BAB 2 LANDAS AN TEORI
2.1
Teori Umum
2.1.1
Pengertian Data Warehouse M enurut Nugroho (2004), Modern Database Management Data adalah fakta tentang sesuatu di dunia nyata yang dapat direkam dan disimpan pada media komputer. Definisi di atas perlu diperluas untuk mencerminkan realitas yang ada saat ini. Basis data saat ini digunakan untuk menyimpan objek-objek seperti: dokumen, citra fotografi, suara, serta vedio, alih-alih hanya teks serta angka pada aplikasi basis data terdahulu. Dengan demikian, pengertian ‘data’ dapat diperluas menjadi: fakta, teks, grafik, suara, serta vedio yang bermanfaat di lingkup pengguna. M enurut Kadir (1998), Konsep dan tuntunan praktis Basis data, Andi, Yogyakarta. Data adalah fakta mengenai objek, orang dan lain-lain. Data dinyatakan dengan nilai (angka, deretan karakter, atau simbol). M enurut Hariyanto (2004), Sistem Manajemen Basis Data, Informatika, Bandung. Data adalah rekaman mengenai fenomena/fakta yang ada atau terjadi.
Data Warehouse dikembangkan dengan mengekstrak data dari berbagai sistem yang menjadi sumber data, lalu dibersihkan, diubah, dan dimasukan ke dalam tempat penyimpanan yang dapat diakses oleh pengambilan keputusan 7
8 Wixom & Watson (2001). An empirical investigation of the factors affecting data warehousing success. MIS Quarterly , Vol.25, No.1, M arch 2001, p18.
Data warehouse merupakan tempat penyimpanan berukuran besar yang dibuat untuk menyimpan data dari berbagai sumber dan dipelihara oleh beberapa unit operasi berbeda bersamaan dengan transformasi sejarah dan ringkasan data itu sendiri (Hwang & Xu ( 2008 ). A Strucktural M odel of Data Warehousing Success. The Journal of Computer Information Systems, p48. Data warehouse merupakan tempat penyimpanan data dalam jumlah besar yang tidak memberikan informasi dengan sendirinya, dibutuhkan alat khusus untuk melakukan query dan menganalisa data – data tersebut agar didapatkan pengetahuan yang bernilai (Hsieh Chang-Tseh & Lin Binshan (2002) Roles of Knowledge Management in Online Procurement Systems.) Data Warehouse merupakan tempat penyimpanan semua kumpulan data dalam jumlah besar dan kemudian data tersebut akan diolah sehingga menjadi suatu informasi yang dibutuhkan untuk pengambilan keputusan. (Lee & Kim (2001) A metadata oriented architecture for building data warehouse. Journal of Database Management, p15. 2.1.2
Karakteristik Data Warehouse M enurut Inmon (2002, p31), karakteristik dari data warehouse yaitu subject oriented, integrated, nonvolatile dan time variant. Keempat karakteristik ini saling terkait satu sama lain, sehingga ke semuanya harus diimplementasikan agar suatu data warehouse bisa secara efektif memiliki data yang mendukun g pengambilan keputusan.
9
2.1.2.1 Subject Oriented Sistem operasi secara klasik diorganisasikan sekitar aplikasi fungsional dari perusahaan. Untuk perusahaan asuransi, aplikasinya dapat berupa auto, health, life dan casuality. Area subyek utama dari perusahaan asuransi dapat berupa customer, policy, premium, dan claim. Untuk perusahaan, area subyek utama dapat berupa product, order, vendor, bill of material, dan raw goods. Untuk pedagang eceran, area subyek utama dapat berupa product, sale, vendor.
Gambar 2.1 Contoh Subject Oriented (Inmon, 2002, p32) 2.1.2.2 Integrated
10
Karakteristik kedua dan terpenting dari data warehouse adalah integrasi. Data diambil dari banyak sumber terpisah ke dalam data warehouse. Data yang diambil itu akan diubah, diformat, disusun kembali, diringkas, dan seterusnya. Data yang masuk ke dalam data warehouse dengan berbagai cara dan mempunyai ketidakkonsistenan pada tingkat aplikasi tidak akan dimasukkan. Contoh konsistensi data antara lain adalah penamaan, struktur kunci, ukuran atribut, dan karakteristik data secara fisik. Hasilnya adalah data dalam data warehouse yang mempunyai satu bentuk. Gambar 2.3 di bawah ini akan mengilustrasikan integrasi yang muncul ketika data melewati lingkungan operasional berbasiskan aplikasi ke lingkungan data warehouse.
11
Gambar 2.2 Contoh Integrasi Data (Inmon, 2002, p33)
2.1.2.3 Non-Volatile Non-volatile dapat diartikan bahwa data tersebut tidak mengalami perubahan. Data di lingkungan operasional dapat dilakukan perubahan (update), dihapus (delete), dan dimasukkan data baru (insert) seperti pada Gambar 2.4 sebelah kiri (record-by-record manipulation of data), tetapi data dalam data warehouse hanya melakukan loading dan accessing seperti pada Gambar 2.4 sebelah kanan (mass load/access of data). Dengan ini maka data yang lama tetap tersimpan dalam data warehouse.
12
Gambar 2.3 Gambaran pengertian Non-Volatile (Inmon, 2002, p34) 2.1.2.4 Time Variant Karakteristik ini mengimplikasikan bahwa tiap data dalam data warehouse itu selalu akurat dalam periode tertentu. Dalam satu sisi, sebuah record dalam database memiliki waktu yang telah ditetapkan secara langsung. Di sisi lain, sebuah record mempunyai waktu transaksi. Dalam setiap lingkungan baik operasional maupun data warehouse, lingkungan tersebut memiliki time horizon. Time horizon adalah sebuah parameter waktu yang dipertunjukkan dalam lingkungan tersebut. Batas waktu pada data warehouse lebih lama daripada sistem operasional. Karena perbedaan batas waktu tersebut, maka data warehouse mempunyai lebih banyak histori daripada lingkungan lainnya. Tabel di bawah ini akan menjelaskan perbedaan data operasional dan data warehouse dari segi time variant.
13
Tabel 2.1 Perbandingan Time Variant antara Data Operasional dan Data Warehouse (Inmon, 2002, p35) Data Operasional
Data Warehouse
Mempunyai time horizon 60-90
Mempunyai time horizon 5-10
hari
tahun
Data atau record dapat di-update Key structure dapat termasuk atau tidak termasuk elemen waktu
Data atau record tidak dapat diupdate Key structure termasuk elemen waktu
2.1.3 Arsitektur Data Warehouse M enurut Connolly & Begg (2005, p1162), Arsitektur data warehouse adalah sebagai berikut:
Gambar 2.4 Arsitektur Data Warehouse (Connolly and Begg, 2005, p1162)
14
M enurut Connolly & Begg (2005, p1156), arsitektur data warehouse terdiri atas: a. Operational Data Sumber data untuk data warehouse disediakan dari: •
Mainframe data operasional yang disimpan dalam generasi pertama database hirarki dan database jaringan. Diperkirakan bahwa mayoritas dari data operasional perusahaan berada dalam sistem – sistem ini.
•
Data tiap departemen yang disimpan dalam beraneka ragam sistem penyimpanan file seperti VSAM , RM S, dan relational DBM S seperti Informix dan Oracle.
•
Data internal yang tersimpan di berbagai workstation dan private server.
•
Sistem eksternal seperti internet, database komersial, atau database yang berhubungan dengan pelanggan atau supplier dari organisasi.
b.
Operational Data Store Operational data store (ODS) adalah suatu media penyimpanan atas data operasional yang terbaru dan terintegrasi yang digunakan untuk analisis. ODS dibentuk dan diisi oleh data dengan cara yang sama seperti data warehouse, tetapi kenyataannya, ODS secara sederhana berperan sebagai tempat penampungan sementara untuk data
sebelum dipindahkan ke
warehouse. ODS diciptakan ketika sistem operasional tidak mampu mencapai kebutuhan sistem pelaporan. ODS menyediakan manfaat yang berguna dari
15
suatu relational database dalam mengambil keputusan yang mendukung fungsi data warehouse. c. Load Manager Load manager melakukan semua operasi yang berhubungan dengan extract dan load data ke dalam data warehouse. Data dapat di-extract secara langsung dari sumber data atau yang lebih umum dilakukan melalui tempat penyimpanan data operasional. Operasi yang dilakukan oleh load manager dapat meliputi transformasi data yang sederhana untuk mempersiapkan data tersebut agar dapat dimasukkan ke dalam warehouse. d. Warehouse Manager Warehouse manager melaksanakan semua operasi yang berhubungan dengan pengelolaan atas data dalam warehouse. Operasi yang dilakukan oleh warehouse manager meliputi: •
Analisa atas data untuk memastikan konsistensinya.
•
Transformasi dan penggabungan sumber data dari tempat penyimpanan sementara ke dalam tabel-tabel data warehouse.
•
Pembuatan index dan view pada tabel-tabel dasar.
•
M enghasilkan denormalisasi (jika diperlukan).
•
M enghasilkan agregasi (jika diperlukan).
•
Backup dan archieve data.
e. Query Manager
16
Query manager melakukan semua operasi yang berkaitan dengan pengelolaan query dari user. Komponen ini secara khusus dibangun menggunakan tool akses data end-user, tool pengontrol data warehouse, fasilitas database, dan custom-built program. Kompleksitas query manager ditentukan oleh fasilitas yang disediakan oleh tool akses end-user dan database. Operasi yang dilakukan komponen ini meliputi pengarahan query pada tabel yang sesuai dan penjadwalan pelaksanaan query. Dalam beberapa kasus, terkadang query manager juga menghasilkan profil query yang mengijinkan warehouse manager menentukan kesesuaian index dan agregasi. f. Detailed Data Area ini menyimpan semua data detil di dalam skema database, yang bertujuan untuk melengkapkan kumpulan data untuk data warehouse. Dalam banyak kasus, data yang terperinci tidaklah disimpan secara online tetapi dapat disediakan melalui agregasi data pada tingkatan detil berikutnya. g. Lightly dan Highly Summarized Data Area ini menyimpan semua lightly dan highly summarized (aggregated) data yang dihasilkan oleh warehouse manager. Area ini adalah tempat penampungan sementara sebelum dilakukan perubahan secara berkelanjutan untuk merespon perubahan profil query.
17
Tujuan ringkasan informasi ini adalah untuk mempercepat pencapaian query. M eskipun biaya operasi akan meningkat sehubungan dengan proses peringkasan data tersebut, ini akan diseimbangkan dengan menghapus keperluan untuk secara terus-menerus melakukan operasi ringkasan (seperti penyortiran atau pengelompokan) dalam menjawab query user. Ringkasan data di-update secara terus- menerus ketika ada data baru terisi ke dalam warehouse. h. Archive / Backup Data Area ini menyimpan semua detil dan ringkasan data untuk kepentingan archiving dan backup. Walaupun ringkasan data dihasilkan dari detil data, itu akan mungkin untuk membutuhkan backup ringkasan data secara online jika data ini disimpan melebihi periode penyimpanan untuk data yang terinci. Data ditransfer ke arsip penyimpanan seperti magnetic tape atau optical disk. i. Metadata Area ini menyimpan semua definisi metadata yang digunakan oleh semua proses di dalam warehouse. M etadata digunakan untuk berbagai tujuan termasuk: •
Proses extract dan load atas metadata digunakan untuk memetakan sumber data ke dalam pandangan umum data dalam warehouse.
•
Proses pengelolaan warehouse – metadata digunakan untuk mengotomatisasi pembuatan atas tabel ringkasan.
18
•
Sebagai bagian proses pengelolaan query – metadata digunakan untuk mengarahkan suatu query dengan sumber data yang tepat.
j. End-User Access Tools Tujuan yang utama dari data warehouse adalah menyediakan informasi kepada user untuk mendukung pengambilan keputusan. Para user berinteraksi dengan warehouse menggunakan end-user access tools. Ada 5 kelompok utama dari end-user access tools: • Reporting dan query tools Reporting tools meliputi production reporting tools dan report writers. Production reporting tools digunakan untuk menghasilkan laporan operasional regular (biasa), seperti pemesanan pelanggan dan pembayaran staff. Sedangkan report writer adalah desktop tools yang dirancang untuk end-user. Query tools untuk data warehouse relational dirancang untuk menerima SQL atau menghasilkan pernyataan SQL untuk proses query data yang tersimpan dalam data warehouse. • Application development tools Aplikasi yang dapat digunakan user yaitu graphical data access yang dirancang secara utama untuk sisi client server.
19
• Executive Information System (EIS) tools. Executive information system, lebih dikenal sebagai “everybody’s information systems”, yang semula dikembangkan untuk mendukung pengambilan
keputusan tingkat
tinggi.
Kemudian
meluas
untuk
mendukung semua tingkat manajemen. Executive information system tools yang terisolasi dengan mainframe memungkinkan user membuat aplikasi pendukung pengambilan keputusan untuk menyediakan overview data organisasi dan mengakses sumber data eksternal. • Online Analytical Processing (OLAP) tools. Online analytical processing tools berbasis pada konsep basis data multidimensi dan memperbolehkan user untuk menganalisis data menggunakan view yang kompleks dan multidimensional. • Data mining tools. Data mining adalah proses menemukan korelasi, pola dan arah baru yang mempunyai arti dengan ‘menambang’ (mining) sejumlah besar data dengan menggunakan teknik statistik, matematika dan artificial intelligence (AI). Data mining memiliki potensi untuk mengganti kemampuan dari OLAP tools. 2.1.4 S truktur Data Warehouse Berdasarkan Inmon (2002, p35), struktur data warehouse menunjukan level detil yang berbeda dalam data warehouse. Terdapat older level of detail, current level of detail, level of lightly summarized data (level data mart), dan level of highly summarized data. Data mengalir ke dalam data warehouse dari
20
lingkaran operasional. Biasanya transformasi penting dari data terjadi pada jalur dari level data operasional ke level data warehouse.
Gambar 2.5 S truktur Data Warehouse (Inmon, 2002, p36) Saat data disimpan, data melalui current detail ke older detail. Selama data diringkas, data melalui current detail ke lightly summarized data, kemudian dari lightly summarized data ke highly summarized data. 2.1.4.1 Current Detail Data Current detail data adalah data detail yang sedang aktif saat ini, mencerminkan keadaan yang sedang berjalan saat ini dan merupakan tingkat terendah dalam data warehouse. Current detail data ini biasanya memerlukan media penyimpanan data yang cukup besar. Alasan perlu diperhatikan current detail data adalah sebagai berikut : •
M enggambarkan kejadian yang baru terjadi dan selalu menjadi perhatian utama.
21
•
Hampir selalu disimpan di media penyimpanan karena cepat diakses tetapi mahal dan kompleks dalam pengaturannya.
•
Dapat digunakan dalam membuat rekapitulasi sehingga current detail dataharus akurat.
•
Jumlahnya sangat banyak dan disimpan pada tingkat penyimpanan rendah.
2.1.4.2
Old Detail Data Old detail data adalah data historis dapat berupa hasil back-up yang dapat disimpan dalam media penyimpanan yang terpisah dan dapat diakses kembali pada saat tertentu. Data ini jarang diakses sehingga disimpan dalam media penyimpanan alternatif seperti tape dan disk. Data ini biasanya memiliki tingkat frekuensi akses yang rendah. Penyusunan file atau directory dari data ini disusun berdasarkan umur dari data yang bertujuan
mempermudah
untuk
pencarian
atau
pengaksesan kembali.
2.1.4.3
Lightly Summarized Data Data ini merupakan ringkasan atau rangkuman dari current detail data. Data ini dirangkum berdasarkan periode atau dimensi lainnya sesuai dengan kebutuhan. Ringkasan dari current detail data belum bersifat total summary. Data-data ini memiliki detil tingkatan yang lebih tinggi dari current detail
22
data dan mendukung kebutuhan warehouse pada tingkat departemen. Tingkatan data ini disebut juga dengan data mart. Akses terhadap data jenis ini banyak digunakan untuk view suatu kondisi yang sedang atau sudah berjalan.
2.1.4.4
Highly Summarized Data Data ini merupakan tingkat lanjutan dari lightly summarized data, yang merupakan hasil ringkasan yang bersifat totalitas, dapat diakses misalnya untuk melakukan analisis perbandingan data berdasarkan urutan waktu tertentu dan analisis menggunakan data multidimensi.
2.1.4.5
Metadata M enurut Efrem G. M allach (2002, p474), metadata adalah data tentang data yang berguna sebagai pusat penyimpanan informasi untuk menjelaskan kepada user tentang apakah data warehouse itu, dari mana asalnya dan siapa yang bertanggung jawab atas hal tersebut dan sebagainya. M etadata menangkap
abstraksi dari pemilihan
desain
dan
administrasi terkait dengan berbagai komponen yang berbeda – beda dari lingkungan penghasil data seperti, infrastruktur, model, proses, isi, representasi, dan administrasi (Heeseok Lee, Taehun Kim & Jongho Kim, 2001, p15). M enurut Connolly (2005, p1055), M etadata digunakan untuk berbagai tujuan meliputi :
23
a.
Proses ekstraksi dan loading M etadata digunakan untuk memetakan sumber data ke dalam pandangan umum dari data dalam warehouse.
b.
Proses manajemen warehouse M etadata digunakan untuk mengotomatiskan pembuatan tabel ringkasan.
c.
Sebagai bagian dari proses manajemen query M etadata digunakan untuk menghubungkan suatu query dengan sumber data yang tepat.
M enurut Inmon (2002, p269-270), hal-hal penting dari metadata meliputi: a. ID dokumen b. Tanggal mengentri data ke warehouse c. Deskripsi dari dokumen d. Sumber dari dokumen e. Tanggal sumber dari dokumen f. Klasifikasi dokumen g. Indeks h. Lokasi fisikal i. Panjang dokumen j. Referensi yang terhubung dengan dokumen
24
M enurut Paulraj Ponniah (2001, p36), metadata dalam data warehouse dibagi menjadi 3 kategori, yaitu : a.
M etadata operasional M etadata operasional berisi mengenai informasi tentang sumber data operasional yang memiliki struktur data yang berbeda, ukuran field yang berbeda, dan tipe data yang berbeda.
b.
M etadata ekstraksi dan transformasi M etadata ekstraksi dan tranformasi berisi mengenai data ekstraksi dari sumber data, penamaan, frekuensi ekstraksi, metode ekstraksi, dan peraturan untuk ekstraksi.
c.
M etadata pengguna akhir M etadata pengguna akhir adalah sebuah peta navigasi dari data warehouse. Ini memampukan pengguna akhir untuk menemukan informasi dari data warehouse.
2.1.5 OLTP M enurut Connolly dan Begg (2005, p1149), suatu sistem yang dirancang untuk menangani jumlah transaksi yang tinggi, dengan transaksi yang pada umumnya membuat perubahan kecil bagi data operasional organisasi, yaitu data yang membutuhkan organisasi untuk menangani operasinya sehari-hari. M enurut Ralph Kimball (2002, p408), OLTP (Online Transaction Processing) yaitu deskripsi awal dari setiap aktifitas dan sistem yang berhubungan dengan proses memasukan data ke dalam sebuah database.
25
2.1.6 Fact Table M enurut Inmon (2002, p391), tabel fakta adalah tabel pusat dari skema bintang yang dimana data yang sering muncul akan ditempatkan disini. Disebut juga tabel utama (major tabel), merupakan inti dari skema bintang dan berisi data actual yang akan dianalisis (data kumulatif dan transaksi). Tabel fakta adalah tabel yang umumnya mengandung angka dan data historis dimana key (kunci) yang dihasilkan sangat unik karena key-nya merupakan kumpulan foreign key dan primary key yang ada pada masing-masing tabel dimensi yang berhubungan atau merupakan tabel terpusat dari skema bintang. Tabel fakta menyimpan tipe-tipe measure yang berbeda, seperti measure yang secara langsung terhubung dengan tabel dimensi dan measure yang secara langsung terhubung dengan tabel dimensi dan measure yang tidak berhubungan dengan tabel dimsensi.
2.1.7 Dimensional Table M enurut Inmon (2002, p89), tabel dimensi adalah tempat dimana data yang tidak berhubungan yang berelasi dengan tabel fakta yang ditempatkan di dalam tabel multidimensional. Disebut juga tabel kecil (minor tabel), biasanya lebih kecil dan memegang data deskriptif yang mencerminkan dimensi suatu bisnis. Tabel dimensi adalah tabel yang berisikan kategori dengan ringkasan data detil yang dapat dilaporkan seperti laporan keuntungan pada tabel fakta dan dapat
26
dilaporkan dengan dimensi waktu (yang berupa perbulan, perkuartal, dan pertahun). 2.1.8 ETL (Extraction, Tranformation, Loading) 1.
Data Extraction Extraction adalah langkah pertama dalam proses mendapatkan data ke dalam lingkungan data warehouse (Kimball & Ross. 2002, p408).
2.
Data Transformation Setelah data di extract, ada sejumlah transformation yang mungkin dilakukan, seperti melakukan cleansing data (memperbaiki kesalahan pengejaan kata, mengatasi masalah elemen yang hilang, atau mengubah ke bentuk standard), mengkombinasikan data dari berbagai sumber, serta memberikan warehouse keys (Kimball, Ross. 2002, p408).
3.
Data Loading Setelah melakukan transformasi maka data dapat dimuat ke dalam data warehouse (Kimball & Ross. 2002, p408).
2.1.9 Data Mart M enurut Turban, Aronson, Liang, Sharda (2006)
data mart adalah
subkumpulan data warehouse yang umumnya terdiri dari sebuah subjek tunggal. Data Mart, tempat dimana data yang diambil dari data warehouse dirangkum sehingga menjadi informasi yang relevan untuk pengambilan keputusan, dalam
27
bentuk multidimensional cubes, untuk kemudian di-query oleh OLAP dan reporting front-ends.
2.1.10 OLAP M enurut Connolly dan Begg (2005, p1101), OLAP (Online Analytical Processing) adalah sintesis, analisis dan konsolidasi dinamis dari sejumlah besar multidimensional data. M enurut Hoffer et al (2005, p480), OLAP adalah penggunaan sekumpulan alat grafikal yang menyediakan kepada pengguna sebuah tampilan multidimensional dari data pengguna dan memampukan pengguna untuk menganalisa data menggukanan teknik penyajian yang sederhana. M enurut Panian & Klepac (2003, p237), OLAP merupakan bentuk analisa data multidimensi, yang dapat melihat masalah bisnis dari beberapa aspek. Dengan OLAP, user dapat menemukan keterkaitan dari hasil yang direncanakan dengan yang telah dicapai dalam kurun waktu tertentu. Fitur khusus dari OLAP adalah kecepatan dalam mendapatkan data yang sangat kompleks dan mencakup banyak variabel. OLAP mencakup berbagai area bisnis dimana keputusan dibuat, yaitu proses yang dimulai dengan data, dilanjutkan dengan informasi, dan berakhir dengan kecerdasan bisnis.
28
2.1.10.1 Konsep OLAP Penjelasan yang lebih spesifik mengenai OLAP adalah suatu alat yang menggambarkan data dalam bentuk multidimentional cube.
Gambar 2.6 Cube OLAP memungkinkan manager untuk menelusuri pertanyaan apa pun yang melibatkan dimensi dari cube. Yang paling berguna dari OLAP adalah bahwa OLAP dapat menyediakan kemampuan interaktif utuk membantu manager melihat data dari berbagai perspektif. Alat ini umumnya memberikan ringkasan akhir, misalnya seperti laporan total penjualan dalam kurun waktu satu tahun, dan memungkinkan manager untuk melakukan drill down jika ingin melihat lebih detail total penjualan dalam satu bulan, satu minggu, bahkan total penjualan harian. Sebaliknya, manager juga dapat melakukan roll up untuk melihat total atau rata – rata penjualan secara keseluruhan.
29
2.1.10.2 Desain Database OLAP Desain database untuk OLAP berbeda dengan dengan desain database tradisional. Terdapat beberapa konsep yang mirip, namun pada OLAP, data disimpan di dalam struktur cube, bukan di table relasional. Selain itu, desain OLAP tidak memperlihatkan join antar table kepada pengguna akhir. Yang dilihat oleh manager hanyalah cube data. Dalam mendesain cube OLAP kita harus memahami ide dasar dari cube itu sendiri. Pertama – tama, semua data yang ada di cube OLAP disebut dengan measure. Measure adalah pengukuran numeric dari beberapa atribut, seperti nilai penjualan atau quantity. Secara umum, measure dipilih untuk dijadikan detail atribut dari sebuah table walaupun di beberapa kasus diciptakan query baru untuk menjalankan penghitungan dasar. Measure berasal dari fact table. Fact table merupakan tabel detail di dalam database. Fact table terdiri dari satu atau dua data yang diinginkan oleh manager untuk diuji, dan beberapa kolom yang merupakan foreign key. Langkah kedua adalah untuk memilih atribut yang membentuk sisi dari cube. Tiap atribut atau sisi dari cube disebut dengan dimensi. Dimensi merupakan atribut yang dipilih dari tabel lain. Tabel dimensi ini harus berhubungan dengan table fakta. Biasanya mereka digabungkan ke foreign key pada table fakta.
30
Dua desain OLAP yaitu star dan snowflake. Pada desain star, semua table dimensi dihubungkan secara langsung ke table fakta. Tabel fakta menyimpan data numeric yang ingin digunakan oleh manager, sedangkan tabel dimensi menyimpan karakteristiknya.
Gambar 2.7 Desain S tar Pada desain snowflake, paling tidak terdapat satu table dimensi yang dihubungkan melalui table lain sebelum dihubungkan ke table fakta. Tabel fakta sebagai pusat, seperti pada desain star, namun table dimensi dapat menjangkau ke luar melewati beberapa level. Pada desain star, semua table dimensi langsung terhubung dengan table fakta tanpa perantara.
31
Gambar 2.8 Desain Snowflake 2.1.11 Keuntungan Data Warehouse M enurut Connolly dan Begg (2005, p1048), data warehouse yang telah diimplementasikan dengan sukses dapat membawa keuntungan besar bagi sebuah organisasi antara lain : •
Pengembalian yang besar dari investasi (Potential high returns on investment). Sebuah organisasi harus mengeluarkan uang dan sumber daya dalam jumlah yang cukup besar untuk memastikan kalau data warehouse telah diimplementasikan dengan baik, biaya yang dikeluarkan tergantung dari solusi teknikal yang diinginkan. Akan tetapi, setelah data warehouse digunakan, maka kemungkinan didapatkannya ROI (Return on Investment) relatif lebih besar.
32
•
Keuntungan kompetitif (Competitive advantage). Keuntungan kompetitif didapatkan apabila pengambil keputusan mengakses data yang dapat mengungkapkan informasi yang sebelumnya tidak diketahui, tidak tersedia, misalnya informasi mengenai konsumen, tren, dan permintaan
•
M eningkatkan produktivitas bagi para pembuat keputusan (Increased productivity of corporate decision-makers). Data
warehouse
keputusan
perusahaan
meningkatkan dengan
produktivitas
menciptakan
para pengambil
sebuah database yang
terintegrasi secara konsisten, berorientasi pada subjek, dan data historis. Data warehouse mengintegrasikan data dari beberapa sistem yang tidak compatible ke dalam bentuk yang menyediakan satu pandangan yang konsisten dari organisasi. Dengan mengubah data menjadi informasi yang berguna, maka seorang manager bisnis dapat membuat analisa yang lebih akurat dan konsisten.
2.2
Teori Khusus
2.2.1 Pengertian Balance Scorecard M enurut Robert S. Kaplan dan David P. Norton (2006, p3) Balanced Scorecard terdiri dari dua kata: (1) kartu skor (scorecard) dan (2) berimbang (balanced). Kartu skor adalah kartu yang digunakan untuk mencatat skor hasil kinerja suatu organisasi atau skor individu. Kartu skor juga dapat digunakan
33
untuk merencanakan skor yang hendak diwujudkan di masa depan. M elalui kartu skor, skor yang hendak diwujudkan organisasi/individu di masa depan dibandingkan dengan hasil kinerja sesungguhnya. Hasil perbandingan ini digunakan untuk melakukan evaluasi atas kinerja organisasi/individu yang bersangkutan. Kata berimbang dimaksudkan untuk menunjukkan bahwa kinerja organisasi/individu diukur secara berimbang dari dua aspek: keuangan dan non keuangan, jangka pendek dan jangka panjang, internal dan eksternal. Balanced scorecard adalah metode untuk mengukur setiap aktivitas yang dilakukan oleh suatu perusahaan dalam rangka merealisasikan tujuan perusahaan tersebut. Balanced scorecard semula merupakan aktivitas tersendiri yang terkait dengan penentuan sasaran, tetapi kemudian diintegrasikan dengan sistem manajemen strategis. Balanced scorecard dikembangkan lebih lanjut sebagai sarana untuk berkomunkasi dari berbagai unit dalam suatu organisasi. Balanced scorecard juga dikembangkan sebagai alat bagi organisasi untuk berfokus pada strategi. (Herry Darwanto, 2003, p10)
2.2.2 Pengertian Menurut Peraturan Pemerintah Nomor 99 Tahun 2000 tentang Kenaikan Pangkat Pegawai Negeri Sipil. 2.2.2.1 Pengertian Pangkat Pangkat adalah kedudukan menunjukan tingkatan seseorang Pegawai Negeri Sipil berdasarkan jabatannya dalam rangkaian susunan kepegawaian dan digunakan sebagai dasar penggajian.
34
2.2.2.2 Pengertian Kenaikan Pangkat Kenaikan Pangkat adalah penghargaan yang diberikan atas prestasi kerja dan pengabdian Pegawai Negeri Sipil terhadap Negara, serta sebagai dorongan kepada Pegawai Negeri Sipil untuk lebih meningkatkan prestasi kerja dan pengabdiannya.
2.2.3 Pengertian Menurut Undang-undang No. 43 tahun 1999 Pasal 18 tentang Pemberian Kenaikan Pangkat Reguler dan Sistem Kenaikan Pangkat Pilihan. 2.2.3.1 Pengertian Kenaikan Pangkat Reguler. Kenaikan pangkat reguler adalah apabila seorang Pegawai Negeri Sipil telah memenuhi syarat-syarat yang ditentukan dapat dinaikkan pangkatnya tanpa terikat pada jabatan, yang ditentukan sampai dengan tingkat pangkat tertentu. Kenaikan pangkat reguler adalah merupakan hak, oleh sebab itu apabila seorang Pegawai Negeri Sipil telah memenuhi syarat -syarat yang ditentukan pada dasarnya harus dinaikkan pangkatnya, kecuali apabila ada alasan yang sah untuk menundanya
2.2.3.2 Pengertian Kenaikan Pangkat Pilihan. Kenaikan Pangkat Pilihan adalah kenaikan pangkat yang disamping harus memenuhi syarat-syarat yang ditentukan juga harus ada jabatan, atau dengan perkataan lain, walaupun seoarang Pegawai Negeri Sipil telah memenuhi syarat-syarat umum untuk kenaikan pangkat,
35
tetapi jabatannya tidak sesuai untuk pangkat itu, maka ia belum dapat dinaikan pangkatnya. Tingkat pangkat untuk kenaikan pangkat pilihan dapat ditentukan. Kenaikan Pangkat pilihan bukan hak, tetapi adalah kepercayaan dan penghargaan kepada seseorang Pegawai Negeri Sipil atas prestasi kerjanya, yakni bagi Pegawai Negeri Sipil yang telah menunjukkan prestasi kerja yang tinggi ada kemungkinan mendapat kenaikan pangkat pilihan.
2.2.3.3 Pengertian Kenaikan Pangkat Pengabdian. Kenaikan pangkat pengabdian diberikan bagi PNS yang meninggal dunia atau akan diberhentikan dengan hormat dengan hak pensiun karena mencapai batas usia pensiun, dapat diberikan kenaikan pangkat setingkat lebih tinggi.
2.2.3.4 Pengertian Kenaikan Pangkat Prajurit Wajib Pegawai Negeri Sipil yang menjalankan dinas prajurit wajib dibebaskan dari jabatan organiknya dan tetap memiliki status sebagai Pegawai Negeri Sipil. Setelah selesai menjalani dinas prajurit wajib dan diberhentikan
dengan
hormat
dari dinas
prajurit
wajib,
yang
bersangkutan diangkat kembali pada instansi semula dan diangkat dalam pangkat yang sekurang-kurangnya sama dengan pangkat terakhir yang dimilikinya sebelum menjalankan dinas prajurit wajib.
36
2.2.3.5 Pengertian Kenaikan Pangkat Anumerta Kenaikan pangkat anumerta, diberikan kenaikan pangkat setingkat lebih tinggi kepada PNS yang dinyatakan tewas.
2.2.4
Pengertian Menurut Peraturan Pemerintah Nomor 9 Tahun 2003 tentang Wewenang Pengangkatan, Pemindahan, dan Pemberhentian Pegawai Negeri Sipil. 2.2.4.1 Pengertian Mutasi. M utasi Kepegawaian
adalah
segala perubahan
mengenai
seseorang Pegawai Negeri Sipil, seperti pengangkatan, pemindahan, pemberhentian, pemensiunan, perubahan susunan keluarga, dan lainlain.