BAB 2 LANDAS AN TEORI
2.1 Pengertian Database M enurut Turban (2001, p17), “Data are raw facts or elementary descriptions of things, events, activities, and transactions, that are captured, recorded, stored, and classified, but not organized to convey any specific meaning”, yang artinya Data adalah fakta atau gambaran dasar benda, kejadian, kegiatan, dan transaksi, yang ditangkap, dicatat, disimpan, dan dikelompokkan, tetapi tidak diatur untuk menyampaikan arti khusus. M enurut Connolly dan Begg (2002, p14), “Database a shared collection of logically related data, designed to meet the information needs of an organization”, yang artinya Database adalah suatu kumpulan data yang berhubungan secara logik, dan gambaran dari data ini didesain untuk memenuhi kebutuhan dari sebuah organisasi. Database dapat diartikan sebagai kumpulan dari data-data yang saling berhubungan dan disimpan bersama-sama serta mempunyai kelebihan yaitu dapat melayani satu atau lebih aplikasi secara optimal. Bagian terkecil dari database yang mempunyai arti bagi tiap pengguna disebut data. Kumpulan dari data disebut field, kumpulan dari field disebut record, kumpulan dari record disebut file, sedangkan kumpulan dari file disebut database.
7
8 2.2 Pengertian Data Warehouse Pengertian Data warehouse dapat bermacam-macam namun mempunyai inti yang sama, seperti dari beberapa pandangan beberapa para ahli berikut ini : M enurut Richard Waymire dan Rick Sawtell (2000, p747): ”Data warehousing is the art of putting data together in such a way that you can analyze and extract information from what’s traditionally been view as strictly operational data”, yang artinya data warehouse adalah suatu cara untuk menggabungkan data secara bersama yang kemudian dapat kita analisa dan mengambil informasi dari data operasional. M enurut Turban (2001, p155): “A data warehouse is a relational or multidimensional database management system designed to support management decision making”, yang artinya data warehouse adalah sebuah sistem manajemen database relasional atau multidimensional yang didesain untuk mendukung pengambilan keputusan. M enurut Inmon (2002, p31), “A Data warehouse is subject oriented, integrated, non-volatile, and time variant collection of data in support of management’s decision” atau artinya Data warehouse adalah koleksi data yang mempunyai sifat berorientasi subyek, terintegrasi, tidak mengalami perubahan, dan memiliki rentang waktu dari koleksi data dalam mendukung proses pengambilan keputusan manajemen. Jadi data warehouse adalah sebuah tempat penyimpanan data secara lengkap dan konsisten, yang memudahkan proses pengolahan data menjadi informasi, dimana informasi tersebut digunakan untuk mendukung pengambilan keputusan oleh manajemen.
9 2.3 Karakteristik Data Warehouse M enurut Inmon (2002, p31-34), sebuah data warehouse mempunyai karakteristik sebagai berikut : • Subject Oriented (Berorientasi subyek) • Integrated (Terintegrasi) • Time variant (Variasi waktu) • Nonvolatile (Tidak dapat diubah)
2.3.1
Subject Oriented (Berorientasi S ubyek) Data warehouse diorganisasikan ke dalam subjek bisnis yang utama (seperti pelanggan, produk, dan penjual) dibandingkan fungsi bisnis yang berjalan (seperti pembuatan faktur, kontrol stok, dan penjualan produk). Penggunaan data berorientasi subjek lebih ke arah decision-support dibandingkan application-oriented. Secara garis besar perbedaan mendasar antara data operasional dan data warehouse antara lain sebagai berikut :
Operational Data
Data Warehouse
1. Berorientasi aplikasi
1. Berorientasi subyek
2. Bersifat Detail
2. Bersifat ringkasan
3. Dapat di-update
3. Tidak dapat di-update
4. Nonredudancy
4. Redudancy
5. M endukung operasi harian
5. M endukung kebutuhan manajerial
Tabel 2.1 Perbandingan Subject Oriented antara Data Warehouse dengan Operational Data (Inmon, 2002, p15)
10 2.3.2
Integrated (Terintegrasi) Data yang akan masuk ke dalam data warehouse dapat berasal dari berbagai sumber data yang berbeda dan dapat memiliki format, nama field, dan ukuran yang berbeda. Di dalam data warehouse dibutuhkan sebuah data yang terintegrasi dalam format data, penamaan field, ukuran, dan satuan ukuran yang digunakan. M isalnya dalam satu aplikasi pengkodean jenis kelamin adalah “0” untuk pria dan “1” untuk wanita, atau “m” untuk pria dan “f” untuk wanita. Ketika data dipindahkan dari lingkungan operasional ke dalam data warehouse pengkodean tersebut harus diasumsikan melalui persetujuan bahwa kode yang konsisten untuk jenis kelamin adalah “m” untuk pria dan “f” untuk wanita. Jadi terintegrasi adalah semua data dari aplikasi-aplikasi dengan pengkodean yang berbeda-beda akan dikonversikan ke dalam satu format yang konsisten.
Gambar 2.1 Proses Integrasi Data dari Sumber Data ke dalam Data Warehouse Sumber: Inmon (2002, p33)
11 2.3.3
Time Variant (Variasi Waktu) Sifat rentang waktu terjadi karena adanya perbedaan antara data operasional dan data informasional. Pada lingkungan data warehouse, data akurat selama periode waktu tertentu sehingga setiap record memiliki satuan waktu tertentu (harian, bulanan atau tahunan). Data warehouse juga memiliki tempat untuk menyimpan data yang bersifat historis seperti lima atau sepuluh tahun yang lalu atau lebih lama lagi dan mungkin nanti akan dapat digunakan untuk perbandingan, pola, dan peramalan.
Gambar 2.2 Karakteristik Time Variant Sumber: Inmon (2002, p35)
2.3.4
Nonvolatile Data warehouse bersifat nonvolatile artinya tidak mengalami perubahan.
Dalam database,
aplikasi operasional dapat
dilakukan
perubahan (update), penghapusan (delete), dan penambahan (insert) terhadap data, sedangkan data warehouse hanya ada dua kegiatan manipulasi data, yaitu pemasukan data (loading) data dan pengaksesan data. Dalam data warehouse tidak ada kegiatan perubahan data sehingga data
12 tidak berubah. Atau dengan kata lain, data baru selalu ditambahkan ke data warehouse dan data yang lama tidak dihilangkan, dengan tujuan untuk menjaga data historis tetap tersimpan di dalam data warehouse.
Gambar 2.3 Karateristik Nonvolatile dalam Data Warehouse Sumber: Inmon (2002, p34)
2.4 Bentuk Data Warehouse Dalam menentukan bentuk data warehouse yang akan digunakan oleh suatu perusahaan, terlebih dahulu kita harus mengetahui kebutuhan informasi yang diperlukan oleh perusahaan. Berikut ini adalah tiga bentuk sistem Data Warehouse : • Data Warehouse Fungsional (Functional Data Warehouse) • Data Warehouse Terpusat (Centralized Data Warehouse) • Data Warehouse Terdistribusi (Distributed Data Warehouse)
13 2.4.1
Data Warehouse Fungsional Data
warehouse
fungsional
mempergunakan
pendekatan
kebutuhan dari tiap bagian fungsi bisnis, misalnya departemen, divisi, dan sebagainya, untuk mendefinisikan jenis data yang akan ditampung di dalam sistem. Setiap unit fungsi dapat mempunyai gambaran datanya masingmasing. Penerapan jenis sistem pengumpulan data seperti ini beresiko kehilangan konsistensi data di luar lingkungan bisnis bersangkutan. Apabila pendekatan ini lingkupnya diperbesar dari lingkungan fungsional menjadi lingkup perusahaan, konsistensi data perusahaan tidak lagi dapat dijamin. Sebab utama dipergunakan pendekatan seperti ini adalah bahwa sistem ini dapat memberi solusi yang mudah untuk dibangun dengan biaya investasi yang relatif rendah dan dapat memberikan kelompok pemakai sebuah kemampuan sistem pengumpulan data yang terbatas.
Gambar 2.4 Bentuk Data warehouse Fungsional
14 2.4.2
Data Warehouse Terpusat Data warehouse terpusat adalah pendekatan yang paling banyak digunakan, sebagian besar karena keterbiasaan pemakai dengan lingkungan mainframe yang terpusat. Data diambil dari seluruh sistem operasional dan disimpan di dalam pusat penyimpanan data. Pemakai kemudian bekerja dengan mempergunakan data yang telah terkumpul tersebut untuk membangun data warehouse fungsional masing-masing. Keuntungan sistem ini dibandingkan dengan data warehouse fungsional adalah bahwa data benar-benar terpadu. Sistem 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.
Gambar 2.5 Bentuk Data warehouse Terpusat
15 2.4.3
Data Warehouse Terdistribusi Pada bentuk ini menggunakan gateway yang berguna sebagai jembatan antara lokasi
data warehouse dengan
workstation yang
menggunakan sistem yang beraneka ragam atau berbeda, sehingga pada bentuk ini memungkinkan kita untuk mengakses sumber data yang berada diluar lokasi perusahaan (eksternal). Keuntungannya adalah kelebihan dalam mengakses data dari luar perusahaan yang lebih mengalami sinkronisasi terlebih dahulu dan tetap terjaga konsistensinya; kerugiannya adalah bentuk yang paling mahal dan kompleks untuk diterapkan karena sistem operasinya dikelola secara terpisah.
Gambar 2.6 Bentuk Data warehouse Terdistribusi
2.5 S truktur Data Warehouse Data warehouse memiliki struktur yang terdiri atas komponen-komponen sebagai berikut, yaitu: • Curent Detail Data (Detil data saat ini)
16 • Old Detail Data (Detil data historis) • Highly Summarized Data (Ringkasan data level tinggi) • Lightly Summarized Data (Ringkasan data level menengah) • Meta data
Gambar 2.7 Struktur Data Warehouse (Sumber : Inmon 2002,p36)
2.5.1
Current Detail Data Data diperoleh secara langsung dari database operasional yang bertujuan untuk memberikan gambaran dari keseluruhan perusahaan. Data ini diperoleh dari berbagai sumber seperti data profil pelanggan, data transaksi pelanggan, data penjualan, dan lain-lain.
17 2.5.2
Older Detail Data Older Detail Data merupakan data historis, yang dapat berupa hasil backup yang disimpan dalam storage (tempat penyimpanan) yang terpisah, dan pada saat tertentu dapat diakses kembali bilamana dibutuhkan. Data ini digunakan untuk menganalisa suatu trend. Penyusunan direktori untuk data ini harus mencerminkan umur dari data agar memudahkan pengaksesan kembali.
2.5.3
Highly Summarized Data Highly Summarized Data adalah hasil proses summary yang memiliki sifat “Total Summary”. Pada tingkat ini data sangat mudah diakses dan pada akhirnya dapat digunakan sebagai pengambil keputusan bagi eksekutif perusahaan. Bagi eksekutif hal ini sangatlah memudahkan karena mereka hanya perlu membaca atau melakukan analisa dalam waktu yang singkat.
2.5.4
Lightly S ummarized Data Lightly Summarized Data adalah berupa ringkasan dari Current Detail Data. Di dalam tahap ini data belum dapat digunakan untuk pengambilan keputusan karena sifat data belum “total summary” yang artinya data masih bersifat detil. Lightly Summarized Data seringkali digunakan sebagai gambaran dari keadaan yang sedang berlangsung maupun yang belum berlangsung. Data ini hampir selalu tersimpan dalam
18 disk dan yang perlu diperhatikan adalah satuan waktu ringkasan dan atribut Lightly Summarized Data.
2.5.5
Meta data Meta data termasuk dalam komponen penting pada data warehouse. Meta data seringkali disebut ‘data tentang data’. Meta data memberikan peranan yang penting untuk keefektifan penggunaan data warehouse. Dengan adanya meta data maka akan mempermudah end user dalam melakukan analisis dan menghemat waktu mereka. Meta data bertindak seperti indeks mengenai isi dari data warehouse. Meta data mengandung : • Struktur Data Suatu direktori untuk membantu analisis DSS (Decision Support System) untuk mencari lokasi / tempat data dalam data warehouse. • Algoritma untuk meringkas data Suatu algoritma untuk proses summary data antara curent detail data dengan lightly summarized data dan antara lightly summarized data dengan highly summarized data, dan lain-lain. • Pemetaan dari data operasional ke data warehouse Suatu panduan pemetaan data pada pada saat data ditransformasi/ diubah dari lingkup data operasional menjadi lingkup data warehouse.
19 2.6 Arsitektur Data Warehouse M enurut Connolly dan Begg (2002, p1053), arsitektur data warehouse memiliki komponen-komponen sebagai berikut :
Gambar 2.8 Komponen Arsitektur Data Warehouse Sumber : Connoly dan Begg (2002, p1053)
1. Operational Data Sumber data untuk data warehouse diambil dari : •
Mainframe data operasional menangani generasi pertama secara hierarkis dan database jaringan.
Diperkirakan
bahwa mayoritas
data operasional
perusahaan disimpan di sistem ini. •
Data masing-masing departemen tersimpan dalam sistem file kepemilikan seperti VSAM , RM S, dan relational DBM S seperti Informix dan Oracle.
20 •
Data pribadi yang tersimpan dalam workstation dan server pribadi.
•
Sistem eksternal seperti internet, database komersial, atau database yang berhubungan dengan supplier dan customer.
2. Operational Data Store Suatu Operational Data Store (ODS) adalah suatu media penyimpanan dan pengintegrasian data operasional yang digunakan untuk analisis. ODS menyediakan data dengan cara yang sama seperti data warehouse, tetapi sesungguhnya bertindak secara sederhana sebagai suatu tempat penampungan sementara sebelum data dipindahkan ke warehouse. ODS diciptakan ketika sistem operasional ditemukan tidak mampu untuk mencapai keberhasilan sistem pelaporan. ODS menyediakan manfaat yang berguna dari suatu relational database dalam mengambil keputusan yang mendukung fungsi data warehouse. ODS merupakan langkah yang sangat membantu dalam pembuatan data warehouse sebab suatu ODS dapat menyediakan data yang telah di-extract dari sistem sumber. Ini berarti bahwa proses integrasi dan restrukturisasi data untuk data warehouse menjadi lebih sederhana. 3. Load Manager Load Manager melaksanakan semua operasi yang berhubungan dengan pengambilan dan pemuatan data. Data di-extract secara langsung dari sumber data atau dari data store operasional. Pencapaian operasi oleh load manager dapat meliputi perubahan bentuk yang sederhana untuk mempersiapkan data tersebut agar dapat dimasukkan ke dalam warehouse.
21 4. Warehouse Manager Warehouse Manager melaksanakan semua operasi yang berhubungan manajemen data. Operasi yang dilakukan Warehouse Manager meliputi : • Analisis Data untuk memastikan konsistensi. • Perubahan bentuk dan penggabungan data sumber dari gudang penyimpanan temporer ke dalam tabel data warehouse. • M embuat indeks dan mengacu pada tabel dasar. • Generasi denormalisasi. • Generasi agregasi. • Backing-Up dan Archiving Data. Dalam beberapa hal, Warehouse Manager juga menghasilkan query untuk menentukan kesesuaian indeks dan agregasi. Suatu profil query dapat dihasilkan baik untuk masing-masing user, kelompok user, atau data warehouse dan didasarkan pada informasi yang menguraikan karakteristik query seperti frekuensi, target tabel dan ukuran dari hasil yang telah ditetapkan. 5. Query Manager Query Manager melaksanakan semua operasi yang berhubungan dengan manajemen user query. Komponen ini secara khusus dibangun menggunakan peralatan akses data end-user penjual, peralatan yang mengontrol data warehouse, fasilitas database dan kebiasaan membangun program. Kompleksitas Query Manager ditentukan oleh fasilitas yang disajikan melalui peralatan akses para end-user database. Operasi yang dilakukan komponen ini meliputi pengarahan query pada tabel yang sesuai dan penjadwalan pelaksanaan query.
22 Dalam beberapa hal, Query Manager juga menghasilkan profil query untuk mengijinkan manager warehouse menentukan kesesuaian indeks dan agregasi. 6. Detailed Data Area ini menyimpan semua data yang terperinci di dalam bagan database. Dalam banyak kasus, data yang terperinci tidaklah disimpan secara online tetapi dapat disediakan melalui agregasi data pada tingkatan detail berikutnya. Bagaimanapun, secara reguler, data yang terperinci ditambahkan untuk melengkapi data yang dikumpulkan. 7. Lightly and Highly Summarized Data Area ini menyimpan semua yang sudah dikenal dan kumpulan data yang sangat ringkas yang dihasilkan oleh warehouse manager. Area ini adalah tempat penampungan sementara sebelum dilakukan perubahan secara berkelanjutan untuk merespon perubahan profil query. Tujuan informasi ringkasan adalah untuk mempercepat pencapaian query. M eskipun biaya operasi akan meningkat sehubungan dengan proses peringkasan data tersebut, namun ini merupakan offset untuk melaksanakan operasi ringkasan (seperti penyortiran dan pengelompokan) secara terus menerus untuk menjawab user query. Data ringkasan diperbaharui secara terus-menerus ketika ada data baru terisi ke dalam warehouse. 8. Arsip/Backup Data Area ini menyimpan semua detail dan ringkasan data untuk kepentingan archiving dan backup. Walaupun ringkasan data dibangun dari detail data, akan memungkinkan untuk membuat cadangan ringkasan data secara online jika data
23 ini ditunjukkan melebihi penyimpanan waktu untuk detail data. Data ditransfer ke gudang atau penyimpanan seperti magnetic tape dan optical disk. 9. Meta data Area ini menyimpan semua definisi meta data (data tentang data) yang digunakan oleh semua proses di dalam warehouse. Meta data digunakan untuk berbagai tujuan yang mencakup : •
Ungkapan yang memuat proses atau meta data yang digunakan untuk sumber data penuntun bagi suatu pandangan yang umum data dalam warehouse.
•
Proses
manajemen
warehouse
atau
meta
data
digunakan
untuk
mengotomatisasi pembuatan tabel ringkasan. •
Sebagai bagian proses manajemen query meta data digunakan untuk menghubungkan suatu query dengan sumber data yang tepat. Struktur meta data berbeda untuk masing-masing proses sebab memiliki tujuan yang berbeda. Ini berarti bahwa berbagai salinan meta data yang menggambarkan data item yang sama dipegang di dalam data warehouse. M anajemen meta data di dalam data warehouse adalah suatu tugas yang sangat kompleks yang tidak boleh diremehkan.
10. Peralatan Akses End-Users Tujuan prinsip data warehousing adalah menyediakan informasi kepada para user untuk pengambilan keputusan strategis. Para user berinteraksi dengan warehouse menggunakan peralatan akses end-user. Ada lima kategori alat bantu dalam end-user access tools. Lima kategori alat bantu tersebut ( Berson Dan Smith, 2001) :
24 •
Reporting and query tools Fasilitas report meliputi fasilitas report produksi dan para penulis laporan. Fasilitas report produksi digunakan untuk menghasilkan laporan operasional reguler atau mendukung pekerjaan batch volume tinggi. Peralatan query untuk relasional data warehouse dirancang untuk menerima SQL atau menghasilkan pernyataan SQL untuk query data yang disimpan di warehouse. Peralatan ini melindungi end-user dari kompleksitas SQL dan stuktur database dengan suatu meta layer antar user dengan database tersebut. Meta Layer adalah perangkat lunak yang menyediakan dan mengorientasikan pandangan suatu database dan mendukung penciptaan SQL.
•
Application Developments Tools Kebutuhan end-user seperti kemampuan membuat laporan dan peralatan query tidak cukup karena analisis yang dibutuhkan tidak dapat ditampilkan atau karena interaksi user memerlukan suatu keahlian khusus oleh user tersebut. Sebagian dari peralatan pengembangan aplikasi ini diintegrasikan dengan peralatan OLAP yang dapat mengakses semua sistem database utama, mencakup Oracle, Sybase, dan Informix.
•
Executive Information System (EIS) Tools Sistem Informasi Eksekutif
mula-mula dikembangkan untuk
mendukung pengambilan keputusan strategis tingkat tinggi. Sistem ini difokuskan untuk semua tingkatan manajemen. Peralatan EIS mula-mula dihubungkan dengan mainframe yang memungkinkan para user untuk
25 membuat keputusan yang mendukung aplikasi untuk menyediakan suatu ikhtisar data organisasi dan akses ke sumber data eksternal. •
Online Analytical Processing Tools Online Analytical Processing (OLAP) Tools didasarkan pada konsep multi database dimensional dan mengijinkan user untuk meneliti data yang kompleks . Aplikasi bisnis untuk peralatan ini meliputi efektivitas pemasaran , perkiraan penjualan produk, dan perencanaan kapasitas. Peralatan ini berasumsi bahwa data yang diorganisir adalah suatu model multi dimensional yang didukung oleh suatu database multi dimensional khusus (DDB) yang merancang suatu relasional database untuk multi dimentional query.
•
Data Mining Tools Data Mining adalah proses menemukan suatu pola atau korelasi baru yang berarti dari sejumlah data yang besar dengan menggunakan statistic , mathematical dan artificial intelligence (AI). Data mining berpotensi untuk menggantikan kemampuan peralatan OLAP, sebagai atraksi utama dari data mining yang mempunyai kemampuan untuk memprediksi dibandingkan model retrospektif.
2.7 Data Flow dalam Data Warehouse M enurut Connoly (2002, p1058-1061), manajemen data warehouse berfokus pada lima data flow yang utama, yaitu :
26
Gambar 2.9 Data Flow dalam Data Warehouse Sumber : Connoly dan Begg (2002, p1058)
1. Inflow, merupakan proses untuk memasukkan data dari sumber data ke dalam data warehouse. Ada beberapa proses yang dilakukan, seperti extraction, cleansing, dan loading. 2. Upflow, merupakan sebuah proses untuk menambah nilai pada data dalam data warehouse dengan tahap-tahap summarizing, packaging, dan distributing data. Yang dilakukan pada tahap summarizing adalah memilih, memproyeksikan, menggabungkan, dan mengelompokkan data dari relational menjadi view, yang berguna untuk pengguna akhir. Hasil summarizing akan diubah ke dalam format tertentu untuk mudah didistribusikan kepada pengguna akhir pada tahap
27 packaging. Formatnya dapat dalam bentuk spreadsheet, dokumen teks, diagram, dan animasi. Kemudian data tersebut didistribusikan dalam kelompoknya yang sesuai untuk meningkatkan ketersediaan dan pengaksesan data. 3. Downflow, merupakan proses untuk backup data pada data warehouse. 4. Outflow, proses untuk mendistribusikan data dari data warehouse tersedia untuk pengguna akhir sesuai dengan kebutuhan dari pengguna tersebut. 5. Meta-flow, proses yang berhubungan manajemen metadata dalam data warehouse.
2.8 Keuntungan Penggunaan Data Warehouse M enurut Connolly dan Begg (2002, p1048), kesuksesan penerapan sebuah data warehouse dapat membawa keuntungan besar bagi perusahaan, meliputi : 1. Potensi ROI (Return On Investment) yang tinggi Organisasi harus mengeluarkan sumber daya dan biaya dengan jumlah yang sangat besar untuk memastikan penerapan data warehouse yang sukses. Studi yang dilakukan IDC (International Data Corporation) pada tahun 1996 menghasilkan bahwa data warehouse mencapai rata-rata ROI dalam 3 tahun sebesar 401 % ROI, dengan lebih dari 90% perusahaan yang disurvei mencapai lebih dari 40 % ROI, separuh perusahaan mencapai lebih dari 160 % ROI dan seperempat perusahaan dengan lebih dari 600 % ROI. 2. Keuntungan bersaing (competitive advantange) ROI
yang
besar
untuk
perusahaan
yang
telah
sukses
mengimplementasikan data warehouse merupakan bukti keuntungan bersaing
28 yang sangat besar. Keuntungan bersaing tersebut didapatkan dengan memberikan pembuat keputusan akses ke data sehingga dapat menemukan informasi yang sebelumnya tidak tersedia, tidak diketahui, dan tidak ditemukan seperti mengenai pelanggan, tren, dan permintaan. 3. M eningkatkan produktivitas pembuat keputusan perusahaan Data warehouse meningkatkan produktivitas pembuat keputusan pada perusahaan dengan membuat database terintegrasi dan konsisten, berorientasi subyek, dan historis. Data warehouse mengintegrasikan data dari berbagai sistem yang berbeda-beda ke suatu bentuk yang memberikan informasi yang berguna bagi organisasi. Dengan mengubah data menjadi informasi yang berguna, data warehouse dapat membuat manajer bisnis untuk melakukan analisis secara lebih benar dan akurat.
2.9 Kegiatan inti 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 di dalamnya, kegiatan-kegiatan itu adalah:
2.9.1
Memperoleh data dan menggabungkan data M endapatkan
data
dari
berbagai
sumber
dan
melakukan
penggabungan pada suatu tempat tertentu, data-data yang digabung adalah data yang akan membantu kita dalam pembuatan laporan, karena data tersebut merupakan bentuk suatu kesatuan.
29 2.9.2
Transformasi data Pengolahan data dari awal kebentuk data yang telah disepakati, dengan mengalami pemrosesan atau pengolahan terlebih dahulu yang sama artinya dengan pengubahan dan kebentuk yang diharapkan.
2.9.3
Pendistribusian data Data-data yang akan kita gunakan dalam data warehouse berkaitan dengan lingkungan kerja dalam perusahaan. Bagi perusahaan yang terhubung dengan jaringan, pemakaian data warehouse mendukung kegiatan ini. Dimana pengguna dapat menggunakan data warehouse ini secara lebih fleksibel dan merata pada masing-masing bagian yang ada dalam perusahaan.
2.9.4
Penggunaan data Data yang telah disaring akan menghasilkan ringkasan-ringkasan yang dapat memudahkan pengguna dalam mengambil suatu keputusan. Di sini kegiatan pemakaian data akan menjadi lebih sering jika para pengambil keputusan ingin menganalisa produk yang telah dipasarkan pada masyarakat.
2.10 Metodologi Perancangan Data Warehouse M enurut Connolly dan Begg (2002, p1083), metodologi yang dikemukakan oleh Kimball pada tahun 1996 adalah sebagai berikut :
30 1. M enentukan proses Proses yang ditentukan biasanya diambil dari fungs i bisnis suatu perusahaan, dimana proses tersebut disesuaikan dengan kebutuhan informasi yang diinginkan perusahaan. 2. M enentukan grain Proses ini mendeklarasikan apa yang sebenarnya direpresentasikan oleh tiap baris dari sebuah tabel fakta, dimana grain tersebut berhubungan dengan measure dari suatu tabel fakta. 3. M engidentifikasi dimensi Dimensi merupakan aspek-aspek yang menjelaskan tiap baris suatu tabel fakta, dimana pemilihan dimensi disesuaikan dengan kebutuhan informasi yang diinginkan perusahaan. Sekumpulan dimensi yang dibangun dengan baik membuat informasi lebih mudah dipahami dan mudah digunakan. 4. Pemilihan fakta Setelah dimensi telah dipilih, maka bisa ditentukan fakta mana yang terpilih atau digunakan oleh data mart. Fakta dalam suatu tabel fakta dapat memiliki satu atau lebih measure, dimana measure tersebut berupa angka numerik dan bisa dijumlah (additive). Selain itu juga harus dijelaskan mengenai kegunaan dari fakta-fakta yang terpilih tersebut. 5. M enentukan measure dalam fakta yang digunakan Pada tahap ini kita melakukan suatu perhitungan dengan menambahkan satu atau lebih measure yang masih dibutuhkan pada suatu tabel fakta, dimana measure yang ditambahkan tersebut merupakan hasil perhitungan dari measuremeasure lainnya pada tabel fakta tersebut.
31 6. M enambahkan atribut yang dibutuhkan dalam tabel dimensi. Pada tahap ini kita melakukan penyesuaian terhadap tabel dimensi dengan menambahkan satu atau lebih deskripsi kolom yang berisi teks menjelaskan keterangan tabel dimensi tersebut dimana teks tersebut mudah dimengerti oleh user. 7. M enentukan umur dari basis data yang digunakan dalam data warehouse Perhitungan durasi disesuaikan dengan seberapa jauh tabel fakta mengambil data historis. Bila menggunakan durasi yang panjang, maka akan menimbulkan dua masalah yaitu bisa terdapat permasalahan saat pembacaan data (dari hardware yang lama) dan harus terjadi penggunaan versi dimensi yang lama, bukan dimensi yang terbaru (masalah perubahan dimensi). 8. M emantau perubahan yang terjadi dalam dimensi (Slowly Changing Dimension / SCD) M asalah ini terjadi bila terjadi perubahan suatu isi atribut pada dimensi, sehingga data warehouse harus menggunakan dimensi yang lama untuk data yang sudah ada dan menggunakan dimensi yang baru untuk data yang akan masuk supaya tidak terjadi kesalahan dalam penyampaian informasi. Hal ini bisa diselesaikan dengan tiga cara yaitu : • Tipe 1. M enulis ulang dimensi yang berubah (hanya mengubah langsung isi atribut yang ada pada dimensi, sehingga keterangan atribut dimensi pada data historis menggunakan atribut yang terbaru). • Tipe 2. M enambah baris baru pada tabel dimensi dengan surrogate key yang baru, tetapi masih menggunakan id yang sama. Dan pada tabel fakta tidak
32 dilakukan perubahan, tetapi bila ada data baru yang masuk pada tabel fakta maka akan menggunakan surrogate key yang baru. • Tipe 3. Adanya penambahan atribut alternatif yang baru sehingga penggunaan record yang lama dan baru bisa digunakan secara bersamaan pada satu record dimensi yang sama. 9. M enentukan prioritas query dan tipe query Pada tahap ini kita menentukan masalah desain fisik dari data warehouse yaitu dengan menentukan urutan fisik dari tabel fakta pada media penyimpanan dan adanya penggunaan agregasi. Selain itu tahap ini juga membahas masalah seperti indexing, backup dan security data warehouse.
2.11 Perancangan Data Warehouse dengan skema bintang M enurut Connolly dan Begg (2002, p1079), skema bintang adalah struktur logikal yang mempunyai tabel fakta yang berisi data aktual, dimana tabel fakta dikelilingi tabel-tabel dimensi yang berisi data referensi (dimana data dapat dinormalisasi).
2.11.1 Keuntungan menggunakan skema bintang Skema bintang memiliki beberapa keuntungan yang tidak terdapat pada struktur relasional biasa. Berikut keuntungan dari penggunaan skema bintang: •
Respon data yang lebih cepat dihasilkan dari perancangan database.
•
Kemudahan dalam mengembangkan atau memodifikasi data yang terus berubah.
33 •
End user dapat menyesuaikan cara berpikir dan menggunakan data, konsep ini dikenal juga dengan istilah paralel dalam perancangan database.
•
M enyederhanakan pemahaman dan penelusuran meta data bagi pemakai dan pengembang.
2.11.2 Perancangan skema bintang Skema bintang terdiri dari dua macam tabel, yaitu tabel fakta (fact table) dan tabel dimensi (dimension table). •
Tabel Fakta (fact table) Tabel fakta sering juga disebut tabel mayor. Tabel ini merupakan inti dari skema bintang dan berisi data aktual yang akan dianalisis (data kuantitatif dan transaksi). Field-field tabel fakta sering disebut measure dan biasanya dalam bentuk numerik. Selalu berisi foreign key dari masing-masing tabel dimensi. Tabel ini dapat terdiri dari banyak kolom dan ribuan baris data.
•
Tabel Dimensi (dimension table) Sering juga disebut tabel minor. Tabel dimensi biasanya lebih kecil dan berisi data yang merupakan deskripsi lebih lanjut dari data yang ada pada tabel fakta.
34 2.11.3 Skema bintang sederhana Dalam skema ini, setiap tabel harus memiliki primary key yang terdiri dari satu kolom atau lebih dan primary key tersebut harus bersifat unik. Primary key dari tabel fakta terdiri dari satu atau lebih foreign key. Foreign key adalah kolom pada satu tabel yang nilainya didefinisikan oleh primary key pada tabel yang lain. Gambar di bawah ini menggambarkan hubungan antara tabel fakta dan tabel dimensi. Tabel fakta memiliki tiga foreign key, dimana masing-masing foreign key itu merupakan primary key pada tabel dimensi.
Gambar 2.10 Hubungan antara Tabel Dimensi pada Skema Bintang Sederhana
2.11.4 Skema bintang dengan beberapa tabel fakta Skema bintang juga dapat terdiri dari lebih dari satu tabel fakta. Hal ini terjadi karena mereka berisi lebih banyak tabel fakta, misalnya disamping penjualan terdapat tabel fakta forecasting dan tabel fakta
35 result.
Tetapi walaupun
terdapat
banyak
tabel fakta,
mereka
menggunakan tabel dimensi secara bersama-sama.
Gambar 2.11. Skema Bintang dengan lebih dari 1 Tabel Fakta
2.11.5 Skema snow flakes M enurut Connolly dan Begg (2002, p1080), snowflake schema adalah variasi dari skema bintang dimana tabel dimensi tidak berisi data yang di-denormalisasi. Prinsip dasar dari skema ini tidak jauh berbeda dari skema bintang. Penggunaan tabel dimensi sangatlah menonjol, karena itulah perbedaan mendasar dari skema bintang dan skema snowflake. Skema snowflake menggunakan beberapa tabel fakta dan tabel dimensi yang sudah mengalami normalisasi, sedangkan skema bintang menggunakan tabel dimensi yang masih denormalisasi. Skema snowflake dibuat berdasarkan OLTP sehingga semua data akan termuat detail dalam setiap tabel fakta dan tabel dimensi.
36
Gambar 2.12.Skema Snowflake
Keuntungan dari skema snowflake adalah : •
Kecepatan memindahkan data dari data OLTP kedalam meta data.
•
Sebagai kebutuhan dari alat pengambil keputusan tingkat tinggi dimana dengan tipe yang seperti ini seluruh struktur dapat digunakan sepenuhnya.
•
Banyak yang beranggapan lebih nyaman merancang dalam bentuk normal ketiga. Sedangkan kerugiannya adalah mempunyai masalah yang besar
dalam hal kinerja (performance), hal ini disebabkan semakin banyaknya join antar tabel-tabel yang dilakukan dalam skema snowflake ini, maka semakin lambat juga kinerja yang dilakukan.
37 Sebuah skema bintang yang menyediakan atribut yang lengkap, konsisten dan mudah dimengerti memungkinkan bagi pemakai untuk memperoleh penampilan data yang mudah digunakan dan mudah dimengerti. Perancangan skema bintang yang baik membantu pemakai untuk menulis pencarian yang dinginkan dengan cara yang dimengerti.
2.12 Data Mart M enurut Connoly dan Begg (2002, p1067), “Data Mart is a subset of data warehouse that supports the requirement of a particular department or bussiness function”. Jadi data mart adalah bentuk atau versi yang lebih kecil dari data warehouse, biasanya mengandung data yang berhubungan dengan sebuah area fungsional dari perusahaan atau memiliki lingkup yang terbatas. Berikut karakteristik yang membedakan antara data mart dengan data warehouse : 1. Data mart berfokus pada kebutuhan pengguna yang berhubungan dengan satu bagian departemen atau fungsi bisnis. 2. Data mart tidak berisi data operasional yang bersifat detil. 3. Data mart lebih mudah dimengerti dan digunakan karena berisi data yang lebih sedikit dibandingkan data warehouse.
2.13 Granularity Salah satu faktor penting yang harus diperhatikan oleh pengembang data warehouse adalah granularity. Granularity mempengaruhi efisiensi dari penggunaan data dalam analisis yang dilakukan. M enurut Inmon (2002, p43),
38 granularity merupakan sebuah level kedetilan atau summarization dari unit data yang ada dalam data warehouse. Semakin tinggi tingkat kedetilan data maka semakin rendah level granularity dan juga sebaliknya. Level dari granularity juga mempengaruhi pada jumlah data yang akan disimpan dalam data warehouse (berdasarkan sumber data yang digunakan) dan analisis data yang dapat dilakukan. M isalnya, ada sebuah analisis tentang penggunaan telepon dari seorang pelanggan dilihat dari transaksi penggunaan teleponnya. Jika level granularity rendah maka dapat dianalisis bahwa seorang pelanggan paling sering menelepon kemana saja. Tapi jika level granularity tinggi, maka hanya dapat dianalisis jumlah pemanggilan telepon yang dilakukan oleh pelanggan.
Gambar 2.13 Contoh dari Granularity Sumber: Inmon (2002, p46)
39 2.14 Agregasi M enurut
Inmon
(2002,
p124),
Agregasi
merupakan
proses
pengelompokan beberapa record operasional menjadi satu record berdasarkan beberapa kejadian. Record ini disebut dengan profile record atau aggregate record, dimana berisi nilai dari hasil perhitungan dari beberapa record operasional yang dikelompokkan. Untuk melakukan agregasi, nilai dari data operasional yang dikelompokkan harus dapat dikenakan fungsi agregasi, seperti count dan sum. Sebagai contoh, sebuah perusahaan telekomunikasi ingin menghitung jumlah aktivitas pemakaian telepon seorang pelanggannya dalam kurun waktu per bulan.
Gambar 2.14 Contoh Agregasi Sumber : Inmon (2002, p125)
2.15 Denormalisasi Denormalisasi
adalah
proses
penggabungan
tabel-tabel
untuk
meningkatkan kecepatan dalam pengaksesan database. M enurut Sid Adelman
40 (2000, p244), denormalisasi adalah suatu prosedur menyusun kembali data yang telah dinormalisasi untuk menspesifikasikan kumpulan proses sehingga membuat proses menjadi lebih efisien. Proses denormalisasi ini sangat berlawanan dengan proses normalisasi yang biasa dilakukan dalam pendesainan database.
2.16 Critical Success Factor (CS F) Critical Succes Factor (CSF) adalah area dalam jumlah terbatas dimana nilai kepuasan dapat menjamin kinerja yang kompetitif bagi seorang indvidu, departemen, atau organisasi. CSF merupakan salah satu area penting dimana “segala sesuatu harus berjalan dengan benar” bagi sebuah bisnis untuk berkembang dan goal seorang manajer dapat dicapai. Sebuah goal berarti keseluruhan tujuan, sebuah CSF adalah apa yang harus dilakukan untuk mencapai goal tersebut. (M artin. James: Information Engineering Book II; 1990; p 89). Tujuan dari analisis CSF yaitu : •
M embantu pihak eksekutif untuk fokus pada aktivitas-aktivitas yang penting bagi perusahaan.
•
M embantu menetapkan kebutuhan informasi suatu organisasi.
•
M embantu pihak eksekutif menganalisis informasi penting yang digunakan untuk pengambilan keputusan.
41 2.17 Kredit 2.17.1 Pengertian Kredit M enurut Supramono (1997; p44), kredit adalah perjanjian pinjam meminjam uang antara bank sebagai kreditur dengan nasabah sebagai debitur. Dalam perjanjian ini bank sebagai pemberi kredit percaya terhadap nasabahnya dalam jangka waktu yang telah disepakatinya akan dikembalikan lunas.
2.17.2 Macam-macam Kredit M enurut Supramono (1997; p45), kredit dapat dibagi kedalam beberapa segi, sebagai berikut: •Jangka waktunya •Kegunaannya •Pemakaiannya •Sektor yang dibiayai
2.17.2.1 Menurut Jangka Waktunya M enurut jangka waktunya kredit dapat dibagi menjadi tiga yaitu: •
Kredit Jangka Pendek Kredit jangka pendek adalah kredit dengan jangka waktu paling lama satu tahun.
42 •
Kredit Jangka Menengah Kredit
jangka
menengah
adalah
kredit
yang
berjangka waktu antara satu tahun sampai dengan tiga tahun. •
Kredit Jangka Panjang Kredit jangka panjang adalah kredit dengan jangka waktu lebih dari tiga tahun.
2.17.2.2 Menurut kegunaannya M enurut kegunaannya kredit dapat dibagi menjadi tiga yaitu: •
Kredit Investasi Kredit keperluan
yang diberikan
penanaman
modal
kepada nasabah yang bersifat
untuk
ekspansi,
moderenisasi maupun rehabilitasi perusahaannya. •
Kredit Modal Kerja Kredit yang diberikan untuk kelancaran modal kerja nasabah.
•
Kredit Profesi Kredit yang diberikan oleh bank semata-mata untuk kepentingan profesinya.
43 2.17.2.3 Menurut Pemakaiannya M enurut pemakaiannya kredit dapat dibagi menjadi dua yaitu: •
Kredit Konsumtif Kredit
yang diberikan
kepada nasabah
untuk
memenuhi kebutuhan hidup sehari-hari. •
Kredit Produktif Kredit yang diberikan untuk keperluan usaha nasabah agar produktifitas akan bertambah meningkat. Kredit ini bisa berupa kredit investasi maupun modal kerja.
2.17.2.4 Menurut Sektor Yang Dibiayai Kredit yang diberikan kepada masyarakat atau nasabah berdasarkan sektor yang dipandang oleh bank.
2.17.3 Unsur-unsur Kredit M enurut Rachmat (1987;p2), ada beberapa unsur yang terkandung dalam pemberian kredit yaitu: • Waktu Waktu adalah unsur yang menyatakan bahwa ada jarak antara saat persetujuan pemberian kredit dan pelunasannya. • Kepercayaan Kepercayaan adalah unsur yang melandasi pemberian kredit oleh pihak kreditur kepada debitur, bahwa setelah jangka waktu tertentu
44 debitur akan mengembalikannya sesuai dengan kesepakatan yang disetujui oleh kedua pihak. • Penyerahan Penyerahan adalah unsur yang menyatakan bahwa pihak kreditur menyerahkan nilai ekonomi kepada debitur yang harus dikembalikannya setelah jatuh tempo. • Resiko Resiko adalah unsur yang menyatakan adanya resiko yang mungkin timbul sepanjang jarak antara saat memberikan dan pelunasannya.
• Persetujuan/perjanjian Persetujuan adalah unsur yang menyatakan bahwa antara kreditur dan debitur terdapat suatu perjanjian dan dibuktikan dengan suatu perjanjian.
2.17.4 Faktor Penentu S uku Bunga Kredit M enurut Tjoekam (1999,p.82), ada beberapa faktor yang menentukan suku bunga kredit, yaitu: • M asalah pangsa pasar, karena harga pokok harus ditentukan secara lain kalau tujuannya adalah semata-mata untuk memperoleh keuntungan yang optimum atau untuk menjadi price leader, price follower, dan ada keinginan untuk melakukan market penetration.
45 • Ada kemungkinan bahwa harga ditentukan oleh bank lain(pesaing), dimana mereka menetapkan harga dibawah harga bank kita. • M asalah pelayanan: beberapa bank mempunyai keunggulan di mana mereka tahu betul selera pelanggannya (customer needs, customer wants, dan customer expectations), sedang masalah harga tidak menjadi persoalan mereka. • Kondisi ekonomi/moneter dan
banyak intervensi otorita dalam
pengendalian harga melalui undang-undang, peraturan dan ketentuan perbankan. • Kondisi lingkungan, terutama lingkungan masyarakat surplus spending unit dan defisit spending unit, yang sangat dekat dengan industri perbankan.
2.17.5 Sistem Perhitungan Suku Bunga Kredit M enurut
Tjoekam
(1999,p.82-83),
secara
sederhana
telah
dibicarakan penentuan base lending rate, namun dalam perhtungan suku buinga kredit ada beberapa dasar yang perlu medapat perhatian antara lain: • Sifat usaha nasabah dan kinerja(performa)-nya. • Jumlah kredit dan jangka waktunya. • Persaingan dengan bank, yang tidak sama metode perhitungannya. • Jenis kredit yang sesuai dengan sifat dan performance nasabah.
46 2.17.6 Cara Menghitung Suku Bunga Kredit M enurut Tjoekam (1999,p.83), ada beberapa cara yang dapat digunakan untuk menghitung suku bunga kredit, yaitu: • Flat Rate Untuk memperoleh lending rate yang efektif, dimana besarnya bunga dari waktu ke waktu sesuai dengan jangka waktu kredit adalah tetap. X = K + i (K x n) N
Keterangan: •
X adalah angsuran utang pokok kredit + bunga kredit, jumlah nya tetap, walau baki debit dari waktu ke waktu menurun, karena ada pembayaran angsuran.
•
K adalah jumlah kredit yang dinikmati oleh debitur dalam suatu periode tertentu.
•
i adalah tingkat suku bunga yang harus dibayar debitur tiap bulan.
•
n adalah jangka waktu kredit yang disetujui bersama antara bank dengan debitur.
• Sliding Rate Dengan metode perhitungan sliding rate ini, jumlah bunga yang diperhitungkan akan menurun sesuai dengan menurunnya utang pokok,
47 karena adanya pembayaran angsuran pokok tiap bulannya. Perhitungan nya dapat dilakukan dengan rumus sederhana berikut ini: X = Ki n N Keterangan: •
X adalah bunga yang harus dibayar debitur sesuai persetujuan.
•
i adalah tingkat suku bunga yang dibebankan bank.
•
K adalah limit kredit yang disetujui bank.
•
n adalah jangka waktu kredit.
•
N adalah konstan 360/365/12.
• Floating Rate Cara ini digunakan untuk menghindari fluktuasi suku bunga terutama untuk kredit jangka panjang. Pedoman yang dipakai menjadi dasar penentuan loan pricing nya adalah interest rate dari money market (dalam dan luar negeri). • Compound Interest Pada prinsip nya perhitungan bungan dengan metode ini sama dengan perhitungan bunga pada sliding rate yaitu dari baki debit selama jangka waktu kesepakatan debitur dengan bank. Namun bila suatu periode tertentu menjadi tunggakan bunga, tunggakan bunga tersebut kemudian dibebani pula, sehingga terjadi bunga berbunga.
48 2.18 Leasing 2.18.1 Pengertian Leasing M enurut
Rachmat
(2004,p.58),
leasing
adalah
kegiatan
pembiayaan dalam bentuk penyediaan barang modal baik secara sewa guna usaha dengan hak opsi (finance lease) maupun sewa guna usaha tanpa hak opsi (operating lease) untuk digunakan oleh lessee selama jangka waktu tertentu berdasarkan pembiayaan secara berkala.
2.18.2 Macam-Macam Leasing M enurut Rachmat (2004,p.63-64), transaksi sewa guna usaha (leasing) pada prinsipnya dapat dibedakan menjadi empat jenis yaitu: •
Finance Lease (S ewa guna usaha pembiayaan) Dalam sewa guna usaha ini, perusahaan sewa guna usaha (lessor) adalah pihak yang membiayai penyediaan barang modal yang dibutuhkan dan atas nama perusahaan sewa guna usaha, sebagai pemilik barang modal tersebut, melakukan pemesanan, pemeriksaan serta pemeliharaan barang modal yang menjadi objek transaksi sewa guna usaha. Selama masa sewa guna usaha, penyewa guna usaha melakukan pembayaran sewa guna usaha secara berkala dimana jumlah seluruhnya ditambah dengan pembayaran nilai sisa (residual value), kalau ada, akan mencakup pengembalian harga perolehan barang modal yang dibiayai serta bunganya, yang merupakan pendapatan perusahaan sewa guna usaha.
49 •
Operating Lease (sewa-menyewa biasa) Dalam sewa guna usaha ini, perusahaan sewa guna usaha membeli barang modal dan selanjutnya disewagunausahakan kepada penyewa guna usaha. Berbeda dengan finance lease, jumlah seluruh pembayaran sewa guna usaha berkala dalam operating lease tidak mencakup jumlah biaya yang dikeluarkan untuk memperoleh barang modal tersebut berikut dengan bunga nya. Perbedaan ini disebabkan perusahaan sewa guna usaha mengharapkan keuntungan justru dari penjualan barang modal yang disewagunausahakan, atau melalui beberapa kontrak sewa guna usaha lainnya. Dalam sewa guna usaha jenis ini dibutuhkan keahlian khusus dari perusahaan sewa guna usaha untuk memelihara dan memasarkan kembali barang modal yang disewagunausahakan sehingga, berbeda dengan finance lease, perusahaan sewa guna usaha dalam operating lease biasanya bertanggung jawab atas biaya-biaya pelaksanaan sewa guna usaha seperti asuransi, pajak maupun pemeliharaan barang modal yang bersangkutan.
•
Sales-Typed Lease (sewa guna usaha penjualan) Suatu transaksi sewa guna usaha, dimana produsen/pabrikan juga berperan sebagai perusahaan sewa guna usaha, sehingga jumlah transaksi
termasuk
bagian
laba
sudah
diperhitungkan
oleh
produsen/pabrikan. Jenis transaksi sewa guna usaha ini seringkali merupakan suautu jalur pemasaran bagi produk perusahaan. Di
50 Indonesia, lessor mempunyai fungsi ganda semacam ini tidak diperkenankan oleh Departemen Keuangan. •
Leveraged lease Suatu transaksi sewa guna usaha, selain melibatkan lessor dan lessee, juga melibatkan bank/kreditor jangka panjang yang membiayai bagian terbesar dalam transaksi. Jenis transaksi ini jarang terjadi di Indonesia, hal ini dikarenakan suku bunga perbankan dengan suku bunga yang dikenakan perusahaan sewa guna usaha terdapat selisih yang cukup besar.
2.18.3 Macam-macam bentuk pembiayaan leasing M enurut Rachmat (2004,p.64-68), untuk dapat melakukan transaksi sewa guna usaha maka lessee dan lessor dapat menempuh tiga macam pola/bentuk pembiayaan, yaitu: • Direct Finance lease Dalam transaksi direct financing lease, lessee belum pernah memiliki barang modal yang akan menjadi objek pembiayaan sewa guna usaha (leasing). Dengan demikian lessor atas nama lessee akan membeli barang modal tersebut secara lansung kepada supplier/dealer/developer dengan menggunakan nama lessor sebagai pemilik barang modal. Adapun mekanisme dari direct financing lease dapat diilustrasikan sebagai berikut:
51
Gambar 2.15 M ekanisme Transaksi Direct Financing Lease (Sumber: Budi Rahmat, 2004, p.64)
• Sale and lease back Dalam transaksi sale and lease back, dimana lessee secara fakta telah memiliki barang modal, karenanya untuk melaksanakan transaksi ini lessee harus mengadakan transaksi jual beli dengan lessor dan pada saat yang sama akan ditandatangani perjanjian leasing. Dalam hal ini tidak terjadi perpindahan barang modal secara fisik. Adapun mekanisme dari Sale and lease back dapat diilustrasikan sebagai berikut:
52
Gambar 2.16 M ekanisme Transaksi Sale and Lease Back (Sumber: Budi Rahmat, 2004, p.66)
• Syndication lease Transaksi sindikasi hampir sama dengan direct financing lease maupun sale and lease back, yang membedakan adalah ada satu lessor yang bertindak sebagai lead syndicator yang akan mengatur seluruh transaksi sewa guna usaha sehingga lessee tidak harus berhubungan dengan seluruh anggota sindikasi, yaitu cukup berhubungan dengan lease syndicator. Adapun mekanisme dari Syndication Lease dapat diilustrasikan sebagai berikut:
53
Gambar 2.17 M ekanisme Transaksi Syndication Lease (Sumber: Budi Rahmat, 2004, p.67)
2.18.4 Pembayaran angsuran bulanan • Pendekatan bunga efektif Angsuran bulanan = Harga pembelian – Uang muka 1 + PVIFA (N-1;R%/12)
Keterangan: •
Harga pembelian adalah harga pembelian barang.
•
Uang muka adalah uang muka pembelian barang.
•
N adalah jangka waktu sewa guna usaha.
•
R adalah persentase bunga efektif.
•
PVIFA adalah Present Value Interest Factor Anuitas.
54 • Pendekatan bunga flat Angsuran bulanan = (Netto pembiayaan) + (Netto pembiayaan x R% x N) N x 12
Keterangan: •
Netto pembiayaan adalah harga pembelian dikurangi dengan uang muka.
•
N adalah jangka waktu sewa guna usaha.
•
R adalah persentase bunga efektif.
2.19 Consumer Finance 2.19.1 Pengertian Consumer Finance M enurut Rachmat (2004,p.186), Consumer finance adalah kegiatan pembiayaan yang melakukan kegiatan pembiayaan untuk pengadaan barang berdasarkan kebutuhan konsumen dengan sistem pembayaran angsuran atau berkala oleh konsumen.
2.19.2 Dasar Kegiatan Consumer Finance 1. pembiayaan konsumen merupakan salah satu alternatif pembiayaan yang dapat diberikan kepada konsumen. 2. Obyek pembiayaan usaha jasa pembiayaan konsumenadalah barang kebutuhan konsumen, biasanya kendaraan bermotor, alat kebutuhan rumah tangga, komputer, barang-barang elektronika.
55 3. Sistem pembayaran angsuran dilakukan secara berkala biasanya dilakukan per bulan dan ditagih langsung kepada konsumen. 4. Jangka waktu pengembalian, bersifat fleksibel, tidak terikat dengan ketentuan seperti financial lease.
2.19.3 Pembayaran Angsuran Bulanan • Pendekatan Bunga Efektif Angsuran bulanan = Harga pembelian – Uang muka 1 + PVIFA (N-1;R%/12) Keterangan: • Harga pembelian adalah harga pembelian barang. • Uang muka adalah uang muka pembelian barang. • N adalah jangka waktu sewa guna usaha. • R adalah persentase bunga efektif. • PVIFA adalah Present Value Interest Factor Anuitas. • Pendekatan Bunga Flat Angsuran bulanan = (Netto pembiayaan) + (Netto pembiayaan x R% x N) N x 12 Keterangan: • Netto pembiayaan adalah harga pembelian dikurangi dengan uang muka. • N adalah jangka waktu sewa guna usaha. • R adalah persentase bunga efektif.
