BAB 2 LANDASAN TEORI
2.1
Pengertian Database dan Data Warehouse 2.1.1
Pengertian Database Menurut Connolly dan Begg (2002, p14) database adalah kumpulan data yang berhubungan satu sama lain yang digunakan secara bersama-sama, dan kumpulan data ini didesain untuk memenuhi kebutuhan informasi suatu perusahaan. Menurut
Wikipedia
(http://en.wikipedia.org/wiki/Database),
database adalah kumpulan elemen data atau fakta yang disimpan di komputer secara sistematis. Jadi, dapat disimpulkan database adalah kumpulan data yang berhubungan secara sistematis dan digunakan untuk memenuhi kebutuhan informasi suatu perusahaan. Pada perusahaan Teh Tong Tji ini menggunakan database SQL Server 2000. 2.1.2 Pengertian DBMS (Database Management System) Menurut Connolly dan Begg (2002,p16), DBMS adalah sistem perangkat lunak yang memungkinkan user untuk mendefinisikan, membuat, memelihara, dan mengontrol akses ke database. Menurut
Wikipedia
(http://en.wikipedia.org/wiki/Database)
DBMS adalah program komputer yang digunakan untuk mengatur sebuah database.
6
7 2.1.3
Pengertian Data Warehouse Menurut W.H Inmon (2002, p31) 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. Menurut Vidette Poe (1996,p6), data warehouse merupakan database yang bersifat analisis dan hanya dapat dibaca saja, yang digunakan sebagai dasar dari sistem penunjang keputusan. Menurut
Wikipedia
(http://en.wikipedia.org/wiki/data_warehouse) data warehouse adalah tempat penyimpanan utama dari sebuah data historis perusahaan, yang berhubungan dengan perusahaan tersebut. Dalam data warehouse hanya terdapat dua kegiatan terhadap data yaitu, loading data dan akses data, tidak ada kegiatan update, insert, dan delete data. Data warehouse berguna untuk mempermudah membuat aplikasi DSS (Desicion Support System) dan EIS (Executive Information System). 2.1.4
Pengertian Data Mart Menurut Connolly dan Begg (2002, p1067) data mart dengan sebuah area fungsional dari perusahaan atau memiliki lingkup yang terbatas. Ada beberapa karakteristik yang membedakan antara data mart dengan data warehouse, di antaranya :
8 1.
Data mart berfokus pada kebutuhan pengguna yang berhubungan dengan satu bagian departemen atau fungsi bisnis.
2.
Data mart tidak berisi data operasional secara detil, tidak seperti data warehouse.
3.
Data mart lebih mudah dimengerti dan digunakan karena berisi data yang lebih sedikit dibandingkan dengan data warehouse.
2.2
Karakteristik Data Warehouse Menurut W.H Inmon (2002, p31) karakteristik data warehouse adalah sebagai berikut : a.
Subject Oriented (Beriorientasi subyek) Data Warehouse bersifat subject oriented artinya data warehouse digunakan untuk menganalisa data berdasarkan subyek-subyek tertentu dalam organisasi, bukan berorientasi pada aplikasi-aplikasi tertentu, yang mempermudah user dalam pengambilan keputusan. Beberapa perbedaan antara data primitif (data operasional) dan data warehouse diantaranya sebagai berikut :
9
Data Operasional
Data Warehouse
Berorientasi pada aplikasi
Berorientasi subyek
Dapat berubah
Tidak dapat berubah
Dapat diakses oleh sebuah unit Dapat diakses oleh sebuah set unit dalam satu waktu
dalam satu waktu
Jumlah data yang diproses kecil
Jumlah data yang diproses besar
Tidak ada redundancy data
Ada redundancy data
Untuk komunitas karyawan
Untuk komunitas manajer
Dibutuhkan efisiensi data
Dibutuhkan kecepatan data
Tabel 2.1 Perbedaan data operasional dan data warehouse b.
Integrated (Terintegrasi) Data warehouse bersifat integrated artinya data warehouse menyimpan data dari berbagai sumber yang berbeda yang disimpan ke dalam suatu format yang konsisten dan data tersebut terintegrasi satu sama lain, dimana data-data tersebut merupakan suatu kesatuan dan tidak dapat dipecah-pecah.
c.
Non volatile (Tidak dapat diubah) Data warehouse bersifat non volatile, artinya data warehouse tidak dapat diubah. Pengguna tidak dapat mengubah data warehouse yang sudah ada. Berbeda dengan database operasional yang memiliki tiga kegiatan operasi yaitu insert, update, dan delete, data warehouse hanya memiliki dua kegiatan yaitu loading dan akses data.
d.
Time variant (Variasi Waktu) Data warehouse berisikan record-record yang bersifat historis. Record yang ada di dalam data warehouse berjangka 5-10 tahun,
10 sehingga record-record yang lama akan tetap berada dalam sistem. Inilah yang digunakan sebagai bahan untuk analisis pengambilan keputusan. Namun record yang terlalu lama disimpan tidak efektif karena bisa memberikan hasil analisa yang kurang tepat. Dalam OLTP (Online Transaction Processing) , record yang ada merupakan record terbaru. OLTP tidak menyimpan record –record yang lama untuk mempercepat proses. Semakin sedikit data yang disimpan maka waktu pemrosesan data semakin cepat. 2.3
Anatomi Data Warehouse Dalam menentukan bentuk data warehouse yang akan digunakan oleh suatu perusahaan, terlebih dahulu kita harus mengetahui kebutuhan informasi yang diperlukan oleh perusahaan. Data warehouse terdiri atas tiga jenis dasar sistem, yaitu : 1.
Data warehouse Fungsional (Functional Data Warehouse) Data
warehouse
fungsional
dibangun
berdasarkan
kebutuhan informasi dari tiap bagian fungsi bisnis perusahaan. Data
warehouse
fungsional
merupakan
pendekatan
yang
digunakan untuk membangun suatu sistem data warehouse dengan biaya investasi yang rendah. 2.
Data warehouse terpusat (Centralized Data Warehouse) Data warehouse terpusat dibangun dari data operasional yang dikumpulkan dalam pusat penyimpanan data yang digunakan oleh pengguna untuk membangun data warehouse fungsional masing-masing.
11 Kebanyakan organisasi membangun dan memelihara lingkungan data warehouse terpusat yang tunggal (Inmon, 2002, p201). Pengaturan ini masuk akal karena alasan sebagai berikut : 1.
Data di dalam data warehouse terintegrasi antar perusahaan dan gambaran terintegrasi digunakan hanya pada kantor pusat
2.
Perusahaan beroperasi pada model bisnis terpusat
3.
Volume dari data dalam data warehouse seperti tempat penyimpanan tunggal yang terpusat
4.
Sekalipun data dapat terintegrasi dan diedarkan antar area lokal yang beragam, data tersebut akan tidak praktis untuk diakses.
3.
Data warehouse terdistribusi (Distributed Data Warehouse) Perusahaan yang memiliki cabang tersebar di seluruh dunia membutuhkan informasi yang mencakup tidak hanya wilayah lokal saja tetapi juga wilayah global. Global data warehouse membutuhkan informasi terpadu dari data warehouse tempat infomasi dikumpulkan. Disamping itu, ada kebutuhan yang lain untuk data warehouse yang terpisah di setiap cabang perusahaan. Dalam kasus ini, data warehouse terdistribusi dibutuhkan. (Inmon,2002,p202). Tiga tipe dari data warehouse terdistribusi :
12 1.
Data warehouse yang terdistribusi secara geografi terdiri dari data warehouse lokal dan data warehouse global.
2.
Data warehouse yang terdistribusi dalam banyak prosesor, secara logis ada satu data warehouse tetapi secara fisiknya ada banyak data warehouse yang saling berhubungan.
3.
Data warehouse yang tumbuh dalam sumber yang tidak terkoordinasi.
2.4
Arsitektur Data Warehouse Menurut Connoly dan Begg (2002, p1053), arsitektur data warehouse dapat digambarkan sebagai berikut :
Gambar 2.1 Arsitektur Data Warehouse
13 -
Operasional Data Sumber data untuk data warehouse berasal dari : •
Mainframe operasional data memegang kendali di hirarki generasi pertama dan di database jaringan.
•
Bagian data memegang kendali di kepemilikan system file seperti VSAM, RMS, dan relasi DBMS seperti Informix dan Oracle.
•
Private data memegang kendali di workstation dan private servers.
•
External System seperti Internet, database komersial yang tersedia atau database yang berhubungan dengan pemasok organisasi atau konsumen.
-
Operasional Datastore Operasional datastore adalah sebuah tempat penyimpanan untuk data operasional saat ini dan terintegrasi yang digunakan untuk analisis. Operasional database seringkali terstruktur dan terisi dengan data yang sama seperti data warehouse, tetapi kenyataannya operasional datastore adalah suatu tempat untuk menampung data yang akan masuk ke dalam data warehouse.
-
Load Manager Load Manager menampilkan semua operasi yang berhubungan dengan extraction dan loading data ke dalam data warehouse. Datanya mungkin diesktrak secara langsung dari sumber data atau lebih umumnya berasal dari operasional datastore.
14 -
Warehouse Manager Warehouse Manager menampilkan semua operasi yang berhubungan dengan manajemen data di dalam data warehouse. Operasi yang dilakukan oleh warehouse manager antara lain : •
analisis data untuk memastikan konsistensi data
•
perubahan dan menyatukan sumber data dari penyimpanan sementara ke dalam tabel di data warehouse
-
•
membuat indeks-indeks dan views di tabel awal
•
membuat denormalisasi (jika perlu)
•
membuat aggregrasi (jika perlu)
•
mem-backup data dan menyimpan data
Query Manager Query Manager menampilkan semua operasi yang berhubungan dengan manajemen dari pengguna queries. Operasi yang dilakukan oleh query manager antara lain memerintah query untuk dimasukkan kedalam tabel yang benar dan menjadwal eksekusi query. Di beberapa kasus, query manager juga membuat profile query untuk membolehkan warehouse manager untuk menentukan indeks dan aggregrasi mana saja yang diperlukan.
-
Detailed data Di beberapa kasus, detil data tidak disimpan secara online tetapi ditentukan oleh aggregrasi data ke level berikutnya. Bagaimanapun, di basis regular, detil data dimasukkan ke dalam data warehouse untuk menambah aggregrasi data.
-
Lightly and Highly Summarized Data
15 Tujuan dari ringkasan informasi adalah untuk menaikkan kemampuan queries. Walaupun ada harga operasional yang berhubungan secara inisial dengan ringkasan data, ini ditutupi dengan menghilangkan keperluan untuk melanjutkan ringkasan operasi-operasi (seperti sorting atau grouping) di pengguna queries. Ringkasan data diperbaharui secara terus menerus sebagai data baru yang diisi ke dalam data warehouse. -
Archive / Backup Data Walaupun ringkasan data didapat dari detil data, mungkin diperlukan untuk mem-backup ringkasan data online jika data tersebut tetap melebihi penyimpanan untuk detil data. Data tersebut dipindah ke tempat penyimpanan seperti magnetic tape atau optical disk.
-
Metadata Metadata digunakan untuk berbagai tujuan antara lain : •
proses extraction dan loading - metadata digunakan untuk memetakan sumber data ke view umum data dalam data warehouse
•
proses manajemen warehouse - metadata digunakan untuk mengotomatiskan produksi dari tabel ringkasan.
•
Sebagai bagian dari proses manajemen warehouse - metadata digunakan untuk mengatur query ke sumber data yang paling penting.
-
End-User Access Tools Tujuan utama dari data warehouse adalah untuk menyediakan informasi untuk pemakai bisnis dalam membuat keputusan strategis. Pemakai ini berinteraksi
16 dengan data warehouse menggunakan end-user access tools. End-user access tools dapat dibagi menjadi 5 kelompok, yaitu : •
Laporan dan Alat Query Menghasilkan program laporan dan laporan tertulis, sedangkan query tools didesain untuk menerima SQL atau menghasilkan pernyataan SQL untuk men-query data di dalam data warehouse.
•
Alat Pengembangan Aplikasi Keperluan end user dari laporan dan alat query terkadang tidak cukup karena analisis yang diperlukan tidak dapat ditampilkan atau karena interaksi pengguna memerlukan keahlian yang tinggi dari user. Beberapa dari alat pengembangan aplikasi ini terintegrasi dengan alat OLAP yang terkenal, dan dapat mengakses semua sistem database utama, termasuk Oracle, Sybase, dan Informix.
•
Alat Executive Information System (EIS) Executive
Information
System,
dikembangkan
untuk
mendukung
pembuatan keputusan tingkat tinggi. Alat EIS berhubungan dengan mainframe pengguna untuk membangun kebiasaan-kebiasaan, aplikasi grafik pendukung keputusan untuk menyediakan sebuah gambaran datadata organisasi dan akses ke sumber data luar. •
Alat Online Analytical Processing (OLAP) Alat OLAP berdasarkan dari konsep multi dimensional database dan membolehkan pengguna untuk menganalisa data menggunakan kompleks, multi-dimensional views. Aplikasi bisnis khusus ini digunakan untuk
17 menilai keefektifan marketing, perkiraan sales produk, dan rencana kapasitas. •
Alat Data Mining Data Mining adalah proses menemukan korelasi baru, pola, arah yang baru dengan menganalisa sejumlah besar data menggunakan statistik, matematika, dan teknik artificial intelligence (AI).
2.5
Struktur Data Warehouse Data warehouse memiliki struktur yang terdiri atas komponen-komponen sebagai berikut : •
Current Detail Data (detil data saat ini) Current Detail Data adalah data detil yang aktif saat ini, yang merupakan level terendah dari data warehouse dan mencerminkan keadaan yang sedang berjalan.Current Detail Data biasanya memerlukan tempat penyimpanan yang cukup besar.
•
Old Detail Data (detil data historis) Old Detail Data merupakan data historis, yang dapat berupa hasil backup yang disimpan dalam media penyimpanan yang terpisah dan dapat diakses sewaktu-waktu pada saat dibutuhkan. Penyusunan direktori untuk data ini harus menggambarkan umur dari data agar memudahkan apabila ingin diakses kembali.
•
Highly Summarized Data (ringkasan data level tinggi) Highly Summarized Data merupakan hasil proses ringkasan yang bersifat total dan mudah untuk diakses. Digunakan untuk melakukan
18 analisa perbandingan data berdasarkan urutan waktu dan analisa yang menggunakan data multi dimensi. Database multi dimensi adalah suatu teknologi software komputer yang dirancang untuk meningkatkan efisiensi dalam mencari tabel atau query sehingga media penyimpanan menjadi lebih baik, serta memudahkan pengambilan data dalam jumlah yang besar. •
Lightly Summarized Data (ringkasan data level menengah) Lightly Summarized Data merupakan ringkasan dari detil data, tetapi belum bersifat total summary. Data-data ini memiliki tingkatan 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.
•
Metadata Metadata memuat informasi yang penting mengenai data dalam data warehouse yang berfungsi sebagai : 1.
Direktori yang akan dipakai oleh user dalam mencari lokasi dalam data warehouse,
2.
Suatu panduan untuk summary data dari detil data menjadi lightly summarized data dan kemudian menjadi highly summarized data,
3.
Merupakan
penuntun
pemetaan
(mapping)
dalam
proses
transformasi dari operasional ke data warehouse. Karena data warehouse harus melayani banyak fungsi, maka metadata penting untuk menjawab kebutuhan dari suatu fungsi tertentu,
19 karena setiap departemen dalam perusahaan biasanya menggambarkan struktur data yang spesifik meskipun asal datanya sama. Struktur data warehouse dapat dilihat pada gambar :
Gambar 2.2 Struktur Data Warehouse 2.6
Granularity Salah satu faktor penting yang harus diperhatikan oleh pengembang data warehouse adalah granularity. Granularity mempengaruhi efisiensi dari penggunaan data dalam analisis yang dilakukan. Menurut Inmon, (2002,p43) granularity merupakan sebuah level kedetilan / summarization dari unit data yang ada dalam data warehouse. Semakin tinggi tingkat kedetilan data maka semakin rendah level granularity dan juga sebaliknya.
2.7
Agregasi Menurut Poe (1996,p136) agregrasi adalah proses akumulasi data fakta sepanjang atribut yang didefinisikan. Contohnya, dapat dihasilkan
sebuah
ringkasan berisi hasil penjualan dolar didalam area dan departemen tertentu
20 dengan menambahkan penjualan dolar dari level detil toko dan barang. Agregrasi dapat dibuat selama proses transformasi dan pemuatan data ke dalam data warehouse. Faktor yang mendukung pembuatan agregrasi adalah : 1. Meningkatkan performa query 2. Mengurangi jumlah penggunaan CPU cycle 2.8
Denormalisasi Menurut
Poe
(1996,
p137-139)
denormalisasi
adalah
proses
penggabungan tabel secara hati-hati dan bijaksana untuk meningkatkan performa. Alasan
dilakukannya
penggabungan
yang
denormalisasi harus
diproses
adalah dalam
untuk
mengurangi
rata-rata
query,
jumlah sehingga
meningkatkan performa database. Sekarang ini, pengembang data warehouse telah memperbaiki teknik denormalisasi dan menghasilkan pendekatan skema bintang. 2.9
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. 2.9.1
Skema Bintang Menurut Connoly dan Begg (2002,p1079), skema bintang adalah struktur logikal yang memiliki tabel fakta yang berisi data faktual, dikelilingi oleh tabel dimensi yang berisi data reference (dimana dapat didenormalisasikan).
21 Menurut Wikipedia ( http://en.wikipedia.org/wiki/Star_schema ), skema bintang adalah skema di dalam data warehouse yang paling sederhana di mana tabel fakta tunggal berisi gabungan primary key dari setiap tabel dimensi dan kolom tambahan yang berupa fakta numerik. 2.9.2
Keuntungan Menggunakan Skema Bintang Menurut Connoly dan Begg keuntungan menggunakan skema bintang antara lain : •
Efisiensi, struktur database yang konsisten membuat akses data lebih efisien dengan menggunakan alat untuk menampilkan data termasuk laporan tertulis dan query.
•
Kemampuan untuk mengatasi perubahan kebutuhan, skema bintang dapat beradaptasi terhadap perubahan kebutuhan, karena semua tabel dimensi memiliki kesamaan dalam hal menyediakan akses ke tabel fakta.
•
Extensibility, model dimensional dapat dikembangkan. Contohnya menambah tabel fakta selama data masih konsisten, menambah tabel dimensi selama masih ada nilai tunggal di tabel dimensi tersebut yang mendefinisikan setiap record tabel fakta yang ada.
•
Kemampuan untuk menggambarkan situasi bisnis pada umumnya.
•
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.
22 2.9.3
Tipe Tabel Skema Bintang Di dalam data warehouse terdapat dua macam tipe tabel, yaitu : 2.9.3.1 Tabel fakta (fact table) Tabel fakta sering disebut juga tabel mayor. Tabel ini berisi data aktual yang akan dianalisis (data kuantitatif dan transaksi). Field-field tabel fakta sering disebut measure dan juga selalu berisi foreign key dari masing-masing tabel dimensi. 2.9.3.2 Tabel dimensi (dimension table) Tabel dimensi sering disebut juga tabel minor. Tabel dimensi biasanya lebih kecil daripada tabel fakta dan berisi data yang merupakan deskripsi dari data-data yang ada pada tabel fakta.
2.9.4
Skema Bintang Sederhana Dalam skema bintang sederhana ini, setiap tabel harus mempunyai primary key yang dapat terdiri dari satu kolom atau lebih. Primary key pada tabel fakta dapat terdiri dari satu atau lebih foreign key dan primary key tersebut harus unique.
23 Gambar dibawah ini menggambarkan hubungan antara tabel fakta dan tabel dimensi . Di dalam tabel fakta terdapat tiga foreign key yang berasal dari primary key tabel dimensi.
Gambar 2.3 Skema Bintang Sederhana Sumber : Poe, 1996, p124 Dalam sebuah skema bintang, dapat juga terdapat lebih dari satu tabel fakta, karena adanya fakta yang tidak saling berhubungan. Walau terdapat tabel fakta lebih dari satu, tabel dimensi digunakan secara bersama-sama.
24 Gambar dibawah ini menggambarkan hubungan antara dua tabel fakta dengan tiga tabel dimensi yang memperlihatkan hubungan many to one.
Gambar 2.4 Skema Bintang dengan beberapa tabel fakta Sumber : Poe, 1996, p126 Tabel dimensi mungkin juga mengandung primary key yang menghubungkan ke tabel dimensi lainnya. Tabel dimensi yang direferensikan ini dinamakan outboard atau secondary dimension table.
25 Pada gambar dibawah ini, tabel dimensi tiga mempunyai dua outboard tabel yaitu tabel dimensi empat dan tabel dimensi lima.
Gambar 2.5 Skema Bintang dengan Tabel Dimensi Tambahan Sumber : Poe,1996, p128 2.9.5
Skema Bintang Majemuk Tabel fakta dalam skema bintang majemuk memiliki dua kumpulan 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 identifikasi unik untuk setiap barisnya. Perbedaan antara skema bintang sederhana dan skema bintang majemuk adalah saling tidak identiknya primary key dan foreign key dalam skema bintang majemuk.
26
Gambar 2.6 Skema Bintang Majemuk Sumber : Poe, 1996 2.10
Skema Snowflake Menurut Connolly dan Begg (2002,p1080) skema snowflake merupakan skema yang berbeda dengan skema bintang karena tabel dimensi tidak berisi data denormalisasi. Snowflake merupakan variasi lain dari skema bintang di mana tabel dimensi dari skema bintang diorganisasi menjadi suatu hierarki dengan melakukan denormalisasi. Prinsip dasar dari skema ini tidak berbeda jauh dengan skema bintang. Pengunaan 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
didenormalisasi. Skema snowflake dibuat berdasarkan OLTP sehingga semua data akan termuat detail dalam setiap tabel fakta dan tabel dimensi.
27 Keuntungan dari skema snowflake adalah : •
Kecepatan memindahkan data dari OLTP ke dalam metadata
•
Sebagai kebutuhan dari alat pengambil keputusan tingkat tinggi di
mana 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. Berikut ini adalah contoh gambar dari skema snowflake :
Gambar 2.7 Skema Snowflake Sumber : Poe (1996,p129)
28 2.11
Pengertian Analisis SWOT Menurut Rangkuti, (2002, p18-19), analisis SWOT adalah identifikasi berbagai faktor secara sistematis untuk merumuskan berbagai strategi perusahaan. Analisis ini didasarkan pada logika yang dapat memaksimalkan kekuatan (Strength) dan peluang (Opportunities), namun secara bersamaan dapat meminimalkan kelemahan (Weakness) dan ancaman (Threat). Lingkungan yang diamati di dalam analisis SWOT mencakup lingkungan internal (kekuatan dan kelemahan) dan lingkungan eksternal (peluang dan ancaman). 1. Strength (kekuatan) Setiap perusahaan harus mengetahui kekuatan yang dimilikinya dan dapat membandingkan kekuatan tersebut dengan kekuatan para pesaing. 2. Weakness (kelemahan) Kelemahan atau masalah yang dihadapi oleh perusahaan kadang dapat menyebabkan kegagalan suatu rencana bisnis yang bukan karena masingmasing bagiannya tidak memiliki kekuatan yang dibutuhkan, melainkan karena bagian-bagian tersebut tidak bekerja sama sebagai sebuah tim. 3. Opportunity (peluang) Peluang pemasaran adalah suatu kebutuhan dimana perusahaan dapat bergerak dengan memperoleh laba. Peluang tersebut dapat dicatat dan dipilih menurut daya tarik dan kemungkinan keberhasilannya.
29 4. Threat (ancaman) Sebagian perkembangan dalam lingkungan eksternal merupakan ancaman. Ancaman lingkungan adalah tantangan akibat kecenderungan yang tidak menguntungkan atau perkembangan yang akan mengurangi penjualan dan laba apabila tidak dilakukan gerakan defensif.
Gambar 2.8 Analisis SWOT Kuadran 1 : Menggambarkan situasi yang sangat menguntungkan perusahaan, dimana perusahaan memiliki kekuatan dan dapat memanfaatkan peluang yang ada. Strategi yang harus diterapkan dalam kondisi ini adalah mendukung kebijakan pertumbuhan yang agresif. Kuadran 2 : Meskipun menghadapi berbagai ancaman, perusahaan memiliki kekuatan dari segi internal. Strategi yang harus diterapkan adalah menggunakan kekuatan untuk memanfaatkan peluang jangka panjang dengan cara strategi diversifikasi produk atau pasar.
30 Kuadran 3 : Perusahaan menghadapi peluang pasar yang sangat besar, tetapi di lain pihak, perusahaan menghadapi berbagai kendala atau kelemahan internal. Fokus strategi perusahaan ini adalah meminimalkan masalah-masalah internal perusahaan sehingga dapat merebut peluang pasar yang lebih baik. Kuadran 4 : Menggambarkan situasi yang tidak menguntungkan, dimana perusahaan menghadapi berbagai ancaman dan kelemahan internal.
2.12
Pengertian Analisis Critical Success Factor (CSF) Menurut Laudon (2004, p380), Critical Success Factor (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 sebuah organisasi. Menurut McLeod (2001, p109), Critical Success Factor (CSF) adalah satu dari aktifitas dari 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 kumpulan data yang lebih kecil untuk dianalisis daripada analisis perusahaan (enterprise analysis) secara keseluruhan. Hanya manajer tingkat atas yang diwawancarai dan pertanyaan berfokus pada sejumlah kecil CSF daripada pertanyaan yang luas sehingga dapat memuat informasi apa yang dibutuhkan. Ini khususnya untuk manajer tingkat atas dan membantu di dalam membangun DSS dan EIS.
31 2.13
Nine Step Methodology Nine step methodology merupakan salah satu metode 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 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.
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
32 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 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 database Pada tahap ini ditentukan durasi atau periode waktu dari data-data yang akan dimasukkan ke dalam data warehouse.
8.
Tracking slowly changing dimensions Dimensi dapat berubah, untuk mengantisipasinya ada tiga cara untuk mengubah data di dimensi, yaitu : •
Menulis ulang atribut yang berubah
•
Membuat record baru pada dimensi
•
Membuat suatu atribut alternatif untuk menampung nilai yang baru, sehingga nilai lama dan nilai baru dari atribut tersebut bisa diakses secara bersamaan.
9.
Deciding the query priorities and the query models Pada tahap terakhir ini, pertimbangan yang dilakukan lebih berupa perancangan fisik dari data warehouse
33 2.14
Pengertian Penjualan Menurut Romney dan Steinbart (2003,p157) penjualan merupakan suatu set rekursif dari kegiatan bisnis dan operasi pemrosesan informasi terkait yang dihubungkan dengan penyediaan barang dan pelayanan pelanggan serta penerimaan pembayaran dari penjualan tersebut. Menurut Mulyadi (1997,p204) kegiatan penjualan terdiri dari transaksi penjualan barang atau jasa, baik secara kredit maupun tunai. Penjualan adalah suatu proses penting dalam melaksanakan tujuan dari perusahaan yaitu untuk memperoleh keuntungan semaksimal mungkin. Ditinjau dari cara pembayarannya, penjualan dibagi menjadi dua macam, yaitu : 1.
Penjualan Tunai Penjualan tunai dilakukan oleh perusahaan yang bersangkutan dengan cara mewajibkan pembeli melakukan pembayaran harga barang terlebih dahulu sebelum barang diserahkan kepada pembeli. Menurut
Mulyadi
(1997,p474)
pembeli
diwajibkan
untuk
melakukan pembayaran harga barang terlebih dahulu sebelum barang tersebut dikerahkan oleh perusahaan. Barang kemudian diserahkan kepada pembeli dan transaksi penjualan tunai dicatat oleh perusahaan. Penjualan tunai dilakukan oleh perusahaan yang bersangkutan dengan cara mewajibkan pembeli melakukan pembayaran harga barang terlebih dahulu sebelum barang tersebut diserahkan kepada pembeli.
34 2.
Penjualan Kredit Penjualan kredit adalah penjualan yang pembayarannya dilakukan beberapa waktu kemudian setelah menerima barang yang dipesannya. Pembayaran biasanya dilakukan dalam jangka waktu yang telah disepakati oleh kedua belah pihak. Menurut Mulyadi (2001,p202) penjualan kredit dilaksanakan oleh perusahaan dengan cara mengirimkan barang sesuai dengan pesanan yang diterima oleh pembeli dan untuk jangka waktu tertentu perusahaan mempunyai tagihan kepada pembeli tersebut. Menurut Mulyadi (2001,p204-205) fungsi-fungsi yang terkait dalam sistem penjualan kredit adalah sebagai berikut : a. Fungsi Penjualan Fungsi ini bertanggung jawab untuk menerima surat order dari pembeli, mengedit order dari pelanggan untuk menambahkan informasi yang belum ada pada surat order tersebut, meminta otorisasi kredit, menentukan tanggal pengiriman dan dari gudang mana barang akan dikirim dan mengisi surat order pengiriman. Fungsi ini juga bertanggung jawab untuk memenuhi order pada saat diketahui tidak tersedianya persediaan untuk memenuhi order dari pelanggan. b. Fungsi Kredit Fungsi ini bertanggung jawab untuk meneliti status kredit pelanggan dan pembelian kredit kepada pelanggan.
35 c. Fungsi Gudang Fungsi ini bertanggung jawab untuk menyimpan barang dan menyiapkan barang yang dipesan untuk pelanggan serta menyerahkan barang ke fungsi pengiriman. d. Fungsi Pengiriman Fungsi ini bertanggung jawab untuk menyerahkan barang atas dasar surat order pengiriman yang diterimanya dari fungsi penjualan dan menjamin bahwa tidak ada barang yang keluar dari perusahaan tanpa ada otorisasi dari yang berwenang. e. Fungsi Penagihan Fungsi
ini
bertanggung
jawab
untuk
membuat
dan
mengirimkan faktur penjualan kepada pelanggan serta menyediakan salinan faktur bagi kepentingan pencatatan transaksi penjualan oleh fungsi akuntansi. f. Fungsi Akuntansi Fungsi ini bertanggung jawab untuk mencatat piutang yang timbul dari transaksi penjualan kredit dan membuat laporan penjualan serta mencatat harga pokok persediaan yang dijual kedalam kartu persediaan. Adapun tujuan dilakukannya penjualan adalah : a.
Untuk mencapai volume penjualan maksimal.
b.
Untuk mencapai laba maksimal.
c.
Untuk mendukung pertumbuhan perusahaan.
36 Agar tujuan diatas dapat terwujud maka perlu adanya kerja sama antara bagian-bagian yang terkait. 2.15
Pengertian Retur Penjualan Menurut Mulyadi (2001, p226) transaksi retur penjualan terjadi jika perusahaan menerima pengembalian barang dari pelanggan. Pengembalian barang dari pelanggan harus diotorisasi oleh fungsi penjualan dan diterima oleh fungsi penerimaan.
