BAB 2 LANDAS AN TEORI 2.1 Teori Umum 2.1.1 Data M engacu pada pendapat Inmon (2005) pegertian data adalah sebuah rekaman dari fakta, konsep ataupun instruksi pada sebuah media penyimpanan untuk komunikasi, pengambilan maupun pemrosesan dari pengertian otomatis dan presentasi dari informasi yang dapat dimengerti manusia. Sedangkan pendapat Turban (2005), data adalah deskripsi dasar tentang sesuatu, kejadian, kegiatan dan transaksi yang direkam, diklarifikasikan
dan
disimpan,
namun
tidak
terorganisir
untuk
menyampaikan arti khusus. Tahapan
berikutnya
dari
data
adalah
informasi,
dimana
berdasarkan pendapat Inmon (2005) informasi adalah kumpulan data yang telah diolah dan dievaluasi yang dapat digunakan untuk penyelesaian masalah maupun membantu dalam membuat keputusan. Hoffer, Prescott dan M cFadden (2005) berpendapat informasi merupakan data yang telah diproses melalui beberapa cara untuk meningkatkan pengetahuan dari orang yang menggunakan data.
6
7
Daapat disimpulkan, informasi adalah merupakan kumpulan dari data-data yang dimiliki oleh perusahaan dan diolah sedemikian rupa sesuai dengan keperluannya.
2.1.2 Database M engacu pada pendapat Connoly dan Begg (2005), database adalah sebuah pembagian kumpulan data yang berelasi secara logika dan keterangan data yang didesain untuk mendapatkan informasi yang dibutuhkan sebuah organisasi. M enurut pendapat Inmon (2005), database adalah sebuah koleksi dari data yang disimpan dan memiliki keterkaitan (biasanya memiliki redudansi namun dalam jumlah yang terbatas dan masih terkendali) yang sesuai dengan skema. Sebuah database dapat melayani satu maupun banyak aplikasi. Pendapat dari M cLeod dan Schell (2004), database adalah kumpulan seluruh sumber data berbasis komputer milik organisasi. Database yang dikendalikan oleh sistem manajemen database adalah suatu set catatan data yang berhubungan dan saling menjelaskan. Jadi database adalah kumpulan data-data yang secara logis saling berhubungan dan terintegrasi dimana dapat digunakan sebagai sumber kebutuhan informasi sebuah organisasi.
8
2.1.3 Database Management System (DBMS ) M enurut pendapat Connolly
dan
Begg (2005),
Database
Management System (DBM S) adalah suatu sistem software yang memungkinkan user dapat mengidentifikasikan, membuat, memelihara, dan mengatur akses dari database. DBM S
merupakan
sebuah
sistem
peranti
lunak
yang
dikembangkan untuk mengatur dan mengontrol akses dari database. Seperti pendapat Inmon (2005), DBM S adalah sebuah sistem peranti lunak berbasis komputer yang digunakan untuk menjalankan dan mengatur data. M enurut pendapat Kimball dan Ross (2002), DBM S merupakan sebuah aplikasi komputer yang bertujuan untuk menyimpan, mengambil dan memodifikasi data dengan sebuah cara bertingkat tinggi yang terstruktur. Data yang berada didalam DBM S ini umumnya dibagi berdasarkan ragam aplikasi. Sedangkan menurut pendapat M cLeod dan Schell (2004), DBM S adalah aplikasi perangkat lunak yang menyimpan struktur database, hubungan antar-data dalam database, serta berbagai formulir dan laporan yang berkaitan dengan database itu. Hoffer, Prescott dan M cFadden (2005) berpendapat, DBM S merupakan sebuah sistem software yang digunakan untuk menciptakan, memelihara dan menyediakan kontrol akses untuk pengguna database.
9
2.1.3.1 Kelebihan Database Management System (DBMS ) M engacu pada pendapat Connolly dan Begg (2005) beberapa kelebihan penggunaan DBM S, yaitu : a. Kontrol terhadap pengulangan data. b. Data yang dihasilkan konsisten. c. Pada beberapa data yang sama akan semakin banyak informasi yang diperoleh. d. Data dapat dipakai secara bersama-sama. e. M eningkatkan integrasi data. f. M eningkatkan keamanan. g. Penetapan standarisasi. h. Perbandingan skala ekonomi. i. M engatasi konflik kebutuhan. j. M eningkatkan aksesibilitas dan responsif data. k. M eningkatkan produktivitas. l. M emperbaiki pemeliharaan data yang tidak tergantung dari data lain. m. M eningkatkan konkurensi. n. M emiliki backup dan recovery.
2.1.3.2 Kekurangan Database Management System (DBMS ) Sedangkan kekurangan penggunaan DBM S menurut pendapat Connolly dan Begg (2005) adalah :
10
a. M emiliki sistem yang kompleks. b. Karena sistem yang kompleks
mengakibatkan
DBM S
memiliki ukuran yang semakin besar. c. DBM S memiliki harga yang bervariasi tergantung pada fungsi dan kebutuhan. d. Penambahan biaya untuk perangkat keras yang dibutuhkan. e. Penambahan biaya konversi. f. Karena DBM S dirancang untuk mengakses lebih dari satu aplikasi sehingga performasinya menurun. g. Kegagalan
DBM S mengakibatkan
operasi tidak
dapat
berjalan.
2.1.3.3 Fasilitas Database Management System (DBMS ) M enurut pendapat Connolly dan Begg (2005) DBM S menyediakan fasilitas-fasilitas, yaitu : a. DDL (Data Definition Language) adalah suatu bahasa yang memungkinkan pengguna untuk mendefinisikan database dan menentukan tipe data dan struktur dan kendala pada data yang akan disimpan dalam database. b. DM L (Data Manipulation Language)adalah suatu bahasa yang memungkinkan pengguna untuk melakukan insert, update, delete dan mendapatkan kembali data dari database.
11
c. SQL (Structure Query Language) adalah sebuah fasilitas yang digunakan untuk melayani pengaksesan data. Bahasa query yang paling baik adalah secara de facto yang merupakan standar bagi DBM S.
2.1.4 Online Transaction Processing (OLTP) M enurut pendapat Connoly dan Begg (2005), OLTP adalah sistem yang telah dirancang untuk mengatasi jumlah hasil transaksi yang tinggi, dengan transaksi yang biasanya membuat perubahan kecil bagi data operasional organisasi, yaitu data yang memerlukan penanganan operasi secara harian. Kimball dan Ross (2002) berpendapat, OLTP adalah gambaran asli dari segala aktifitas dan asosiasi sistem dengan meng-input data yang dapat dipercaya ke dalam suatu database. OLTP menggambarkan kebutuhan sistem dalam ruang lingkup operasional dan merupakan proses yang mendukung kegiatan bisnis sehari-hari. OLTP dirancang untuk memungkinkan terjadinya pengaksesan secara bersamaan oleh beberapa user atas sumber data yang sama dan mengatur proses yang diperlukan. Seperti yang dijelaskan oleh namanya, OLTP memungkinkan transaksi untuk mengkses database secara langsung. Transaksi yang dilakukan dapat berupa operasi insert, update, dan delete. Database OLTP biasanya bersifat relasional dan dalam bentuk normal ketiga (3NF) dan yang paling penting, database OLTP dibangun
12
untu dapat menangani transaksi dalam jumlah besar dengan tetap menjaga performa agar tetap optimal.
2.1.5 Perbandingan OLTP dan Data Warehouse M engacu pada pendapat Connoly dan Begg (2005) perbandingan antara OLTP dan data warehouse adalah sebagai berikut : OLTP
Data warehouse
M enyimpan data sekarang
M enyimpan data historis
M enyimpan data yang detail
M enyimpan data yang detail, light dan ringkas
Data bersifat dinamis
Data bersifat statis
Proses berulang-ulang
Proses ad hoc, tak terstruktur dan heuristic
Hasil transaksi yang tinggi
Hasil transaksi medium atau bahkan rendah
Pola penggunaan dapat diprediksi
Pola penggunaan tidak dapat diprediksi
Berbasis transaksi
Berbasis analisis
Berorientasi aplikasi
Berorientasi subyek
M endukung keputusan sehari-hari
M endukung strategi pengambilan keputusan
M enyediakan pengguna operasional M enyediakan dalam jumlah yang besar
pengguna
manajerial dalam
jumlah yang cenderung sedikit
Tabel 2. 1 Perbandingan OLTP dan Data Warehouse
2.1.6 Data Warehouse M enurut pendapat Connolly dan Begg (2005), data warehouse adalah integrasi dari data perusahaan yang berbeda diambil dari sumber data operasional dan bisa diakses oleh pengguna dengan didukung query yang sederhana sampai query dengan kompleksitas tinggi untuk
13
mendukung pengambilan
keputusan. Data
warehouse merupakan
sekumpulan data yang berorientasi subyek, terintegrasi, tidak mudah berubah, dan berdasarkan kepada suatu rentang waktu tertentu yang berguna untuk mendukung dalam proses pengambilan keputusan. Kimball dan Ross (2002) berpendapat, data warehouse merupakan perpaduan dari data sebuah organisasi, baik dari area staging maupun area presentasi, dimana data operasional secara spesifik serta terukur untuk query dan analisis performasi dan memudahkan penggunaan. M enurut pendapat Inmon (2005), data warehouse adalah kumpulan data yang mendukung pengambilan keputusan manajemen yang memiliki karakteristik berorientasi pada subyek (Subject Oriented), terintegrasi (Integrated), mempunyai variasi waktu tertentu (TimeVariant), dan tidak dapat berubah (Non-Volatile). Jadi, data warehouse adalah sebuah tempat penyimpanan data historis yang berorientasi subyek, terintegrasi, mempunyai variasi waktu tertentu dan tidak dapat berubah yang berguna untuk proses analisis dan pengambilan keputusan.
2.1.6.1 Karakteristik Data Warehouse M enurut pendapat Inmon (2005) karakteristik data warehouse adalah subject oriented, integrated, time variant dan non-volatile. 1. Berorientasi Subyek (Subject Oriented)
14
Gambar 2. 1 Subject Oriented
Data warehouse berorientasi subyek artinya data warehouse
dirancang
untuk
menganalisa
data
yang
berdasarkan subyek-subyek tertentu dalam organisasi, bukan pada proses atau fungsi aplikasi tertentu. Data warehouse diorganisasikan perusahaan
disekitar
(customer,
subyek-subyek
utama
dari
product dan sales)
dan
tidak
diorganisasikan pada area-area aplikasi utama (customer, invoicing, stock control dan product sales). Hal ini dikarenakan
kebutuhan
dari
data
warehouse
untuk
menyimpan data-data yang bersifat sebagai penunjang suatu keputusan, daripada aplikasi yang berorientasi terhadap data.
15
Jadi dengan kata lain, data yang disimpan adalah berorientasi kepada subyek bukan terhadap proses.
2. Terintegrasi (Integrated)
Gambar 2. 2 Integrated
Data warehouse dapat menyimpan data-data yang berasal dari sumber-sumber yang terpisah ke dalam suatu format yang konsisten dan saling terintegrasi satu dengan yang lainnya. Dengan demikian data tidak bisa dipecah-pecah karena data yang ada merupakan suatu kesatuan yang menunjang keseluruhan konsep data warehouse itu sendiri. Syarat integrasi sumber data dapat dipenuhi dengan berbagai cara seperti konsisten dalam penamaan variabel, konsisten dalam ukuran variabel, konsisten dalam struktur pengkodean dan konsisten dalam atribut fisik dari data.
16
3. Variasi Waktu (Time Variant)
Gambar 2. 3 Time Variant
M odel analisis yang diterapkan dalam sebuah data warehouse berfokus pada perubahan data faktual berdasarkan waktu. Dalam hal ini data warehouse harus mampu menyimpan data untuk suatu obyek tertentu dalam kurun waktu yang berbeda-beda. Waktu merupakan bagian data yang sangat penting dalam data warehouse.
4. Tidak Dapat Berubah (Non-Volatile)
Gambar 2. 4 Non-Volatile
17
Karakteristik yang keempat dari data warehouse adalah non-volatile, maksudnya data pada data warehouse tidak di-update secara real time tetapi di-refresh dari sistem operasional secara reguler. Data baru selalu ditambahkan sebagai supplement dari database bukan sebagai pergantian data. Database tersebut secara terus-menerus menyerap data baru itu, kemudian secara incremental disatukan dengan data sebelumnya.
2.1.6.2 S truktur Data Warehouse M engacu pada pendapat Inmon (2005) struktur data warehouse adalah current detail data, older detail data, lightly summarized data, highly summarized data dan metadata.
Gambar 2. 5 Struktur Data Warehouse
18
1. Current Detail Data Current detail data merupakan data detil yang aktif saat ini, mencerminkan keadaan yang sedang berjalan dan merupakan level terendah dalam data warehouse. Di dalam area ini warehouse menyimpan seluruh detil data yang terdapat pada skema basis data. Jumlah data sangat besar sehingga memerlukan storage yang besar pula dan dapat diakses secara cepat. Dampak negatif yang ditimbulkan adalah kerumitan untuk mengatur data menjadi meningkat dan biaya yang diperlukan menjadi mahal.
2. Older Detail Data Data ini merupakan data historis dari current detail data, dapat berupa hasil cadangan atau archive data yang disimpan dalam storage terpisah. Karena bersifat back-up (cadangan), maka biasanya data disimpan dalam storage alternatif seperti tape-disk. Data ini biasanya memiliki tingkat frekuensi akses yang rendah. Penyusunan file atau directory dari data ini disusun berdasarkan umur dari data yang bertujuan untuk mempermudah pencarian atau pengaksesan kembali.
19
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 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.
4. Highly Summarized Data Data ini merupakan tingkat lanjutan dari lightly summarized data, merupakan hasil ringkasan yang bersifat totalitas, dapat diakses untuk melakukan analisis perbandingan data berdasarkan
urutan
waktu
tertentu
dan
analisis
menggunakan data multidimensi.
5. Metadata M enurut pendapat Inmon (2005), komponen yang paling penting dalam data warehouse adalah metadata atau data tentang data, telah menjadi bagian dari lingkungan pergaulan proses informasi sejak adanya program dan data. Akan tetapi, metadata dalam dunia data warehouse membawa
20
kepada tingkat kepentingan yang baru yaitu memberikan kegunaan yang paling efektif dari data warehouse. Metadata mengijinkan pengguna / DSS analyst untuk melakukan navigasi melalui berbagai kemungkinan.
2.1.6.3 Anatomi Data Warehouse M enurut pendapat Inmon (2005), anatomi data warehouse adalah data warehouse fungsional, data warehouse terpusat dan data warehouse terdistribusi.
1. Data Warehouse Funngsional
Gambar 2. 6 Data Warehouse Fungsional
Data warehouse fungsional ini merupakan bentuk database dimana data warehouse dibuat lebih dari satu dan dikelompokkan berdasarkan masing-masing fungsi yang ada
21
dalam perusahaan, seperti fungsi financial atau keuangan, fungsi marketing atau pemasaran, fungsi kinerja personalia dan lain-lain. Keuntungan dari bentuk ini adalah sistem akan mudah dibangun dengan biaya relatif murah. Kerugian dari penggunaan bentuk ini adalah resiko kehilangan konsistensi data dan terbatasnya kemampuan pengguna dalam hal pengumpulan data.
2. Data Warehouse Terpusat
Gambar 2. 7 Data Warehouse Terpusat
Data warehouse terpusat ini merupakan database fisikal tunggal yang memuat semua data untuk area fungsional yang khusus, departemen, divisi atau perusahaan. Data warehouse ini digunakan ketika terdapat kebutuhan akan data informasional dan terdapat banyak end-user yang sudah terhubung ke komputer pusat atau jaringan.
22
Bentuknya menyerupai functional data warehouse, akan tetapi sumber data lebih dahulu dikumpulkan atau diintegrasikan pada suatu tempat terpusat, baru kemudian data tersebut
dibagi-bagi
berdasarkan
fungsi-fungsi
yang
dibutuhkan oleh perusahaan. Bentuk data warehouse terpusat ini sering digunakan oleh perusahaan-perusahaan yang belum mempunyai jaringan eksternal. Keuntungan bentuk data warehouse terpusat ini adalah data benar-benar terpadu karena konsistensi yang tinggi. Namun demikian membutuhkan waktu yang lama dan biaya yang mahal dalam bentuk data warehouse seperti ini.
3. Data Warehouse Terdistribusi
Gambar 2. 8 Data Warehouse Terdistribusi
Data warehouse terdistribusi adalah data warehouse dimana komponen tertentu dari data warehouse tersebut
23
didistribusikan melewati sebuah database fisikal yang berbeda. Data warehouse terdistribusi biasanya melibatkan data yang paling teredudansi, dan sebagai akibatnya, menimbulkan proses load dan update yang sangat kompleks. Data warehouse terdistribusi ini merupakan gateway yang berfungsi sebagai jembatan antara lokasi data warehouse dengan dengan workstation yang menggunakan sistem yang beranekaragam, sehingga pada bentuk data warehouse ini memungkinkan perusahaan untuk mengakses sumber data yang terdapat diluar lokasi perusahaan (eksternal). Bentuk data warehouse ini mempunyai kelebihan dalam hal pengaksesan data dari luar perusahaan yang telah mengalami sinkronisasi terlebih dahulu dan tetap terjaga konsistensinya. Tetapi bentuk ini juga memiliki kerugian yaitu bentuk ini merupakan yang paling mahal dan kompleks untuk diterapkan karena sistem operasinya dikelola secara terpisah.
24
2.1.6.4 Arsitektur Data Warehouse
Gambar 2. 9 Arsitektur Data Warehouse M engacu pada pendapat Connolly dan Begg (2005) arsitektur data warehouse terdiri dari: 1. Operational Data Sumber data untuk data warehouse diberikan dari : a) Mainframe data oprasional disimpan dalam hirarkis generasi
pertama
dan
dalam
database
jaringan,
diperkirakan bahwa sebagian besar data operasional perusahaan di dalam sistem ini. b) Data-data departemen disimpan dalam kepemilikan file sistem VSAM , RM S dan relational DBM Ss seperti Informix dan Oracle. c) Data private disimpan dalam workstations dan private server.
25
d) Sistem eksternal seperti internet, database komersial atau database yang berhubungan
dengan
pemasok atau
pelanggan sebuah organisasi. 2. Operational Data Store Operational Data Store (ODS) adalah sebuah tempat penyimpanan data operasional saat ini dan terintegrasi yang digunakan untuk melakukan analisis. ODS menyusun dan menyediakan data dengan cara yang sama seperti data warehouse, tetapi sebenarnya bertindak secara sederhana sebagai tempat penyimpanan sementara untuk data-data sebelum dipindahkan ke warehouse. Sebuah
ODS
biasa
diciptakan
ketika
sistem
operasional tidak dapat memenuhi kebutuhan laporan. ODS menyediakan kemudahan dalam pemakaian sebuah relational database dalam mengambil keputusan yang mendukung fungsi-fungsi data warehouse. M embangun sebuah ODS merupakan langkah yang tepat dalam proses pembangunan sebuah data warehouse karena ODS dapat menyediakan data yang sudah di-extract dari sumber sistem. 3. Load Manager Load manager menjalankan semua operasi yang berhubungan dengan proses extract dan load data ke dalam data warehouse. Data dapat di-extract secara langsung dari sumber data atau umumnya dari penyimpanan data oprasional.
26
Operasi-operasi yang dijalankan oleh load manager dapat meliputi
transformasi
data
yang
sederhana
untuk
mempersiapkan data sebelum disimpan ke dalam data warehouse. 4. Warehouse Manager Warehouse manager menjalankan semua operasi yang berhubungan dengan pengelolaan data dalam data warehouse. Operasi-operasi yang dijalankan oleh warehouse manager meliputi : a) Analisis data untuk memastikan konsistensi data tersebut. b) Transformasi dan penggabungan sumber data dari tempat penyimpanan sementara ke dalam tabel data warehouse. c) M embuat index dan view pada tabel pusat. d) M embuat denormalisasi (jika dibutuhkan). e) M embuat agregasi (jika dibutuhkan). f) Back-up dan archive data. 5. Query Manager Query manager menjalankan semua operasi yang berhubungan dengan pengelolaan query pengguna. Operasioperasi yang dijalankan oleh query manager meliputi pengarahan query pada tabel yang tepat dan penjadwalan pelaksanaan query. Dalam beberapa kasus, query manager juga menghasilkan profil query yang memperbolehkan
27
warehouse manager untuk menentukan index dan agregasi yang tepat. 6. Detailed Data Area ini menyimpan semua detil data di dalam skema database. Dalam banyak kasus, detil data tidak disimpan secara online tetapi dapat disediakan dengan cara melakukan agregasi data ke tingkatan detil berikutnya. Namun, secara berkala, detil data dimasukkan ke dalam warehouse untuk melengkapi data agregasi. 7. Lighly and Highly Summarized Data Area ini meyimpan semua data agregasi yang dihasilkan oleh warehouse manager. Tujuan dari ringkasan informasi ini adalah untuk mempercepat kinerja dari query. M eskipun ada kenaikan biaya operasional yang berhubungan dengan peringkasan data tersebut, tetapi akan diimbangi dengan penghapusan kebutuhan untuk secara berkelanjutan menjalankan operasi peringkasan (seperti penyortiran atau pengelompokkan) dalam menjawab query-query pengguna. Ringkasan data akan diperbarui secara berkelanjutan ketika ada data baru yang dimasukkan ke dalam warehouse. 8. Archive / Backup Data Area ini menyimpan detil data dan ringkasan data dengan tujuan untuk pengarsipan dan backup. M eskipun ringkasan data dihasilkan dari data detil, tetapi memungkinkan
28
untuk melakukan backup ringkasan data secara online jika data tersebut disimpan melebihi periode penyimpanan data detil. Data tersebut dipindahkan ke arsip penyimpanan seperti tape magnetic atau optical disk. 9. Metadata Area ini menyimpan semua definisi metadata yang digunakan oleh semua proses di dalam warehouse. Metadata digunakan untuk berbagai tujuan, meliputi : a) Proses extract dan load – metadata digunakan untuk memetakan sumber data ke dalam gambaran umum dari data di dalam warehouse. b) Proses pengelolaan warehouse – metadata digunakan untuk mengotomatisasi produksi dari table ringkasan. c) Sebagai dari bagian proses pengelolaan query – metadata digunakan untuk mengarahkan sebuah query ke sebuah sumber data yang paling sesuai. 10. End-User Access Tools Lima kelompok utama end-user access tools : a) Reporting and query tools Reporting tools meliputi production reporting tools dan report writers. Production reporting tools digunakan untuk menghasilkan laporan operasional yang teratur atau untuk mendukung sejumlah pekerjaan dengan volume yang tinggi seperti pesanan pelanggan dan pembayaran
29
karyawan. Sebaliknya, report writers adalah desktop tools yang dibuat untuk end-user. Query tools untuk data warehouse relational dirancang untuk dapat menerima SQL atau untuk menghasilkan pernyataan SQL agar dapat menerima query pada data yang disimpan di dalam warehouse. Query tools sangat populer diantara pengguna aplikasi bisnis. b) Application Development Tools Kebutuhan-kebutuhan
end-user
seperti
membangun kemampuan untuk membuat laporan dan query tools keduanya sangat tidak memadai karena analisa yang dibutuhkan tidak dapat dijalankan. Dalam situasi seperti ini, pengguna akan membutuhkan application development tools yang dirancang untuk kebutuhan clientserver. c) Executive Information System (EIS) Tools Executive
Information
System
sebenarnya
dikembangkan untuk mendukung pengambilan keputusan tingkat tinggi. Namun, semakin meluas untuk mendukung semua
tingkat
pengelolaan.
Sekarang
ini
batasan
perbedaan antara EIS dan decision support tools lainnya semakin tidak jelas karena para pengembang EIS menambhakan fasilitas query tambahan yang menyediakan
30
custom-built application untuk
bisnis
area
seperti
penjualan, pemasaran dan keuangan. d) Online Analitical Processing (OLAP) Tools Online Analitical Processing Tools merupakan konsep database multidimensi dan mengijinkan pengguna untuk
menganalisa
data
menggunakan
view
yang
kompleks dan multidimensi. Contoh-contoh aplikasi bisnis untuk OLAP meliputi penilaian keefektifan strategi pemasaran, prediksi penjualan produk dan kapasitas perencanaan. e) Data Mining Tools Data mining adalah proses menemukan korelasi, pola dan gaya baru yang bermanfaat ‘menggali’ (mining) data dalam jumlah yang banyak dengan menggunakan teknik statistika, matematika dan intelejensia semu.
31
2.1.6.5 Aliran Data Dalam Data Warehouse
Gambar 2. 10 Aliran Data Dalam Data Warehouse
Aliran data dalam data warehouse menurut pendapat Connolly dan Begg (2005) adalah sebagai berikut : Data warehouse fokus pada 5 pengelolaan utama lairan data yaitu inflow, upflow, downflow, outflow dan metaflow. 1. Inflow Inflow adalah proses yang berhubungan dengan proses extract, cleansing dan loading data dari sumber sistem ke dalam data warehouse. Data harus direkonstruksi terlebih dahulu
sebelum disimpan
di dalam data
warehouse.
Rekonstruksi data meliputi : a) Pembersihan data yang kotor (cleansing dirty data).
32
b) M erestrukturisasi data agar sesuai dengan kebutuhan data warehouse, contoh ; menambah atau menghilangkan fields, melakukan denormalisasi data. c) M emastikan bahwa sumber data konsisten. 2. Upflow Upflow
adalah
proses
yang
berhubungan
dengan
penambahan nilai pada data di dalam data warehouse dengan cara meringkas, membungkus dan mendistribusikan data. Beberapa aktifitas yang berhubungan dengan upflow adalah : a) M eringkas data dengan cara memilih, memproyeksikan, menggabungkan dan mengelompokkan data relational ke dalam view yang lebih cocok dan berguna bagi end-user. b) M embungkus data dengan cara mengubah detil atau ringkasan data ke dalam bentuk yang lebih berguna seperti dokumen teks, grafik, bagan dan animasi. c) M endistribusikan data ke kelompok yang sesuai untuk meningkatkan ketersediaan dan kemampuan aksesnya. 3. Downflow Downflow adalah proses yang berhubungan dengan pengarsipan dan backup data di dalam data warehouse. Pengarsipan data-data lama sangat penting karena dapat mempertahankan efektifitas dan kinerja dari data warehouse. Downflow juga meliputi proses yang memastikan bahwa data
33
warehouse yang digunakan dapat mengatasi kehilangan data atau kekeliruan hardware / software. 4. Outflow Outflow adalah proses yang membuat data tersedia dan dapat digunakan oleh end-user. Dua aktifitas utama dari outflow : a) Pengaksesan, fokus pada kepuasan permintaan end-user atas data yang mereka butuhkan. b) Pengiriman, fokus pada pengiriman informasi ke end-user workstation dan juga disebut sebagai tipe proses ‘publish and subscribe’. 5. Metaflow Metaflow
adalah
proses
yang
berhubungan
dengan
pengelolaan metadata. Metaflow juga merupakan proses pemindahan metadata.
2.1.6.6 Model Dimensional M engacu pada pendapat Connolly dan Begg (2005) model dimensional merupakan sebuah
perancangan logical yang
bertujuan untuk menampilkan data dalam bentuk standar dan intuitif yang mengizinkan pengaksesan dengan performa yang tinggi. M odel dimensional menggunakan konsep model hubungan antar entitas dengan beberapa batasan yang penting. Setiap model
34
dimensi terdiri dari sebuah tabel dengan sebuah composite key, disebut dengan tabel fakta. Sedangkan untuk satu set tabel yang lebih kecil disebut tabel dimensi. Setiap tabel dimensi memiliki sebuah simple primary key yang merespon tepat pada satu komponen composite key di tabel fakta. Dengan kata lain, primary key dari sebuah tabel fakta terdiri atas dua atau lebih foreign key. Struktur karakteristik ini disebut dengan skema bintang atau join bintang. Fitur penting lainnya dari sebuah model dimensional adalah semua natural keys diganti dengan kunci pegganti (surrogate keys). Ini berarti bahwa setiap kali join antar tabel fakta dengan tabel dimens i selalu didasari oleh kunci pengganti, bukan natural keys. Kegunaan dari kunci pengganti ini adalah memperbolehkan data pada data warehouse untuk memiliki beberapa kebebasan dalam penggunaan data, tetapi tidak seperti halnya yang diproduksi oleh sistem OLTP. Sebuah sistem OLTP memerlukan struktur yang telah dinormalisasi untuk mengurangi redudansi, validasi untuk input data, dan dukungan volume yang besar dari transaksi yang bergerak sangat cepat. Sebuah transaksi biasanya melibatkan sebuah proses bisnis, seperti mencatat order atau mencetak pembayaran invoice. M odel OLTP sering terlibat seperti jaring laba-laba yang terdiri dari ratusan, bahkan ribuan tabel, sehingga sulit untuk dimengerti.
35
Sebaliknya, model dimensional yang sering digunakan adalah desain bintang (star) atau snowflake yang mudah untuk dimengerti dan sesuai dengan kebutuhan bisnis, mendukung query sederhana dari bisnis, dan menyediakan performa query yang superior dengan meminimalisasi tabel-tabel join. Sebagai contoh perbandingan contoh diagram dari model data OLTP yang sederhana dengan data warehouse model dimensional.
Gambar 2. 11 M odel Data OLTP
Gambar 2. 12 M odel Dimensional
36
2.1.6.7 Sketsa Data Warehouse 1. Tabel Fakta M enurut pendapat Kimball dan Ross (2002), fakta adalah sebuah ukuran dari kinerja bisnis, biasanya berupa angka-angka dan penjumlahan. Hal ini berlanjut pada pengertian dari tabel fakta yang ada. Pengertian tabel fakta yang mengacu pada pendapat Kimball dan Ross (2002), tabel fakta pada sebuah skema bintang adalah tabel pusat dengan pengukuran performa bisnis dalam bentuk angka yang memiliki karakteristik yang berupa composite key, yang tiap-tiap elemennya adalah foreign key yang didapat dari tabel dimensi. Sedangkan menurut pendapat Inmon (2005) tabel fakta adalah pusat dari tabel star join dimana data dengan banyak kepentingan disimpan.
2. Tabel Dimensi M engacu pada pendapat Kimball dan Ross (2002) dimensi adalah sebuah entitas independent pada sebuah model dimensional yang berfungsi sebagai pintu masuk atau mekanisme untuk memecah-mecah pengukuran tambahan yang ada pada tabel fakta dari model dimensional. Pengertian tabel dimensi menurut pendapat Kimball dan Ross (2002) adalah sebuah tabel pada tabel dimensional yang
37
memiliki sebuah primary key tunggal dan kolom dengan atribut deskriptif. Pengertian lain dari tabel dimensi menurut pendapat Inmon (2005) adalah tempat dimana data tambahan yang berhubungan dengan tabel fakta ditempatkan pada sebuah tabel multidimensional.
3. Permodelan dalam Dimensional M engacu pada pendapat Connolly dan Begg (2005) permodelan dalam dimensional adalah sebuah teknik desain logis yang bertujuan untuk menampilkan data dalam bentuk biasa dan intuitif yang mengijinkan akses dengan performa yang baik. Ada 3 jenis permodelan dalam dimensional yaitu star schema, snowflake dan starflake schema.
3a. Skema Bintang Skema bintang (star schema) menurut pendapat Connolly dan Begg (2005) adalah struktur logis yang mempunyai sebuah tabel fakta yang berisi data faktual di pusat,
dikelilingi
oleh
beberapa
tabel
dimensi
yang
mengandung data referensi (dimana dapat didenormalisasi). M enurut pendapat Inmon (2005) skema bintang adalah sebuah struktur data dimana data didenormalisasi dengan tujuan untuk mengoptimalkan akses data.
38
M enurut pendapat Connolly dan Begg (2005) skema bintang merupakan struktur logikal yang memiliki sebuah tabel fakta di tengah yang berisi data fakta, yang dikelilingi oleh tabel dimensi yang berisi data referensi atau keterangan (yang dapat didenormalisasi). Skema bintang mempunyai beberapa jenis, antara lain : a) Skema Bintang Sederhana Dalam simple star schema atau skema bintang sederhana, tabel fakta atau tabel yang merupakan hasil summarized sebagai masukan bagi data warehouse, terdiri dari satu atau beberapa foreign key. Sebuah foreign key adalah sebuah kolom dalam suatu tabel yang nilainya ditentukan oleh primary key dari tabel lain.
Gambar 2. 13 Skema Bintang Sederhana
39
b) Skema Bintang Dengan Beberapa Tabel Fakta Skema bintang juga dapat berisi dengan beberapa tabel fakta. Di dalam beberapa kasus, beberapa tabel fakta tersebut muncul karena beberapa tabel fakta tersebut tidak saling berhubungan. Sebagai contoh data pengangkutan tersedia dalam format mingguan, tetapi untuk menyatukan data hanya disediakan setiap empat minggu, maka dapat diputuskan untuk menciptakan tabel terpisah untuk fakta tersebut. Tabel semacam ini digunakan untuk jumlah data besar dan bermacam tingkat data yang terintegrasi.
Gambar 2. 14 Skema Bintang Dengan Beberapa Tabel Fakta
c) Skema Bintang Dengan Tabel Dimensi Tambahan Tabel dimensi mungkin juga mengandung foreign key yang mereferensikan primary key di tabel dimensi lain.
40
Tabel dimensi yang direferensikan
ini dinamakan
outboard atau secondary dimension table.
Gambar 2. 15 Skema Bintang Dengan Tabel Dimensi Tambahan
3b. Skema Snowflake
Gambar 2. 16 Skema Snowflake
M enurut pendapat Connolly dan Begg (2005), skema snowflake merupakan bentuk lain dari skema bintang dimana tabel dimensi tidak mengandung data yang telah didenormalisasi. Suatu tabel dimensi dapat memiliki tabel dimensi lainnya.
41
Ciri-ciri snowflake adalah : a) Tabel dimensi dinormalisasi dengan dekomposisi pada tingkat atribut. b) Setiap dimensi mempunyai satu key untuk setiap tingkat pada hirarki dimensi. c) Kunci tingkat terendah menghubungkan tabel dimensi dengan tabel fakta dan tabel atribut bertingkat rendah. Keuntungan dari skema snowflake adalah : a) Kecepatan memindahkan data dari data OLTP ke dalam metadata. b) Sebagai kebutuhan dari alat pengambil keputusan tingkat tinggi dimana dengan tipe yang seperti ini seluruh struktur dapat digunakan sepenuhnya. c) Banyak yang beranggapan lebih nyaman merancang dalam bentuk normal ketiga. Sedangkan kerugiannya adalah mempunyai masalah yang besar dalam hal kinerja (performance) yang disebabkan banyaknya join antar
tabel-tabel yang dilakukan
dalam skema
snowflake ini sehingga memperlambat kinerja yang dilakukan.
42
2.1.7 Granularity M engacu pada pendapat Inmon (2005) granularity adalah masalah desain paling penting dalam data warehouse karena mempengaruhi volume data yang berada di dalam data warehouse dan jenis query yang dapat dijawab. Volume data di dalam sebuah warehouse berbanding terbalik dengan level detil dari sebuah query. Semakin kecil level dari granularity, semakin fleksibel data yang dikeluarkan. Semakin tinggi level granularity, data yang dikeluarkan malah semakin tidak tetap.
Gambar 2. 17 Granularity Data
2.1.8 Agregasi M enurut pendapat Inmon (2005), agragasi merupakan proses pengelompokkan beberapa record operasional menjadi sebuah record berdasarkan beberapa kejadian. Record ini disebut dengan profile record
43
atau aggregate record, dimana berisi nilai dari hasil perhitungan dari beberapa record operasional yang dikelompokkan. Untuk melakukan agregasi, nilai dari data operasional yang dikelompokkan harus dapat dikenakan fungsi agregasi, nilai dari data operasional harus dapat dikenakan fungsi agregasi, seperti count dan sum. Agregasi data operasional menjadi single data warehouse record dapat membutuhkan banyak form, termasuk diantaranya : a) Nilai yang diambil dari data operasional dapat diringkas. b) Unit data operasional dapat dihitung, dimana jumlah unit dicatat. c) Unit-unit data dapat diproses untuk menemukan tertinggi, terendah, rata-rata dan sebagainya. d) Kejadian pertama dan terakhir dapat dilacak. e) Data jenis tertentu, termasuk dalam batas-batas beberapa parameter, dapat diukur. f) Data yang efektif dalam beberapa waktu tertentu dapat dilacak. g) Data paling awal dan paling akhir dapat dilacak.
2.1.9 Denormalisasi M engacu pada pendapat Connolly dan Begg (2005), denormalisasi adalah proses penggabungan tabel dengan tujuan meningkatkan kinerja yang ada. Sebenarnya denormalisasi adalah proses yang melanggar bentuk normal dari sebuah normalisasi.
44
Denormalisasi dilakukan sesuai jika ada sejumlah entitas berhubungan dengan rabel dimensi yang sering diakses, menghindari overhead karena harus menggabungkan
tabel-tabel
tambahan
untuk
mengakses
atribut.
Denormalisasi dikatakan tidak tepat jika data tambahan tidak diakses secara sering, karena overhead pengamatan dari perluasan tabel dimensi mungkin tidak diimbangi dengan peningkatan kinerja query.
2.1.10 Data Transformation Service (DTS ) M enurut pendapat Vieira (2000), banyak organisasi yang melakukan sentralisasi data dengan tujuan mendapatkan informasi yang akurat. Data dapat disimpan di berbagai macam format dalam sumber yang berbeda. Sebelum disimpan dalam data warehouse, data tersebut perlu divalidasi, dibersihkan, digabungkan dan kemudian ditransformasi. Proses DTS meliputi : a) Data Validation Validasi data perlu dilakukan sebelum data tersebut ditransfer dari database OLTP ke data warehouse. Jika data tidak benar, maka integrasi dari analisis bisnis yang dilakukan akan meragukan. b) Data Scrubbling Data scrubbling adalah proses rekonsiliasi data yang berlangsung antar sumber data yang sama.
45
c) Data Migration Data yang dipindahkan dari database OLTP ke data warehouse, sebelumnya disimpan terlebih dahulu di dalam intermediate database. Pada bagian ini data akan divalidasi dan direkonsiliasi. Proses migrasi data sebaiknya dilakukan pada saat rendahnya aktifitas dalam sistem OLTP sehingga tidak mempengaruhi pengguna yang menggunakan sistem tersebut. Jika migrasi harus dilakukan dari beberapa sumber data yang terlibat dalam proses replikasi, maka migrasi harus dilakukan pada saat semua sumber disinkronisasi untuk memastikan bahwa data yang konsisten telah disalin dari sumbernya. d) Data Transformation Ketika data dipindahkan dari OLTP ke data warehouse, banyak dilakukan perubahan bentuk dari data yang ada sehingga menjasi lebih praktis dan operasional. Contoh-contoh transformasi data yang harus dipertimbangkan sebelum data dipindahkan dari OLTP ke data warehouse : 1) M embagi satu field menjadi beberapa field. 2) M enggabungkan beberapa field yang memiliki nilai yang sama
menjadi satu field, contohnya menggabungkan field first_name dan last_name menjadi name.
46
2.1.11 Proses Transfer Data Dari Lingkungan Operasional ke Data Warehouse M engacu
pada pendapat Dyche (2000),
ada tiga proses
pemindahan data dari lingkungan operasional ke data warehouse, yaitu : 1. Extraction Data ditemukan dan dipindahkan dari sistem operasional ke data warehouse atau platform transformasi. 2. Transformation Suatu program special atau software tool yang membersihkan data operasional agar sesuai dengan definisi awal aturan transformasi untuk data warehouse. 3. Loading Suatu program atau tool-tool seringkali yang sama dengan yang digunakan untuk transformasi memindahkan data ke dalam tabel data warehouse.
47
Gambar 2. 18 Extraction, Transformation, Loading
2.1.12 Metodologi Perancangan Data Warehouse M enurut Ralph Kimball ada 9 langkah dalam penyusunan data warehouse yang disebut ‘Nine-Step Methodology’ yang juga dikemukakan oleh Connolly dan Begg (2005). Langkah-langkah tersebut adalah : 1. M emilih Proses (Choosing The Process) Proses yang lebih mengacu pada poko data mart tertentu. Data mart pertama yang dibangun harus tepat waktu, sesuai dengan anggaran
48
dan mampu menjawab berbagai macam permasalahan bisnis yang penting secara komersial. 2. M emilih Grain (Choosing The Grain) M emilih grain berarti menentukan apa saja yang akan ditampilkan di tabel fakta. Saat grain untuk tabel fakta dipilih, kita dapat mengidentifikasi tabel dimensi, keputusan grain untuk tabel fakta juga menentukan grain dari masing-masing dimensi tabel. 3. M engidentifikasi dan M enyesuaikan Dimensi (Identifying and Comforming The Dimension) Dimensi mengatur konteks untuk memberikan pertanyaan tentang fakta didalam tabel fakta. Sebuah set dimensi yang dibangun dengan baik membuat data mart menjadi lebih mudah dimengerti dan digunakan. 4. M emilih Fakta (Choosing The Fact) Grain dari tabel fakta menentukan fakta mana yang akan digunakan di dalam data mart. Semua fakta harus diekspresikan pada tingkat yang diajukan oleh grain. Fakta tambahan dapat ditambahkan ke dalam tabel fakta kapanpun selama grain konsisten dengan tabel. 5. Penyimpanan pre-Calculation di Dalam Tabel Fakta (Storing preCalculations In The Fact Table) Saat fakta sudah dipilih, masing-masing fakta tersebut harus dikaji ulang untuk menentukan apakah masih ada peluang untuk melakukan pre-calculations. Sebuah contoh umum dari kebutuhan untuk
49
menyimpan pre-calculations terjadi ketika fakta-fakta terdiri dari keuntungan dan kerugian. 6. M engumpulkan Tabel Dimensi (Rounding Out The Dimension Tables) Dalam tahap ini, kembali pada tabel dimensi dan menambah sebanyak mungkin teks deskripsi ke dalam dimensi. Teks deskripsi sebaiknya intuitif dan mudah dimengerti oleh user. 7. M emilih Durasi dari Database (Choosing The Duration Of The Database) Durasi mengukur seberapa jauh untuk kembali ke tabel fakta. Di banyak perusahaan, ada kebutuhan untuk melihat jangka waktu yang sama selama satu atau dua tahun sebelumnya. 8. M elacak Secara Perlahan Perubahan Dimensi (Tracking Slowly Changing Dimensions) Perubahan dimensi dapat terjadi dengan seiring berjalannya waktu pada tabel dimensi. Perubahan yang dimaksud adalah penambahan data ataupun perubahan data. Ada 3 jenis slowly changing dimensions: a) Dimana atribut dari dimensi yang berubah ditulis ulang. b) Dimana atribut dari dimensi yang berubah menyebabkan sebuah record dimensi baru dibuat. c) Dimana atribut dari dimensi yang berubah menyebabkan sebuah atribut alternatif dibuat sehingga keduanya dapat diakses di dalam record dimensi yang sama.
50
9. M emutuskan Prioritas dan M odel Query (Deciding The Query Priorities and The Query Modes) Dalam tahap ini kita akan membahas masalah desain fisik. M asalah dari desain fisik yang paling penting dan berpengaruh kepada persepsi end-user terhadap data mart adalah urutan fisik dari tabel fakta pada disk dan kehadiran disimpan pre-store atau aggregations. Di luar masalah-masalah tersebut ada masalah desain fisik tambahan yang mempengaruhi administrasi, backup, indexing performace dan keamanan.
2.1.13 Online Analytical Processing (OLAP) M enurut pendapat Connolly dan Begg (2005), OLAP (Online Analytical Processing) adalah paduan dinamis, analisis dan konsolidasi dari data multidimensi yang besar. M enurut pendapat Inmon (2005) OLAP merupakan departemen pengelolaan untuk mart dan lingkungannya. M enurut pendapat Ponniah (2000), karakteristik OLAP adalah : a) Pengguna memiliki multidimensional dan logical view dari data di dalam data warehouse. b) M emfasilitasi query yang interaktif dan analisis yang kompleks kepada pengguna.
51
c) M emungkinkan pengguna untuk menelusuri detil yang lebih baik atau untuk menelusuri agregasi dari matriks sepanjang dimensi bisnis tunggal atau beberapa kumpulan dimensi. d) M enyediakan kemampuan untuk melakukan perhitungan rumit dan perbandingan. e) M enyajikan hasil dalam beberapa cara, seperti chart atau grafik.
2.1.14 Keuntungan Data Warehouse Keuntungan Penggunaan data warehouse menurut pendapat Connolly dan Begg (2005) : 1. Adanya kemungkinan balik modal yang tinggi pada investasi Suatu organisasi harus memberikan sumbar daya yang besar untuk menjamin kesuksesan pengimplementasian data warehouse dan biayanya bervariasi tergantung dari solusi teknis yang ada. Namun kemungkinan adanya kondisi balik modal terhadap biaya yang dikeluarkan untu penginvestasian data warehouse relatif lebih besar. Sehingga tidak perlu ada kekhawatiran akan anggapan adanya pemborosan untuk investasi data warehouse ini. 2. Keuntungan yang kompetitif Adanya kemungkinan balik modal yang besar terhadap investasi merupakan bukti adanya keuntungan yang kompetitif dengan adanya teknologi
ini.
Keuntungan
kompetitif
ini
dicapai
dengan
memungkinkan para pengambil keputusan untuk mengakses data
52
yang sebelumnya tidak tersedia, tidak diketahui atau informasi yang tidak tercatat. 3. M eningkatkan produktifitas para pengambil keputusan di perusahaan. Data
warehouse
dapat
memungkinkan
hal
ini
dengan
mentransformasikan data menjadi informasi yang berarti. Teknologi ini menyediakan para manajer bisnis untuk dapat melakukan analisis yang lebih konsisten sehingga pada akhirnya terjadi peningkatan produktifitas.
2.2 Teori Khusus 2.2.1
Bank M engacu kepada yang dikemukakan Kasmir (2007) bank adalah badan usaha yang menghimpun data dari masyarakat dalam bentuk simpanan dan menyalurkannnya kepada masyarakat dalam bentuk kredit dan atau bentuk-bentuk lainnya dalam rangka meningkatkan taraf hidup rakyat banyak. M enurut Undang–Undang RI Nomor 10 tahun 1998 tanggal 10 November 1998 tentang Perbankan, yang dimaksud dengan bank, adalah “Badan usaha yang menghimpun dana dari masyarakat dalam bentuk simpanan dan menyalurkannya kepada masyarakat dalam bentuk kredit dan atau bentuk–bentuk lainnya dalam rangka meningkatkan taraf hidup rakyat banyak”.
53
Kegiatan penghimpunan dana yang dilakukan oleh bank dibagi menjadi 3 jenis, yaitu : 1. Simpanan Giro (Demand Deposit) Giro adalah simpanan yang penarikannya dapat dilakukan setiap saat dengan menggunakan cek, bilyet giro, sarana perintah pembayaran lainnya atau dengan cara pemindahbukuan (UU Perbankan Nomor 10 tahun 1998). 2. Simpanan Tabungan (Saving Deposit) Simpanan yang penarikannya hanya dapat dilakukan menurut syaratsyarat tertentu yang disepakati, tetapi tidak dapat ditarik dengan cek, bilyet giro dan atau alat lainnya yang dipersamakan dengan itu (UU Perbankan Nomor 10 tahun 1998). 3. Simpanan Deposito (Time Deposit) Deposito adalah simpanan yang penarikannya hanya dapat dilakukan pada waktu tertentu berdasarkan perjanjian nasabah penyimpan dengan bank (UU Perbankan Nomor 10 tahun 1998). 2.2.2
SQL Server Structured Query Language (SQL) Server memiliki tambahan berupa dukungan Extensible Markup Language (XM L), tambahan Online Analytical Processing (OLAP), kemampuan data mining, mendukung Windows 2000, integrasi dengan direktori aktif Windows 2000, dan banyak lagi penambahan performa, kegunaan, dan program.
54
SQL
Server
menyediakan
dukungan
untuk
menyimpan,
menggunakan, dan memperbaharui dokumen XM L yang merupakan kebutuhan penting. Hal ini karena XM L telah menjadi bahasa yang menjadi pilihan banyak sistem bisnis dan sebuah komponen arsitektur dasar dari M icrosoft .NET. SQL Server merupakan server enterprise .NET pertama yang tersedia untuk implementasi umum dan menawarkan penyimpanan data dan manajemen komponen pada layanan .NET.
2.2.3
Visual Studio 2008 M enurut pendapat Sadeli (2009), Visual Studio 2008 merupakan suatu perangkat lunak yang dapat digunakan untuk pengembangan berbagai macam aplikasi yang memiliki berbagai macam tipe, antara lain; aplikasi desktop (windows form, command line (console)), aplikasi web, windows mobile (Pocket PC). Visual studio 2008 diluncurkan Microsoft pada tanggal 19 November 2007 dan memiliki lebih dari satu compiler, Software Development Kit (SDK) dan dokumentasi tutorial (MSDN Library). Compiler yang dimasukkan ke dalam paket Visual Studio 2008, antara lain ; C++, Visual C#, Visual Basic, Visual InterDev, Visual J++, Visual J#, Visual Fox Pro dan Visual SourceSafe. Semua compiler tersebut ditujukan untuk flatform .NET Framework 3.5. Visual Studio 2008 dapat digunakan untuk mengembangkan aplikasi dalam bentuk bahasa mesin yang berjalan diatas Windows
55
ataupun dalam bentuk Microsoft Intermediate Language diatas .NET Framework. Selain itu, Visual Studio 2008 juga dapat digunakan untuk mengembangkan aplikasi Sileverlight, aplikasi Windows Mobile (yang berjalan diatas .NET Compact Framework 3.5).
2.2.4
VB .NET M engacu pada pendapat M ansfield (2004), bahwa VB .NET mewakili pergantian mayoritas dalam perintah, sintaks-sintaks, artikulasi, dan elemen-elemen yang lain pada VB. Penandaan dan beberapa persentasi elemen-elemen yang lain tetap sama, tapi kebanyakan juga berbeda. Tujuan utama seluruh M icrosoft .NET adalah mengantarkan pembuat program dari sistem operasi Windows ke internet. Itulah sebabnya mengapa disebut .NET. Program internet menghendaki keahlian dan teknik baru. Dalam prakteknya, jika terbiasa dengan VB tradisional, anda akan merasakan bahwa VB .NET mengandung nilai-nilai seperti C. Berikut perbandingan VB tradisional dan VB .NET : VB Lama
VB.NET a) File I/O berurutan. Lebih fleksibel,
a) File Open
lebih banyak memuat program yang mengontrol, lebih banyak program untuk menulis dan menguji.
56
b) Library yang menggambarkan
b) Acuan namespace sering diminta.
dirinya (sedikit pengualifikasi
Nilai objek berulang (VB.NET
yang diminta pembuat program).
Printdocument1. DefaultPageSetting = PageSetupDialog1. PageSettings as opposed to the VB 6 Printer.Print).
c) Struktur prosedur sederhana.
c) Sintaks prosedur yang lebih kompleks.
Tabel 2. 2 Perbandingan VB Lama dengan VB .NET
2.2.5
Microsoft Visio M enurut pendapat Anonimus (2009), M icrosoft Visio adalah salah satu program yang dapat digunakan untuk membuat diagram. Visio menyediakan banyak fasilitas yang membantu dalam pembuatan diagram untuk menggambarkan informasi dan sistem dari penjelasan dalam bentuk teks menjadi suatu diagram dalam bentuk gambar disertai dengan penjelasan singkat. Oleh karena Visio merupakan salah satu produk dari M icrosoft Office, maka Visio dapat berkolaborasi dengan produk M icrosoft Office lainnya seperti M icrosoft Word, Excel, Power Point, dan Project. Bentuk kolaborasi dapat dilakukan dengan fasilitas export dan import data.
57
2.2.6
8 Aturan Emas Merancang User Interface Shneiderman mengemukakan 8 (delapan) aturan yang dapat digunakan sebagai petunjuk dasar yang baik untuk merancang suatu user interface. Delapan aturan ini disebut dengan Eight Golden Rules of Interface Design, yaitu: 1. Konsistensi Konsistensi dilakukan pada urutan tindakan, perintah, dan istilah yang digunakan pada prompt, menu, serta layar bantuan. 2. M emungkinkan pengguna untuk menggunakan shortcut Ada kebutuhan dari pengguna yang sudah ahli untuk meningkatkan kecepatan interaksi, sehingga diperlukan singkatan, tombol fungsi, perintah tersembunyi, dan fasilitas makro. 3. M emberikan umpan balik yang informatif Untuk setiap tindakan operator, sebaiknya disertakan suatu sistem umpan balik. Untuk tindakan yang sering dilakukan dan tidak terlalu penting, dapat diberikan umpan balik yang sederhana. Tetapi ketika tindakan merupakan hal yang penting, maka umpan balik sebaiknya lebih substansial. M isalnya muncul suatu suara ketika salah menekan tombol pada waktu input data atau muncul pesan kesalahannya. 4. M erancang dialog untuk menghasilkan suatu penutupan Urutan tindakan sebaiknya diorganisir dalam suatu kelompok dengan bagian awal, tengah, dan akhir. Umpan balik yang informatif akan meberikan indikasi bahwa cara yang dilakukan sudah benar dan dapat mempersiapkan kelompok tindakan berikutnya.
58
5. M emberikan penanganan kesalahan yang sederhana Sedapat mungkin sistem dirancang sehingga pengguna tidak dapat melakukan kesalahan fatal. Jika kesalahan terjadi, sistem dapat mendeteksi kesalahan dengan cepat dan memberikan mekanisme yang sedehana dan mudah dipahami untuk penanganan kesalahan. 6. M udah kembali ke tindakan sebelumnya Hal ini dapat mengurangi kekuatiran pengguna karena pengguna mengetahui kesalahan yang dilakukan dapat dibatalkan; sehingga pengguna tidak takut untuk mengekplorasi pilihan-pilihan lain yang belum biasa digunakan. 7. M endukung tempat pengendali internal Pengguna ingin menjadi pengontrol sistem dan sistem akan merespon tindakan yang dilakukan pengguna daripada pengguna merasa bahwa sistem mengontrol pengguna. Sebaiknya sistem dirancang sedemikan rupa sehingga pengguna menjadi inisiator daripada responden. 8. M engurangi beban ingatan jangka pendek Keterbatasan
ingatan
manusia
membutuhkan
tampilan
yang
sederhana atau banyak tampilan halaman yang sebaiknya disatukan, serta diberikan cukup waktu pelatihan untuk kode, mnemonic, dan urutan tindakan.
59
2.2.7
Flowmap
Flowmap
adalah
campuran
peta
dan
flowchart,
yang
menunjukkan pergerakan benda dari satu lokasi ke lokasi lain, seperti jumlah orang dalam migrasi, jumlah barang yang diperdagangkan, atau jumlah paket dalam jaringan. Flowmap dapat digunakan untuk menunjukkan gerakan hampir segala sesuatu, termasuk hal-hal nyata seperti orang, produk, sumber daya alam, cuaca dan lain-lain serta hal-hal tak berwujud seperti bakat dan niat baik. Berikut uraian simbol-simbol flowmap :
•
Simbol arus / flow. M enyatakan jalannya arus suatu proses.
•
Simbol connector. M enyatakan sambungan dari proses ke proses lainnya dalam halaman yang sama.
•
Simbol process. M enyatakan suatu tindakan atau proses yang dilakukan komputer.
•
Simbol manual. M enyatakan suatu tindakan atau proses yang tidak dilakukan oleh komputer.
60
•
Simbol decision. M enujukkan suatu kondisi tertentu yang akan menghasilkan dua kemungkinan jawaban ya atau tidak.
•
Simbol predefined process. M enyatakan penyediaan tempat penyimpanan suatu pengolahan untuk memberi harga awal.
•
Simbol terminal. M enyatakan permulaan atau akhir.
•
Simbol offline-storage (arsip). M enunjukkan bahwa data dalam simbol ini akan disimpan ke suatu media tertentu.
•
Simbol manual input. M emasukkan data secara manual dengan menggunakan keyboard.
•
Simbol input/output. M enyatakan proses input atau output tanpa tergantung jenis peralatannya.
•
Simbol punched card. M enyatakan input berasal dari kartu atau
output ditulis ke kartu.
61
•
Simbol magnetic tape. M enyatakan input berasal dari pita magnetis
atau output disimpan ke pita magnetis.
•
Simbol disk storage. M enyatakan input berasal dari dari disk atau
output disimpan ke disk.
•
Simbol document. M encetak keluaran dalam bentuk dokumen
(melalui printer).
•
M encetak keluaran dalam layar monitor.
•
Simbol display.
Simbol tidak terdefinisi. M enyatakan proses yang tidak didefinisikan.
•
Simbol penyimpanan internal. M enyatakan proses penyimpanan internal.
2.2.8
State Transition Diagram (S TD)
State Transition Diagram (STD) merupakan penggambaran dari kumpulan keadaan yang mencirikan sesuatu pada waktu dan kondisi tertentu. M enggambarkan aksi yang dilakukan dan reaksi yang terjadi disertai keterangan proses yang terjadi. Simbol yang digunakan adalah persegi empat atau persegi panjang dan panah berahah.
62
Gambar 2. 19 Contoh State Transition Diagram (STD)
