BAB 2 LANDASAN TEORI
2.1
Teori Umum Teori umum terdiri dari beberapa pengertian-pengertian sebagai berikut : 2.1.1
Pengertian Database Menurut O’brien (2005, p211), database adalah kumpulan terintegrasi dari
elemen data yang secara logika saling berhubungan. Menurut Connolly dan Begg (2005, p15), database adalah kumpulan relasirelasi logikal dari data, dan deskripsi dari data, yang dapat digunakan bersama dan dibuat untuk memperoleh informasi yang dibutuhkan oleh perusahaan. Jadi database adalah data yang berelasi secara logikal yang dibuat untuk memperoleh informasi yang di butuhkan oleh perusahaan
2.1.2
Pengertian Entity Relationship Modeling Menurut Connolly dan Begg (2005, p342), Entity Relationship Modeling
adalah pendekatan top-down untuk perancangan database yang dimulai dengan mengidentifikasikan data yang penting yang disebut entitas dan relationship antar data harus diperlihatkan dalam model ini. Kemudian ditambahkan detail-detail seperti informasi yang ingin ditambahkan tentang entitas dan relationship yang disebut atribut dan berbagai constraint pada entitas, relationship, atribut, dan multiplicity. 7
8
2.1.3
Pengertian Data Mart Menurut Matteo Golfarelli, Stefano Rizzi (2009, p1), data mart ialah data
yang diambil dari ringkasan data warehouse ke dalam informasi yang relevan untuk membuat keputusan, dalam bentuk multidimensional cubes, yang secara khusus diquery-kan oleh OLAP dan reporting front-ends. Menurut Conolly dan Begg (2005, p1171), data mart merupakan bagian dari data warehouse yang mendukung kebutuhan informasi bagian departemen atau fungsi bisnis tertentu. Karakteristik yang membedakan antara data mart dengan data warehouse yaitu: •
Data mart berfokus pada kebutuhan pengguna yang berhubungan dengan satu bagian departemen atau fungsi bisnis.
•
Data mart tidak berisi data operasional yang bersifat detail.
•
Data mart lebih dimengerti dan digunakan karena berisi data yang lebih sedikit dibandingkan data warehouse.
2.1.4
Pengertian OLTP (Online Transaction Processing) Menurut Connolly dan Begg (2005, p1149), OLTP adalah sistem yang
dirancang untuk menangani jumlah hasil transaksi yang tinggi, dengan transaksi yang biasanya membuat perubahan kecil bagi data operasional organisasi, yaitu data yang memerlukan penanganan operasi setiap hari. Menurut Kimball dan Ross (2002, p408), OLTP adalah deskripsi awal dari setiap aktifitas dan sistem yang berhubungan dengan proses memasukkan data ke dalam sebuah database. Berdasarkan definisi – definisi di atas, dapat disimpulkan bahwa OLTP adalah suatu sistem yang dirancang untuk menangani proses
9
pemasukkan data ke dalam database yang memiliki jumlah transaksi yang tinggi dan biasanya merupakan data operasional harian dari perusahaan.
2.1.5
Pengertian OLAP (Online Analytical Processing) Menurut Connolly dan Begg (2005, p1205), OLAP adalah sintesis, analisis,
dan konsolidasi dinamis dari sejumlah besar multidimensional data. Menurut Kimball dan Ross (2002, p408), OLAP adalah kumpulan aturan yang menyediakan sebuah kerangka dimensional untuk mendukung keputusan. Berdasarkan definisi-definisi di atas, dapat disimpulkan bahwa OLAP adalah proses analisis data dari sejumlah besar multidimensional data dengan menggunakan sekumpulan alat grafikal yang dapat digunakan untuk mendukung proses pengambilan keputusan.
2.1.6
Konsep Data Warehouse 2.1.6.1 Pengertian Data Warehouse Menurut Inmon (2005, p29), sebuah data warehouse ialah sebuah kumpulan data yang integrated, subject-oriented, nonvolatile, dan time variant yang mendukung manajemen pengambilan keputusan. Menurut Laudon (2006, p233), data warehouse adalah database yang menyimpan data penting saat ini dan historis dari kebutuhan informasi untuk manajer dalam perusahaan.
10
Menurut Ramakhrisnan and Gehrke (2004:651), data warehouse berisi data gabungan dari banyak sumber,
tambah dengan informasi
ringkasan dan mencakup periode waktu yang lama. 2.1.6.2 Keunggulan Data Warehouse Menurut Connolly dan Begg (2005, p1152), data warehouse yang telah diimplementasikan dengan baik dapat memberikan keuntungan yang besar bagi organisasi, yaitu: •
Potensi nilai kembali yang besar pada investasi 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. •
Keuntungan kompetitif Keuntungan Kompetitif didapatkan apabila pengambil keputusan
mengakses data yang dapat mengungkapkan informasi yang sebelumnya tidak diketahui, tidak tersedia, misalnya informasi mengenai konsumen, trend, dan permintaan. •
Meningkatkan produktivitas para pengambil keputusan perusahaan. Data warehouse meningkatkan produktivitas para pengambil
keputusan perusahaan dengan menciptakan sebuah database yang terintegrasi secara konsisten, berorientasi pada subjek, dan data historis.
11
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 manajer bisnis dapat membuat analisa yang lebih akurat dan konsisten. 2.1.6.3 Karakteristik Data Warehouse Menurut Inmon (2005, p29-32), 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 mendukung pengambilan keputusan. Menurut Darudianto (2008), suatu basis data dapat digolongkan sebagai data warehouse jika memiliki karakteristik sebagai berikut. •
Berorientasi subjek. Data diorganisasikan oleh subjek detail (misalnya berdasarkan pelanggan, jenis kebijakan, dan lain-lain).
•
Terintegrasi , berarti bahwa basis data mencakup data dari kebanyakan atau semua aplikasi operasional organisasi dan data tersebut dibuat secara konsisten.
•
Time-Variant (time series). Data tidak menyediakan status saat ini. Mereka disimpan untuk lima atau sepuluh tahun atau lebih dan digunakan untuk tren, peramalan, dan perbandingan. Waktu adalah dimensi penting yang harus didukung oleh semua data warehouse.
12
•
Nonvolatile. Sekali dimasukkan ke dalam warehouse, data adalah readonly, mereka tidak dapat diubah. Data usang dibuang dan perubahan direkam sebagai data baru. Hal itu memungkinkan data warehouse untuk disesuaikan hampir secara eksklusif untuk akses data.
•
Ringkas. Jika diperlukan, data operasional dikumpulkan ke dalam ringkasan. Data di dalam sebuah data warehouse biasanya tidak dinormalisasi dan sangat redundan.
•
Sumber. Semua sumber data ada, baik internal maupun eksternal.
•
Metadata. Metadata mengacu pada data tentang data. Metadata menguraikan struktur dan beberapa arti tentang data, dengan demikian mendukung penggunaan efektif atau tidak efektif dari data.
2.1.6.4 Arsitektur Data Warehouse Arsitektur data warehouse menurut Connolly dan Begg (2005, p1162) sebagai berikut:
13
Gambar 2. 1 Arsitektur Data warehouse (Connolly, 2005, p1162) Menurut Connoly dan Begg (2005, p1156), komponen utama data warehouse, antara lain : •
Data Operasional Data operasional adalah data yang digunakan untuk mendukung proses
bisnis sehari-hari. •
Operational Data Store (ODS) Operatinal data store adalah tempat penyimpanan data operasional
yang bersifat current dan terintegrasi yang digunakan untuk analisis. Atau dengan kata lain, ODS mendukung proses transaksi operasional maupun proses analisis. Dengan adanya ODS maka pembangunan data warehouse
14
menjadi lebih mudah karena ODS dapat menyediakan data yang telah diekstrak dari sumber dan telah dibersihkan sehingga proses pengintegrasian dan restrukturisasi data untuk data warehouse menjadi lebih sederhana. •
Load Manager Disebut juga komponen front end menangani semua operasi yang
berhubungan dengan fungsi extract data (mengambil data) dan fungsi loading data (menaruh data) ke dalam data warehouse •
Warehouse Manager Warehouse manager menangani semua operasi yang berhubungan
dengan management data dalam data warehouse. Operasi-operasi yang dijalankan oleh warehouse manager mencakup : a. Analisis data untuk menjaga konsistensi data. b. Melakukan transformasi dan penggabungan sumber data dari tempat penyimpanan sementara ke dalam tabel-tabel data warehouse. c. Melakukan denormalisasi. d. Melakukan agregasi. e. Menyimpan (archive) dan back-up data. •
Query Manager Query manager (disebut juga komponen backend) menangani semua
operasi yang berhubungan dengan management permintaan user (user queries). Operasi yang dijalankan oleh query manager meliputi kegiatan mengarahkan permintaan ke tabel-tabel data yang tepat dan melakukan penjadwalan eksekusi terhadap permintaan.
15
•
Detailed Data Dalam data warehouse, area ini adalah tempat penyimpanan semua
detailed data dalam skema basis data. Detailed data dibagi menjadi 2, yaitu current detail data (tempat penyimpanan semua detailed data yang bersifat current) dan old detailed data ( tempat penyimpanan semua detailed data yang bersifat old). •
Lightly and Highly Summerized Data Area ini adalah tempat penyimpanan sementara data predefinisi yang
teringkas secara light dan high (predefined lightly and highly summarized) yang dihasilkan oleh warehouse manager. Tujuan dari ringkasan informasi ini adalah untuk mempercepat tanggapan terhadap permintaan user. Ringkasan data di-update secara berkala seiring dengan bertambahnya data dalam data warehouse. •
Archive / Backup data Dalam data warehouse, area ini digunakan untuk menyimpan detailed
data dan data yang telah diringkas. Tujuannya adalah untuk penyimpanan (archiving) dan backup. Data kemudian ditransfer ke media penyimpanan seperti magnetic tape atau optical disk. •
Metadata Digunakan untuk menyimpan semua definisi metadata (keterangan
tentang data) yang digunakan dalam seluruh proses warehouse. Metadata digunakan untuk berbagai tujuan, antara lain : a. proses extracting dan loading
16
b. proses warehouse management c. sebagian proses query management •
End-User Access Toolss End-user access toolss adalah tools yang memanfaatkan kegunaan dari
data warehouse. Kegunaan data warehouse tersebut, antara lain untuk pembuatan laporan, OLAP, data mining dan proses informasi eksekutif.
2.1.6.5 Aliran Data dalam Data Warehouse Menurut Connoly dan Begg (2005, p1161-1165), data warehouse fokus pada manajemen lima arus data primer, yaitu : •
Inflow Merupakan proses ekstraksi, pembersihan, dan pengisian data dari
sumber data ke dalam data warehouse. Proses inflow ini berkonsentrasi pada proses mengambil data dari sumber sistem dan memasukannya ke dalam data warehouse. Cara lainnya yaitu data dimasukan ke dalam operational data store (ODS) sebelum dikirim ke data warehouse. Proses rekontruksi data meliputi : a. Membersihkan data yang kotor b. Restrukturisasi data untuk dicocokan dengan kebutuhan dari data warehouse, contohnya menambah atau membuang field-field, dan denormalisasi data. c. Memastikan bahwa sumber data konsisten dengan dirinya sendiri dan dengan data lainnya yang sudah ada di data warehouse.
17
•
Upflow Merupakan penambahan nilai ke dalam data di dalam data warehouse
melalui peringkasan, pemaketan, dan distribusi data. Aktifitas yang berhubungan dengan upflow yaitu sebagai berikut : a. Meringkas
data
dengan
proses
memilih,
memperhitungkan,
menggabungkan dan mengelompokan data relasional ke dalam tampilan yang lebih berguna bagi user. b. Pengepakan data dengan mengubah data detail ke dalam format yang lebih berguna seperti spreadsheets, teks dokumen, diagram, tampilan grafik yang lain, database pribadi dan animasi. c. Mendistribusikan data ke kelompok-kelompok yang tepat untuk meningkatkan ketersediaan dan dapat diakses. •
Downflow Merupakan proses mengambil dan mem-backup data dalam data
warehouse. Menyimpan data lama memainkan peranan yang penting di dalam mempertahankan penampilan dan efektifitas dari warehouse dengan mengirimkan data lama dengan nilai yang terbatas ke sebuah tempat penyimpanan seperti magnetic tape dan optical disk. Downflow dari data juga meliputi proses yang memastikan bahwa kondisi yang sekarang dari data warehouse dapat dibangun kembali jika terjadi kehilangan data, kegagalan software atau hardware.
18
•
Outflow Merupakan proses membuat data agar tersedia bagi enduser Outflow
merupakan kondisi dimana manfaat dari data warehouse benar-benar dirasakan oleh sebuah organisasi. Dua aktifitas kunci terdapat pada outflow yaitu sebagai berikut : a. Pengaksesan, dimana berhubungan dengan proses memuaskan pemakai akhir dengan menyediakan data yang dibutuhkan oleh mereka. Yang menjadi perhatian utama yaitu membuat suatu lingkungan jadi user dapat dengan efektif menggunakan query tool untuk mengakses sumber data yang paling tepat. Frekuensi dari pengaksesan ini dapat bervariasi mulai dari ad hoc, secara rutin, sampai real time. Selain itu juga harus dipastikan bahwa sumber sistem digunakan dengan cara yang paling efektif di dalam menjadwalkan pengeksekusian terhadap query dan user. b. Pengiriman, dimana berhubungan dengan secara aktif mengirimkan informasi ke workstation dari user. Ini merupakan area yang baru dari data warehouse dan sering dihubungkan dengan proses publish dan subcribe. Warehouse akan mempublish objek bisnis bermacammacam dan user akan mensubcribe terhadap objek bisnis yang dibutuhkan mereka. •
Metaflow Merupakan proses manajemen metadata. Metaflow merupakan proses
yang memindahkan metadata (data tentang flow yang lainnya). Metadata
19
merupakan deskripsi dari data yang ditampung di dalam data warehouse, apa yang telah dilakukan terhadap data tersebut dengan cara cleansing, integrating, dan summarizing.
2.1.6.6 Anatomi Data Warehouse Berdasarkan Inmon (2005, p193) berikut ini macam-macam anatomi yang ada pada Data Warehouse: •
Data Warehouse Fungsional Tiap data warehouse fungsional mencakup sebuah grup tersendiri yang
terpisah (seperti divisi), area fungsional, unit geografis, atau grup pemasaran produk. Data warehouse fungsional berfokus pada kebutuhan dari sebuah fungsi bisnis, misalkan departemen, divisi, dan sebagainya. Keuntungan dari data warehouse ini adalah memberikan fleksibilitas karena dapat disesuaikan dengan permasalahan bisnis spesifik dan kemungkinan dari departemen atau lini bisnis tertentu, disamping relatif lebih murah dan lebih sederhana untuk diimplementasikan. Perusahaan umumnya membangun beberapa rangkaian data warehouse fungsional untuk mendukung area yang berbeda-beda, dan hal ini memberikan pengembangan yang cepat. Perusahaan juga dapat memberikan respon yang lebih cepat terhadap kesempatan pasar.Namun, terdapat resiko hilangnya konsistensi data di luar lingkungan fungsi bisnis bersangkutan. Apabila pendekatan ini lingkupnya diperbesar dari lingkungan fungsional menjadi lingkup perusahaan, konsistensi data perusahaan tidak dapat dijamin.
20
•
Data Warehouse Terpusat Data Warehouse terpusat adalah sebuah database yang diciptakan dari
pengekstraksian operasional yang menganut pada sebuah model data tunggal enterprise yang konsisten untuk memastikan konsistensi atas data pendukung dalam perusahaaan. Merupakan penerapan gaya komputerisasi dimana semua sistem informasi dilokasikan dan dimanajemen dari sebuah lokasi fisikal tunggal. Data warehouse terpusat adalah sebuah database fisikal tunggal yang menyimpan semua data untuk area fungsional spesifik, departemen, divisi atau perusahaan (enterprise). Pendekatan ini umumnya digunakan saat terdapat banyak end-user yang sudah terhubung dengan sebuah komputer atau jaringan pusat. Data warehouse terpusat biasanya menyimpan data dari sistem operasi yang berbeda-beda. Data yang disimpan didalamnya dapat diakses dari sebuah lokasi dan harus di-load dan dipelihara pada basis data regular data warehouse terpusat melingkupi sebuah data warehouse tunggal yang melayani semua kebutuhan perusahaan. Tujuan dari pendekatan ini adalah untuk memecahkan permasalahan organisasional yang membatasi operasi perusahaan. Jadi, membangun sebuah data warehouse terpusat yang terunifikasi sangat kompleks, membutuhkan biaya besar dan waktu lebih banyak. Namun, keuntungan dari data warehouse terpusat yang menyediakan gambaran yang komprehensif, tingkat control dan reliabilitas yang tinggi karena keterpaduan data di dalamnya.
21
•
Data Warehouse Terdistribusi Data warehouse terdistribusi adalah sebuah sumber data terpisah yang
dapat diakses user via gateway pusat menyediakan view logical atas data corporate dalam gambaran yang dapat dipahami oleh user. Gateway tersebut akan melakukan parse dan mendistribusikan query secara real-time ke sumber data terpisah dan mengembalikan result set-nya ke user. Data warehouse terdistribusi adalah data warehouse yang komponennya didistribusikan ke beberapa database fisikal yang berbeda. Pendekatan ini umumnya dipilih saat perusahaan besar ingin mengikut sertakan level organisasinya yang lebih rendah dalam pengambilan keputusan, sehingga diperlukan penurunan data untuk pembuatan keputusan ke komputer lokal tempat pengambilan keputusan lokal. Umumnya, data warehouse terdistribusi melibatkan data yang paling redundan dan konsekuensinya adalah proses load dan update yang sangat kompleks. Pendekatan ini memerlukan biaya yang sangat besar karena setiap sistem pengumpul data fungsional dan sistem operasinya dikelola secara terpisah. Disamping
itu,
supaya
berguna
bagi
perusahaan,
data
harus
disinkronisasikan untuk memelihara keterpaduannya.
2.1.7
Nine Step Methodology Berdasarkan kutipan dari Connolly dan Begg (2005, p1187-1193),
metodologi dalam membangun data warehouse ada 9 tahapan , yang dikenal dengan Nine-step Methodology. Sembilan tahap tersebut adalah :
22
•
Pemilihan Proses Data mart pertama yang akan dibangun harus tepat waktu, disesuaikan dengan anggaran dan menjawab pertanyaan bisnis yang penting. Data mart adalah bagian dari data warehouse yang mendukung kebutuhan pada suatu unit departemen dari perusahaan atau fungsi bisnis.
•
Pemilihan Grain Memilih grain berarti menentukan secara tepat apa yang direpresentasikan oleh record pada tabel fakta. Sebagai contoh PropertySale merepresentasikan fakta mengenai setiap penjualan properti dan menjadi tabel fakta dari skema bintang PropertySale. Oleh karena itu, grain dari tabel fakta PropertySale adalah penjualan
properti
itu
sendiri.
Ketika
grain
dipilih,
dimensi
dapat
diidentifikasikan dari tabel fakta. Sebagai contoh Branch, Staff, Owner, ClientBuyer, PropertyForSale, dan Promotion entity akan digunakan untuk tabel dimensi utama yang selalu ada dalam skema bintang. •
Identifikasi dan Penyesuaian Dimensi Mengatur dimensi dari data mart yang dibangun dengan baik akan memberikan kemudahan dalam memahami dan menggunakan data mart tersebut. Dimensi diidentifikasikan dengan detail untuk menjelaskan suatu hal seperti client dan properti pada grain yang tepat. Sebagai contoh dimensi client buyer mendeskripsikan atribut ID, nama, tipe, kota, area, dan negara. Jika dimensi apapun ada di dalam dua data mart, maka dimensi tersebut merupakan dimensi yang sama, atau dimensi yang satu merupakan suatu perhitungan matematika dari dimensi yang lainnya. Hanya
23
dengan ciri ini, dua data mart dapat berbagi satu atau lebih data mart, dimensi tersebut harus sesuai. Sebagai contoh, dimensi-dimensi yang sesuai dengan penjualan
properti
dan
periklanan
properti
adalah
dimensi
Time,
PropertyForSale, Branch, dan Promotion. Jika dimensi-dimensi tersebut tidak sesuai, maka data warehouse akan gagal untuk dibangun, sebab dua data mart tersebut tidak akan dapat digunakan secara bersamaan. •
Pemilihan Fakta Sumber dari sebuah tabel fakta menentukan fakta mana yang bisa digunakan dalam data mart. Semua fakta harus diekspresikan pada tingkat yang telah ditentukan oleh sumber. Misalnya, jika sumber dari tabel fakta adalah property sale, maka semua fakta numerik harus menunjuk pada particular sale.
•
Menyimpan Pre-calculation pada Table Fakta Setelah fakta-fakta dipilih maka dilakukan pemeriksaan ulang untuk menentukan apakah fakta-fakta memungkinkan diterapkan untuk precalculation (kalkulasi awal) dan melakukan peyimpanan pada tabel fakta. Contoh umum dari kebutuhan untuk penyimpanan pre-calculation muncul ketika fakta berisi pernyataan untung atau rugi. Situasi ini akan meningkat ketika tabel fakta didasarkan pada invoice atau sales.
•
Melengkapi Table Dimensi Dalam langkah ini, kembali pada tabel dimensi dan menambahkan gambaran teks terhadap dimensi yang memungkinkan. Gambaran teks harus mudah digunakan dan dimengerti oleh user. Kegunaan suatu data mart ditentukan oleh lingkup dan atribut tabel dimensi.
24
•
Pemilihan durasi Basis Data Durasi mengukur waktu dari pembatasan data yang diambil dan dipindahkan ke dalam tabel fakta. Sebagai contoh, perusahaan asuransi memiliki kebutuhan untuk menyimpan data dalam jangka waktu 5 tahun atau lebih. Tabel fakta yang besar menimbulkan dua persoalan. Pertama, semakin lama umur data, akan muncul masalah pembacaan dan interpretasi terhadap file yang lama. Kedua, terdapat kemungkinan digunakannya versi dimensi yang lama, bukan versi terbarunya.
•
Melacak Perubahan dari Dimensi Secara Perlahan Memperhatikan perubahan dimensi yang ada pada tabel khusus data history atau data lama yang telah berubah. Tiga dasar perubahan dimensi secara perlahan, yaitu: a. Perubahan data dimensi langsung dilakukan pada tabel dimensinya b. Perubahan data dimensi mengakibatkan pembentukan record baru. c. Perubahan data dimensi mengakibatkan sebuah atribut atau kolom alternatif dibuat, jadi antara record yang lama dan record yang baru diakses secara bersama-sama.
•
Memutuskan Prioritas dan Mode dari Query Mempertimbangkan pengaruh dari rancangan fisik, seperti penyortiran urutan tabel fakta pada disk dan keberadaan dari penyimpanan awal ringkasan (summaries) atau penjumlahan (aggregate). Selain itu, masalah administrasi, backup, kinerja indeks, dan keamanan juga merupakan faktor yang harus diperhatikan.
25
2.1.8
Skema Bintang (Star Schema) Menurut Connolly dan Begg (2005, p1183), skema bintang adalah sebuah
struktur logikal yang memiliki tabel fakta di tengahnya, yang terdiri atas data faktual, dan dikelilingi oleh tabel-tabel dimensi yang berisi referensi data. Skema bintang mengeksploitasi karakteristik data faktual seperti fakta yang digenerasikan oleh events yang muncul pada waktu yang lampau dan tidak berubah. Skema bintang dapat digunakan untuk mempercepat kinerja query dengan informasi referensi denormalisasi ke tabel dimensi tunggal. Skema bintang memiliki beberapa kelebihan yang tidak ada dalam struktur relasional biasa. Keuntungan skema bintang yaitu : •
Efisiensi, struktur database konsisten sehingga efisien dalam mengakses data dengan menggunakan tool untuk menampilkan data termasuk laporan tertulis dan query.
•
Kemampuan untuk mengatasi perubahan kebutuhan, skema bintang dapat beradaptasi terhadap perubahan kebutuhan pengguna karena semua tabel dimensi memiliki kesamaan dalam hal menyediakan akses ke tabel fakta.
•
Extensibility, model dimensional dapat dikembangkan. Seperti menambah tabel fakta selama data masih konsisten, menambah tabel dimensi selama ada nilai tunggal di table dimensi tersebut yang mendefinisikan setiap record tabel fakta yang ada, menambahkan attribute tabel dimensi, dan memecah record tabel dimensi yang ada menjadi level yang lebih rendah daripada level sebelumnya.
•
Kemampuan untuk menggambarkan situasi bisnis pada umumnya, pendekatan standar untuk menangani situasi umum di dunia bisnis yang terus bertambah.
26
•
Proses query yang bisa diprediksi, aplikasi data warehouse yang mencari data dari level yang di bawahnya akan mudah menambahkan jumlah attribute pada tabel dimensi dari sebuah skema bintang. Aplikasi yang mencari data dari level yang setara akan menghubungkan tabel fakta yang terpisah melalui tabel dimensi yang dapat diakses bersama.
2.1.9
Tabel Fakta (Fact Tabel) Menurut Inmon (2005, p497), fact table ialah pusat dari tabel star join
dimana data dengan banyak kepentingan tersimpan. Menurut Kimball dan Ross (2002, p402), fact table pada sebuah star schema ialah tabel central dengan pengukuran performansi bisnis dalam bentuk numerik yang memiliki karakteristik berupa sebuah composite key, yang tiap-tiap elemennya adalah foreignkey yang didapat dari tabel dimensi. Dari beberapa teori tersebut dapat disimpulkan Table fakta sering disebut major table, yang merupakan inti dari skema bintang dan berisi data aktual yang akan dianalisis.
2.1.10 Tabel Dimensi (Dimension Tabel) Menurut Inmon (2005, p495), dimension table atau table dimensi merupakan tempat dimana data tambahan yang berhubungan dengan tabel fakta ditempatkan pada sebuah table multidimensional. Menurut Kimball dan Ross (2002, p399), tabel dimensi ialah sebuah tabel pada model dimensional yang memiliki sebuah primary key tunggal dan kolom dengan atribut deskriptif.
27
Dari beberapa teori tersebut dapat disimpulkan Table dimensi merupakan tabel dari skema bintang yang menyediakan jenis perspektif dari cara pandang terhadap data.
2.1.11 ETL (Extract, Transform, Loading) Menurut Kimball dan Ross (2002, p401), ETL adalah kumpulan proses menyiapkan data dari operational source untuk data warehouse. Proses ini terdiri dari extracting, transforming, loading, dan beberapa proses yang dilakukan sebelum dipublikasikan ke data warehouse. Jadi, ETL adalah proses menyiapkan data yang meliputi pencarian data, pengintegrasian data, dan penempatan data dari operational source ke dalam data warehouse. Proses ini terdiri dari tiga tahap, yaitu : •
Extraction Menurut Kimball dan Ross (2002, p8), extraction ialah langkah pertama dalam proses mendapatkan data ke dalam lingkungan data warehouse. Langkah pertama dari proses ETL adalah proses penarikan data dari satu atau lebih sistem operasional sebagai sumber data (biasa diambil dari sistem OLTP, tapi bisa juga dari sumber data di luar sistem database). Kebanyakan proyek data warehouse menggabungkan data dari sumber-sumber yang berbeda. Pada hakekatnya, proses ekstraksi adalah proses penguraian dan pembersihan data yang diekstrak untuk mendapatkan suatu pola atau struktur data yang diinginkan.
28
•
Transformation Menurut Kimball dan Ross (2002, p8), 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, dan memberikan warehouse keys. Proses membersihkan data yang telah diambil pada proses extract sehingga data itu sesuai dengan struktur data warehouse atau data mart. Hal-hal yang dapat dilakukan dalam tahap transformasi : a. Hanya memilih kolom tertentu saja untuk dimasukkan ke dalam data warehouse. b. Menerjemahkan nilai berupa kode (misal, database sumber menyimpan nilai 1 untuk pria dan 2 untuk wanita, tetapi data warehouse menyimpan M untuk pria dan F untuk wanita). Proses yang dilakukan disebut automated data cleansing, tidak ada pembersihan secara manual selama proses ETL. c. Mengkodekan nilai-nilai ke dalam bentuk bebas (misal, memetakan “male”,”1”, dan “Mr” ke dalam “M”). d. Melakukan
perhitungan
nilai-nilai
baru
(misal
sale_amount
=
qty*unit_price). e. Menggabungkan data dari berbagai sumber bersama-sama. f. Membuat ringkasan dari sekumpulan baris data (misal, total penjualan untuk setiap bagian). Kesulitan yang terjadi pada proses transformasi adalah : a. Data harus digabungkan dari beberapa sistem terpisah.
29
b. Data harus dibersihkan sehingga konsisten. c. Data harus diagregasi untuk mempercepat analisis. •
Loading Menurut Kimball dan Ross (2002, p8), setelah melakukan transformasi maka data dapat dimuat ke dalam data warehouse. Merupakan tahap akhir dalam proses ETL. Proses memasukkan data ke dalam target akhir, dalam hal ini adalah data warehouse atau data mart. Data berasal dari proses transformasi. Setelah data yang dihasilkan dari proses transformasi sesuai dengan kondisi yang diinginkan pada data warehouse atau data mart, maka proses loading akan berjalan. Data dari staging area akan dipindahkan ke dalam data warehouse atau data mart.
2.1.12 Pengertian Supply Chain Management (SCM) Menurut Christina Whidya Utami, (2006, p.126), supply chain management adalah proses penyatuan bisnis dari pengguna akhir melalui para penyalur asli yang menyediakan produk, jasa pelayanan, dan informasi untuk menambah nilai pelanggan. Menurut Yolanda M Siagian (2005, p.6), supply chain management menegaskan interaksi antar fungsi pemasaran, produksi pada perusahaan. Memanfaatkan kesempatan untuk meningkatkan pelayanan dan penurunan biaya dapat dilakukan melalui koordinasi dan kerjasama antara pengadaan bahan baku dan pendistribusiannya.
30
2.1.13 Pengertian Intranet Menurut James A. O’Brien (2005, p326), intranet adalah jaringan internal organisasi yang menggunakan infrastruktur dan standarisasi seperti internet dan web yang hanya dapat diakses oleh para pekerja perusahaan tersebut. Menurut McLeod & Schell (2004, p123), intranet adalah jaringan terbatas yang memiliki kemampuan seperti internet dalam suatu perusahaan, tidak dapat diakses oleh pihak luar dari perusahaan. Jadi Intranet adalah jaringan komunikasi yang sama dengan jaringan internet tetapi hanya dalam lingkup yang terbatas, dimana hanya dalam satu kesatuan organisasi saja, misalnya dalam perusahaan atau kantor saja yang tidak dapat diakses oleh pihak luar dari perusahaan. Website adalah kumpulan yang menampilkan informasi, dokumen – dokumen, berkas-berkas gambar, video, atau jenis-jenis berkas lainnya. Sebuah situs web biasanya ditempatkan setidaknya pada sebuah server web yang dapat diakses melalui jaringan seperti internet, ataupun jaringan wilayah lokal (LAN).
31
2.2
Teori Khusus 2.2.1
Pengertian Persediaan Menurut Alfredson (2007, p342), persediaan adalah aset yang tersedia untuk
dijual dalam proses bisnis biasa atau aset yang ada dalam proses produksi seperti untuk dijual atau aset dalam bentuk material atau supplier untuk digunakan dalam proses produksi atau dalam memberikan pelayanan. Pendapat Warren, Reeve, Fess (2005:440) mengatakan persediaan adalah ”barang dagang yang disimpan untuk dijual dalam operasi bisnis perusahan, dan bahan yang digunakan dalam proses produksi atau disimpan untuk tujuan itu”. Persediaan yang diperoleh perusahaan langsung dijual kembali tanpa mengalami proses produksi selanjutnya disebut persediaan barang dagang Jadi dapat disimpulkan bahwa persediaan merupakan suatu aset yang tersedia yang disimpan untuk digunakan dalam proses produksi atau disediakan untuk memenuhi permintaan pelanggan setiap waktu. Metode Pencatatan Persediaan Berdasarkan pendapat Horngren et al (2002, p169-170), terdapat dua tipe utama dari sistem persediaan, yaitu : a.
Sistem Persediaan Periodik
Sistem ini dilakukan dengan melakukan perhitungan fisik dari persediaan yang ada di gudang pada setiap akhir periode, dan menggunakan data yang di dapat untuk membuat laporan keuangan.
32
b.
Sistem Persediaan Perpetual
Adalah suatu sistem yang mencatat seluruh barang yng dibeli dan dijual, persediaan dihitung setidaknya sekali setahun, dan dapat digunakan untuk seluruh tipe atau jenis barang.
2.2.2
Pengertian Penjualan Menurut Marom, Chairul (2002, p28), penjualan adalah penjualan barang
dagangan sebagai usaha pokok perusahaan yang biasanya dilakukan secara teratur. Berdasarkan pengertian di atas, maka dapat disimpulkan bahwa penjualan adalah persetujuan kedua belah pihak antara penjual dan pembeli, dimana penjual menawarkan suatu produk dengan harapan pembeli dapat menyerahkan sejumlah uang sebagai alat ukur produk tersebut sebesar harga jual yang telah disepakati. Klasifikasi Transaksi Penjualan Menurut Midjan, La (2001, p170), transaksi penjualan dapat di klasifikasikan sebagai berikut : a.
Penjualan Tunai Adalah penjualan yang bersifat cash dan carry pada umumnya terjadi secara kontan dan dapat pula terjadi pembayaran selama satu bulan dianggap kontan.
b.
Penjualan Kredit Adalah penjualan dengan tenggang waktu rata-rata diatas satu bulan.
33
c.
Penjualan Tender Adalah penjualan yang dilaksanakan melalui prosedur tender untuk memegangkan tender selain harus memenuhi berbagai prosedur.
d.
Penjualan Ekspor Adalah penjualan yang dilaksanakan dengan pihak pembeli luar negeri yang mengimpor barang tersebut.
e.
Penjualan Konsinyasi Adalah penjualan yang dilakukan secara titipan kepada pembeli yang juga sebagai penjual.
f.
Penjualan Grosir Adalah penjualan yang tidak langsung kepada pembeli, tetapi melalui pedagang grosir atau eceran.
2.2.3
Pengertian Pembelian Menurut Kakouris (2006, p709), pembelian sekarang diakui sebagai sebuah
fungsi strategis, tidak hanya karena keputusan dibuat oleh manajer pembelian yang memiliki pengaruh besar pada kinerja perusahaan secara keseluruhan, tetapi juga karena para pebisnis harus mengatur proses yang menghubungkan mereka dengan para pemasok mereka.
34
Menurut
Mulyadi
(2001,
p299-300),
pembelian
digunakan
dalam
perusahaan untuk pengadaan barang yang diperlukan perusahaan. Fungsi pembelian bertanggung jawab untuk memperoleh informasi mengenai harga barang, menentukan pemasok yang dipilih dalam pengadaan barang, dan mengeluarkan order pembelian kepada pemasok yang dipilih dalam pengadaan barang, dan mengeluarkan order pembelian kepada pemasok yang dipilih. Menurut Mulyadi (2001, p300), jaringan prosedur yang membentuk sistem akuntansi pembelian adalah sebagai berikut : 1. Prosedur permintaan pembelian Dalam prosedur ini, fungsi gudang mengajukan permintaan pembelian dalam formulir surat permintaan pembelian kepada fungsi pembelian. Jika barang tidak disimpan di gudang, misalnya untuk barang langsung pakai, fungsi yang memakai barang mengajukan permintaan pembelian langsung ke fungsi pembelian dengan menggunakan surat permintaan pembelian. 2. Prosedur permintaan penawaran harga dan penelitian pemasok Dalam prosesdur ini, fungsi pembelian mengirimkan surat permintaan penawaran harga kepada pemasok untuk memperoleh informasi mengenai harga barang dan berbagai syarat pembelian yang lain, untuk memungkinkan pemilihan pemasok yang akan ditunjuk sebagai pemasok barang yang diperlukan oleh perusahaan. 3. Prosedur order pembelian Dalam prosedur ini, fungsi pembelian mengirimkan surat order pembelian kepada pemasok yang dipilih dan memberitahukan kepada unit-unit organisasi lain
35
dalam perusahaan, mengenai order pembelian yang sudah dikeluarkan oleh perusahaan. 4. Prosedur penerimaan barang Dalam prosedur ini, fungsi penerimaan melakukan pemeriksaan mengenai jenis, kualitas, dan mutu barang yang diterima dari pemasok, dan kemudian membuat laporan penerimaan barang untuk menyatakan penerimaan barang dari pemasok tersebut. 5. Prosedur pencatatan utang Dalam prosedur ini, fungsi akuntansi memeriksa dokumen-dokumen yang berkaitan dengan pembelian dan menyelenggarakan pencatatan utang atau mengarsipkan dokumen sumber sebagai catatan utang. 6. Prosedur distribusi pembelian Prosedur ini meliputi distibusi rekening yang didebit dari transaksi pembelian untuk kebutuhan pembuatan laporan bagi manajemen.
