehouse Terdistribusi

2.3 Karakteristik Data warehouse

Menurut Inmon (2000, p467), “A subject-oriented, integrated, non-

volatile, and time-variant collection of data in support of management’s

decision.” Berdasarkan definisi menurut William Inmon, data warehouse

mempunyai beberapa karakteristik sebagai berikut : berorientasi subyek (subject

oriented), terintegrasi (integrated), tidak dapat berubah (nonvolatile), dan

mempunyai variasi waktu tertentu (time variant).

2.3.1 Subject Oriented (Berorientasi Subyek)

Data warehouse bersifat subject oriented artinya data warehouse

didesain untuk menganalisis data berdasarkan fungsi utama dalam bisnis, bukan

berdasarkan data transaksi. Secara garis besar perbedaan mendasar antara data

operasional dan data warehouse terlihat pada tabel 2.1 :

17

Data Operasional Data warehouse

Berorientasi hanya pada aplikasi dan

fungsi tertentu

Berorientasi pada subyek-subyek

tertentu (fungsi utama)

Fokus pada desain database dan

proses

Fokus pada pemodelan data dan

desain data

Berisi rincian data atau detail data Berisi data-data histori yang akan

dipakai untuk proses analisis

Relasi antar tabel berdasarkan aturan

terbaru

Banyak aturan bisnis yang tersaji

antara tabel-tabel

Tabel 2.1 Perbandingan Subject Oriented antara Data warehouse dengan Data Operasional

2.3.2 Integrated (Terintegrasi)

Data warehouse bersifat integrated artinya data warehouse harus

menyimpan data-data yang berasal dari sumber-sumber yang terpisah kedalam

suatu format yang konsisten dan saling terintegrasi satu dengan yang lainnya.

Dengan demikian data tidak bisa dipecah-pecah karena data yang ada merupakan

sebuah kesatuan tunggal yang menunjang keseluruhan konsep data warehouse,

bukan sebagai kumpulan file yang berbeda dalam pengelompokan atau struktur

data.

Data warehouse harus dapat memecahkan masalah-masalah seperti

konflik penamaan variabel dan inkonsistensi diantara ukuran-ukuran yang

dipakai didalamnya dengan cara konsistensi dalam pemberian nama, penentuan

18

ukuran dari tipe variabel, struktur koding, serta penentuan atribut data secara

fisik.

2.3.3 Nonvolatile (Tidak Dapat Berubah)

Data warehouse bersifat read-only, pengguna tidak dapat mengubah data.

Pengguna hanya bisa menambah data baru, sedangkan data yang lama tetap ada

dan tidak dihapus. Berbeda dengan sistem database operasional yang bersifat

mengumpulkan data (data capture), data warehouse berfungsi untuk mendukung

system reporting. Pada sistem database operasional terdapat tiga operasi yaitu

insert, update, delete. Sedangkan pada data warehouse terdapat dua operasi yaitu

loading data dan akses data (query data).

2.3.4 Time Variant (Variasi Waktu)

Data yang ada dalam data warehouse tergantung pada suatu dimensi

waktu sehingga perubahan yang terjadi dapat diketahui berdasarkan suatu waktu

tertentu. Hal ini bukan berarti merubah data setiap waktu. Data tersebut

merupakan hasil summary. Hal ini akan membantu dalam menentukan performa

data warehouse query serta dalam membentuk pengertian bisnis.

2.4 Kegiatan Data warehouse

Untuk melakukan penganalisaan dan pelaporan informasi bagi pihak-pihak

yang mengambil keputusan maka dalam merancang data warehouse terdapat

kegiatan-kegiatan yang harus ada didalamnya, kegiatan-kegiatan itu adalah :

19

1. Memperoleh dan menggabungkan data

Mendapatkan data dari berbagai sumber dan melakukan penggabungan pada

suatu tempat tertentu, data-data yang digabung adalah data-data yang akan

membantu kita dalam pembuatan laporan, karena data tersebut merupakan

suatu bentuk kesatuan.

2. Transformasi data

Pengolahan data dari awal ke bentuk data yang telah disepakati dengan

mengalami pemrosesan atau pengolahan terlebih dahulu.

3. Pendistribusian data

Data-data yang akan kita gunakan dalam data warehouse berkaitan dengan

lingkungan kerja dalam lingkungan perusahaan. Bagi perusahaan yang

terhubung dengan jaringan, pemakaian data warehouse mendukung kegiatan

ini secara lebih fleksibel dan merata pada masing-masing bagian yang ada

dalam perusahaan.

4. Penggunaan data

Data yang telah disaring akan menghasilkan ringkasan-ringkasan yang dapat

memudahkan pengguna dalam mengambil suatu keputusan, disini kegiatan

pemakaian data akan menjadi lebih sering jika para pengambil keputusan ingin

menganalisis produk yang telah dipasarkan di masyarakat.

2.5 Arsitektur dan Infrastruktur Data warehouse

20

2.5.1 Arsitektur Data warehouse

Menurut Poe (1996, p24), arsitektur adalah sekumpulan aturan atau

struktur yang memberikan kerangka untuk keseluruhan rancangan suatu sistem

atau produk. Arsitektur data menyediakan kerangka dengan mengindentifikasikan

dan memahami bagaimana data akan pindah melalui sistem dan digunakan dalam

perusahaan. Arsitektur data untuk data warehouse mempunyai komponen utama

yaitu database yang hanya dapat dibaca.

Karakteristik arsitektur data warehouse menurut Poe (1996, p40-41) adalah

sebagai berikut :

1. Data diambil dari sistem asal (sistem informasi yang ada), database, dan file.

2. Data dari sistem asal diintegrasikan dan ditransformasi sebelum disimpan

kedalam Data Base Management System (DBMS) seperti Oracle, Ms SQL

Server, IBM DB2, Sybase, dan masih banyak yang lainnya.

3. Data warehouse adalah jenis database read-only yang diciptakan untuk

mengambil keputusan

4. User mengakses data warehouse melalui front-end toll atau aplikasi.

Arsitektur dan infrastruktur dari data warehouse sangat erat hubungannya,

dan satu dengan yang lainnya saling berkaitan. Keberhasilan pengembangan data

warehouse dipengaruhi oleh pengindentifikasian arsitektur mana yang terbaik dan

infrastruktur apa yang dibutuhkan. Arsitektur yang sama mungkin akan

membutuhkan infrastruktur yang berbeda, tergantung pada lingkungan perusahaan

atau organisasi. Ada beberapa macam arsitektur data warehouse, diantaranya

adalah :

21

• Arsitektur two-tier

• Arsitektur three-tier

• Arsitektur bottom-up

2.5.1.1 Arsitektur Two-Tier

Seperti terlihat pada gambar 2.4 bahwa pada arsitektur ini, data

operasional ditransformasikan dan ditransfer ke data warehouse. Untuk

membantu proses transformasi, perlu dibuat sebuah Enterprise Data Model

(EDM). Enterprise Data Model ini menjelaskan tentang struktur data warehouse

dan berisi metadata yang dibutuhkan untuk menempatkan dan mengakses

database yang dihasilkan dan sumber data eksternal.

Umumnya arsitektur dengan tipe ini akan menemui kesulitan

performance bilamana data warehouse berukuran besar.

22

TRANSFORMASI

SummarizedData

Data WarehouseServer

User

Operational Databasedan

External Data Source

Data Warehouse

Gambar 2.4 Arsitektur Two-Tier Data warehouse

2.5.1.2 Arsitektur Three-Tier

Organisasi yang menemui kesulitan dalam menerapkan arsitektur two-tier

umumnya akan beralih ke arsitektur three-tier.

Pada umumnya user hanya mengakses sebagian kecil dari data

warehouse. Oleh karena itu perlu digunakan data mart. Data mart ini memiliki

server yang terpisah dengan data warehouse, yang bertujuan untuk performance

dan fault tolerance. Masing-masing departemen bertanggung jawab untuk

mengawasi data mart departemennya. Bentuk arsitektur three-tier dapat dilihat

pada gambar 2.5.

23

TRANSFORMASI

SummarizedData

Data WarehouseServer



Data Mart

Data MartData Warehouse

Data Mart Tier

Data Mart Tier

User

User

Gambar 2.5 Arsitektur Three-Tier Data warehouse

2.5.1.3 Arsitektur Bottom-Up

Terlihat pada gambar 2.6 bahwa pada arsitektur ini, data dimodelkan

dalam satu fungsi atau proses pada satu waktu dan disimpan di data mart yang

terpisah. Bilamana waktunya tiba, data baru disintesis, disaring, dan di-merge ke

dalam data mart yang telah tersedia atau ke data mart yang baru.

24

Data Mart

Data Mart Tier User

Data Mart



Proses Transformation

Gambar 2.6 Arsitektur Bottom-Up Data warehouse

2.5.2 Infrastruktur Data warehouse

Menurut Vidette Poe (1996, p54), infrastruktur data warehouse

merupakan perangkat lunak, perangkat keras, pelatihan, dan komponen-

komponen lainnya yang menyediakan dukungan untuk mengimplementasikan

arsitektur data warehouse. Infrastruktur teknikal berupa teknologi, platform,

database, gateway, dan komponen-komponen yang penting yang mendukung

arsitektur data warehouse yang dipilih.

Untuk mengaplikasikan sebuah arsitektur data warehouse bisa

diimplementasikan dengan beberapa cara yaitu dengan menggunakan

infrastruktur yang berbeda. Arsitektur dan infrastruktur saling berkaitan erat dan

25

satu dengan yang lainnya saling mendukung. Pengaruh dari lingkungan atau

organisasi juga otomatis mempengaruhi penentuan suatu infrastruktur yang akan

kita pilih.

2.6 Struktur Data warehouse

Menurut Poe (1997, p96-97), data warehouse memiliki struktur yang

spesifik dan mempunyai perbedaan dalam tingkatan detail data serta perbedaan

dalam tingkatan umur data. Gambar 2.7 menunjukkan struktur dari data

warehouse menurut Poe.

Highly SummarizedData

Lightly SummarizedData

Current DetailData

Metadata

Old Detail Data

Gambar 2.7 Struktur Data warehouse

Berdasarkan struktur diatas, data warehouse memiliki beberapa

komponen seperti : Current detail data, old detail data, lightly summarized data,

highly summarized data, dan metadata.

26

2.6.1 Current Detail Data

Current detail data adalah data detail yang sedang aktif saat ini,

mencerminkan keadaan yang sedang berjalan saat ini dan merupakan tingkatan

terendah dalam data warehouse. Current detail data ini biasanya memerlukan

media penyimpanan data yang cukup besar. Alasan perlu diperhatikannya current

detail data adalah sebagai berikut :

1. Menggambarkan kejadian yang baru terjadi dan selalu menjadi perhatian

utama.

2. Hampir selalu disimpan di media penyimpanan karena cepat diakses tetapi

mahal dan kompleks dalam pengaturannya.

3. Dapat digunakan dalam membuat rekapitulasi sehingga current detail data

harus akurat.

4. Jumlahnya sangat banyak dan disimpan pada tingkat penyimpanan terendah.

2.6.2 Old Detail Data

Old Detail Data merupakan data historis, dapat berupa hasil back-up

yang dapat disimpan dalam media penyimpanan yang terpisah dan dapat diakses

kembali pada saat tertentu. Data ini jarang diakses sehingga disimpan dalam

media penyimpanan alternatif sepeerti tape desk. Penyusunan direktori untuk

data ini harus menggambarkan umur dari data agar memudahkan pengaksesan

kembali.

27

2.6.3 Lightly Summarized Data

Lightly Summarized Data merupakan ringkasan dari detail data, tapi

belum bersifat total summary. Data ini memiliki tingkatan detail yang lebih

tinggi dan mendukung kebutuhan data warehouse pada tingkatan departemen.

Tingkatan ini disebut juga data mart. Akses terhadap data ini banyak digunakan

untuk view dari suatu kondisi yang sedang dan sudah berjalan.

2.6.4 Highly Summarized Data

Highly Summarized Data merupakan hasil proses ringkasan yang bersifat

total, solid, dan mudah diakses. Dilakukan untuk melakukan analisis

perbandingan data berdasarkan urutan waktu dan analisis yang menggunakan

database multi-dimensi. Database multi-dimensi adalah suatu teknologi software

komputer yang dirancang untuk meningkatkan efesiensi dalam mencari tabel

(query), sehingga menjadi media penyimpanan yang lebih baik, serta

mempermudah pengambilan data dalam jumlah yang besar.

2.6.5 Metadata

Metadata bukanlah merupakan hasil kegiatan operasional seperti keempat

jenis data diatas. Metadata berisi informasi yang penting tentang data dalam data

warehouse yang berfungsi sebagai :

28

1. Direktori yang akan dipakai user dalam mencari lokasi dalam data

warehouse.

2. Merupakan penuntun pemetaan (Mapping) dalam proses transformasi dari

operasional ke data warehouse.

3. Suatu panduan untuk proses summary data dari detail data menjadi lightly

summarized dan kemudian menjadi highly summarized data.

Metadata merupakan bentuk suatu jaringan yang sangat penting bagi

pengguna data warehouse. Data yang tersedia harus dapat digunakan oleh user

dengan istilah yang sesuai dengan cara user dalam melakukan pekerjaannya.

Karena data warehouse melakukan banyak fungsi, maka metadata penting untuk

menjawab kebutuhan dari suatu fungsi tertentu. Karena setiap departemen

biasanya menggambarkan setiap struktur data yang spesifik meskipun asal datanya

sama. Metadata berisi struktur fisik setiap tabel dan kolom yang berhubungan dan

terdokumentasi secara keseluruhan.

2.7 Kegunaan Data warehouse

Data warehouse yang digunakan selama ini memberikan kemudahan dan

keuntungan karena data warehouse biasanya digunakan untuk melakukan tiga

tugas yang berbeda. Ketiga tugas data warehouse tersebut adalah untuk

pembuatan laporan, OLAP, dan proses informasi eksekutif.

29

2.7.1 Pembuatan Laporan

Pembuatan laporan merupakan salah satu kegunaan data warehouse yang

paling umum. Dengan menggunakan query sederhana dalam data warehouse

dapat dihasilkan informasi berdasarkan dimensi waktu, seperti pertahun,

perbulan, dan bahkan perhari.

2.7.2 OLAP (On line Analytical Processing)

Data warehouse digunakan dalam melakukan analisis bisnis untuk

mengetahui kecenderungan pasar dan faktor-faktor penyebabnya. Dengan adanya

data warehouse, semua informasi baik detil maupun hasil summary yang

dibutuhkan dalam proses analisis mudah didapat. Dalam hal ini data warehouse

merupakan tool yang handal untuk melakukan analisis data yang kompleks.

OLAP mendayagunakan konsep data multi-dimensi dan memungkinkan

pemakai untuk menganalisis data sampai mendetail, tanpa perlu mengetikkan

perintah SQL. Dengan demikian maka data berupa fakta dapat dilihat dengan

menggunakan dimensi yang berbeda. Fasilitas lain yang ada pada tool perangkat

lunak OLAP adalah fasilitas drill-down dan roll-up. Drill-down adalah

kemampuan untuk melihat detail dari suatu informasi yang ditampilkan,

sedangkan roll-up merupakan kebalikan dari fasilitas drill-down.

30

2.7.3 Proses Informasi Eksekutif

Data warehouse digunakan untuk mencapai ringkasan informasi yang

penting dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi

keseluruhan data. Dengan menggunakan data warehouse, segala laporan telah

diringkas dan dapat pula diketahui rinciannya secara lengkap sehingga

memudahkan proses pengambilan keputusan. Informasi dan data pada laporan

data warehouse menjadi target informatif bagi user, yang dalam hal ini adalah

pihak eksekutif.

2.8 Primary key dan Foreign key

Menurut Kristanto (2002, p20), primary key merupakan suatu atribut atau

satu set minimal atribut yang tidak hanya mengindentifikasikan secara unik suatu

kejadian spesifik, tapi juga dapat mewakili setiap kejadian dari suatu entity.

Menurut Kristanto (2002, p21), foreign key adalah suatu atribut atau satu

set atribut yang melengkapi suatu relationship (hubungan) yang menunjuk ke

induknya.

Ketika database dibuat, perintah-perintah SQL digunakan untuk

membuat tabel yang akan merancang kolom-kolom dan membentuk primary key

dan foreign key.

31

2.9 Nine-Step Methodology

Nine-Step Methodology merupakan salah satu metode dalam merancang

data warehouse. Metode ini dikembangkan oleh Kimball. Tahapan-tahapan dalam

Nine-Step Methodology adalah :

1. Choosing the process

Menentukan proses berarti menentukan subyek utama. Subyek utama merujuk

pada suatu kegiatan bisnis perusahaan yang terpenting.

2. Choosing the grain

Menentukan grain maksudnya menentukan apa yang direpresentasikan oleh

suatu tabel fakta. Setelah menentukan grain dari tabel fakta maka untuk

selanjutnya dapat ditentukan tabel-tabel dimensi yang berhubungan dengan

tabel fakta tersebut. Penentuan grain dari suatu tabel fakta berarti juga

menentukan grain dari setiap tabel dimensi.

3. Identifying and conforming the dimensions

Tahap selanjutnya adalah mengidentifikasi dan menghubungkan dimensi

tersebut dengan tabel fakta. Dimensi merupakan kumpulan sudut pandang

mengenai suatu fakta yang terdapat pada tabel fakta.

4. Choosing the facts

Grain dari suatu tabel fakta menentukan fakta-fakta yang bisa ditampilkan. Pada

tahap ini, hal yang dilakukan adalah menentukan measure (ukuran) yang

dibutuhkan pada tabel fakta.

32

5. Storing pre-calculations in the fact table

Umumnya hasil perhitungan dari atribut di database tidak disimpan pada suatu

atribut khusus pada database tersebut, namun pada tahap ini, perlu

dipertimbangkan kembali penyimpanan hasil perhitungan pada suatu atribut

tersendiri di database dengan alasan mengurangi resiko kesalahan pada

program setiap kali melakukan perhitungan pada atribut-atribut tersebut.

6. Rounding out the dimension tables

Dari dimensi-dimensi yang telah diidentifikasi, pada tahap ini dibuat deskripsi

dari tabel-tabel dimensi yang memuat informasi terstruktur mengenai atribut-

atribut pada tabel dimensi.

7. Choosing the duration of the database

Pada tahap ini ditentukan durasi atau periode waktu dari data-data yang akan

dimasukkan ke data warehouse.

8. Tracking slowly changing dimensions

Dimensi dapat berubah, untuk mengantisipasinya ada 3 cara untuk mengubah

data di dimensi, yaitu :

1. Menulis ulang atribut yang berubah

2. Membuat record baru pada dimensi

3. Membuat suatu atribut alternatif untuk menampung nilai yang baru,

sehingga nilai lama dan nilai baru dari atribut tersebut bisa diakses secara

bersamaan.

33

9. Deciding the query priorities and the query models

Pada tahap terakhir ini, pertimbangan yang dilakukan lebih berupa perancangan

fisik dari data warehouse.

2.10 Alat Perancangan Data warehouse

Menurut Poe (1996, p120), alat yang digunakan untuk merancang data

warehouse adalah skema bintang (star schema). Skema bintang mempunyai

struktur yang sederhana dengan tabel yang relatif sedikit dan hubungan antar

tabel yang terlihat jelas. Rancangan ini dapat melakukan query dengan cepat

serta mudah dimengerti oleh analis dan pengguna akhir.

2.10.1 Skema Bintang

Menurut Poe (1996, p33), metode yang digunakan untuk merancang data

warehouse adalah dengan menggunakan skema bintang, yaitu metode

perancangan yang dilakukan dengan struktur yang sederhana dengan

menggunakan beberapa tabel dan jalur yang terhubung dengan baik dan jelas.

Menurut Connoly (2002, p1079), “star schema is a logical structure that

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

tables containing reference data (which can be denormalized).”, yang berarti

skema bintang adalah struktur logikal yang memiliki tabel fakta yang berisi data

factual, dikelilingi oleh tabel dimensi yang berisi data referensi (dimana dapat

didenormalisasikan). Teori Connolly ini didukung oleh A. Silberschatz., Korth,

H. F. Sudarshan, S. (2003) dan Ralph Kimball (1996).

34

Dengan menggunakan skema bintang ini akan menghasilkan waktu

respon yang lebih cepat dalam query data dibanding dengan proses transaksional

yang menggunakan struktur normalisasi. Selain itu skema bintang memudahkan

end user untuk memahami struktur database pada data warehouse yang

dirancang.

2.10.2 Tipe Tabel Skema Bintang

Dalam skema bintang ada dua tipe tabel, yaitu tabel fakta dan tabel

dimensi. Tabel fakta dapat disebut juga sebagai tabel mayor, terdiri dari data

kuantitatif atau data fakta mengenai bisnis, informasi yang di-query. Infomasi ini

selalu diukur secara statistik dan dapat mengandung banyak kolom dan baris.

Tabel dimensi disebut juga sebagai tabel minor, karena lebih kecil dan

mencerminkan dimensi bisnis.

2.10.3 Jenis Skema Bintang

2.10.3.1 Skema Bintang Sederhana

Dalam skema bintang sederhana, setiap tabel mempunyai primary key

yang terdiri dari sebuah kolom atau lebih. Primary key akan membuat setiap

baris menjadi unik. Primary key tersebut pada tabel fakta akan menjadi foreign

key. Primary key pada tabel fakta, terdiri dari satu atau lebih foreign key.

35

Kunci 1

Kunci 3

Kunci 2

AtributAtribut...Atribut

Tabel Fakta

Kunci 1


Tabel Dimensi 1

Kunci 2


Tabel Dimensi 2

Kunci 3


Tabel Dimensi 3

Gambar 2.8 Skema Bintang Sederhana

Gambar 2.8 diatas menunjukkan hubungan antara satu tabel fakta dan tiga

tabel dimensi. Tabel utama terdapat primary key yang terdiri dari tiga foreign

key, yaitu kunci-1, kunci-2 dan kunci-3, yang masing – masing merupakan

primary key di tabel masing-masing.

Dalam sebuah skema bintang, dapat juga memiliki lebih dari satu tabel

fakta, karena adanya fakta yang tidak saling berhubungan. Tabel semacam ini

umumnya digunakan untuk jumlah data yang besar dan untuk berbagai macam

tingkatan data yang teragregasi seperti terlihat pada gambar 2.9.

Kunci 1

Kunci 3

Kunci 2


Tabel Fakta 2

Kunci 1

Kunci 3

Kunci 2


Tabel Fakta 1Kunci 1


Tabel Dimensi 1

Kunci 2


Tabel Dimensi 2

Kunci 3


Tabel Dimensi 3

Gambar 2.9 Skema Bintang Dengan Beberapa Tabel Fakta

36

Pada gambar 2.9 terdapat dua tabel fakta dan tiga tabel dimensi yang

memperlihatkan hubungan many-to-one antara foreign key pada kedua tabel fakta

tersebut dengan primary key pada masing masing tabel dimensi.

Tabel fakta juga dapat digunakan untuk menggambarkan hubungan

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

skema bintang ini dikenal dengan tabel asosiasi. Tabel asosiasi berguna untuk

menyelaraskan hubungan many-to-many diantara dimensi yang berbeda. Gambar

skema bintang dengan tabel asosiasi dapat dilihat pada gambar 2.10.

Kunci 1

Kunci 3

Kunci 2


Tabel Fakta 1

Kunci 1


Tabel Dimensi 1

Kunci 3


Tabel Dimensi 3

Kunci 2


Tabel Dimensi 2Kunci 2

Kunci 4

Tabel Fakta 2

Kunci 4

Atribut

Tabel Fakta 2

Gambar 2.10 Skema Bintang Dengan Tabel Asosiasi

Tabel dimensi juga mungkin mengandung foreign key yang

mereferensikan primary key di tabel dimensi yang lain. Tabel dimensi yang

direferensikan ini dinamakan outboard atau secondary dimension table. Pada

gambar 2.11 terlihat bahwa tabel dimensi 3 mempunyai dua outboard table yaitu

tabel dimensi 4 dan tabel dimensi 5.

37

Kunci 1

Kunci 3

Kunci 2


Tabel Fakta

Kunci 1


Tabel Dimensi 1

Kunci 2


Tabel Dimensi 2

Kunci 3


Tabel Dimensi 3

Kunci 4

Kunci 5

Kunci 4


Tabel Dimensi 4

Kunci 5


Tabel Dimensi 5

Gambar 2.11 Skema Bintang Dengan Tabel Dimensi Tambahan

2.10.3.2 Skema Bintang Majemuk

Kunci 1


Tabel Dimensi 1

Kunci 2


Tabel Dimensi 2

Kunci 3


Tabel Dimensi 3FKey 3

Kunci 2

Kunci 1


Tabel Fakta

FKey 2

FKey 1

Gambar 2.12 Skema Bintang Majemuk

Pada gambar 2.12 terlihat bahwa tabel fakta dalam skema bintang

majemuk memiliki dua kumpulan foreign key. Foreign key yang pertama

mengandung suatu referensi dengan tabel dimensi sedangkan sisanya adalah

primary key yang merupakan gabungan dari satu atau lebih kolom yang

menghasilkan suatu indentifikasi unik untuk setiap barisnya. Perbedaan antara

38

skema bintang majemuk dengan skema bintang sederhana adalah saling tidak

identiknya primary key dan foreign key dalam skema bintang majemuk.

2.10.3.3 Skema Snowflake

Menurut Connoly (2002, p1080), “snowflake schema is a variant of the

star schema where dimension table do not contain denormalized data.”, dapat

diartikan bahwa skema snowflake adalah bentuk lain dari skema bintang dimana

tabel dimensi tidak berisi data yang didenormalisasi. Suatu tabel dimensi dapat

memiliki tabel dimensi lainnya seperti terlihat pada gambar 2.13. Ciri-ciri

snowflake adalah:

1. Tabel dimensi dinormalisasi dengan dekomposisi pada level atribut.

2. Setiap dimensi mempunyai satu key untuk setiap level pada hirarki dimensi

3. Kunci level terendah menghubungkan tabel dimensi dengan tabel fakta dan

tabel atribut berlevel rendah

Kunci 1

Kunci 3

Kunci 2


Tabel Fakta

Kunci 1Atribut 4Atribut 5Atribut 6

Tabel Dimensi 1

Kunci 2Tabel Dimensi 2

Kunci 3

Atribut 1Atribut 2Atribut 3

Tabel Dimensi 3

Kunci 4

Kunci 5

Kunci 4


Tabel Dimensi 4

Kunci 5


Tabel Dimensi 5

Atribut 7

Kunci 6

Atribut 8

Atribut 5

Tabel Atribut 5

Kunci 6


Tabel Dimensi 6

Atribut 8

Tabel Atribut 8

Gambar 2.13 Skema Snowflake

39

2.10.4 Keuntungan Skema Bintang

Keuntungan dengan menggunakan skema bintang dan snowflake menurut

Connoly adalah sebagai berikut :

• Efisiensi, struktur database yang konsisten sehingga lebih efisien dalam

mengakses data dengan menggunakan alat / tool untuk menampilkan data

termasuk laporan tertulis dan query.

• Kemampuan untuk mengatasi perubahan kebutuhan, skema bintang dapat

beradaptasi terhadap perubahan kebutuhan pengguna, karena semua tabel

dimensi memiliki kesamaan dalam hal menyediakan akses ke tabel fakta.

Artinya bahwa desain skema sebaiknya mampu mendukung ad hoc query dari

pengguna.

• Extensibility, model dimensional dapat dikembangkan. Seperti menambah

tabel fakta selama data masih konsisten, menambah tabel dimensi selama ada

nilai tunggal di tabel dimensi tersebut yang mendefinisikan setiap record tabel

fakta yang ada, menambahakan attribut tabel dimensi, dan memecah record

tabel dimensi yang ada menjadi level yang lebih rendah dari level sebelumnya.

• Kemampuan untuk menggambarkan situasi bisnis pada umumnya,

pendekatan standar untuk menangani situasi umum di dunia bisnis terus

bertambah.

• Proses query yang bisa diprediksi, aplikasi data warehouse yang mencari

data dari level yang dibawahnya akan dengan mudah menambah jumlah atribut

pada tabel dimensi dari sebuah skema bintang. Aplikasi yang mencari data dari

40

level yang setara akan menghubungkan tabel fakta yang terpisah melalui tabel

dimensi yang dapat diakses bersama.

2.10.5 Agregasi

Agregasi adalah proses perhitungan data fakta terhadap atribut-atribut yang

telah didefinisikan. Sebagai contoh, agregasi 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 kedalam data warehouse.

Menurut Poe (1996, p136), fakor yang mendorong pembuatan agregasi

adalah :

1. Meningkatkan performa pencarian data (searching).

2. Mengurangi jumlah penggunaan kode produk universal.

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 permuatan data

warehouse, kita tetap membutuhkan teknik database klasik seperti partisi tabel

secara fisik. Hal ini akan menjadi penting ketika kapasitas data warehouse

mencapai gigabyte data.

41

2.11 Normalisasi dan Denormalisasi

2.11.1 Normalisasi

Menurut Thomas Connolly dan Carolyn Begg (2002, p376),

“Normalisasi is a technique for producing a set of relation with desirable

properties, given the data requirements of an enterprise”, diartikan Normalisasi

adalah suatu teknik untuk menghasilkan sekumpulan hubungan dengan properti

yang diinginkan, memberikan kebutuhan data dari sebuah perusahaan.

Menurut Dianne Siebold (2003, p165), Normalisasi adalah serangkaian

panduan yang diterapkan pada rancangan database untuk memisahkan data.

Sesungguhnya ada lima tingkatan normalisasi, tetapi yang paling sering

digunakan dalam melakukan normalisasi adalah tiga tingkat pertama dalam

normalisasi, sedangkan tingkatan lainnya dapat terjadi tergantung pada data yang

ada. Tingkat pertama dalam normalisasi disebut dengan First Normal Form

(1NF), tingkat kedua disebut dengan Second Normal Form (2NF), dan Third

Normal Form (3NF), ketiga tingkat normalisasi tersebut berdasarkan pada

functional dependency antar atribut pada suatu hubungan. Tingkatan selanjutnya

adalah Fourth Normal Form (4NF) dan Fifth Normal Form (5NF), dimana

tingkatan pada normalisasi ini sangat jarang terjadi.

First Normal Form (1NF) menyatakan bahwa tabel tidak bisa memuat

nilai yang berulang, atau kolom multi-nilai. Second Normal Form (2NF)

menyebutkan bahwa tabel harus berisi entitas tunggal dan setiap kolom non-

primary key bergantung pada seluruh primary key. Third Normal Form (3NF)

menyatakan bahwa semua kolom non-primary key independen, dengan kata lain,

42

sebuah kolom non-primary key bisa saja tidak bergantung pada kolom non-

primary key lainnya.

Langkah pertama dalam normalisasi database adalah memastikan setiap

tabel memiliki sebuah kunci utama. Saat menerapkan normalisasi dalam sebuah

database jumlah tabel dan kolom bertambah, yang juga menambah jumlah dan

kompleksitas penyertaan (join) yang dibutuhkan untuk mengambil data dari

database. Normalisasi meningkatkan efisiensi dan integritas database,

khususnya untuk meng-update data.

2.11.2 Denormalisasi

Normalisasi memang dapat meningkatkan efisiensi dan integritas suatu

database, namun ada saat-saat tertentu perlu dilakukan denormalisasi untuk

meningkatkan kinerja query. Denormalisasi dibutuhkan ketika jumlah penyertaan

(join) relasional yang diperlukan untuk mengambil informasi memerlukan waktu

yang banyak.

Dalam melakukan denormalisasi penyimpanan data dalam database akan

melanggar ketentuan dalam normalisasi terutama Third Normal Form (3NF) yang

bertujuan untuk menghilangkan redudansi data. Namun jika normalisasi

menghabiskan waktu dalam memberikan suatu informasi dari tabel yang

diinginkan akan lebih efisien jika disimpan dalam sebuah tabel.

Keuntungan melakukan denormalisasi adalah :

1. Mengurangi jumlah relasi yang terjadi antar tabel sehingga akan

meningkatkan kecepatan proses query data.

43

2. Membuat struktur fisik database agar mudah dimengerti menurut model

dimensi dari pemakai. Struktur tabel yang dibuat sesuai keinginan pemakai

memungkinkan terjadinya akses langsung yang akan meningkatkan kinerja.

Kelemahan dalam melakukan proses denormalisasi adalah :

1. Proses denormalisasi secara tidak langsung akan membuat redudansi data

2. Proses denormalisasi memerlukan alokasi memory dan storage (tempat

penyimpanan) yang besar.

2.12 Fase Pengembangan Piranti Lunak

Menurut Roger S. Pressman (2001, p22), dalam usaha untuk

mengembangkan piranti lunak, terbagi dalam tiga fase umum dengan tanpa

mempedulikan area aplikasi, ukuran, proyek, atau kompleksitasnya. Berikut ini

adalah fase-fase dalam pengembangan piranti lunak :

• Fase definisi (Definition Phase), pada tahap ini pengembang harus

mengidentifikasikan informasi yang akan diproses, fungsi dan petunjuk kerja

yang dibutuhkan, tingkah laku sistem yang diharapkan, bentuk interface yang

diharapkan, batasan desain yang ada, serta kriteria validasi yang dibutuhkan.

• Fase pengembangan (Development Phase), pada tahap ini pengembang harus

mendefinisikan konstruksi dari data, mengimplementasikan fungsi-fungsi serta

detail prosedur sebagai sebuah arsitektur perangkat lunak, merancang interface

(tampilan antar muka pemakai), menterjemahkan rancangan kedalam bahasa

pemrograman, dan melakukan pengujian.

44

• Fase pemeliharaan (Maintenance Phase), tahap ini berfokus pada perubahan

setelah melakukan koreksi kesalahan, penyesuaian yang dibutuhkan ketika

perangkat lunak berkembang, serta perubahan karena adanya perubahan

kebutuhan.

2.13 Metode Pengembangan Software Pendukung

Salah satu metode pengembangan software yang paling baik menurut

Roger S. Pressman adalah dengan menggunakan prototyping model. Tahapan-

tahapan dalam metode ini adalah :

• Listen to customer

Pada tahap ini, pihak pengembang dengan user saling bertemu untuk

mengumpulkan user requirements.

• Build / revise mock-up

Pada tahap ini, pihak pengembang akan membuat quick design yang berfokus

pada representasi dari kebutuhan user. Kemudian dari quick design tersebut,

dibentuk sebuah prototipe.

• Customer test drives mock-up

Prototipe yang telah dibentuk kemudian dievaluasi oleh user. Tujuan dari

evaluasi prototipe ini adalah untuk memuaskan kebutuhan user, dan juga

untuk mencari tahu kebutuhan user selanjutnya.

Ketiga tahap diatas akan diulang terus-menerus hingga seluruh kebutuhan user

telah terpenuhi.

45

Umumnya setelah seluruh kebutuhan user diketahui, prototipe yang telah

dibentuk akan dibuang dan kemudian membangun sebuah software baru yang

memenuhi standar kualitas dan keseluruhan kebutuhan user tersebut.

2.14 Kamus Data

Menurut McLeod Jr (2001, p582), kamus data adalah suatu penjelasan

tertulis mengenai data yang berada didalam database.

Menurut Silberschatz, Korth dan Sudarshan (2002, p17) “Data

dictionary, which stores metadata about the structure of the database, in

particular the schema of the database.”, yang diartikan Kamus data, dimana

menyimpan metadata tentang struktur dari database, dalam hubungan skema dari

database.

2.15 Teknik Fact-Finding

Menurut Thomas Connolly dan Carolyn Begg (2002, p302), “Fact-

finding is the formal process of using techniques such as interviews and

questionnaires to collect facts about systems, requirements, and preferences.”,

dapat diartikan bahwa fact-finding merupakan proses formal yang menggunakan

teknik seperti wawancara dan kuesioner untuk mengumpulkan fakta mengenai

sistem, kebutuhan, dan preferensi.

Teknik fact-finding mutlak diperlukan pada tahap awal perancangan data

warehouse untuk memperoleh berbagai informasi dari user. Kemudian dari

informasi tersebut, dapat dilakukan tahap analisis untuk menentukan definisi

sistem dan kebutuhan dari user. Menurut Thomas Connolly dan Carolyn Begg

46

(2002, p305), ada lima teknik fact-finding yaitu : examine documentation

(pemeriksaan dokumentasi), interview (wawancara), observation (pengamatan),

research (penelitian), questionnaires (kuesioner).

2.15.1 Examine Documentation

Teknik ini amat berguna untuk mencari informasi seputar permasalahan

dan sistem yang ada. Dengan memeriksa dokumen-dokumen, laporan, dan file

yang bersangkutan maka kita akan dapat dengan mudah memahami

permasalahan yang ada atau sistem yang sedang berjalan.

Terlihat pada tabel 2.2 bahwa beberapa tipe dokumen yang perlu

diperiksa adalah memo internal, e-mail, dokumen, laporan, dan flowchart.

Tujuan dari Pemeriksaan Sumber Data yang Berguna

1. Menguraikan masalah dan

kebutuhan data warehouse

2. Menguraikan sistem yang ada

1. Memo internal, e-mails,

dokumen-dokumen, laporan

perkembangan

2. Flowcharts, berbagai tipe

diagram yang berhubungan

dengan sistem, kamus data,

dokumentasi program,

user manual

Tabel 2.2 Tipe Dokumentasi yang Perlu Diperiksa

47

2.15.2 Interview

Diantara keseluruhan teknik fact-finding, teknik ini yang paling sering

digunakan untuk memperoleh informasi. Ada dua jenis wawancara yaitu :

wawancara terstruktur dan wawancara tak terstruktur. Wawancara terstruktur

berarti pihak yang melakukan wawancara telah menyiapkan beberapa pertanyaan

yang akan diajukan, sebaliknya dengan wawancara tak terstruktur. Pada

wawancara seperti ini, pertanyaan yang diajukan bebas dan tergantung pada

situasi ketika wawancara. Dilihat dari jenis pertanyaan yang diajukan,

wawancara dapat dibagi menjadi dua, yaitu : open-ended questions dan closed-

ended questions. Open-ended berarti pihak diwawancara bebas menjawab sesuai

dengan pertanyaan yang diajukan. Sedangkan close-ended berarti pertanyaan

yang diajukan berupa pilihan yang spesifik dan membutuhkan jawaban langsung.

Beberapa keuntungan dan kerugian menggunakan interview (wawancara)

dapat dilihat pada tabel 2.3 :

48

Keuntungan Kerugian

1. Pihak yang diwawancara dapat

menjawab pertanyaan secara

bebas dan terbuka

2. Pihak yang diwawancara dapat

merasa sebagai bagian dari

proyek

3. Pewawancara bebas memberikan

pertanyaan seputar komentar

menarik dari pihak diwawancara

4. Pewawancara bebas untuk

mengadaptasi atau mengulangi

pertanyaan selama wawancara

5. Pewawancara bisa mengamati

bahasa tubuh dari pihak yang

diwawancara

1. Membutuhkan waktu lama dan

biaya yang cukup banyak

2. Keberhasilan wawancara

tergantung pada kemampuan

komunikasi dari pewawancara

3. Keberhasilan wawancara

tergantung dari keseriusan pihak

diwawancara untuk

berpartisipasi selama proses

wawancara berlangsung

Tabel 2.3 Keuntungan dan Kerugian Interview

2.15.3 Observation

Pengamatan secara langsung pada kegiatan operasional perusahaan

merupakan salah satu teknik fact-finding yang paling efektif untuk memahami

sistem yang berjalan. Diperlukan persiapan yang matang supaya proses observasi

dapat berjalan lancar dan mencapai hasil yang maksimal.

49

Beberapa keuntungan dan kerugian dari penggunaan teknik observation


Keuntungan Kerugian

1. Memungkinkan validasi data

dan fakta untuk diperiksa

2. Pengamat dapat melihat secara

langsung apa yang telah

dikerjakan

3. Pengamat dapat juga

memperoleh data yang

menjelaskan lingkungan fisikal

dari tugas

4. Relatif lebih murah

5. Pengamat dapat mengukur

1. Setiap orang bisa menampilkan

hasil yang berbeda bila

melakukan observasi

2. Kemungkinan adanya

kekurangan observasi tugas pada

level yang berbeda

3. Beberapa tugas tidak selalu bisa

dilakukan dengan cara observasi

4. Susah untuk dipraktekkan

Tabel 2.4 Keuntungan dan Kerugian Observation

2.15.4 Research

Teknik fact-finding yang berguna adalah dengan melakukan penelitian

terhadap masalah dan aplikasi. Sumber informasi yang bagus untuk proses

penelitian adalah jurnal komputer, internet, dan buku referensi.

Beberapa keuntungan dan kerugian dari penggunaan teknik research


50

Keuntungan Kerugian

1. Dapat menghemat waktu bila

solusi dari masalah telah

tersedia

2. Peneliti dapat melihat adanya

kesamaan masalah dan

bagaimana pemecahannya

3. Penelitian bersifat up-to-date

1. Boros waktu

2. Membutuhkan akses ke sumber

informasi

3. Kemungkinan masalah tidak

akan terselesaikan apabila

masalah yang ada belum pernah

didokumentasi.

Tabel 2.5 Keuntungan dan Kerugian Research

2.15.5 Questionnaires

Teknik fact-finding ini amat berguna untuk mencari informasi dari

banyak orang. Ada dua tipe pertanyaan yang dapat diajukan melalui kuesioner,

yaitu : free-format questions dan fixed-format questions. Free-format questions

berarti memberikan kebebasan pada responden untuk menjawab pertanyaan.

Sedangkan fixed-format questions berarti pertanyaan yang diajukan

membutuhkan respon yang spesifik, contoh : pilihan jawaban yang telah

disediakan untuk setiap pertanyaan.

Beberapa keuntungan dan kerugian dari penggunaan teknik ini dapat

dilihat pada tabel 2.6 :

51

Keuntungan Kerugian

1. Responden dapat menjawab

kuesioner secara lengkap

2. Murah untuk pencarian data

dari banyak orang

3. Umumnya responden akan

memberikan jawaban yang

jujur

4. Mudah untuk dianalisis dan

ditabulasi

1. Jumlah responden sedikit,

kemungkinan hanya sekitar 5%-

10%

2. Jawaban yang diberikan bisa

tidak lengkap

3. Responden bisa salah tafsir

pertanyaan

4. Tidak bisa menganalisis bahasa

tubuh responden

5. Memakan waktu ketika

menyiapkan pertanyaan

Tabel 2.6 Keuntungan dan Kerugian Questionnaires

2.16 Analisis SWOT (Strengthen, Weakness, Opportunities, Threats)

Menurut Freddy Rangkuti (2004, p18), analisis SWOT adalah identifikasi

berbagai faktor secara sistematis untuk merumuskan strategi perusahaan.

Analisis ini didasarkan pada logika yang dapat memaksimalkan kekuatan

(Strengths), dan peluang (Opportunities), namun secara bersamaan dapat

meminimalkan kelemahan (Weaknesses) dan ancaman (Threats). Proses

pengambilan keputusan strategis selalu berkaitan dengan pengembangan misi,

tujuan, strategi dan kebijakan perusahaan. Dengan demikian perencana strategi

(strategic planner) harus menganalisis faktor-faktor strategis perusahaan

52

(kekuatan, kelemahan, peluang dan ancaman) dalam kondisi yang ada saat ini.

Hal ini disebut dengan analisis situasi. Model yang paling populer untuk analisis

situasi adalah Analisis SWOT.

Penelitian menunjukkan bahwa kinerja perusahaan dapat ditentukan oleh

kombinasi faktor internal dan eksternal. Kedua faktor tersebut harus

dipertimbangkan dalam analisis SWOT. SWOT adalah singkatan dari lingkungan

Internal Strengths dan Weakness serta lingkungan eksternal Opportunities dan

Ancaman (threats) yang dihadapi dunia bisnis. Analisis SWOT membandingkan

antara faktor eksternal Peluang (opportunities) dan Ancaman (threats) dengan

faktor internal Kekuatan (strengths) dan Kelemahan (weaknesses), seperti terlihat

pada gambar 2.14.

BERBAGAI PELUANG

BERBAGAI ANCAMAN

KEKUATANINTERNAL

KELEMAHANINTERNAL

1. Mendukung strategi agresif

2. Mendukung strategi diversifikasi

3. Mendukung strategi turn-around

4. Mendukung strategi defensif

Gambar 2.14 Diagram Analisis SWOT

53

Kuadran 1 : Ini merupakan situasi yang sangat menguntungkan. Perusahaan

tersebut memiliki peluang dan kekuatan sehingga dapat

memanfaatkan peluang yang ada. Strategi yang harus diterapkan

dalam kondisi ini adalah mendukung kebijakan pertumbuhan yang

agresif (Growth oriented strategy).

Kuadran 2 : Meskipun menghadapi berbagai ancaman, perusahaan ini masih

memiliki kekuatan dari segi internal. Strategi yang harus diterapkan

adalah menggunakan kekuatan untuk memanfaatkan peluang jangka

panjang dengan cara strategi diversifikasi (produk/pasar).

Kuadran 3 : Perusahaan menghadapi peluang pasar yang sangat besar, tetapi di

lain pihak, perusahaan harus menghadapi beberapa

kendala/kelemahan internal. Fokus strategi perusahaan ini adalah

meminimalkan masalah-masalah internal perusahaan sehingga

dapat merebut peluang pasar yang lebih baik.

Kuadran 4 : Ini merupakan situasi yang sangat tidak menguntungkan,

perusahaan tersebut menghadapi berbagai ancaman dan kelemahan

internal.

54

Alat yang digunakan untuk menyusun faktor-faktor strategis perusahaan

adalah matrik SWOT. Matrik ini dapat menggambarkan secara jelas peluang dan

ancaman eksternal yang dihadapi perusahaan untuk disesuaikan dengan kekuatan

dan kelemahan yang dimilikinya. Matrik ini dapat menghasilkan empat

kemungkinan alternatif strategis seperti terlihat pada tabel 2.7.

INTERNAL

EKSTERNAL

STRENGTHS (S)

• Faktor Kekuatan

Internal

WEAKNESSES (W)

• Faktor Kelemahan

Internal

OPPORTUNITIES (O)

• Faktor Peluang

Eksternal

STRATEGI SO

Ciptakan strategi yang

menggunakan kekuatan

untuk memanfaatkan

peluang

STRATEGI WO


meminimalkan kelemahan

untuk memanfaatkan

peluang

THREATS (T)

• Faktor Ancaman

Eksternal

STRATEGI ST


menggunakan kekuatan

untuk mengatasi

ancaman.

STRATEGI WT


meminimalkan kelemahan

dan menghindari ancaman

Tabel 2.7 Matrik SWOT

55

a. Strategi SO

Strategi ini dibuat berdasarkan jalan pikiran perusahaan, yaitu dengan

memanfaatkan seluruh kekuatan yang dimiliki perusahaan untuk merebut dan

memanfaatkan peluang sebesar-besarnya.

b. Strategi ST

Strategi dalam menggunakan kekuatan yang dimiliki perusahaan untuk

mengatasi berbagai ancaman.

c. Strategi WO

Strategi ini diterapkan berdasarkan pemanfaatan peluang yang ada dengan

cara meminimalkan kelemahan yang ada.

d. Strategi WT

Strategi ini didasarkan pada kegiatan yang bersifat defensif dan berusaha

meminimalkan kelemahan yang ada serta menghindari ancaman.

56

2.17 Critical Success Factor (CSF)

Menurut Laudon (1998, p434), CSF adalah sejumlah kecil tujuan

operasional yang dapat diidentifikasi, dibentuk oleh industri, perusahaan,

manajer, dan lingkungan lebih luas yang dipercaya untuk memastikan sukses

tidaknya sebuah organisasi. Digunakan untuk menentukan kebutuhan informasi

dari suatu organisasi.

Menurut McLeod (2001, p109), sebuah CSF adalah satu dari aktivitas

perusahaan yang mempunyai pengaruh kuat terhadap kemampuan perusahaan

untuk memenuhi tujuannya. Sebuah perusahaan umumnya mempunyai banyak

CSF. Kekuatan dari metode CSF adalah bahwa CSF menghasilkan set data yang

lebih kecil untuk dianalisis daripada analisis perusahaan (enterprise analysis)

secara keseluruhan. Hanya manajer tingkat atas yang diwawancara, dan

pertanyaan berfokus pada sejumlah kecil CSF daripada pertanyaan yang luas

sehingga mendapatkan informasi yang dibutuhkan.

2.18 Kerangka Berpikir Dalam Memecahkan Masalah

Kerangka berpikir merupakan gambaran secara sistematis mengenai

kaitan antar variabel yang diteliti untuk mengembangkan suatu sistem. Ada

beberapa teknik yang dapat digunakan untuk memecahkan masalah, yaitu Fact-

Finding Techniques, Analisis SWOT, dan menggunakan DTS (Data

Transformation Service) yang ada pada Microsoft SQL Server 2000.

Fact-Finding Techniques diperlukan dalam pembuatan data warehouse

meliputi pendefinisian sistem, perancangan dan penentuan kebutuhan serta tahap

analisis. Penentuan kebutuhan data berdasarkan pada kebutuhan perancangan

57

sistem dan kebutuhan data bagi pihak Badan Pengkajian dan Penerapan

Teknologi (BPPT).

Strengthens, Weakness, Opportunities, Threats (SWOT) diperlukan untuk

mencari kekuatan dan kelemahan dari sistem yang akan dibuat berdasarkan

faktor internal dan faktor eksternal. Untuk memudahkan dalam penentuan

kekuatan dan kelemahan sistem digunakan salah satu matriks SWOT. Matrik ini

dapat menggambarkan secara jelas peluang dan ancaman eksternal maupun

internal yang dihadapi sistem yang akan dirancang.

Data Transformation Service (DTS) sebagai salah satu tools yang ada

pada Microsoft SQL Server 2000 berguna untuk melakukan transformasi data

dari database operasional kedalam data warehouse. DTS diperlukan karena tools

ini memiliki kemampuan untuk mengubah data yang ada pada database

operasional sebelum disalin kedalam data warehouse.

Pada gambar 2.15 terlihat metode peneliti dalam melakukan perancangan

data warehouse perencanaan energi listrik pada Badan Pengkajian dan

Penerapan Teknologi (BPPT) :

58

Analisis dan Perancangan DataWarehouse Perencanaan Energi Listrik

BPPT

Studi Kepustakaan Tentang DataWarehouse

Studi Sistem yang Ada PadaPerencanaan Energi Listrik BPPT

Dengan Teknik Fact-Finding

Mencari Kelemahan dari Sistem yangSedang Berjalan

Mencari Alternatif Solusi DenganMenggunakan SWOT

Desain Database Data Warehouse :1. Choosing the process2. Choosing the grain3. Identifying and conforming the dimension4. Choosing the facts5. Storing pre-calculation in the fact table5. Rounding out the dimension tables6. Choosing the duration of the database7. Tracking slowly changing dimensions8. Deciding the query priorities and the query model

Desain Aplikasi Data Warehouse :1. Merancang Layar2. Pembuatan Spesifikasi Proses

Coding :1. Microsoft SQL Server 20002. DTS (Data Transformation Service)3. Visual Basic.Net

Implementasi

Gambar 2.15 Kerangka Berpikir Penulis

Bab 2 LANDASAN TEORI 2.1 Dasar–Dasar Data...

Documents

Transcript of Bab 2 LANDASAN TEORI 2.1 Dasar–Dasar Data...