BAB 2 LANDASAN TEORI
2.1
Analisa sistem Menurut Satzinger (2012:6), analisis sistem adalah sebuah aktivitas yang
memungkinakan seseorang untuk mengidentifikasi dan menspesifikasikan apa yang sistem baru harus capai. Analisis sistem lebih dari sekedar sebuah pernyataan singkat dari masalah. Contohnya, sebuah customer Management system harus bisa melacak customer, prduk yang teregistrasi, monitor garansi, dan melacak tingkat dari service serta fungsi lainnya. Analisis sistem menjelaskan secara detail apa yang harus dicapai sistem sesuai dengan kebutuhan dan bagaimana cara mengatasi suatu masalah. Ada 5 aktivitas dalam melakukan analisis sistem: 1. Gather detailed information, analisis sistem memperoleh informasi dari orang yang akan menggunakan sistem, informasi didapat baik melalui interview atau melihat cara user bekerja. 2. Define reqiurements, analis menggunakan penggabungan informasi dari user dan dokumen untuk menetapkan kebutuhan sistem yang terbaru. 3. Prioritize requirements, setelah semua kebutuhan terpenuhi, alangkah pentingnya untuk menentukan kebutuhan mana yang paling penting untuk user. 4. Develop user interface dialogs, dengan mengembangkan sistem yang baru untuk menggantikan sistem yang lama, penting untuk membuat user cepat tanggap terhadap tampilan baru suatu sistem. 5. Evaluate requirements with user, penting untuk mengevaluasi sistem baru bersama user dan mendokumentasikan semuanya demi perkebangan sistem yang baik untuk kedepannya.
2.1.1 Activity Diagram Menurut Satzinger (2012:57) activity diagram menjelaskan tentang macammacam aktivitas user atau sistem, orang yang melakukan tiap aktivitasnya, dan aliran yang berurutan dari aktivitas. Activity Diagram menggunakan banyak simbol seperti: 1. Oval, melambangkan aktivitas individual di dalam workflow. 2. Connecting arrow, melambangkan urutan diantara aktivitas. 3. Lingkaran hitam, melambangkan awal dan mula dari suatu workflow.
4. Diamond, melambangkan poin pengambilan keputusan di dalam workflow. 5. Heavy solid line, merupakan bar sinkronasi yang mana memisahkan satu jalur menjadi banyak jalur atau menggabungkan banyak jalur menjadi satu. Swimlane heading, melambangkan agen yang mengkombinasi jalur yang bersamaan.
Gambar 2.1 Tampilan Simbol pada activity diagram. Source (Systems Analysis and Design in a Changing World:58)
2.1.2 ERD Menurut Satzinger (2012:98) ERD merupakan model yang umum digunakan dalam analisis tradisional dan analisis database. ERD bukan sebuah diagram UML, tetapi sering digunakan dan mirip dengan UML domain model class diagram. Diagram ini menggunakan simbol kotak yang merpresentasikan entitas dan sebuah garis yang merepresentasikan kardinalitas. Ada 5 jenis kardinalitas: 1. one to one 2. one to many 3. one to zero 4. many to many 5. many to zero
Pada suatu entity memiliki atribut yang salah satunya adalah primary key. Primary key merupakan atribut yang unik dan membedakan satu data dengan data yang lainnya.
Gambar 2.2 Tampilan contoh Entity Relationship Diagram. Source: (Systems Analysis and Design in a Changing World:98)
2.2
Data warehouse Menurut teori Inmon pada Connolly (2015:1225) data warehouse merupakan
kumpulan data dalam bentuk granular historical data yang terintegrasi dan merupakan basis dalam informational processing yang berorientasikan subject oriented, integrated, nonvolatile, time variant, dan kumpulan data yang mendukung dalam pembuatan keputusan.
2.2.1 Arsitektur Data warehouse Menurut Connolly (2015:1231-1234), Arsitektur data warehouse memiliki banyak komponen utama. Proses, tools, teknologi yang berhubungan dengan data warehouse akan dijelaskan sebagai berikut: 1. Oprational Data Sumber data pada data warehouse di supply dari:
1. Mainframe operational data diadakan pada generasi pertama hierarki dan jaringan database. 2. Departemental data diadakan pada proprietary file system seperti VSAM, RMS, dan Relational DBMS Seperti Informix dan Oracle. 3. Private data diadakan pada workstations dan private server. 4. Sistem eksternal seperti internet, database komersial, atau database yang berhubungan dengan supplier dan customer organisasi. 2. Operational Data Store (ODS) Sebuah penyimpanan penggunaan operational data yang terbaru dan teritegrasi untuk analisis. Sering distruktur dan disuplai dengan data menggunakan cara yang sama pada data warehouse. Tetapi kenyataannya semudah melakukan staging area untuk pemindahan data kedalam data warehouse. ODS seringnya dibuat ketika legacy operational systems tidak mampu mencapai kebutuhan reporting. ODS memudahkan user untuk menggunakan relational database ketika fungsi dari data warehouse untuk pengambilan keputusan sangat jauh.
3. ETL Manager ETL Manager menunjukkan semua operasi yang berhubungan dengan ETL dari data di dalam data warehouse. Data di ekstraksi langsung dari data source atau lebih mirip dari operational data store.
4. Warehouse Manager Warehouse Manager menunjukkan semua operasi yang berhubungan dengan manajemen data di dalam data warehouse. Operasi yang dijalankan oleh warehouse manager adalah: a. Analisis data untuk memastikan konsistensi. b. Transformasi dan penggabungan source data dari penyimpanan sementara ke tabel data warehouse. c. Membuat index dan tampilan base tables. d. Menghasilkan denormalisasi (jika diperlukan). e. Menghasilkan agregasi. f. Backing up dan pengarsipan data.
5. Query Manager Menunjukkan semua operasi yang berhubungan menejemen dari penggunaan query. Kompleksitas dari query manager ditentukan dengan fasilitas yang disediakan oleh end-user access tools dan database. Operasinya ditunjukkan dengan komponen yang termasuk mengarahkan query ke tabel yang tepat dan menjadwalkan eksekusi query.
6. Detailed Data Salah satu area pada data warehouse yang menyimpan semua detailed data pada database schema. Seringnya, detailed data tidak disimpan secara online melainkan dibuat tersedia dengan cara mengagregasi data ke level detail yang lebih tinggi.
7. Lightly and Highly Summarized Area data warehouse ini menyimpan semua data rangkuman (telah di agregasi) lightly dan highly tetap yang dijalankan oleh warehouse manager. Area pada data warehouse ini adalah sementara, sebagaimana akan menjadi subjek untuk berubah pada ongoing basis agar merespon perubahan queries profile. Tujuan dari meringkas informasi adalah untuk mempercepat performa.
8. Archived/Backup Data Area pada data warehouse ini menyimpan data yang telah diringkas dan didetailkan untuk pengarsipan dan backup. Walaupun summary data dihasilkan dari detailed data,ini diperlukan untuk backup online summary data jika data ini disimpan melebihi periode penyimpanan dari detailed data.
9. Metadata Area pada data warehouse yang menyimpan semua metadata (data tentang data) definisi digunakan oleh semua proses di dalam data warehouse. Metadata digunakan untuk berbagai tujuan, seperti: a. The extraction and loading processes, metadata digunakan untuk pemetaan data source untuk tampilan umum pada data di dalam data warehouse.
b. The data warehouse management process, metadata digunakan untuk otomatisasi produksi dari summary tables. c. The query management process, metadata digunakan untuk mengarahkan query ke data source yang paling sesuai.
10. End-User Access Tools Tujuan utama dari data warehouse adalah mendukung pengambilan keputusan. User berinteraksi dengan warehouse menggunakan end-user access tools. Performa yang tinggi dapat diperoleh dengan melakukan merencanakan kebutuhan untuk penggabungan, penjumlahan, dan periodic reports dengan end-users. Meskipun definisi dari end-users access tools dapat saling bertumpuk, berikut adalah kategori dari tools: a. Reporting and query tools b. Application development tools c. OLAP tools d. Data mining tools.
Gambar 2.3 Arsitektur data warehouse. Source: (Database Systems: A Practical Approach to Design, Implementation, and Management:1232)
2.2.2 Perancangan Data warehouse Menurut Kimball (2013) yang di kutip oleh Connolly (2015:1265) ada 4 tahap di dalam perancangan suatu data warehouse yang terdiri dari: 1. Memilih proses bisnis, proses bisnis mengacu pada subjek pokok pada data mart tertentu. Data mart pertama yang dibangun harus dapat menyampaikan tepat waktu, sesuai anggaran, dan menjawab semua pertanyaan bisnis. Data mart pertama harus dapat mendirikan fondasi data untuk tampilan perusahaan dengan membuat dimensi yang sesuai dan dapat dipakai kembali. 2. Mendeklarasikan
Grain, memilih tingkatan grain dengan cara
menemukan keseimbangan antara kebutuhan bisnis dan apa yang data source dapat berikan.grain menjelaskan apa yang fact table record dapat tampilkan. 3. Mengidentifikasi
dimensi,
dimensi
menyiapkan
konteks
untuk
menanyakan fakta yang ada pada fact table. Kumpulan tabel dimensional yang baik adalah dimensional yang mudah untuk dimengerti dan mudah diimplementasikan pada data mart. Mengidentifikasi dimensi dengan detail yang cukup untuk menjelaskan hal-hal kepada client dan perusahaan pada grain yang tepat. 4. Mengidentifikasi fakta. Grain pada fact table menjelaskan fakta mana yang dapat digunakan pada dimensional model. Semua fakta harus dinyatakan pada level yang tersirat oleh grain.
2.2.3 Dimensionality Model Menurut Connolly (2015:1261), sebuah tehnik desain logical yang bertujuan untuk menampilkan data pada bentuk yang standard dan intuitif yang memungkinkan untuk performa akses yang tinggi. Setiap model dimensi membentuk sebuah tabel yang memiliki primary key gabungan yang bernama tabel fakta, dan kumpulan tabel kecil yang disebut tabel dimensi. Setiap tabel dimensi memiliki noncomposite primary key yang sesuai salah satu komponen composite key pada tabel fakta. Dengan kata lain primary key yang ada pada tabel fakta dibuat dari 2 atau lebih foreign key. Karakteristik ini yang disebut sebagai star schema. Star schema merupakan sebuah dimensional data model yang memiliki tabel fakta ditengah dan dikelilingi oleh tabel dimensi.
Gambar 2.4 Tampilan star schema beserta tabel fakta dan tabel dimensi. Source: (Database Systems: A Practical Approach to Design, Implementation, and Management:1262)
2.2.4 Metadata Menurut Connolly (2015:1240) manajemen metadata pada data warehouse sangat kompleks dan merupakan tugas yang sulit. Fungsi metadata ada berbagai macam dan manajemennya adalah suatu isu penting dalam mewujudkan data warehouse yang terintegrasi. Tujuan utama dari metadata adalah untuk menunjukkan jalur kembali dimana data berasal, sehingga data warehouse administrator dapat mengetahui sejarah dari tiap item yang ada pada data warehouse. Metadata dikaitkan dengan data transformation dan loading yang harus menjelaskan source data dan semua perubahan yang dibuat pada data. Isu integrasi yang paling utama adalah mensinkronasi berbagai tipe metadata yang digunakan ke dalam data warehouse.
2.2.5 SQL Menurut Connolly (2015:191) Structured Query Language (SQL) merupakan standar dari database relational language yang mentransformasikan input dan output, serta digunakan untuk:
1. Membuat database dan struktur relational 2. Melakukan tugas dasar data managemen, seperti insert, modification, dan delete data dari relations. 3. Melakukan baik simple dan complex query. SQL memiliki 2 komponen utama yaitu: 1. Data Definition Language (DDL): Menurut Connoly (2015:244) Data Definition Language digunakan untuk mendefinisikan struktur database dan mengontrol akses ke data. Statement DDL meliputi: a. Create Table : Statement yang digunakan untuk membuat table dengan mengidentifikasikan tiap attribute yang ada pada table b. Alter Table : Statement yang digunakan untuk memodifikasi/mengubah struktur dalam table apabila table tersebut telah dibuat. c. Drop Table : Statement yang digunakan untuk menghapus table beserta seluruh data yang ada di dalamnya 2. Data Manipulation Language (DML): Menurut Connoly (2015:193 - 195) Data Manipulation Language digunakan untuk menerima dan mengupdate data. Statement DML meliputi: a. SELECT
:
Statement
yang
digunakan
untuk
menerima
dan
menampilkan data dari satu atau lebih tabel dalam database. b. INSERT : Statement yang digunakan untuk memasukkan satu atau lebih nilai baru ke dalam tabel database. c. UPDATE : Statement yang digunakan untuk mengubah isi data dalam satu atau lebih tabel database. d. DELETE : Statement yang digunakan untuk menghapus sebagian atau keseluruhan data dalam tabel database.
2.2.6 ETL Menurut Connolly (2015:1236), data yang akan dimasukkan ke dalam data warehouse pertama harus melalui ekstraksi dari satu data source ke data source lain, dan dirubah menjadi bentuk yang lebih mudah untuk dianalisa dan konsisten dengan data yang ada di dalam data warehouse. Dan akhirnya dilakukan proses load ke
dalam data warehouse. Seluruh proses ini disebut sebagai extraction, transforming, and loading dan proses ini sangat penting di dalam semua project data warehouse. 1. Extraction, tahap ini memilih satu atau lebih data source untuk di ekstrak ke data warehouse; source-source ini biasanya termasuk OLTP database tapi dapat berupa database personal, spreadsheet, file ERP, dan file web usage. 2. Transformation, tahap ini mengatur satu rangkaian peraturan atau fungsi untuk data yang di ekstrak. Yang menentukan bagaimana cara data akan dipakai untuk analisis. Dan bisa melibatkan transformasi. 3. Loading, proses ini akan terjadi setelah semua transformasi sudah dilakukan atau sebagai proses dari transformasi.
2.3
Dashboard Menurut Turban (2015:12) Dashboard merupakan salah satu bentuk alat
visualisasi dari komponen arsitektur data warehouse dan dashboard yaitu user interface. Dashboard menampikan sekilas tentang keadaan perusahaan.
2.4
Human Resource Management Menurut Joshi (2013:9), human resource sumber daya manusia adalah semua
keahlian dan kemampuan dari semua orang yang bekerja di suatu organisasi. Menurut Gary Dessler (2013:4), segala proses mendapatkan karyawan, melatih, menilai, dan membayar karyawan. Penulis menyimpulkan bahwa dari dua definisi tersebut bahwa HRM adalah sebuah divisi managemen suatu organisasi yang fungsi nya sebagai pengembang dan penentu kualitas sumber daya manusia di organisasi.
2.4.1 Absensi Menurut Pohan yang dikutip oleh Gustiana (2012:3), absensi merupakan daftar hadir sekumpulan orang dari suatu kelompok orang banyak yang tergabung dalam sebuah instansi secara resmi yang mempunyai peraturan-peraturan, ketentuanketentuan, serta batasan-batasan, dan orang-orang yang terlibat di dalamya terikat oleh peraturan tersebut. Jika sekelompok orang tersebut melanggarnya maka akan dikenakan sanksi sebagai hukuman dari pelanggaran yang dilakukan oleh orang tersebut sesuai dengan peraturan dan ketentuan yang diterapkan oleh instansi tersebut.
2.4.2 Lembur Menurut keputusan menteri tenaga kerja dan transmigrasi republik Indonesia nomor kep. 102/men/vi/2004 tentang waktu kerja lembur dan upah kerja lembur pasal 1 ayat 1, jika waktu kerja lembur adalah waktu kerja yang melebihi 7 jam sehari dan 40 jam 1 minggu untuk 6 hari kerja dalam 1 minggu atau 8 jam sehari, dan 40 jam 1 minggu untuk 5 hari kerja dalam 1 minggu atau waktu kerja pada hari istirahat mingguan dan atau pada hari libur resmi yang ditetapkan Pemerintah. Dan menurut pasal 2 ayat, 1 pengaturan waktu kerja lembur berlaku untuk semua perusahaan, kecuali bagi perusahaan pada sektor usaha tertentu atau pekerjaan tertentu. Menurut pasal 3 ayat 1, waktu kerja lembur hanya dapat dilakukan paling banyak 3 jam dalam 1 hari dan 14 jam dalam 1 minggu.
2.4.3 Project Human Resource Management Menurut Marchewka (2015:27) manusia merupakan sumber daya yang sangat penting pada proyek. Human resource Management berfokus membuat dan mengembangkan project team dan juga untuk mengetahui dan merespon secara benar ke sisi perilaku dalam project Management.
2.4.4 Key Performance Indicator (KPI) Menurut Parmenter (2010:4) Key Performance Indicator mewakili suatu pengukuran yang berfokus terhadap aspek-aspek yang penting dalam performa organisasi yang penting sekarang dan kesuksesan organisasi di masa depan.
2.5
Visual Paradigm 12.2 Menurut visual-paradigm.com, Visual Paradigm 12.2 for UML merupakan
tool yang digunakan untuk mensupport UML, SysML, dan Business Process Modelling Notation (BPMN) dari object management group (OMG). Dengan tambahan modeling support, dapat menyediakan report generation dan kapabilitas code engineering termasuk code generation.
2.6
Microsoft SQL Server Menurut Don Schlichting (2008) Microsoft SQL Server merupakan Relational
Database Management System (RDBMS) dari Microsoft yang digunakan dalam perusahaan. SQL server menggunakan T-SQL(Transact SQL) yang merupakan suatu
bahasa pemrograman yang digunakan dalam Transaction Control, Error Handling, pengolahan baris, dan deklarasi variable.
2.7
Microsoft SSIS Margaret Rouse (2014) Microsoft SQL Server Integration Service (SSIS)
merupakan tools yang digunakan untuk melakukan integrasi data, data transformasi, dan data migration yang dibuat di dalam SQL Server database. SSIS dapat melakukan tugas integrasi data seperti analisis dan cleansing data yang berjalan, serta proses extract, transform, dan load (ETL) pada data warehouse.
2.8
Tableau Desktop Menurut tableau.com, Tableau Desktop adalah sebuah teknologi data analysis
yang memungkinkan untuk mengubah tampilan data menjadi database queries yang dioptimalkan. Dengan menggunakan aplikasi Tableau desktop memungkinkan user untuk melihat pola, mengidentifikasi tren, dan menemukan pengetahuan. Tableau memiliki fitur-fitur seperti: 1. Visual analysis in a click, memungkinkan untuk menyaring data secara dinamis, memisahkan tren berdasarkan kategori tertentu. 2. Deep statistics, dapat melakukan kalkulasi baru pada data yang ada. Memindahkan jalur dan forecast, membangun box plots dan melihat statistic dari ringkasan data yang ada. 3. Metadata Management, memudahkan untuk mengerti data yang tersedia secara cepat. 4. Best practices built in, memungkinkan untuk merepresentasikan data dengan cara yang paling baik. Mengoptimalkan skema dengan tipe chart yang otomatis dan memiliki desain yang elegan. 5. Data engine, memungkinkan untuk melakukan ekstraksi data pada ad hoc analysis pada data yang besar dengan waktu singkat jika user ingin mengambil data secara offline atau memasukkannya ke dalam memory. 6. Mapping, memungkinkan untuk menampilkan map data secara menyeluruh jika user bekerja antar negara.