7
BAB 2 LANDASAN TEORI
2.1
Konsep Dasar Data warehouse
2.1.1
Pengertian Database Menurut W.H.Inmon (2002, p3), database didefinisikan sebagai suatu koleksi
dari penyimpanan data yang terhubung yang sering digunakan dan mengurangi redundasi (perulangan) menurut skemanya. Sebuah database dapat digunakan pada aplikasi tunggal atau jamak. Menurut McLeod (2001, p181), database adalah suatu kumpulan data komputer yang terintegrasi, diorganisasikan, dan disimpan dengan suatu cara yang memudahkan pengambilan kembali (retrieval). Menurut A. O’Brien (1997, p145), database adalah suatu kumpulan yang terintegrasi di mana secara logika berhubungan dengan record-record atau file-file. Dua tujuan utama dari konsep database adalah meminimalkan pengulangan data (data redundancy) dan mencapai independensi data.
2.1.2
Pengertian Data Warehouse Data warehouse ikut berperan dalam pengambilan keputusan database. Karena
banyak organisasi kurang dapat menggunakan operasional database dalam mendukung secara langsung pengambilan keputusan, maka terbentuklah data warehouse.
8 Menurut W.H.Inmon (2002, p31), data warehouse merupakan kumpulan data yang berorientasi subjek, terintegrasi, tidak berubah, dan memiliki rentang waktu untuk mendukung keputusan dalam manajemen. Menurut McLeod (2001, p267), data warehouse adalah perkembangan dari konsep database yang menyediakan sumber daya data yang lebih baik bagi para pemakai, memungkinkan pemakai untuk memanipulasi dan menggunakan data tersebut secara intuitif. Menurut Dyche (2000, p6), data warehouse adalah kumpulan informasi yang diambil dari sistem yang saling berhubungan seperti dari sistem transaksi, bagian database, atau dari jaringan intranet perusahaan dan memberi akses bagi pengguna bisnis. Menurut Vidette Poe (1996, p6), data warehouse merupakan data yang bersifat analisis dan hanya dapat dibaca saja yang digunakan sebagai dasar dari sistem penunjang keputusan. Analisis yang digunakan bersifat hanya untuk dibaca saja (read only) sehingga tidak dapat dilakukan perubahan terhadap data yang digunakan. Dari definisi-definisi di atas dapat ditarik suatu kesimpulan yaitu data warehouse adalah suatu database yang saling terhubung yang digunakan untuk query dan analisa yang memiliki sifat subject oriented (berorientasi subjek), integrated (saling terpadu), non volatile (tidak dapat berubah), dan time variant (memiliki variasi waktu) dan digunakan bagi para eksekutif perusahaan untuk membantu pengambilan keputusan. Dalam data warehouse hanya ada 2 kegiatan terhadap data, yaitu loading data dan access data, tidak ada kegiatan update data. Data-data dari operasional database dan external source diekstrak, disaring, dirangkum dan kemudian di-load ke data warehouse. Karena data warehouse mengandung data-data historis, maka seringkali
9 aktivitasnya meliputi pengambilan kembali data-data yang telah benar-benar disummarized. Data warehouse berguna untuk mempermudah membuat aplikasi bagi DSS (Decision Support System) dan EIS (Executive Information System). Sesungguhnya data warehouse adalah suatu bentuk dari database, namun data warehouse memiliki sifat interaktif dalam akses informasi dengan waktu respon yang tinggi. Dengan demikian data warehouse berbeda dengan database karena database digunakan pada proses operasional transaksi bisnis dan data warehouse fokus kepada proses analisis dan pengambilan keputusan bagi eksekutif.
2.1.3
Pengertian OLTP OLTP (Online Transaction Processing) menggambarkan kebutuhan sistem
dalam ruang lingkup operasional dan merupakan proses yang mendukung operasi bisnis sehari-hari. Menurut Veiera (1999, p680), OLTP dirancang untuk memungkinkan terjadinya pengaksesan secara bersamaan oleh beberapa pemakai terhadap sumber data yang sama dan mengatur proses yang diperlukan. Sesuai dengan namanya, OLTP mengizinkan transaksi untuk mengakses langsung ke database. Transaksi yang dilakukan termasuk operasi insert, update, dan delete. Database OLTP biasanya bersifat relasional dan dalam bentuk normal ketiga. Dan yang terpenting, database OLTP dibangun untuk mampu menangani banyak transaksi dengan performa tinggi. Menurut Poe (1996, p119), beberapa karakteristik OLTP antara lain: 1.
Rata-rata transaksi adalah tinggi
2.
Pemuktahiran data secara teratur setiap kali terjadi perubahan
10 3.
Tidak terjadi redundansi perulangan untuk menjaga integritas data.
2.1.4
Data Warehouse Versus OLTP Database yang disediakan pada lingkungan data warehouse berbeda dengan
database pada lingkungan operasional yang mendukung OLTP (Online Transaction Processing).
Perbedaan itu adalah bahwa database pada data warehouse adalah
database analisa, sedangkan database pada lingkungan operasional yang mendukung OLTP(Online Transaction Processing) adalah database operasional. Perbandingan OLTP dengan Data warehouse menurut Connoly (2002, p104) yaitu sebagai berikut: Sistem OLTP
Sistem Data Warehouse
Menyimpan data saat ini.
Menyimpan data historis.
Menyimpan detailed data.
Menyimpan detailed, lightly, highly summary data.
Data bersifat dinamis.
Data bersifat statis.
Proses yang dilakukan secara berulang.
Ad hoc, tidak terstruktur.
Mengarah pada transaksi.
Mengarah pada analisa.
Berorientasi pada aplikasi.
Berorientasi pada subjek.
Mendukung keputusan sehari-hari.
Mendukung keputusan strategi
Pemakai operasional dalam jumlah yang Pemakai manajerial dalam tingkat yang besar.
relatif rendah.
Tabel 2.1 Tabel Perbandingan OLTP dengan Data warehouse (Connoly, 2002, p104)
11
2.1.5
Data Warehouse dan OLAP Walaupun kadang digunakan tertukar, istilah “data warehousing” dan “online
analytical processing (OLAP)” adalah komponen sistem yang berbeda yang seringkali disebut sebagai komponen penunjang keputusan. OLAP (Online Anayitical Processing ) adalah teknologi yang memproses data di dalam data warehouse dalam struktur multidimensi, menyediakan jawaban yang cepat untuk query analisis yang kompleks. Tujuan dari OLAP adalah mengorganisir sejumlah data yang besar, agar bisa dianalisis dan dievaluasi dengan cepat dengan menggunakan sarana online seperti misalnya Microsoft Excel (PivotTable) serta representasi grafik. Jawaban untuk query data historis seringkali membutuhkan query yang berikutnya, karena para peneliti harus menjawab dan menjelajahi segala kemungkinan. Sistem OLAP menyediakan kecepatan dan fleksibilitas untuk mendukung analisa dalam waktu nyata.
2.1.6
Karakteristik Data warehouse Karakteristik data warehouse menurut Inmon dan Hackathorn (1998, p2) adalah
sebagai berikut : 1.
Subject Oriented (berorientasi subjek) Karakteristik pertama dari data warehouse yaitu berorientasi pada subjek-subjek utama dari perusahaan. Sebaliknya, OLTP berorientasi pada proses atau fungsi. Contohnya, dalam dunia perbankan data warehouse akan berorientasi pada
12 subjek utama antara lain customer, vendor dan product; sedangkan OLTP berorientasi pada proses atau fungsinya, antara lain tabungan, peminjaman dan kartu kredit. 2.
Time variant (variasi waktu) Data untuk data warehouse berhubungan dengan suatu titik atau point dalam suatu periode waktu (semester, tahun fiskal atau periode pembayaran). Dengan demikian data dalam data warehouse akurat selama periode waktu tertentu sehingga dikatakan memiliki rentang waktu (time variance). Data warehouse juga memiliki tempat untuk penyimpanan data untuk 10 tahun yang lalu atau lebih lama lagi, yang mungkin nanti akan dapat digunakan untuk perbandingan trend dan forecasting.
3.
Integrated (saling terintegrasi) Adanya konsolidasi dari aplikasi oriented data system yang berbeda yaitu data dalam data warehouse disimpan dalam suatu format yang konsisten (seperti penamaan variabel, ukuran serta atribut fisik) Misalnya dalam aplikasi pengkodean. Data warehouse akan sangat berhasil apabila mampu untuk mengkombinasikan data dari banyak sistem operasi dan hal itu merupakan suatu yang sangat efektif. Salah satu alasan utama dalam menyatukan data adalah kemampuannya untuk melakukan referensi silang antara aplikasi. Kemampuan untuk menyajikan dan mengerti korelasi antara aktivitas dari grup organisasi yang berbeda dalam suatu perusahaan merupakan suatu fasilitas yang terbaik yang dapat dilakukan oleh data warehouse.
13 Data warehouse tidak hanya melayani penyatuan data di aplikasi sekarang, tetapi memiliki kemampuan untuk menyatukan data dari beberapa versi aplikasi yang telah digunakan sebelumnya. Konsistensi yang ditunjukkan oleh data warehouse dapat dilihat pada :
Encoding (pengkodean) Sebagai contoh, software developer harus memberi kode “m” untuk jenis kelamin pria dan “f” untuk jenis kelamin wanita. Dapat juga memberi kode “L” atau “male” untuk pria serta “o” atau “female” untuk wanita.
Attribute measurement (pengukuran atribut) Sebagai contoh, ada beberapa satuan ukuran yang digunakan untuk satuan panjang dalam database seperti cm, inch, meter, dan yard. Dengan karakteristik integritasi data, maka ukuran tersebut harus konsisten seperti menetapkan ukuran satuan panjang yaitu cm.
Multiple source (banyak sumber) Dalam database ada kemungkinan banyaknya deskripsi dari suatu informasi, namun dengan prinsip integritas data, seluruh informasi tersebut harus memiliki kesamanan deskripsi yang konsisten.
Conflicting keys (kunci yang berbeda) Sebagai contoh, dalam database ada beberapa tipe data yang berbeda dalam field yang sama seperti field kode barang dalam tabel penjualan memiliki tipe data character (char) dengan field size 10, sedangkan dalam tabel lain berbeda, misal char (12). Semua perbedaan itu harus diintegrasikan menjadi satu tipe data yaitu char dengan ukuran 12.
4.
Non Volatile (tidak dapat berubah)
14 Data warehouse tidak dapat mengalami perubahan. Lain halnya pada database operasional dapat dilakukan update, insert, delete terhadap data yang mengubah isi dari database sedangkan pada data warehouse hanya ada 2 kegiatan memanipulasi data yaitu loading data (mengambil data dari data yang dibutuhkan dalam data warehouse) dan akses data (proses mengakses data warehouse, seperti melakukan query) atau menampilkan laporan yang dibutuhkan (tidak ada kegiatan updating data). Karakteristik data warehouse menurut Poe (1996, p40) adalah sebagai berikut: 1.
Data diambil dari sistem asal (sistem informasi yang ada), berupa database dan file.
2.
Data dari sistem asal diintegrasikan dan ditransformasikan sebelum disimpan ke dalam data warehouse.
3.
Data warehouse adalah sebuah database salinan yang bersifat read only dan dirancang terutama untuk mendukung pengambilan keputusan.
4.
Pemakai mengakses data warehouse melali suatu front-end tool atau sebuah aplikasi.
2.1.7
Struktur Data warehouse Menurut Mukti (1997, p96-97), data warehouse memiliki struktur yang spesifik
dan mempunyai perbedaan dalam tingkatan-tingkatan dan detail data serta perbedaan dalam tingkatan umur data. Data warehouse memiliki komponen sebagai berikut : 1.
Current Detail Data Current Detail Data adalah data detail yang aktif sekarang. Mencerminkan keadaan yang sedang berjalan dan merupakan tingkat terendah dalam data
15 warehouse. Current detail data ini biasanya memerlukan media penyimpanan data yang besar. Berikut ini beberapa alasan mengapa current detail data menjadi perhatian utama :
Menggambarkan kejadian yang baru terjadi dan selalu menjadi perhatian utama.
Sangat banyak jumlahnya dan disimpan pada tingkat penyimpanan terendah.
Hampir selalu disimpan di media penyimpanan karena cepat diakses tetapi mahal dan kompleks dalam pengaturannya.
Biasa digunakan dalam membuat rekapitulasi data sehingga current detail data harus akurat. Contoh: Rincian penjualan produk x th 1999-2002.
2.
Old Detail Data Old detail data merupakan data historis, yang dapat berupa hasil backup yang disimpan dalam media penyimpanan yang terpisah dan pada saat tertentu dapat diakses kembali. Data itu jarang diakses sehingga biasanya disimpan dalam media penyimpanan alternatif seperti tape disk. Penyusunan direktori untuk data ini harus menggambarkan umur dari data agar memudahkan untuk pengaksesan kembali. Contoh: Rincian penjualan produk x th 1990-1995.
3.
Lightly Summarized Data Lightly summarized data (rangkuman data secara khusus) merupakan ringkasan dari detail data, tetapi belum bersifat total summary. Data ini selalu disimpan dalam disk. Data-data ini memiliki tingkatan detail yang lebih tinggi dan mendukung kebutuhan data warehouse pada tingkatan departemen. Tingkatan data ini disebut juga “data mart”. Akses terhadap data jenis ini banyak digunakan untuk view dari suatu kondisi yang sedang dan sudah berjalan.
16 Contoh: Penjualan produk x per periode di suatu wilayah operasional th 19992002.
4.
Highly Summarized Data Highly sumarized data (rangkuman data secara umum) merupakan hasil proses ringkasan yang bersifat total, solid, serta mudah diakses. Digunakan untuk melakukan analisa perbandingan data berdasarkan urutan waktu dan analisa yang menggunakan data multidimensi. Database multidimensi adalah suatu teknologi software komputer yang dirancang untuk meningkatkan efiensi dalam pencari data (query) sehingga menjadi media penyimpanan yang lebih baik, serta memudahkan pengambilan data dengan volume yang besar. Contoh: Penjualan produk nasional th 19992002.
5.
Metadata Metadata bukan merupakan data hasil dari kegiatan operasional seperti keempat jenis data diatas. Metadata memuat informasi yang penting mengenai data dalam data warehouse yang berfungsi sebagai berikut :
Direktori yang akan dipakai oleh pemakai data warehouse dalam mencari lokasi data dalam data warehouse.
Merupakan penuntun pemetaan (mapping) dalam proses transformasi dari data operasional ke data warehouse.
Suatu panduan untuk proses summary data dari detail data menjadi lightly summarized data dan kemudian menjadi highly summarized data.
17 Metadata merupakan bentuk suatu jaringan yang sangat penting bagi pengguna data warehouse. Data yang tersedia haruslah dapat digunakan oleh pemakai dengan istilah yang sesuai dengan cara pemakai dalam melakukan pekerjaannya. Karena data warehouse harus melayani banyak fungsi, maka metadata penting untuk memahami data yang sama dengan nama yang berbeda pula. Metadata dibuat untuk menjawab kebutuhan dari suatu fungsi tertentu, karena setiap departemen biasanya menggunakan struktur data yang spesifik meskipun asal datanya sama.
Highly Summarized
Lightly Summarized
Metadata
Older Detail Data
Gambar 2.1 Struktur Data Dalam Data Warehouse(Inmon, 2002, p36)
2.1.8
Arsitektur Data Warehouse
18 Sebuah arsitektur adalah satu set dari aturan-aturan yang menyediakan suatu framework untuk keseluruhan rancangan dari suatu sistem atau produk. Suatu arsitektur data menyediakan framework dengan mengidentifikasi dan mengerti bagaimana data akan bergerak melalui sistem dan digunakan di dalam perusahaan. Arsitektur data untuk sebuah data warehouse seperti mempunyai suatu komponen utama sebuah database yang read only yang digunakan untuk mendukung pengambilan keputusan. Salah satu contoh arsitektur dasar dari data warehouse dapat dilihat pada gambar 2.2.
Source
Data Access environment
Source
Source
Data Transformatio n& Integration
Data Warehousing
Source
User
Gambar 2.2 Arsitektur Dasar Data Warehouse (Poe, 1996, p41)
2.1.9
Infrastruktur Data Warehouse Menurut Poe (1996, p54), infrastruktur data warehouse adalah software,
hardware, pelatihan, dan komponen-komponen lainnya yang memberikan dukungan yang dibutuhkan untuk mengimplementasikan arsitektur data warehouse. Salah satu
19 dasar yang mempengaruhi keberhasilan pengembangan data warehouse adalah pengidentifikasian arsitektur mana yang terbaik dan infrastruktur apa yang dibutuhkan. Arsitektur dan infrastruktur sangat erat hubungannya. Arsitektur yang sama mungkin akan membutuhkan infrastruktur yang berbeda, tergantung pada lingkungan perusahaan atau organisasi. Salah satu contoh infrastruktur yang mendukung area bisnis dapat dilihat pada gambar 2.3.
Source
Enterprise Data Warehousing
source Source
Data Transformation & Integration Business Area Warehousing
Source
Business Area Warehousing
Data Access Environment
User
User
User
Gambar 2.3 Infrastruktur Data Warehouse yang mendukung area bisnis ( Poe, 1996, p46)
2.1.10 Anatomi Data warehouse Penerapan awal dari arsitektur data warehouse dibuat berdasarkan konsep bahwa data warehouse mengambil data dari berbagai sumber dan memindahkannya ke dalam sebuah pusat pengumpulan data yang besar. Konsep ini sebenarnya lebih cenderung pada sebuah lingkungan mainframe yang terpusat.
20 Keunggulan teknologi client-server memungkinkan data warehouse diterapkan dalam berbagai macam cara untuk menampung kebutuhan pemakai sistem secara lebih proporsional. Misalnya: pemakai tertentu perlu menggabungkan data dari sebuah sistem pengumpulan data yang statis, dengan data dari sistem operasional yang dinamis hanya dalam sebuah query saja.
Berikut ini adalah tiga jenis dasar anatomi data warehouse menurut Prabowo (1996) 1.
Data warehouse fungsional (Functional Data warehouse) Menggunakan pendekatan kebutuhan dari tiap bagian dari fungsi bisnis yang ada, misalnya departemen/divisi untuk mendefinisikan jenis data yang ditampung oleh sistem. Setiap unit fungsi dapat memiliki gambaran data masing-masing.
Data
Data
Sistem Operasional Gambar 2.4 Anatomi Data Warehouse Fungsional
Workstation
21 Pendekatan ini banyak digunakan karena dapat memberikan solusi yang mudah untuk dibangun dengan biaya investasi yang relatif lebih rendah. Penerapan anatomi jenis ini beresiko kehilangan konsistensi data di luar lingkungan fungsi bisnis yang bersangkutan. Bila lingkup pendekatan ini diperbesar dari lingkungan fungsional menjadi lingkungan perusahaan, maka konsistensi data perusahaan tidak lagi dapat terjamin. 2.
Data warehouse terpusat (Centralized Data warehouse) Data warehouse terpusat adalah pendekatan yang paling baik digunakan. Hal ini dikarenakan oleh keterbiasaan pemakai dengan lingkungan mainframe terpusat. Data diambil dari seluruh sistem operasional dan disimpan di dalam pusat penyimpanan data. Pemakai kemudian menggunakan data yang telah terkumpul tersebut untuk membangun data warehouse fungsional masing-masing sesuai dengan kebutuhannya.
Data
Data Data
DW Sistem Operasional
Gambar 2.5 Anatomi Data Warehouse Terpusat
Workstation
22 Keuntungan anatomi ini dibandingkan dengan anatomi data warehouse fungsional adalah bahwa data benar-benar terintegrasi. Sistem ini mengharuskan data dikirim tepat pada waktunya, agar tetap konsisten dengan pemasok data lainnya. Di samping itu, pemakai hanya dapat mengambil data dari pusat pengumpulan saja dan tidak dapat berhubungan secara langsung dengan pemasok datanya sendiri. Penerapan anatomi ini membutuhkan biaya pemeliharaan yang tinggi dan membutuhkan waktu yang lama untuk membangun sistemnya. 3.
Data warehouse terdistribusi (Distributed Data warehouse) Data warehouse terdistribusi dikembangkan berdasarkan konsep gateway data warehouse, sehingga memungkinkan pemakai dapat langsung berhubungan dengan sumber data/pemasok data maupun dengan pusat pengumpul data lainnya.
Data Warehouse Gateway Sistem Operasional
Data Warehouse
Data
Workstation Data Warehouse Fungsional Gambar 2.6 Anatomi Data Warehouse Terdistribusi
23
Pendekatan ini menggunakan teknologi client/server untuk mengambil data dari berbagai sumber, sehingga memungkinkan tiap departemen/divisi untuk membangun sistem operasionalnya sendiri serta dapat membangun pengumpul data fungsionalnya masing-masing dan menggabungkan bagian-bagian tersebut dengan teknologi client/server. Penerapan data warehouse terdistribusi ini memerlukan biaya yang sangat besar karena setiap pengumpul data fungsional dan sistem operasinya dikelola secara terpisah. Selain itu, agar berguna bagi perusahaan, data yang ada harus disinkronisasikan untuk memelihara keterpaduan data.
2.1.11 Perencanaan dan Perancangan Data Warehouse Poe(1996, p90) telah memaparkan langkah-langkah yang harus diperhatikan dalam membangun data warehouse yang baik pada tahap perancangan data warehouse dengan sebutan “The Big Eight”, yaitu: 1.
Be clear on the goal of the data wareahouse Menentukan tujuan pembuatan data warehouse dengan menentukan cakupan sehingga tujuan tidak meluas dan akhirnya berubah.
2.
Understand the choosen data warehouse data architecture Pemilihan arsitektur dan infrastruktur akan menentukan bagaimana sistem tersebut dikembangkan, bagaimana mendisain database, update, bahkan pelatihan pun ikut berpengaruh dalam penentuan bentuk arsitektur.
3.
Make sure the technical infrastructures are in place
24 Memastikan adanya fasilitas fisik yang diperlukan baik software dan hardware yang diperlukan, sebelum pengembangan data warehouse dimulai. 4.
Clarify the project team’s responsibilities and the final project deliverable Memastikan keterlibatan unit-unit organisasi dan orang-orang yang terlibat di dalamnya,
karena
setiap
bagian
mempunyai
tanggung
jawab
dalam
pengembangan data warehouse, apalagi pembuatan data warehouse yang memerlukan data antarlintas unit-unit organisasi dalam perusahaan. 5.
Understand the difference beween operational and decision support information Memastikan bahwa oang-orang yang terlibat dalam pembangunan sistem telah mengerti perbedaan data operasional dan data yang mendukung keputusan sehingga pada akhirnya tidak ada salah pengertian dalam penggunaan data.
6.
Get the correct training Penentuan jenis pelatihan yang tepat agar pemakai tidak menemui kesulitan dan mengerti benar tentang fungsi dan kegunaan sistem sehingga dapat digunakan secara optimal.
7.
Get the right resources Pencarian sumber informasi yang tepat mengenai perusahaan secara fisik sampai pada hal-hal yang mendetail sehingga dapat menjadi masukan-masukan terhadap pembangunan sistem dan pencarian orang yang tepat dalam bidangnya.
8.
Choose front end data access software based on users needs and abilities Pemilihan perangkat lunak front-end tools yang tepat dengan kebutuhan dan kemampuan pemakai.
2.1.12 Kegunaan Data Warehouse
25 Data Warehouse yang digunakan selama ini banyak memberikan keuntungan dan kemudahan, karena data warehouse pada umumnya digunakan untuk melakukan empat tugas yang berbeda.
Menurut Williams (1998, p533), keempat tugas data
warehouse tersebut antara lain :
1.
Pembuatan Laporan Merupakan salah satu kegunaan data warehouse yang paling umum. Dengan menggunakan query-query sederhana dalam data warehouse, dapat dihasilkan informasi pertahun, perkuartal, perbulan dan bahkan perhari.
2.
On-Line Analytical Processing (OLAP) Data warehouse digunakan dalam melakukan analisis bisnis untuk mengetahui kecendrungan pasar dan faktor-faktor penyebabnya, karena dengan adanya data warehouse semua informasi baik detil maupun hasil ringkasan yang dibutuhkan dalam proses analisa akan lebih mudah didapat. Dalam hal ini data warehouse merupakan tool yang handal untuk melakukan analisis data yang kompleks.
3.
Data Mining Penggunaan data warehouse dalam pencarian pola dan hubungan data agar dapat membuat keputusan bisnis bagi para pihak manajemen. Dalam hal ini, software aplikasi dirancang untuk pola statistik dalam data untuk mengetahui kecenderungan yang ada, misalnya kecenderungan pasar akan suatu produk tertentu.
4.
Proses Informasi Eksekutif
26 Data warehouse digunakan untuk mencapai ringkasan informasi yang penting dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi keseluruhan data. Dengan menggunakan data warehouse, semua laporan telah diringkas dan dapat pula diketahui rinciannya secara lengkap sehingga mempermudah proses pengambilan keputusan. Informasi dan data pada laporan data warehouse menjadi target informatif bagi user dalam hal ini adalah pihak eksekutif.
2.1.13 Metadata dan Repository Menurut Vieira (2000, p93), metadata dapat diartikan sebagai data tentang data. Dengan kata lain, merupakan informasi tentang cara penyimpanan data yang telah terstruktur di dalam data warehouse, OLAP, dan Data Transformation Service (DTS) disimpan sebagai metadata dan disimpan di dalam Microsoft Repository. Repository dibangun bertujuan untuk mengatur informasi teknis tentang sumber data yang terlihat dengan data warehouse, OLAP, dan DTS. Informasi repository ini disimpan secara default di dalam SQL Server Database.
2.1.14 Penggunaan Metadata Menurut Connolly (2002, p1065), metadata diperoleh setelah data mart telah dipilih dan diambil dalam data warehouse, dan kemudian data mart tersebut dipecahpecah.
Tujuannya adalah masing-masing data mart dibuatkan tabel sesuai dengan
kebutuhan yang akan digunakan dalam pembuatan data mining. Jadi metadata adalah pecahan dari data mart dimana tabel-tabel yang ada di dalamnya selanjutnya akan dinamakan sebagai tabel dimensi yang akan digunakan dalam pembuatan kubus, dan akhirnya digunakan pada saat pembuatan model data mining.
27 Di dalam metadata terdapat penjelasan tentang record mana yang ditunjuk sebagai primary key dan juga record mana yang dipilih sebagai foreign key. Hal ini dilakukan jika nanti dalam proses pembuatan star schema atau snowflake schema terjadi proses penghubungan antar tabel dimensi, maka proses penghubungan tabel tersebut akan memperhatikan record-record mana yang bisa saling dihubungkan. Jadi metadata tersebut digunakan untuk pembuatan kubus, karena fungsinya sebagai tabel dimensi yang menjelaskan tabel fakta.
Metadata baru dapat dilihat
hasilnya dalam bentuk OLAP cube dimana tabel-tabel tersebut disajikan dalam bentuk kesimpulan dan penjumlahan data dari kubus yang terbentuk dari tabel dimensi dan tabel fakta yang saling terhubung.
2.1.15 Denormalisasi Denormalisasi ini bertentangan dengan aturan normalisasi. Normalisasi sendiri berarti melakukan pemecahan tabel menjadi beberapa tabel sesuai dengan aturan yang ada sehingga menghasilkan tabel yang lebih ringkas dan lebih stabil. Menurut Poe (1996, p137-139), denormalisasi merupakan proses penggabungan beberapa tabel untuk meningkatkan performa. Alasan utama melakukan denormalisasi adalah untuk: 1.
Mengurangi jumlah hubungan antartabel sehingga dapat mempercepat proses pencarian.
2.
Memetakan struktur fisik database sehingga lebih mendekati terhadap model dimensi bisnis pemakai.
2.1.16 Snowflake
28 Pada dasarnya prinsip dari snowflake tidak jauh berbeda dari skema bintang. Snowflake merupakan variasi lain dari skema bintang di mana tabel dimensi dari skema bintang diorganisasi menjadi suatu hirarki dengan melakukan normalisasi. Penggunaan tabel dimensi sangatlah menonjol karena itulah perbedaan mendasar dari skema bintang dan skema snowflake. Pada skema snowflake satu atau beberapa tabel dimensi tidak dihubungkan secara langsung dengan tabel fakta, tetapi harus dihubungkan melalui tabel dimensi lainnya. Pada skema snowflake menggunakan beberapa tabel dimensi yang sudah mengalami normalisasi, sedangkan skema bintang menggunakan tabel dimensi yang masih denormalisasi. Skema snowflake dibuat agar semua data termuat dengan lengkap dalam setiap tabel fakta dan tabel dimensi. Keuntungannya adalah proses pemindahan data ke dalam metadata menjadi lebih cepat.
2.1.17 Skema Bintang Skema bintang merupakan bentuk sederhana yang menggambarkan hubungan antar tabel. Skema bintang adalah suatu desain yang digunakan untuk merealisasikan data warehouse. Skema bintang memungkinkan respon yang cepat dalam menentukan query, dan memberikan pemahaman yang mudah bagi analis dan end-user. Dalam skema bintang ini ada dua tipe tabel yaitu tabel fakta (fact table) dan tabel dimensi (dimention table). 1.
Tabel Fakta (Fact Table) Tabel fakta ini merupakan tabel yang berisikan data sebenarnya, biasanya tabel ini juga disebut Major table. Informasi yang diberikan sering kali terdiri dari banyak kolom dan jutaan baris.
29 2.
Tabel Dimensi (Dimention Table) Tabel dimensi ini merupakan tabel yang berisikan data dari fungsi bisnis, biasanya tabel ini juga disebut Minor table.
2.1.17.1Simple Star Scheme Dalam tipe ini masing-masing tabel harus mempunyai primary key berupa kolom/ gabungan kolom yang isinya unik untuk masing-masing baris. Primary key untuk tabel fakta dapat terdiri dari satu/lebih foreign key. Foreign key sendiri adalah kolom dalam satu tabel di mana nilainya telah dipetakan oleh primary key dari tabel lain. Pada gambar 2.7 dapat dilihat ada 1 buah tabel dimensi, di mana pada tabel fakta ada key1, key2, key3 yang menunjuk ke masing-masing tabel dimensi. Sedangkan key1 merupakan primary key dari tabel dimensi 1 demikian juga key2 merupakan primary key dari tabel dimensi2 dan juga key3 merupakan primary key dari tabel dimensi3.
Dimension Table
Fact Table
Key 1
Key 1
Attribute Attribute fd ………... Attribute
Key 2
Dimension Table Key 2 Attribute Attribute ………. Attribute
Dimension Table
Key 3
Key 3
Data Column Data Column ……………. Data Column
Attribute Attribute ……….. Attribute
Gambar 2.7 Simple Star Schema
30
2.1.17.2Multi Star Scheme Dalam multi star schema ini, mereka memiliki kunci gabungan antara primary key dengan foreign key yang membentuk suatu key yang unik. Pada gambar 2.8 dapat dilihat pada tabel fakta ada Fkey1, Fkey2, Fkey3 yang menunjuk kepada masing-masing tabel dimensi. Fkey ini adalah foreign key. Tidak seperti pada simple star schema, di mana Fkey1, Fkey2, Fkey3 akan menjadi primary key pada tabel fakta, tapi yang menjadi primary key pada tabel fakta ini adalah key1, key2, ditambah dengan Fkey1, Fkey2, atau Fkey3 atau gabungan dari Fkey-Fkey itu.
Dimension Table Pkey 1
Fact Table Fkey1
Attribute
Dimension Table
Fkey2
Attribute
Dimension Table
Fkey3
Pkey 3
Attribute
Pkey 2
Key1
Attribute
………
Attribute
Key2
Attribute
Attribute
Data Column
Attribute
Attribute
Data Column
………
………
Data Column ………….. Gambar 2.8 Multi Star Scheme
2.1.17.3Keuntungan Skema Bintang Skema bintang telah menjadi standar untuk mendesain data warehouse dan database karena dengan menggunakan skema bintang kita bisa mendapatkan keuntungan yang lebih, dari pada menggunakan struktur relational yang biasa.
31 Keuntungan yang dapat diperoleh dengan menggunakan skema bintang (Poe,1996,p121) adalah : 1.
Dapat menciptakan database yang memiliki waktu respon yang cepat.
2.
Menyediakan design yang dapat dengan mudah dimodifikasi sesuai dengan perkembangan data warehouse.
3.
Memudahkan untuk memahami metadata baik untuk developer maupun pemakai.
4.
Memudahkan pemilihan peralatan front end untuk pengaksesan data.
2.2
Analisa SWOT (Strengths, Weakness ,Opportunities and Threats) Analisa SWOT adalah identifikasi berbagai faktor secara sistematis untuk
merumuskan strategi perusahaan. Analisa ini didasarkan pada logika yang dapat memaksimalkan kekuatan/strengths dan peluang/opportunities, dan secara bersamaan dapat meminimalkan kelemahan/weaknesses dan ancaman/threats (Rangkuti, 2000, p1819). Menurut Rangkuti (2000, p19), SWOT adalah singkatan dari lingkungan internal (kekuatan dan kelemahan) serta lingkungan eksternal (peluang dan ancaman) yang dihadapi dunia bisnis. SWOT membandingkan antara faktor eksternal dengan faktor internal. Komponen-komponen SWOT yaitu: 1.
Kekuatan (Strength) Setiap perusahaan perlu untuk mengetahui kekuatan apa saja yang dimilikinya agar dapat lebih memaksimalkan kekuatannya itu untuk bersaing. Kekuatan perusahaan adalah sumber daya dan kemampuan yang dimilikinya, yang dapat digunakan sebagai dasar bagi pengembangan keunggulan bersaing. Sebagai contohnya antara lain: paten, brand yang kuat, reputasi yang baik antara
32 pelanggan, keunggulan dalam hal biaya, akses eksklusif ke sumber daya alam yang bernilai tinggi, dan akses yang baik atas jaringan distribusi. 2.
Kelemahan (Weaknesses) Yang di maksud dengan kelemahan adalah ketidakadaan kekuatan tertentu dalam suatu perusahan, yang dapat merugikan bagi perusahaan tersebut atau dapat juga diartikan sebagai masalah yang dihadapi oleh suatu perusahaan. Sebagai contohnya adalah kurangnya perlindungan paten, brand/merek yang tidak dikenal, reputasi yang buruk di mata pelanggan, biaya yang tinggi, kurangnya akses atas sumber daya alam yang bernilai tinggi, dan kurangnya akses atas saluran distribusi utama.
3.
Kesempatan (Opportunities) Analisis terhadap kondisi lingkungan eksternal dapat menimbulkan beberapa kesempatan tertentu yang menguntungkan bagi pertumbuhan perusahaan. Sebagai contohnya: kebutuhan pelanggan yang tidak terpenuhi dan munculnya teknologi baru.
4.
Ancaman (Threats) Ancaman dalam lingkungan eksternal dapat menjadi suatu ancaman yang berbahaya bagi perusahaan. Sebagai contoh: peralihan pelanggan dari produk/jasa perusahaan, keberadaan produk pengganti, dan peraturan pemerintah yang baru. Gambar 2.9 memberikan gambaran bagaimana analisis SWOT digunakan untuk
menganalisis strategi: Berbagai Peluang
Kelemahan internal
3. mendukung strategi turnaround
1. Mendukung strategi agresif Kekuatan Internal
33
Gambar 2.9 Analisa SWOT (Rangkuti, 2000, p19) Penjelasan gambar 2.9: Analisis SWOT (Rangkuti, 2000, p19): 1.
Kuadran 1 dalam gambar SWOT merupakan situasi yang menguntungkan. Perusahaan
tersebut
memiliki
peluang
dan
kekuatan
sehingga
dapat
memanfaatkan peluang yang ada. Strategi yang harus diterapkan dalam kondisi ini adalah mendukung kebijakan pertumbuhan agresif (growth oriented strategy). 2.
Dalam kuadran 2 perusahaan menghadapi berbagai ancaman, namun masih memiliki kekuatan untuk memanfaatkan peluang jangka panjang dengan cara strategi diversifikasi (produk/pasar).
3.
Dalam kuadran 3 perusahaan menghadapi peluang besar dalam pasar, tetapi di pihak lain perusahan menghadapi berbagai kendala/kelemahan internal. Fokus strategi perusahaan ini adalah meminimalkan masalah-masalah internal perusahaan sehingga dapat merebut peluang pasar yang lebih baik.
4.
Dalam kuadran 4 merupakan situasi yang sangat tidak menguntungkan, di mana perusahaan tersebut menghadapi berbagai ancaman dan kelemahan internal. Situasi ini membutuhkan strategi defensif yang meminimalkan kelemahan internal dan menghindari ancaman yang datang dari lingkungan eksternal.
34 SWOT yang telah didefinisikan dapat digambarkan dalam bentuk matriks seperti di bawah ini: Internal
STRENGTHS (S) Tentukan
WEAKNESSES (W) faktor-faktor Tentukan
faktor-faktor
Eksternal
kekuatan internal
kelemahan internal
OPPORTUNITIES(O)
STRATEGI (SO)
STRATEGI (WO)
Tentukan
faktor Ciptakan
peluang eksternal
strategi
yang Ciptakan
strategi
menggunakan kekuatan untuk meminimalkan memanfaatkan peluang
untuk
yang
kelemahan
memanfaatkan
peluang STRATEGI (ST)
THREATS (T) Tentukan
faktor Ciptakan
ancaman eksternal
strategi
STRATEGI (WT) yang Ciptakan
strategi
menggunakan kekuatan untuk meminimalkan mengatasi ancaman
yang
kelemahan
dan menghindari ancaman
Tabel 2.2 Matriks SWOT
2.3
Critical Success Factor (CSF) Menurut McLeod (2001, p109), CSF adalah suatu aktivitas perusahaan yang
mempunyai pengaruh kuat terhadap kemampuan perusahaan untuk memenuhi tujuannya. Umumnya perusahaan mempunyai banyak CSF. Kekuatan dari metode CSF adalah bahwa CSF menghasilkan set data yang lebih kecil untuk dianalisa daripada analisa perusahaan (enterprise analysis) secara keseluruhan. CSF dilakukan dengan mewawancarai manajer tingkat atas dan pertanyaan
35 berfokus pada sejumlah kecil CSF daripada pertanyaan yang luas sehingga mendapatkan informasi apa yang dibutuhkan. Berdasarkan pendapat Laudon (1998, p180), Critical Success Factor (CSF) digunakan untuk menentukan kebutuhan informasi dari sebuah organisasi. CSF adalah sejumlah kecil tujuan operasional yang dapat diidentifikasi, dibentuk oleh perusahaan, manajer dan lingkungan lebih luas yang dipercaya untuk memastikan sukses tidaknya sebuah organisasi. Berikut ini dijelaskan secara umum karakteristik dari faktor penentu keberhasilan yaitu sebagai berikut : 1.
Tidak ada ukuran baku yang dapat diterapkan untuk seluruh perusahaan.
2.
Spesifik berdasarkan situasi dan waktu
3.
Umumnya internal, hanya kadang-kadang eksternal
4.
Mempunyai kategori “monitoring dan building”
2.4
Teori-Teori Khusus
2.4.1
Pengertian Freight Forwarding Freight Forwarder adalah badan usaha yang bertujuan untuk memberikan jasa
pelayanan/pengurusan atas seluruh kegiatan yang diperlukan bagi terlaksananya pengiriman, pengangkutan, dan penerimaan barang dengan menggunakan multimodal transport baik melalui darat, laut dan/atau udara (Suyono, 2003, p239). Freight Forwarder bertanggung jawab mulai barang diterima di shipper premises sampai barang diserahkan di consignee premises. Di samping itu, freight forwarder juga melaksanakan pengurusan prosedur dan formalitas dokumentasi yang dipersyaratkan oleh adanya peraturan-peraturan pemerintah negara ekspor, negara transit
36 dan negara impor. Serta sesuai dengan ruang lingkup usahanya, Freight Forwarding juga melengkapi dokumen-dokumen yang berkaitan dengan Letter of Credit/Certified of Receipt/Bill of Landing/Sea Waybill/Air Waybil/House Bill of Landing/Fiata Bill of Landing/Delivery Order dan sebagainya. Freight Forwarder juga menyelesaikan biaya-biaya yang timbul sebagai akibat dari kegiatan-kegiatan transportasi, penanganan muatan di pelabuhan/bandara/gudang, pengurusan dokumentasi dan juga mencakup insurance liabilities yang umumnya diperlukan oleh pemilik barang. Berdasarkan aktivitas-aktivitas tersebut, freight forwarder dapat bertindak atas nama pengirim atau bertindak atas nama penerima, atau bertindak atas nama pengirim dan penerima, tergantung dari lingkup pekerjaan yang tercantum dalam kontrak kerja yang telah disetujui antara kedua belah pihak yaitu antara pemberi order kerja dan freight forwarder bersangkutan. Freight forwarder sangat fleksibel dalam menerima lingkup pekerjaan tersebut.
2.4.2
Aktivitas Freight Forwarder Aktivitas Freight Forwarder secara menyeluruh dapat berupa:
Memilih rute perjalanan barang, moda transportasi dan pengangkut yang sesuai, kemudian memesan ruang muat (space),
Melaksanakan penerimaan barang, menyortir, mengepak, menimbang berat, mengukur dimensi, kemudian menyimpan barang ke dalam gudang,
Mempelajari letter of credit barang, peraturan negara tujuan ekspor, negara transit, negara impor kemudian mempersiapkan dokumen-dokumen lain yang diperlukan,
37
Melaksanakan transportasi barang ke pelabuhan laut/udara, mengurus izin Bea dan Cukai, kemudian menyerahkan barang kepada pihak pengangkut,
Membayar biaya-biaya handling serta membayarkan freight,
Mendapatkan bill of landing/air waybill dari pihak pengangkut,
Mengurus asuransi transportasi barang dan membantu mengajukan klaim kepada pihak asuransi bila terjadi kehilangan/kerusakan atas barang,
Memonitor perjalanan barang sampai ke pihak penerima, berdasarkan info dari pihak pengangkut dan agen forwarder di negara transit/tujuan,
Melaksanakan penerimaan barang dari pihak pengangkut,
Mengurus izin masuk pada Bea dan Cukai serta menyelesaikan bea masuk dan biaya-biaya yang timbul di pelabuhan transit/tujuan,
Melaksanakan transportasi barang dari pelabuhan ke tempat penyimpanan barang di gudang,
Melaksanakan penyerahan barang kepada pihak penerima barang, dan melaksanakan pendistribusian barang bila diminta.
2.4.3
Hak, Kewajiban dan Tanggung Jawab Freight Forwarder Status hukum freight forwarder sangatlah beragam, tetapi yang sangat umum
adalah yang mengambil standard trading conditions (persyaratan perdagangan standar) sebagai dasar dalam menetapkan hak, kewajiban dan tanggung jawab freight forwarder terhadap pelanggannya. Persyaratan-persyaratan itu diformulasikan sesuai dengan praktek dagang atau sistem hukum yang berlaku di negara masing-masing. Banyak yang memakai formulasi dari FIATA (The Federation of International Freight Forwarder
38 Associations) yang didirikan tahun 1928. Standard Trading Conditions dipakai antara lain oleh Indonesia, Jerman dan Inggris.
2.4.4
Hubungan Freight Forwarder dengan pihak ketiga dalam multimodal transport Dalam dunia transportasi angkutan barang dikenal istilah multimodal transport.
Menurut Suyono (2003, p242), multimodal transport adalah transportasi yang melibatkan lebih dari satu macam moda angkutan, apakah transportasi tersebut terjadi hanya dalam satu negara saja ataupun lebih dari satu negara. Dengan demikin freight forwarder pada umumnya menggunakan pihak ketiga. Pihak ketiga yang terlibat antara lain: 1.
Pihak pengangkut a. Operator angkutan darat b. Jasa kereta api c. Pemilik kapal d. Angkutan udara Sebagai contoh multimodal transport:
Minibridge: pengangkutan petikemas dengan through bill of lading dari negara pengekspor lewat laut, diteruskan ke negara tujuan lewat kereta api.
Landbridge: pengangkutan petikemas dari negara pengekspor ke negara transit lewat laut dan di negara transit lewat daratan dan diteruskan ke negara pengimpor lewat laut lagi.
2.
Non-pengangkut a. terminal petikemas
39 b. pergudangan c. container freight station (CFS) atau depot konsolidasi muatan d. pemilik petikemas e. organisasi yang usahanya khusus untuk mengepak, penyelesaian dokumen bea cukai, dokumen ekspor/impor, transaksi penukaran valuta asing dan pengurusan dokumen terkait.
3.
Pihak lain a. bank b. pihak asuransi c. pelabuhan laut/pelabuhan udara d. bea cukai