BAB 2 LANDASAN TEORI
2.1
Data Menurut Inmon (2006: 493), data adalah suatu pencatatan dari fakta-fakta, konsep, ataupun instruksi yang berada di dalam suatu media penyimpanan untuk berkomunikasi, pencarian dan pemrosesan dengan menggunakan alat otomatis dan presentasi sebagai informasi yang dapat dimengerti manusia. Menurut O’Brien & Marakas (2008: 23), data dapat didefinisikan juga sebagai fakta mentah atau hasil observasi yang biasanya berupa fenomena fisik atau transaksi bisnis. Berdasarkan teori-teori di atas, dapat disimpulkan bahwa data adalah catatan, fakta-fakta mentah tentang manusia, tempat, kejadian dan benda yang belum diolah sehingga belum dapat dimengerti dan belum dapat digunakan secara matang sebagai suatu pemecahan masalah.
2.2
Sistem Dalam bisnis, sistem digunakan untuk menggerakan beberapa komponen dengan tujuan untuk mengolah data. Menurut Kelly (2006: 2), sistem adalah sekumpulan komponen-komponen yang bekerja sama dan berkolaborasi antara satu sama lain yang bergerak secara bersamaan secara sinergi untuk menyelesaikan suatu tugas tertentu. Sedangkan menurut Philip Kotler (2006: 57), sistem adalah sebuah elemen yang sangat penting keberadaannya dalam perusahaan dan berperan penting bagi bisnis perusahaan, dimana elemen ini merupakan gabungan dari beberapa elemen yang berkolaborasi antara satu sama lain. Berdasarkan teori-teori di atas, maka dapat disimpulkan bahwa sistem adalah gabungan dari beberapa komponen yang bergabung dan berkolaborasi antara satu dengan yang lainnya.
2.3
Informasi Data yang sudah diolah dengan sebuah sistem maka akan memiliki nilai tersendiri atau menjadi informasi bagi penggunanya. Menurut Kelly (2006: 3), informasi adalah sekumpulan data yang sudah diolah dan melalui sebuah proses di dalamnya sehingga yang pada awalnya tidak memiliki nilai (value) apa-apa kemudian 6
7
berubah memiliki nilai yang terkandung di dalamnya dan nilai ini berarti bagi penerimanya. Menurut Inmon (2006: 391), informasi adalah data yang telah dipilih dan dievaluasi oleh manusia untuk menyelesaikan masalah atau mengambil keputusan. Berdasarkan teori-teori di atas, maka dapat disimpulkan bahwa informasi adalah data yang telah diolah sehingga dapat digunakan untuk menyelesaikan masalah atau mengambil keputusan. 2.4
Sistem Informasi Dalam bisnis sekarang ini, kolaborasi antara sistem informasi dan data yang ada didalamnya dapat menjadi salah satu keunggulan untuk bersaing dengan pesaing yang berada pada industri yang sama dan menurut Rainer (2007: 5), sistem informasi adalah sebuah kerja sama dan kolaborasi antara beberapa komponen yang ada agar dapat bekerja secara bersama-sama dan sinergi untuk dapat menghasilkan beberapa tindakan yang terdiri antara lain adalah mengumpulkan, memproses, menyimpan, menganalisis, dan menyebarkan informasi yang ada untuk tujuan yang sudah ditentukan sebelumnya. Rainer juga mengutarakan bahwa dalam sistem informasi terdapat beberapa komponen vital yang bergerak di dalamnya antara lain sebagai berikut: • Hardware Adalah sekumpulan perangkat keras yang digunakan untuk menerima data dan informasi, memprosesnya, dan menampilkannya kembali. • Software Adalah koleksi atau sekumpulan program yang dapat memerintah hardware-hardware yang ada untuk dapat memproses data. • Database Adalah basis data yang berisikan sekumpulan file atau tabel yang berkaitan dan berhubungan antara satu sama lain dan di dalam file atau table tersebut berisikan data. • Network Adalah sebuah sistem penghubung yang bisa menggunakan kabel (wireline) atau tidak menggunakan kabel sama sekali (wireless) yang memiliki peranan penting dalam menghubungkan beberapa komputer yang berbeda untuk berbagi sumber daya yang dimiliki.
8
• Procedures Adalah sebuah instruksi, aturan, dan prosedur yang berisikan cara bagaimana menggabungkan komponen-komponen di atas dalam rangka memproses informasi dan menghasilkan apa yang diinginkan. • People Adalah sumber daya manusia yang akan mengoperasikan hardware dan software, berhubungan dengan orang tesebut dan menggunakan hasil dari pemrosesan tersebut. Menurut Andri (2007: 9), sistem informasi adalah sebuah sistem yang terdiri atas rangkaian subsistem informasi terhadap pengolahan data untuk menghasilkan informasi yang berguna dalam pengambilan keputusan. Berdasarkan teori-teori di atas, maka dapat disimpulkan bahwa sistem informasi adalah sekumpulan komponen yang bekerja secara bersamaan untuk menyebarkan dan memberikan informasi yang berguna bagi penggunanya. 2.5
Database Menurut Inmon (2005 : 493), database adalah kumpulan data yang saling berhubungan dan disimpan (biasanya telah dikendalikan dan memiliki redudansi yang terbatas) berdasarkan skema. Menurut Connolly & Begg (2010 : 65), database merupakan kumpulan relasi data yang logis dan deskripsi dari data tersebut, yang didesain untuk memenuhi kebutuhan sebuah organisasi atau perusahaan. Berdasarkan teori-teori di atas, dapat disimpulkan bahwa database merupakan kumpulan data yang memiliki relasi atau hubungan secara logis yang mampu diproses untuk menampilkan informasi setelah melalui proses-proses di dalam sistem.
2.6
Online Transaction Processing (OLTP) OLTP merupakan komponen yang penting dalam kegiatan operasional perusahaan. Menurut Inmon (2006: 434), OLTP adalah penjelasan asli dari segala aktivitas dan sistem yang dihubungkan dengan memasukkan data yang sesuai kedalam database dan digunakan kebanyakan yang merujuk pada relasional database. Menurut Connolly & Begg (2010: 1198), OLTP adalah sebuah sistem yang dirancang untuk memaksimalkan kapasitas pemrosesan transaksi. Berdasarkan teori-teori di atas, maka dapat disimpulkan bahwa OLTP adalah sebuah sistem yang dirancang untuk memasukkan data yang sesuai ke dalam database dan dirancang untuk memaksimalkan kapasitas pemrosesan transaksi.
9
2.7
Data Warehouse Menurut Inmon (2006: 28), data warehouse adalah sekumpulan data yang sudah terintegrasi, berorientasikan subjek yang dirancang untuk mendukung fungsi dari Decision Support System dimana data tersebut relevan dengan waktu. Data warehouse berisikan data atomik dan data rangkuman. Menurut Ross (2002: 397), data warehouse adalah konglomerasi atau kumpulan data organisasi yang berasal dari area presentasi dimana data tersebut secara spesifik dibentuk untuk query, analisis kinerja dan mudah penggunaannya. Berdasarkan teori-teori di atas, maka dapat disimpulkan bahwa data warehouse adalah sekumpulan data organisasi yang diintegrasikan, berorientasikan subjek yang mendukung proses analisis kinerja dan mudah digunakan.
2.8
Perbedaan Data Warehouse dengan OLTP Menurut Connolly & Begg (2010: 1153), data warehouse memiliki perbedaan yang cukup mencolok jika dibandingkan dengan Online Transaction Processing (OLTP). Perbedaan ini dapat dilihat dari orientasi penggunaan sampai dengan tingkat frekuensi akses, untuk dapat melihat perbedaan lainnya dapat dilihat pada tabel dibawah ini : Tabel 2.1 Perbedaan OLTP dengan Data Warehouse (Sumber : Connolly & Begg, 2010: 1153) Karakteristik
Sistem OLTP
Sistem Data Warehouse
Main Purpose
Mendukung proses Mendukung proses analisis operasional
Data Age
Data sekarang
Data historikal
Data Granularity
Data detail
Data
detail,
sederhana
dan
ringkasan ringkasan
lanjutan Data Processing
Pola
pengubahan, Pola query data lebih tidak
penambahan,
query dapat diprediksi
pengurangan
data
dapat diprediksi
10
Reporting
Dapat
Users
2.9
diprediksi, Tidak
dapat
satu dimensi
multi dimensi
Mendukung
Mendukung
pengguna
Dalam
operasional
keputusan
diprediksi,
manajer mengambil
Arsitektur Data Warehouse
Gambar 2.1 Arsitektur Data Warehouse (Sumber : Connolly & Begg, 2010: 1157)
Operational Data Operasional data dapat berasal dari : •
Data operasional perusahaan yang berasal dari database generasi pertama yaitu hierarki dan jaringan.
11
•
Data departemen yang disimpan dalam data file seperti VSAM, RMS dan relasional DBMS.
•
Data pribadi yang berada dalam workstation dan server pribadi
•
Sistem yang berada diluar seperti internet atau database yang terhubung dengan perusahaan pemasok atau pelanggan.
Operational Data Store(ODS) Operational Data Store adalah sebuah tempat penyimpanan dari data perusahaan yang dapat digunakan untuk analisis. Operational Data Store terkadang dibuat ketika sistem operasional tidak mampu untuk menciptakan sebuah laporan yang diinginkan.
ETL Manager ETL Manager dapat melakukan semua operasi yang terhubung dengan proses ETL dari data ke dalam data warehouse.
Warehouse Manager Warehouse manager dapat melakukan semua operasi yang terhubung dengan manajemen dari data dalam data warehouse. Adapun operasi yang dapat dilakukan adalah sebagai berikut : •
Melakukan analisis dari data untuk memastikan konsistensi
•
Pengubahan dan menggabungkan sumber data dari media penyimpanan sementara menuju tabel dalam data warehouse.
•
•
Pembuatan indeks dan sudut pandang dari tabel awal
•
Pembuatan denormalisasi
•
Pembuatan agregasi
•
Membuat data cadangan dan pengarsipan data.
Query Manager Query manager dapat melakukan semua operasi yang terhubung
dengan
manajemen query dari pengguna. Tingkat kesulitan dari query manager diukur dengan fasilitasi yang disediakan oleh alat pengaksesan pengguna (end user access tools) dan database.
Detailed Data Adalah sebuah area dalam data warehouse yang menyimpan semua rincian data dalam skema database.
12
Lightly and Highly Summarized Data Area dari data warehouse yang menyimpan semua standar untuk lightly dan highly summarized data yang dihasilkan oleh warehouse manager. Tujuan dari pengunaan rangkuman ini adalah untuk mempercepat proses query. Data ringkasan akan mengalami pengubahan pada saat data baru dimasukkan ke dalam data warehouse.
Archive and Backup Data Area dari data warehouse yang menyimpan data rinci dan rangkuman untuk diarsip dan backup. Meskipun data ringkasan data dihasilkan dari data rinci, ringkasan data tetap harus di backup jika data ini disimpan melewati periode penyimpanan dari data rinci.
Metadata Metadata adalah area dalam data warehouse yang menyimpan semua definisi metadata yang digunakan untuk semua proses dalam data warehouse. Metadata digunakan untuk beberapa tujuan diantaranya adalah : •
Proses ekstraksi dan memasukkan data Metadata digunakan untuk memetakan sumber data ke dalam sudut pandang umum data yang berada dalam data warehouse.
•
Proses manajemen data warehouse Metadata digunakan untuk melakukan otomatisasi pembuatan tabel ringkasan.
•
Bagian dalam proses manajemen query Metadata digunakan untuk mengarahkan query menuju sumber data yang sesuai.
End User Access Tools
•
Reporting and Query Tools Peralatan laporan meliputi alat membuat laporan dan alat untuk menulis laporan. Alat query pada data warehouse relasional dirancang untuk menerima SQL atau menciptakan pernyataan SQL untuk melakukan query data yang tersimpan dalam data warehouse.
•
Application Development Tools Terkadang kebutuhan pengguna akan laporan dan alat melakukan query masih dianggap belum cukup untuk didukung oleh aplikasi yang sudah ada sebelumnya. Oleh karena itu, harus dibangun sebuah aplikasi yang dapat mendukung graphical data access tools dan biasanya dikembangkan untuk lingkungan client-server.
13
•
Online Analytical Processing Tools Online
Analytical
Processing
Tools
berdasarkan
pada
konsep
database
multidimensional dan mendukung pengguna untuk menganalisis data yang kompleks dengan sudut pandang multidimensional. •
Data Mining Tools Data mining adalah sebuah proses mencari dan menjelajah hubungan baru yang berarti, mencari pola dan tren dengan cara menambang sejumlah data yang besar menggunakan teknik statistikal, matematik dan artificial intelligence.
2.10
Karakteristik Data Warehouse Menurut Inmon (2005: 29-32), karakteristik dari data warehouse yaitu subject oriented, integrated, non-volatile dan time-variant. Keempat karakteristik ini saling terkait satu dengan yang lainnya, sehingga ke semuanya harus diimplementasikan agar suatu data warehouse bisa secara efektif memiliki data yang mendukung pengambilan suatu keputusan. •
Subject Oriented Data warehouse berorientasi subjek yang berarti data warehouse itu didesain untuk menganalis data berdasarkan subjek-subjek tertentu dalam suatu organisasi, bukan pada proses atau fungsi aplikasi tertentu. Data warehouse
diorganisasikan
disekitar
subjek-subjek
utama
dari
suatu
perusahaan (pelanggan, produk dan penjualan) dan tidak diorganisasikan pada area aplikasi utama (customer invoicing, stock control and product sales). Hal ini dikarenakan kebutuhan dari setiap data warehouse untuk menyimpan datadata yang bersifat sebagai penunjang suatu keputusan, daripada aplikasi yang berorientasi terhadap data. Jadi dengan kata lain, data yang disimpan adalah data yang berorientasi kepada subjek bukan terhadap proses. •
Integrated Data warehouse yang dapat menyimpan data-data yang berasal dari sumber yang terpisah kedalam suatu format yang konsisten dan saling terintegrasi antara satu dengan yang lainnya. Dengan demikian data tidak dapat dipecah, karena data yang ada merupakan suatu kesatuan yang saling
14
menunjang secara keseluruhan konsep data warehouse itu sendiri. Syarat integrasi sumber data dapat dipenuhi dengan berbagai cara seperti konsisten dalam penamaan variable, konsisten dalam ukuran variable, konsisten dalam struktur pengkodean dan konsisten dalam atribut fisik dari sebuah data. Contoh pada lingkungan operasional terdapat berbagai macam aplikasi yang mungkin pula dibuat oleh developer yang berbeda. Oleh karena itu, mungkin dalam aplikasi-aplikasi tersebut ada variable yang memiliki maksud yang sama tetapi nama dan format nya berbeda. Variable tersebut harus dikonversi menjadi nama yang sama dan format yang disepakati bersama. Dengan demikian tidak ada lagi kerancuan karena perbedaan nama, format dan lain sebagainya. Barulah data yang terintegrasi karena ke-konsistenannya. •
Time-variant Time-variant menyatakan bahwa setiap unit yang berada didalam data warehouse adalah akurat pada waktu tertentu. Dalam beberapa kasus, record ditandai. Dalam kasus lain, sebuah record memilik tanggal transaksi. Tetapi pada setiap kasus, ada beberapa bentuk penanda waktu untuk menunjukan record tersebut akurat.
•
Non-volatile Karakteristik keempat dari data warehouse adalah non-volatile, maksudnya data pada data warehouse tidak diupdate secara real-time tetapi direfresh pada sistem operasional secara reguler. Data yang baru selalu ditambahkan sebagai suplemen bagi data warehouse itu sendiri daripada sebagai sebuah perubahan. Data warehouse tersebut secara bertahap menyerap data baru ini, kemudian secara incremental disatukan dengan data sebelumnya. Berbeda dengan basis data operasional yang dapat melakukan update, insert
dan delete terhadap data yang mengubah isi dari basis data, sedangkan pada data warehouse hanya ada dua kegiatan memanipulasi data yaitu loading data (mengambil data) dan akses data (mengakses data warehouse seperti melakukan query atau menampilkan laporan yang dibutuhkan, tidak ada uploading data).
15
2.11
Keuntungan Data Warehouse Kemampuan data warehouse dalam menampung volume data yang besar dan mendukung proses analisis, menjadikan data warehouse banyak digunakan pada organisasi. Menurut Connolly & Begg (2010: 1198), terdapat beberapa keuntungan dari data warehouse diantaranya adalah : •
Potential high returns on investment Sebuah organisasi harus menggunakan sejumlah besar sumber daya untuk implementasi data warehouse berhasil dan biaya yang bervariasi. Namun, sebuah pembelajaran dari International Data memastikan Corporation (IDC) melaporkan bahwa proyek data warehouse memberikan rata-rata return on investment (ROI) sebesar 401%.
•
Competitive advantage Keuntungan
bersaing
dapat
diperoleh
dengan
mendukung
dan
memperbolehkan pengambil keputusan untuk mengakses data yang tidak tersedia, susah didapatkan dan tidak diketahui sebelumnya misalnya tren. •
Increased productivity of corporate decision makers Data warehouse meningkatkan produktivitas dari pengambil keputusan perusahaan dengan membuat sebuah database yang terintegrasi, konsisten, berorientasi subjek dan data historikal. Data warehouse mengintegrasikan data dari beberapa sistem menjadi sebuah satu cara pandang yang konsisten bagi organisasi, dengan mengubah data menjadi informasi yang berharga, data warehouse mengijinkan pengambil keputusan dalam perusahaan untuk membuat analisis yang konsisten dan akurat.
2.12
Granularity Menurut Inmon (2006: 43), Granularity merupakan salah satu aspek terpenting dalam desain data warehouse, karena untuk menentukan volume data yang akan disimpan dalam data warehouse dan menentukan kedalam detail query yang dapat dijalankan. Granularity terdiri dari Lowest Grain (Grain terendah) dan Highest Grain (Grain tertinggi). Lowest Grain mampu menyimpan transaksi di level detail (AtomicTransaction), sedangkan Highest Grain menyimpan data hanya di level
16
Enterprise atau level perusahaan (SummaryTransaction). Level dari granularity disimpan pada hirarchy dari suatu dimension.
2.13
Perancangan Data Warehouse Menurut Kimball (2010: 96-99), dalam pembangunan suatu data warehouse adalah dengan menggunakan metodologi The Kimball Lifecycle sebagai berikut : 2.13.1 Program or Project Planning Ini merupakan fase awal dari Lifecycle. Pada saat meluncurkan suatu proyek atau program, dianjurkan untuk fokus pada 3 area meliputi scoping, justification, and staffing. 2.13.2 Program or Project Management Ini adalah disiplin yang berkelanjutan dalam proyek. Tujuannya untuk menjaga proyek/program di lapangan, mengembangkan rencana komunikasi dan mengelola harapan. 2.13.3 Business Requirements Fase ini membuat tim proyek mengerti tentang kebutuhan-kebutuhan bisnis. Tujuannya untuk menetapkan fondasi dari berbagai kegiatan dalam Lifecycle. Ini sangat penting untuk disiapkan, agar fokus mendengarkan dan mendokumentasikan wawancara terhadap pengguna bisnis. 2.13.4 Technology Track Jalur teknologi ini dimulai dengan desain Technical Architecture Design untuk merancang dari kemampuan-kemampuan yang dibutuhkan, diikuti oleh Product Selection and Installation yang memuaskan kebutuhan arsitektur tersebut. •
Technical Architecture Design Desain ini seharusnya untuk menciptakan kerangka untuk sistem DW/BI. Fokus utama dalam tahap ini adalah menciptakan rencana untuk aplikasi
17
arsitektur, sementara mempertimbangkan syarat bisnis, lingkungan teknis dan tujuan teknik strategi yang telah direncanakan. •
Product Selection and Installation Seleksi produk dan instalasi menggunakan rencana arsitektur untuk mengidentifikasi komponen apa saja yang diperlukan untuk menyelesaikan proyek DW/BI. Tahap ini kemudian memilih, menginstal dan menguji produk.
2.13.5 Data Track Jalur data dimulai dengan desain Dimensional Modeling target untuk mengatasi kebutuhan bisnis dengan mempertimbangkan realitas data yang mendasarinya. Physical Design adalah tahap dimana database dirancang, ini mencakup lingkungan database sebagaimana keamanannya. ETL Design & Development adalah desain prosedur berat dalam sistem Data Warehouse. •
Dimensional Modeling o Fact Table Menurut Inmon (2006: 391), fact table adalah pusat dari model multidimensi dimana data yang berada didalamnya memiliki banyak hubungan dengan tabel lainnya. Menurut Ross (2002: 402), fact table adalah sebuah representasi umum dalam model dimensi dalam database relasional dimana fact table terdiri dari key yang akan digabungkan dengan beberapa tabel dimensi dan masing-masing tabel dimensi memiliki satu primary key. Dari teori-teori di atas, maka dapat disimpulkan bahwa fact table adalah sebuah tabel yang berada di tengah model multidimensi yang akan berhubungan secara langsung dengan tabel fakta.
18
Gambar 2.2 Fact Table (Sumber : Connolly & Begg, 2010: 1185) o Dimension Table Menurut Inmon (2006: 389), dimensional table adalah tempat dimana data akan dihubungkan dengan fact table dan keduanya akan diletakkan pada tabel multidimensi. Menurut Ross (2002: 399), dimensional table adalah sebuah tabel dalam model multidimensi dengan sebuah primary key dan deskripsi kolom-kolom atribut.
Gambar 2.3 Dimension Table (Sumber : Connolly & Begg, 2010: 1185)
Metode Perancangan data warehouse yang digunakan didasarkan menurut Kimball dalam buku Conolly & Begg (2005: 1187), tentang metodologi sembilan tahap (nine-step methodology) dalam merancang data warehouse. Sembilan langkah ini merupakan tahap-tahap yang harus
19
dilakukan agar dapat membuat sistem data warehouse yang baik. Tahapan-tahapan yang dilakukan akan diuraikan sebagai berikut : 1. Pemilihan Proses Proses yang menunjuk pada subjek yang ada dari sebuah bagian data mart. Data mart pertama yang akan dibangun harus tepat waktu, disesuaikan dengan anggapan dari menjawab pertanyaan bisnis yang banyak diutarakan. 2. Pemilihan Grain Memilih grain berarti menentukan secara tepat apa yang direpresentasikan oleh record pada tabel fakta. 3. Identifikasi dan penyesuaian dimensi Dimensi menetapkan konteks pertanyaan mengenai fakta dalam tabel fakta. Kumpulan dimensi yang baik membuat data mart mudah dimengerti dan digunakan. Dimensi diidentifikasikan dengan detil untuk menjelaskan suatu hal seperti client dan property pada grain yang tepat. Sebagai contoh dimensi client buyer mendeskripsikan atribut ID, nama, tipe, kota, area dan Negara. 4. Pemilihan Fakta Grain dari tabel fakta menentukan fakta yang bisa digunakan. Misalnya, grain dari tabel fakta adalah setiap penjualan properti, kemudian semua fakta numerik harus menunjuk pada penjualan ini. Fakta-fakta tersebut harus numerik dan dapat ditambah. 5. Penyimpanan pre-calculation di tabel fakta Setelah fakta-fakta dipilih maka dilakukan pengkajian ulang untuk menentukan apakah ada fakta-fakta yang dapat diterapkan untuk pre-calculation (kalkulasi awal). Contoh umum dari kebutuhan untuk penyimpanan pre-calculation muncul ketika fakta berisi
20
pernyataan untung dan rugi. Situasi ini akan meningkat ketika tabel fakta didasarkan pada invoice atau sales. 6. Memastikan tabel dimensi Dalam
langkah
ini,
kembali
pada
dimension
table
dan
memungkinkan untuk menambahkan gambaran teks terhadap dimensi. Gambaran teks harus mudah digunakan dan dapat dimengerti oleh User. Kegunaan suatu data mart ditentukan oleh lingkup dan atribut tabel dimensi. 7. Pemilihan durasi basis data Sebagai contoh, perusahaan asuransi memiliki kebutuhan untuk menyimpan data dalam jangka waktu 5 tahun atau lebih. Tabel fakta yang sangat besar dapat menimbulkan dua persoalan, yaitu : 1. Interpretasi file lama. 2. Menimbulkan kemungkinan versi dimensi lama yang digunakan, bukan versi terbarunya. Hal ini akan dibahas lebih lanjut pada tahap delapan “Tracking Slowly changing dimensions”. 8. Melacak perubahan dari dimensi secara perlahan Mengamati perubahan dari dimensi pada dimension table. Ada tiga tipe dasar dari perubahan dimensi secara perlahan, yaitu : 1. Tipe 1 dimana atribut dimensi yang diubah dituliskan ulang. 2. Tipe 2 dimana atribut dimensi yang diubah dapat menyebabkan pembentukan record baru. 3. Tipe 3 dimana atribut dimensi yang telah diubah mengakibatkan sebuah atribut atau kolom alternative dibuat, jadi antara record yang lama dan baru dapat diakses secara bersama-sama.
21
9. Penentuan prioritas dan model query Mempertimbangkan pengaruh
dari
rancangan
fisik,
seperti
penyortiran urutan tabel fakta pada disk dan dari penyimpanan awal pada sebuah ringkasan (summaries) atau penjumlahan (aggregate). Selain itu, masalah administrasi, backup, kinerja indeks, dan keamanan juga merupakan faktor yang harus diperhatikan. •
Physical Design Pada tahap ini, sebuah dimensional modeling untuk data warehouse telah dibuat. Berikut beberapa jenis Physical Design, yaitu : 1.
Star Schema Star schema merupakan skema data warehouse yang paling mudah diantara yang lain, bentuknya yang menyerupai bintang dengan tabel fakta berada di tengah dan tabel-tabel dimensi yang mengelilingi tabel fakta membuat skema bintang paling mudah dibuat. Menurut Kimball (2010 : 206), star schema adalah sebuah struktur logika yang mempunyai fact table yang tersusun atas factual data yang diposisikan di tengah, lalu disekitar fact table ini dikelilingi oleh dimension table.
22
Gambar 2.4 Star Schema (Sumber : Connolly & Begg, 2010: 1184) Keuntungan star schema : a. Mudah dipahami user Skema bintang menggambarkan dengan jelas bagaimana user berpikir dan memerlukan data untuk query dan analisis. Skema bintang menggambarkan hubungan antar tabel sama seperti cara user melihat hubungan tersebut secara normal. b. Mengoptimalkan navigasi Skema bintang mengoptimalisasikan navigasi melalui basis data sehingga lebih mudah dilihat. Meskipun hasil query terlihat kompleks, tetapi navigasi itu memudahkan user.
23
c. Paling cocok untuk pemrosesan query Skema bintang paling cocok adalah untuk pemrosesan query karena skema ini berpusat pada query. Tanpa bergantung pada banyak dimensi dan kompleksitas query, setiap query akan dengan mudah dijalankan, pertama dengan memilih baris dari tabel dimensi dan kemudian menemukan baris yang sama di tabel fakta. 2.
Snowflake Schema Menurut Kimball (2010 : 181), snowflake merupakan salah satu variasi dari skema bintang tetapi yang membedakan dengan skema bintang
adalah
pada
snowflake
tabel
dimensinya
telah
ternormalisasi. Hal lain yang membuat snowflake berbeda adalah terjadinya pengabungan tabel dimensi dengan tabel dimensi lain yang berhubungan, sebelum terhubung atau tergabung dengan tabel fakta.
Gambar 2.5 Snowflake Schema (Sumber : Connolly & Begg, 2010: 1185)
24
Keuntungan skema Snowflake : a. Ukuran penyimpanan yang kecil sehingga lebih efisien. b. Struktur normalnya membuat lebih mudah untuk di update dan dijaga. Kerugian skema Snowflake: a. Skema yang kurang intuitif dan jelas membuat end-user terhambat karena tingkat kompleksitasnya. b. Sulit untuk mencari isi skema karena terlalu kompleks. c. Penurunan performa query karena adanya tambahan gabungan tabel. 3. Starflake Schema Starflake merupakan gabungan star schema dan snowflake schema dimana membentuk sebuah jenis skema baru yang memiliki tampilan menyerupai kedua skema sebelumnya. Menurut Connolly & Begg (2010 : 1230), starflake schema merupakan sebuah struktur hybrid yang muncul dari penggabungan antara skema bintang dan snowflake. 4. Surrogate Key Key yang digunakan dalam tabel dimensi adalah surrogate key dan menurut Connolly & Begg (2010, p.1079), surrogate key adalah salah satu fitur penting dalam tabel dimensi yang dibuat berdasarkan bilangan bulat, yang berfungsi untuk menggabungkan antara tabel dimensi dengan tabel fakta. 2.14
Extract, Transform, Load (ETL) Menurut Kimball (2010 : 430), sebuah data warehouse memiliki susunan data yang saling terintegrasi satu sama lain, sumber data yang berada didalamnya berasa dari berbagai sumber data (data operasional). Sumber data yang lebih dikenal dengan OLTP (Online Transactional Processing), pada masing-masing departemen dalam sebuah
organisasi
memiliki
bentuknya
masing-masing.
Sehingga
untuk
menggabungkannya agar dapat saling terintegrasi didalam data warehouse, maka dibutuhkan ETL (Extract, Transform, Loading). Maka ETL adalah sebuah proses
25
dimana mengambil semua data asli yang dibutuhkan dari sumber data (OLTP), lalu dilakukan suatu proses terhadap data-data tersebut, dan tahap terakhir adalah mengeluarkan hasil proses data tersebut kedalam sebuah hasil akhir dalam bentuk tabel untuk di query-kan oleh penggunanya. Menurut Inmon (2005 : 497), ETL adalah sebuah proses dari menemukan data, mengintegrasikan data, dan menempatkan data tersebut dalam sebuah tempat penampung seperti data warehouse. Menurut Kimball (2010 : 430-432), ETL terbagi didalamnya menjadi tiga proses besar, yaitu :
Extraction Proses extract merupakan tahap awal dari kegiatan ETL, dimana mengambil semua data yang dibutuhkan dari sumber data yang ada lalu dilakukan proses ekstrasi data. Terdapat tiga tahapan didalam melakukan extract, yaitu : 1. Data profiling system Merupakan kolom properti analisis termasuk didalamnya penemuan domain yang disimpulkan, dan analisis struktur termasuk juga kandidat foreign key atau hubungan primary key, analisis aturan data, dan analisis aturan nilai. 2. Change data capture system Melakukan pembacaan sumber file log, sumber tanggal dan filterisasi nomor urutan, dan melakukan perbandingan record yang berdasarkan pada algoritma cyclic redundancy checksum (CRC). 3. Extract system Merupakan sebuah adapter sumber data, mendorong/menarik/menggiring jadwal kerja, penyaringan dan pemilahan pada sumber data, melakukan konversi format data, dan staging data setelah di transfer ke lingkungan ETL.
Transform Hasil data yang telah di extract akan menjalani proses transformasi, proses yang terjadi adalah mengubah kode-kode yang ada menjadi kode-kode yang merupakan standarisasi yang ditetapkan dari awal sehingga semua data yang keluar dari proses ini akan memiliki standarisasi yang sama untuk mendukung pembuatan laporan yang lebih mudah.
Load Load adalah tahap terakhir dari proses ETL, merupakan proses mengirim seluruh data yang telah melalui proses transformasi ketempat penampungan akhir
26
(data warehouse). Seluruh data yang telah melalui proses ini artinya telah siap digunakan dan diakses untuk kepentingan strategis bagi perusahaan. Jadi proses extract, transform, dan loading (ETL), didalam sebuah rangkaian proses yang saling berkenjutan dari proses pengambilan data, lalu mengubah kode-kode yang ada menjadi standarisasi untuk kemudian dikirimkan kedalam tempat penampung yang disebut data warehouse. 2.15
Online Analytical Processing(OLAP) Menurut Kroenke & Auer (2011 : 572), OLAP merupakan salah satu business intelligence tools yang memiliki kemampuan untuk melakukan perhitungan, penjumlahan, rata-rata dan bekerja pada perhitungan aritmatika sederhana lainnya pada sekumpulan data. Menurut Kimball (2010 : 546), OLAP adalah istilah yang menggambarkan sebuah teknologi yang menggunakan gambaran multidimensi sejumlah data, untuk menyediakan akses yang lebih cepat bagi informasi strategis untuk
keperluan
analisis
lanjutan.
OLAP
memungkinkan
pengguna
untuk
mendapatkan pemahaman yang lebih dalam dan pengetahuan tentang berbagai aspek data perusahaan mereka dengan cepat, konsisten dan akses yang interaktif ke berbagai kemungkinan pandangan data. OLAP memungkinkan pengguna untuk melihat data perusahaan sedemikian rupa bahwa itu adalah model yang lebih baik dari dimensi perusahaan yang sebenarnya. Sementara OLAP sistem dapat dengan mudah menjawab pertanyaan „siapa
dan „apa , itu adalah kemampuan mereka untuk menjawab jenis
pertanyaan „apa jika
dan „mengapa
yang membedakan mereka dari query tools
yang umum. Menurut Scheps (2008 : 68-77), OLAP memiliki arti sebagai sebuah konsep multidimensional data dengan melakukan konseptualisasi data transaksional perusahaan. Selain memberikan tampilan yang lebih ringkas, OLAP juga memberikan cara baru dalam melihat data pada sistem business intelligence. Salah satu sistem OLAP yang paling unggul adalah OLAP cube. Dalam penyimpanan data yang dirancang secara spesial untuk menghadapi data secara spesifik yang berbentuk ringkasan multidimensional, OLAP cube dapat ditampilkan dalam struktur dua dimensi (gambar 2.6), atau juga tiga dimensi (gambar 2.7). Spreadsheet adalah dimana data cube disimpan didalam cells. OLAP juga memberikan access tools dimana pengguna dapat melakukan percobaan untuk melihat data dari berbagai sudut pandang yang menghasilkan business intelligence yang interaktif.
27
Gambar 2.6 OLAP Cube 2 dimensi (Sumber : Connolly & Begg, 2010: 1210)
Gambar 2.7 OLAP Cube 3 dimensi (Sumber : Connolly & Begg, 2010: 1210) 2.16
Dashboard Menurut Coronel, Morris, & Rob (2010 : 520), dashboard merupakan tampilan antar muka (user interface) yang menampilkan laporan secara singkat dan mudah dimengerti. Dashboard biasanya digunakan untuk menampilkan informasi-informasi dalam bentuk grafik, kurva, diagram, dan lain-lain dari berbagai macam data yang
28
telah teringkas sesuai dengan kebutuhan manajer tingkat atas. Hal ini didukung dengan pendapat Turban (2011 : 201), dashboard mampu menyediakan gambaran visual yang lengkap mengenai ukuran, tren, dan eksepsi performa korporasi. Selain itu juga dashboard mengintegrasi informasi dari berbagai area bisnis dan juga memperlihatkan grafik yang menggambarkan perfoma aktual dibandingkan dengan satuan yang diinginkan.
Gambar 2.8 Dashboard (Sumber : www.idashboards.com ) Berdasarkan kutipan diatas dapat disimpulkan bahwa dashboard adalah sebuah tampilan untuk para pengguna (user interface) yang interaktif yang menampilkan informasi dari proses pengolahan data-data yang telah diringkas untuk membantu mendukung para manajer dan pengambil keputusan dalam menentukan strategi kedepan. 2.17
Pengertian Rumah Sakit Rumah Sakit adalah merupakan suatu alat organisasi yang terdiri dari para tenaga medis profesional yang teroganisir, serta sarana kedokteran permanen yang menyelenggarakan
pelayanan
kedokteran,
serta
asuhan
keperawatan
yang
berkesinambungan, diagnosis serta pengobatan penyakit yang diderita oleh pasien American Hospital Association (1974).
29
2.17.1 Fungsi Rumah Sakit Menurut undang-undang No. 44 tahun 2009, fungsi Rumah Sakit adalah : a. Penyelenggaraan, pelayanan pengobatan, dan pemulihan kesehatan sesuai dengan standar pelayanan Rumah Sakit. b. Pemeliharaan dan peningkatan kesehatan perorangan, melalui pelayanan kesehatan yang paripurna pada tingkat kedua dan ketiga sesuai kebutuhan medis. c. Penyelenggaraan pendidikan dan pelatihan sumber daya manusia, dalam rangka peningkatan kemampuan dalam pemberian pelayanan kesehatan. d. Penyelenggaraan,
penelitian
dan
pengembangan
serta
penapisan
teknologi bidang kesehatan, dan dalam rangka peningkatan pelayanan kesehatan dengan memperhatikan etika ilmu pengetahuan dalam bidang kesehatan 2.17.2 Pengertian Rawat Inap Rawat inap adalah pelayanan kepada pasien yang perlu menginap untuk keperluan observasi, diagnosa, dan terapi bagi individu dalam keadaan medis, bedah, penyakit kronis atau rehabilitasi dan memerlukan perawatan dokter setiap hari Snook (2009). Menurut Revans (1986), bahwa pasien yang masuk pada pelayanan rawat inap mengalami tingkat proses transformasi, yaitu : a. Tahap Admission, yaitu pasien dengan penuh kesabaran dan keyakinan dirawat untuk tinggal di Rumah Sakit. b. Tahap Diagnosis, yaitu pasien diperiksa dan ditegakkan diagnosisnya. c. Tahap Treatment, yaitu berdasarkan diagnosis, pasien dimasukkan dalam program perawatan dan terapi. d. Tahap
Inspection,
yaitu
secara
terus
menerus
diobservasi
dibandingkan pengaruh serta respon pasien terhadap pengobatan.
dan
30
e. Tahap Control, yaitu setelah dianalisis kondisinya, pasien dipulangkan. Pengobatan dirubah atau diteruskan, namun juga dapat kembali ke proses untuk didiagnosis ulang. 2.17.3 Pengertian Rawat Jalan Rawat jalan adalah pelayanan kedokteran yang disediakan untuk pasien tidak dalam bentuk rawat inap dengan tidak harus dilakukan di sarana pelayanan kesehatan, tetapi bisa juga dilakukan di rumah pasien atau di rumah perawatan Feste (1989). 2.17.4 Pengertian IGD IGD atau Instalasi Gawat Darurat, adalah layanan yang disediakan untuk dapat
memenuhi kebutuhan pasien yang mengalami kondisi gawat
darurat dan segera
dibawa ke Rumah Sakit sedini mungkin untuk
mendapatkan penanganan darurat yang
cepat. Sistem pelayanan yang
diberikan menggunakan system triage dimana pelayanan
diutamakan
pasien dalam keadaan darurat (emergency), bukan berdasarkan
bagi
antrian
(Anonim). 2.17.5 Kualitas Pelayanan Rumah Sakit Menurut Jacobalis (1990), kualitas pelayanan kesehatan di ruang rawat inap Rumah Sakit dapat diuraikan dari beberapa aspek, yaitu : a. Penampilan keprofesian atau aspek klinis Aspek ini menyangkut tentang pengetahuan, sikap, dan perilaku dokter serta perawat maupun tenaga profesi lainnya. b. Efisiensi dan efektivitas Aspek ini menyangkut pemanfaatan semua sumber daya yang ada didalam Rumah Sakit agar dapat berdaya guna dan berhasil guna. c. Keselamatan pasien Aspek ini menyangkut keselamatan dan keamanan dari pasien. d. Kepuasan pasien Aspek ini menyangkut pada kepuasan fisik, mental, dan sosial pasien terhadap lingkungan Rumah Sakit, kebersihan, kenyamanan, kecepatan pelayanan, keramahan, perhatian, biaya yang diperlukan dan sebagainya.
31
Menurut Adji Muslihuddin (1996), mutu asuhan pelayanan rawat inap dikatakan baik, apabila : a. Memberikan rasa tentram kepada pasien yang biasanya sedang sakit. b. Menyediakan pelayanan yang benar-benar profesional dari setiap strata pengelola dari Rumah Sakit. Pelayanan yang bermula sejak masuknya pasien ke dalam Rumah Sakit sampai pulangnya pasien. Dari kedua aspek diatas dapat diartikan sebagai berikut : a. Petugas penerimaan pasien dalam melakukan pelayanan terhadap pasien harus dapat melayani dengan cepat, karena mungkin pasien memerlukan penanganan dengan segera. b. Penanganan pertama dari perawat, harus dapat membuat pasien menaruh kepercayaan bahwa pengobatan yang diterima dapat dimulai secara benar. c. Penanganan oleh para dokter dan perawat yang profesional, akan menimbulkan kepercayaan pada pasien bahwa mereka tidak salah dalam memilih Rumah Sakit. d. Ruangan yang bersih dan nyaman, dapat memberikan nilai tambah pada Rumah Sakit. e. Peralatan serta obat-obatan yang sangat memadai. f. Lingkungan Rumah Sakit yang aman dan nyaman. 2.17.6 Pengertian Kesehatan Kesehatan didefinisikan sebagai keadaan lengkap fisik, mental, dan kesejahteraan sosial serta bukan hanya ketiadaan terhadap penyakit atau kelemahan WHO, World Health Organization (1948). Menurut Undangundang No.23 Tahun 1992, kesehatan adalah keadaan sejahtera dari badan, jiwa, dan sosial yang memungkinkan setiap orang hidup produktif secara sosial dan ekonomis. Berdasarkan penyataan diatas, maka dapat disimpulkan bahwa kesehatan adalah ada atau tidak adanya penyakit di dalam diri seseorang, kesehatan adalah dimana kita tidak hanya sehat secara fisik tetapi juga sehat secara mental atau kejiwaan.
