BAB 2 LANDASAN TEORI
2.1
Teori Database 2.1.1
Definisi Data Menurut Inmon (2002, p388), data adalah sebuah rekaman fakta, konsep, atau instruksi pada sebuah media penyimpanan untuk komunikasi, pencarian, dan pemrosesan secara otomatis dan dapat memberikan informasi yang dapat dimengerti oleh pemiliknya atau pihak yang bersangkutan. Sedangkan menurut Larry (1999, p52), data adalah suatu material mentah yang dihasilkan oleh satu atau lebih proses bisnis yang membuat dan merubahnya. Berdasarkan definisi di atas, dapat dilihat bahwa data merupakan suatu bentuk dasar dari rekaman fakta yang belum diolah atau dimanipulasi. Data yang didapatkan pada suatu perusahaan umumnya diperoleh dari hasil kegiatan operasi sehari-hari atau hasil dari transaksi yang dilakukan, yang nantinya dapat digunakan untuk kepentingan perusahaan.
2.1.2
Definisi Database Menurut Connolly dan Begg (2002, p14), database merupakan suatu kumpulan bagian dari data yang berhubungan secara logis, dan
7
8 deskripsi dari data tersebut, dirancang untuk memenuhi informasi yang dibutuhkan oleh sebuah organisasi.
Artinya database adalah tempat
penyimpanan data yang besar dimana bisa digunakan secara simultan atau secara bersamaan oleh banyak departemen dan pemakai lainnya (user). Didalam database semua item data di integrasikan dengan menghindarkan duplikasi data. basisdata tidak hanya mengandung data operasional organisasi, tetapi juga deskripsi dari data tersebut. Untuk alasan ini, sebuah database juga mendefenisikan integrasi record dari database itu sendiri (self-describing of integrated record). Deskripsi dari data dikenal sebagai system catalog (data dictionary atau meta data, “data about data”). Deskripsi ini menciptakan kebebasan dari program aplikasi (program-data independence). Pendekatan dengan sistem basisdata, dimana defenisi dari data adalah dipisahkan dari program aplikasi. Pemakai dalam melihat sebuah objek hanya pada definisi eksternal dan tidak mengetahui bagaimana objek didefinisikan dan bagaimana objek bisa berfungsi. Pendekatan ini dikenal sebagai abstraksi data (data abstraction), dimana perubahan defenisi internal dari sebuah objek tanpa mempengaruhi pemakai (user) atau tidak mempengaruhi definisi eksternal. Dalam arti lainnya, pendekatan database memisahkan struktur daripada data dari program aplikasi dan menyimpannya kedalam database. Jika ada penambahan struktur data atau perubahan struktur data yang ada maka tidak akan mempengaruhi program aplikasi, sehingga tidak perlu bergantung langsung dengan yang telah diubah.
9 Menurut Fathansyah (1999, p2), database dapat diartikan kumpulan data yang saling berhubungan yang disimpan secara bersama sedemikian rupa tanpa pengulangan (redundansi) yang tidak perlu, untuk memenuhi berbagai kebutuhan. Pengulangan data (data redundansi) adalah duplikasi data yang mana data yang sama disimpan dalam beberapa file. Dapat disimpulkan bahwa pengertian dari database adalah suatu kumpulan dari data yang saling berhubungan satu sama lain dan disimpan secara bersama dan digunakan untuk memenuhi informasi yang dibutuhkan secara cepat dan efisien. Dua tujuan utama dari konsep database adalah meminimumkan bahkan menghilangkan pengulangan data dan mencapai independensi data. database merupakan komponen yang penting bagi suatu perusahaan, baik perusahaan kecil maupun perusahaan yang besar dimana di dalamnya terdapat sistem informasi yang luas.
2.2
Teori Data Warehouse 2.2.1
Definisi Data Warehouse Berdasarkan Connolly (2002, p1047), data warehouse adalah koleksi data yang mempunyai sifat berorientasi pada subjek, terintegrasi, rentang waktu, dan koleksi datanya tidak mengalami perubahan dalam mendukung proses pengambilan keputusan di manajemen. Menurut Inmon (2002, p389), data warehouse merupakan sebuah koleksi yang terintegrasi, database yang berorientasi subjek yang
10 didesain untuk mendukung fungsi DSS, yang mana setiap unit data saling berkaitan dalam suatu keadaan. Fokus dari data warehouse adalah menggunakan data yang terakumulasi untuk menyediakan informasi dan wawasan untuk pembuatan keputusan, atau dengan kata lain, mendukung pembuatan keputusan bisnis melalui analisis data dan pelaporan. data warehouse melalui
proses
bertahap
yang
mencakup
mengumpulkan
data,
membersihkan data dan menyimpan data untuk digunakan dalam aplikasi analisis dan pelaporan. (Groff et al., 1999, p736).
2.2.2
Karakteristik Data Warehouse Menurut Inmon (2002, p31), data warehouse mempunyai empat karakteristik utama yaitu : 2.2.2.1 Subject Oriented Data warehouse disusun berdasarkan subjek-subjek yang ada dalam sebuah perusahaan, dimana setiap area subjek secara fisik diimplementasikan sebagai kumpulan dari tabel yang berhubungan di dalam data warehouse dan tidak berorientasi pada proses atau fungsi aplikasi tertentu. Dalam pengaksesan data pengguna pun harus berorientasi pada subjek tertentu. Informasi pada data warehouse ditampilkan berdasarkan subjeksubjek atau area peminatan yang spesifik. Data-datanya pun dimanipulasi sedemikian rupa sehingga menyediakan informasi mengenai sebuah subjek secara khusus.
11 2.2.2.2 Integrated Dari semua aspek data warehouse, integrasi merupakan salah satu karakteristik yang paling penting. Data dikumpulkan dari sumber-sumber beragam yang terpisah ke dalam sebuah data warehouse. Sebelumnya data tersebut harus dikonversi, diformat kembali, disusun kembali, diringkas, dan sebagainya. Integrasi akan terjadi ketika data berasal dari lingkungan operasional yang berorientasi aplikasi ke data warehouse. Data dalam data warehouse disimpan dalam suatu format yang konsisten (penamaan variabel, ukuran-ukuran, atribut fisik).
2.2.2.3 Time Variant Setiap unit data dalam data warehouse hanya akurat dan tepat dalam periode waktu tertentu. Dalam beberapa kasus, record-nya berupa time stamped. Tapi dalam kasus lain, record memiliki tanggal transaksi. Tetapi dalam setiap kasus ada beberapa bentuk dari penanda waktu untuk menunjukkan waktu sepanjang record yang akurat. Lingkungan yang berbeda memiliki horizon waktu yang berbeda. Horizon waktu merupakan parameter dari waktu yang direpresentasikan dalam suatu lingkungan. Horizon waktu yang normal untuk sistem operasional adalah sekitar 60-90 hari, sedangkan untuk data warehouse adalah sekitar 5-10 tahun. Oleh karena perbedaan dalam horizon waktu inilah, data warehouse mengandung histori lebih banyak dibandingkan dengan lingkungan lainnya.
12 Data yang terdapat dalam data warehouse berhubungan dengan suatu titik atau poin pada periode waktu tertentu (semester, tahun fiskal, atau kuartal). Data tersebut merupakan hasil ringkasan. Hal ini membantu dalam menentukan kinerja dari query data warehouse, serta dalam membentuk pengertian bisnis.
2.2.2.4 Non-Volatile Data dari data warehouse diload dan diakses, tetapi tidak diupdate (dirubah). Ketika data dalam data warehouse diload, datanya diload dalam snapshot, dengan format yang statis. Record snapshot baru ditulis ketika perubahan terjadi. Sehingga sejarah data akan tersimpan di dalam data warehouse. Data warehouse bersifat read-only. Pengguna tidak bisa mengubah data yang terdapat di dalamnya. Tidak seperti sistem database operasional yang bersifat mengumpulkan data (data capture), data warehouse berfungsi mendukung sistem reporting. Pada sistem database operasional terdapat tiga operasi yaitu insert, update dan delete, sedangkan pada data warehouse hanya bisa membaca saja (read-only). Informasi yang stabil tidak akan berubah begitu saja setiap kali eksekusi proses operasional terjadi. Informasi pada data warehouse tetap konsisten tanpa terpengaruh kapan data warehouse diakses. Perbandingan
OLAP
(Data
Operasional) adalah sebagai berikut :
Warehouse)
OLTP
(Data
13 OLTP(Data Operasional)
OLAP(Data Warehouse)
Berorientasi Aplikasi
Berorientasi Subjek
Menyimpan detailed data
Menyimpan summarized data
Dapat diupdate dan didelete
Tidak dapat di update
Transaction driven
Analysis driven
Strukturnya tetap
Strukturnya fleksibel
Jumlah data yang diproses kecil
Jumlah data yang diproses besar
Non-redundancy (normalisasi)
Redundancy (denormalisasi)
Untuk komunitas karyawan
Untuk komunitas manajerial
Current value data
Historical data
Mendukung keputusan day-to-day
Mendukung keputusan strategis
Tabel 2.1 Perbandingan OLAP (Data Warehouse) dan OLTP (Data Operasional)
2.2.3
Struktur Data Warehouse Struktur dari sebuah database warehouse harus di desain untuk membuat informasi mudah di analisa, karena itulah fokus utama dari kegunaan data dalam data warehouse. Strukturnya harus memudahkan ‘slice and dice’ data sepanjang berbagai dimensi. Pemilihan
struktur
data
dalam
warehouse
harus
mempertimbangkan tingkat granularity atau tingkat kedetilan data yang dibutuhkan, dimana tingkat kedetilan data tinggi atau level granularitas yang rendah akan menciptakan volume data yang sangat banyak sehingga
14 pencarian data membutuhkan sumber dan waktu yang lebih lama, namun bisa menjawab semua query yang diminta hingga sedetil mungkin. Sebaliknya, granularitas yang tinggi akan menciptakan volume data yang kecil sehingga menyediakan fleksibilitas dalam memanipulasi data, namun belum tentu bisa menjawab semua query yang diminta, terutama query yang bersifat detil (Inmon, 2002, p49).
Gambar 2.1 Struktur Data Warehouse
2.2.3.1 Current Detail Data Adalah data yang diperoleh secara langsung dari database operasional dan biasanya mewakili keseluruhan perusahaan. Diatur berdasar jenis subyek, misal data profil pelanggan, data
15 penjualan. Merupakan data yang aktif pada waktu saat ini, dan penyimpanannya memerlukan media yang besar(Berson et al, 1999, p27).
2.2.3.2 Older Detail Data Mewakili current detail data yang sudah lama atau sejarah dari subjek area. Data ini yang dilihat dalam analisa trend. (Berson et al, 1999, p27)
2.2.3.3 Summarized Data Data yang diagregasi sepanjang batasan yang diperlukan untuk pelaporan level eksekutif, analisa trend dan pengambilan keputusan yang mencakup keseluruhan perusahaan. Volumenya jauh lebih kecil dari current dan old detail data. (Berson et al, 1999, p27) Summarized data terbagi menjadi •
Lightly Summarized Data Merupakan ringkasan dari data detail pada level menengah tapi belum bersifat total summary, biasanya data ini disimpan pada media penyimpanan seperti disk. Data-data ini memiliki tingkatan detail yang lebih tinggi dan mendukung kebutuhan
data
warehouse
pada
tingkat
departemen.
Tingkatan data ini disebut juga data mart. Akses terhadap data
16 jenis ini banyak digunakan untuk view dari kondisi yang sedang maupun yang sudah berjalan.
•
Highly Summarized Data Merupakan ringkasan yang bersifat totalitas, solid dan mudah diakses. Highly summarized data digunakan untuk melakukan analisa perbandingan data berdasarkan waktu dan analisa yang menggunakan database multidimensi. Database multidimensi
adalah
suatu
teknologi
software
yang
memudahkan dalam melakukan pencarian dan pengambilan data dalam volume yang besar.
2.2.3.4 Meta-Data Meta-data merupakan salah satu aspek penting di dalam data warehouse. Meta-data adalah data tentang data (Vidette Poe, 1996, p169), yang terdiri atas informasi tentang lokasi dan deskripsi atas komponen sistem data warehouse, identifikasi data, struktur data, sejarah data, hingga autorisasi keamanannya. Meta-data digunakan untuk pembangunan, pemeliharaan, pengaturan, dan penggunaan data warehouse. Menurut Berson et al (1999, p60) Meta-data dapat diklasifikasikan menjadi: a.
Technical Meta-data yang terdiri atas informasi tentang warehouse sebuah data yang digunakan oleh perancang dan administrator
17 warehouse ketika membangun data warehouse dan mengerjakan tugas manajemen.
Dokumen technical meta-data terdiri atas: • Informasi tentang data source, • Deskripsi tentang transformasi, • Objek warehouse dan definisi struktur data tentang data yang menjadi target, • Aturan yang digunakan untuk melakukan data cleanup dan data enhancement, • Pengoperasian data-mapping, • Autorisasi akses, backup history, archive history, information delivery history, dan lain-lain. b.
Business Meta-data yang terdiri atas informasi yang memberi pengguna sebuah cara atau perspektif yang mudah untuk mengerti tentang penyimpanan informasi dalam data warehouse. Dokumen business meta-data memberikan informasi tentang:
• Area subjek dan informasi tipe objek, • Internet home pages, dan • Informasi lainnya untuk mendukung semua komponen data warehouse.
18 c.
Informasi operasional data warehouse seperti data history (snapshot, versions), ownership, extract audit trail, dan penggunaan data. Meta-data memuat informasi yang penting mengenai data dalam data warehouse yang berfungsi sebagai:
a.
Direktori yang akan dipakai oleh pengguna data warehouse dalam mencari lokasi data dalam data warehouse,
b.
Merupakan
penuntun
pemetaan
(mapping)
dalam
proses
transformasi dari data operasi ke data warehouse, dan c.
Merupakan suatu panduan untuk proses summary data dari detail menjadi lightly kemudian menjadi highly.
2.2.4
Bentuk-Bentuk Data Warehouse 2.2.4.1 Data Warehouse Fungsional Data warehouse fungsional dibangun berdasarkan kebutuhan informasi dari tiap bagian fungsi bisnis perusahaan. Data warehouse fungsional merupakan pendekatan yang digunakan untuk membangun suatu sistem data warehouse dengan biaya investasi yang rendah.
19
Gambar 2.2 Data Warehouse Fungsional
2.2.4.2 Data Warehouse Terpusat Data warehouse terpusat dibangun dari data operasional yang dikumpulkan dalam pusat penyimpanan data yang digunakan oleh pengguna untuk membangun data warehouse fungsional masing-masing. Berdasarkan Inmon (2002, p201), pada umumnya organisasi membangun dan memelihara lingkungan data warehouse terpusat yang tunggal. Pengaturan ini masuk akal karena alasan sebagai berikut : •
Data dalam warehouse terintegrasi antar perusahaan dan gambaran terintegrasi digunakan hanya pada kantor pusat.
•
Perusahaan beroperasi pada model bisnis terpusat.
•
Volume dari data dalam data warehouse seperti tempat penyimpanan tunggal yang terpusat.
20 •
Sekalipun data dapat terintegrasi dan diedarkan antar area lokal yang beragam, data tersebut akan tidak praktis untuk diakses.
Gambar 2.3 Data Warehouse Terpusat
2.2.4.3 Data Warehouse Terdistribusi Perusahaan yang memiliki cabang tersebar di seluruh dunia membutuhkan informasi yang mencakup tidak hanya wilayah lokal saja tetapi juga wilayah global. Global data warehouse membutuhkan informasi terpadu dari data warehouse terpusat tempat informasi dikumpulkan disamping itu, ada kebutuhan yang lain untuk data warehouse yang terpisah di setiap cabang perusahaan. Dalam kasus ini data warehouse terdistribusi dibutuhkan. (Inmon, 2002, p202) Tiga tipe dari data warehouse terdistribusi :
21 •
Data warehouse yang terdistribusi secara geografi terdiri dari data warehouse lokal dan data warehouse global.
•
Data warehouse yang terdistribusi dalam banyak prosessor, secara logis ada satu data warehouse tetapi secara fisiknya ada banyak data warehouse yang saling berhubungan.
•
Data warehouse yang tumbuh dalam sumber daya yang tidak terkoordinasi.
Workstation Sistem operasional Data Warehouse Gateway
Sistem operasional
Workstation
Functional Data Warehouse
Gambar 2.4 Data Warehouse Terdistribusi
2.2.5
Kegunaan Data Warehouse Berdasarkan inmon(2002, p263), data warehouse mendukung semua kebutuhan penganalisa bisnis dengan cara : 1. Mengakses informasi dengan cepat dan lancar. 2. Memberikan fleksibilitas dalam melihat data sesuai kebutuhan dan keinginan pengguna.
22 3. Melihat pada data yang sudah terintegrasi. 4. Menganalisa data berdasarkan kurun waktu tertentu sesuai yang dibutuhkan. 5. Menyediakan basis data untuk melakukan analisa drilldown. Data warehouse diciptakan untuk menjawab kebutuhan akan teknologi yang bertujuan untuk meningkatkan proses pembuatan keputusan, dan solusinya adalah sebuah koleksi data berorientasi subyek yang terintegrasi dari berbagai database operasional.
2.2.6
Arsitektur dan Infrastruktur Data Warehouse 2.2.6.1 Arsitektur Data Warehouse Komponen utama arsitektur data untuk data warehouse adalah read-only database. Berdasarkan Connolly (2002, p1053), komponen utama data warehouse terdiri dari : 1. Operational Data Source, sumber data ini didapat dari data operasional yang dilakukan pada database awal, 2. Operational Data Store (ODS), tempat penyimpanan data operasional yang sedang terjadi dan yang terintegrasi dimana digunakan untuk analisis, 3. Load Manager (sering juga disebut komponen frontend), menampilkan semua operasi yang diasosiasikan dengan data yang telah diekstrak dan di-load ke dalam warehouse,
23 4. Warehouse Manager, menampilkan semua operasi yang diasosiasikan dengan manajemen data dalam warehouse, 5. Query Manager (disebut juga dengan komponen backend), menampilkan semua operasi yang diasosiasikan dengan manajemen dari user queries, 6. Detailed Data, Meta-data, Lightly and Hightly Summarized Data, untuk komponen ini sudah dijelaskan pada bagian struktur data warehouse, 7. Archive/Backup Data, area warehouse yang menyimpan detailed dan summarized data yang bertujuan sebagai arsip dan backup data, dan 8. End-User Access Tools, dapat dikategorikan menjadi lima grup utama: data reporting and query tools, application development tools, executive information systems (EIS) tools, online analytical processing (OLAP) tools and data mining tools.
24
Gambar 2.5 Arsitektur Data Warehouse (Connolly, 2002, p1053) Menurut Poe (1996, p40), arsitektur data warehouse merupakan kumpulan aturan atau struktur yang menyediakan kerangka kerja untuk keseluruan rancangan sistem, dengan mengidentifikasi dan memberi pemahaman bagaimana data dikelola melalui sistem dan digunakan oleh perusahaan. Sifat arsitektur data warehouse adalah sebagai berikut : 1. Data diambil dari sistem asal, database dan file yang ada. 2. Data dari sistem di integrasikan dan diubah terlebih dahulu sebelum load ke database 3. Data warehouse merupakan sebuah database terpisah, yang hanya bisa dibaca saja dan diciptakan khusus untuk pembuatan keputusan 4. Pengguna mengakses data melalui alat front end / aplikasi perangkat lunak
25 2.2.6.2 Infrastruktur Data Warehouse Menurut Poe(1996, p54), infrastruktur data warehouse adalah
perangkat
lunak,
perangkat
keras,
pelatihan
dan
komponen-komponen lain yang memberikan dukungan untuk mengimplementasikan mengaplikasikan
arsitektur
sebuah
data
arsitektur
warehouse.
data
warehouse
Untuk dapat
dilakukan dengan beberapa cara yaitu menggunakan infrastruktur yang berbeda. Arsitektur dan infrastruktur saling berkaitan erat dan saling mendukung satu sama lainnya. Pengaruh dari lingkungan atau perusahaan juga secara otomatis mempengaruhi pemilihan suatu infrastruktur yang akan dipilih.
2.2.7
Teori Perancangan Data Warehouse Berdasarkan Kimball pada buku Connolly(2002,p1083) ada beberapa tahapan perancangan data warehouse yaitu : 2.2.7.1
Mengidentifikasi Proses Pada tahap ini ditentukan pada proses bisnis apa data warehouse akan digunakan. Tahap ini akan menjadi sumber dari penentuan measurement.
2.2.7.2
Mengidentifikasi Grain Pada tahap ini akan ditentukan tingkat detail data yang bisa didapatkan dari model dimensional. Memilih grain berarti memutuskan apa yang akan ditampilkan dalam sebuah fact
26 table.
Hanya
ketika
grain
telah
ditentukan,
dapat
diidentifikasikan dimensi untuk fact table tersebut.
2.2.7.3
Mengidentifikasi Dimensi Dimensi harus menggambarkan sejelas mungkin dan dapat memperkuat grain. Tabel dimensi berisi data yang menggambarkan dimensi dari bisnis. Pada model dimensional, hubungan dari measurement diwakili dalam tabel dimensi. Hubungan dari measurement juga dapat berupa karakteristik seperti siapa, apa, di mana, kapan, dan bagaimana measurement tersebut. Jika proses bisnisnya adalah penjualan, karakteristik dari measurement jumlah penjualan bulanan dapat berupa lokasi (di mana), waktu (kapan) dan produk yang terjual (apa). Dimension atribut adalah kolom yang lain di dalam tabel dimensi. Pada dimensi lokasi, atributnya dapat berupa Kode Lokasi, Kota, Negara, Kode Pos. Secara umum, atribut dimensi digunakan dalam label laporan dan batasan dalam query.
2.2.7.4
Mengidentifikasi Fakta Pada tahap ini akan diidentifikasi apakah measurement yang diperlukan, fakta harus berupa angka dan harus memperkuat grain yang ditetapkan pada tahap dua.
27 Pada model dimensional, tabel fakta berisi measurement atau fakta dari proses bisnis. Jika proses bisnisnya adalah penjualan maka, measurement dari proses bisnis ini misalnya jumlah penjualan per bulan yang ditampung di dalam tabel fakta. Sebagai tambahan pada measurement, hal lain yang dimuat di dalam tabel fakta adalah foreign key untuk tabel dimensi. (http://freedatawarehouse.com)
2.2.7.4.1 Perancangan Skema Bintang Skema bintang merupakan salah satu permodelan yang umum digunakan dalam menentukan struktur data dalam data warehouse
2.2.7.4.1.1 Pengertian Skema Bintang Menurut Poe (1996, p121), “a star schema design is a simple structure with relatively few table and well-defined join path”, yang berarti skema bintang adalah perancangan yang mempunyai struktur sederhana dengan tabel-tabel yang
relatif
sedikit
dan
jalur
penggabungan
yang
didefinisikan dengan baik. Skema bintang adalah rancangan database dalam data warehouse yang menggambarkan hubungan dengan jelas antara struktur normalisasi yang digunakan untuk database pemrosesan transaksi, namun skema ini menyediakan waktu respon query yang cepat dan
28 dapat dimengerti dengan mudah oleh para analisis dan user, bahkan mereka yang tidak terbiasa dengan struktur database . Skema bintang merupakan struktur logikal yang mempunyai tabel fakta yang mengandung data faktual di pusat, dikelilingi dengan tabel dimensi yang memiliki reference data (yang dapat didenormalisasi). (Connolly, 2002, p1079).
2.2.7.4.1.2 Keuntungan Skema Bintang Keuntungan menggunakan skema bintang menurut Connoly (2002, p1081) adalah : a. Efisiensi struktur database yang konsisten sehingga lebih efisien dalam mengakses data dengan menggunakan alat/tool untuk menampilkan data termasuk laporan tertulis dan query. b. Kemampuan untuk mengatasi perubahan kebutuhan, skema bintang dapat beradaptasi terhadap perubahan kebutuhan pengguna, karena semua tabel dimensi memiliki kesamaan dalam hal menyediakan akses ke tabel fakta c. Extenbility, model dimensional dapat dikembangkan. Seperti menambah tabel fakta selama data masih konsisten, menambah tabel dimensi selama ada nilai tunggal di tabel tersebut yang mendefinisikan setiap record tabel fakta yang
29 ada, menambah atribut tabel dimensi, dan memecah record tabel dimensi yang ada menjadi level yang lebih rendah dari level sebelumnya. d. Kemampuan untuk menggambarkan situasi bisnis pada umumnya, pendekatan standar untuk menangani situasi umum dunia bisnis yang terus bertambah. e. Proses query yang bisa diprediksi, aplikasi data warehouse yang mencari data dari level yang dibawahnya akan dengan mudah menambah jumlah atribut pada tabel dimensi dari sebuah skema bintang. Aplikasi yang mencari data dari level yang setara akan menghubungkan tabel fakta yang terpisah melalui tabel dimensi yang dapat diakses bersama.
2.2.7.4.1.3 Tabel Pada Skema Bintang Skema bintang terdiri atas dua tipe tabel: a. Tabel Fakta (fact-table) Menurut Poe(1996, p21) tabel fakta disebut juga tabel mayor, yang merupakan inti dari skema bintang dan berisi data kuantitatif atau faktual tentang bisnis yang akan dianalisis atau informasi yang diquery. Tabel fakta dirancang untuk bertumbuh, dengan record baru yang ditambahkan setiap minggu, setiap hari, atau bahkan setiap jam.
30 Tabel fakta memiliki dua jenis field yaitu key dan measure. Field dalam tabel fakta yang mengandung fakta disebut measure dan biasanya berbentuk numerik. Measure adalah nilai kuantitatif. Dalam tabel fakta terdapat foreign key untuk setiap tabel dimensi. Tabel fakta menyimpan mayoritas informasi penting dalam data warehouse, sehingga ukuran dan aktivitasnya sangat banyak. (Whalen et al, 2001, p236) b. Tabel Dimensi (Dimension Table) Menurut Hoffer et al (2002, p421), tabel dimensi adalah sebuah kategori deskriptif. misalkan tipe produk atau area. Tabel dimensi disebut juga tabel minor. Biasanya lebih kecil dari tabel fakta dan berisi data deskripsi yang merefleksikan dimensi dari bisnis, atau dengan kata lain, data yang merupakan deskripsi lebih lanjut dari data yang ada dalam tabel fakta. Tabel dimensi merupakan sumber atribut yang digunakan untuk mengkualifikasikan, mengkategorikan atau meringkas fakta dalam query, laporan atau grafik. Record dalam tabel dimensi dapat di update, tetapi perancangan skema bintang yang baik harus meminimalkan update. Tiap tabel dimensi memiliki hubungan one to many ke tabel fakta pusat. Primary key tersebut menjadi foreign key dalam tabel fakta.
31
2.2.7.4.1.4 Macam-macam Skema Bintang Beberapa jenis skema bintang : a.
Simple Star Schema Tiap tabel harus mempunyai primary key yang terdiri atas satu kolom atau lebih. Pada jenis ini, primary key untuk tiap tabel fakta didapatkan dari satu atau lebih foreign key. Foreign key adalah kolom pada suatu tabel yang nilainya didefinisikan sebagai Primary key pada tabel yang lain.
b.
Star Schema With Multiple Table Fact Skema bintang pada jenis ini mengandung banyak tabel fakta. Beberapa kasus, skema ini digunakan karena pada kenyataannya tidak semua tabel saling berkaitan atau karena perbedaan waktu pada saat data di-load. Skema ini juga dikenal sebagai “constellation schema”. Jenis ini juga dapat meningkatkan kinerja terutama untuk jumlah data yang sangat besar.
2.2.7.4.1.5 Variasi Skema bintang 1.
Snowflake schema Skema snowflake adalah bentuk lain dari skema bintang dimana tabel dimensi mengandung data yang telah
dinormalisasi.
Suatu
tabel
dimensi
dapat
32 memiliki tabel dimensi lainnya, Connoly (2002, p1080). Snowflake
mempunyai ciri-ciri sebagai
berikut : •
Tabel dimensi dinormalisasi dengan dekomposisi pada level attribute.
•
Setiap dimensi mempunyai satu key untuk setiap level pada hirarki dimensi.
•
Kunci level terendah menghubungkan tabel dimensi dengan tabel fakta dan tabel attribut berlevel rendah.
Keuntungan dari skema snowflake yaitu : •
Kecepatan memindahkan data dari OLTP ke dalam metadata
•
Sebagai kebutuhan dari alat pengambil keputusan tingkat tinggi dimana dengan tipe yang seperti ini seluruh struktur dapat digunakan sepenuhnya
•
Banyak
yang
beranggapan
lebih
nyaman
merancang dalam bentuk normal ketiga. Sedangkan kerugian snowflake adalah dalam hal kinerja, hal ini disebabkan semakin banyak join antar tabel-tabel yang dilakukan dalam skema snowflake ini, maka semakin lambat juga kinerja yang dilakukan.
33 2.
Multistar schema Digunakan
karena
penggabungan
pada
foreign
key
beberapa
aplikasi,
terkadang
tidak
menggambarkan gabungan dari foreign key dari tabel dimensi ditambah dengan kunci yang unik dari tabel fakta itu sendiri. Dalam skema ini primary key dan foreign key tidaklah sama, inilah yang membedakan antara multi star schema dengan single star schema.
2.2.7.5
Menyimpan Pre-calculation Pada Tabel Fakta Pada saat fakta-fakta telah dipilih, setiap fakta harus diperiksa ulang untuk menentukan apakah terdapat kesempatan dalam menggunakan pre-calculation. Contoh yang paling umum dari penyimpanan pre-calculation terjadi ketika faktafakta terdiri dari pernyataan untung dan rugi. Situasi ini akan terjadi ketika tabel fakta didasarkan pada invoice atau penjualan.
2.2.7.6
Rounding Out Tabel Dimensi Pada
tahap
ini
kembali
ke
tabel
dimensi
dan
menambahkan deskripsi teks sebanyak mungkin ke dimensi. Deskripsi teks harus dapat dimengerti oleh user. Kegunaan dari data mart ditentukan oleh scope dan atribut dari tabel dimensi.
34 2.2.7.7
Memilih Durasi Database Durasi mengukur jangka waktu dari tabel fakta. Pada banyak perusahaan, terdapat persyaratan dalam melihat periode waktu yang sama dalam setahun. Untuk perusahaan lain seperti perusahaan asuransi, kemungkinan terdapat persyaratan yang legal dalam menyimpan data dalam jangka waktu lima tahun atau lebih.
2.2.7.8
Mengawasi Perubahan Dimensi Dimensi dapat berubah, untuk mengantisipasinya ada 3 cara untuk mengubah data di dimensi, yaitu : 1.
Menulis ulang atribut yang berubah
2.
Membuat record baru pada dimensi
3.
Membuat suatu atribut alternatif untuk menampung nilai baru, sehingga nilai lama dan nilai baru atribut tersebut bisa diakses secara bersamaan.
2.2.7.9
Memutuskan Prioritas Mode Query Tahap ini merupakan tahap yang mempertimbangkan masalah perancangan fisik. Masalah perancangan fisik yang paling kritis dan mempengaruhi persepsi end-user terhadap data mart adalah pesanan fisik dari tabel fakta di disk dan kehadiran dari ringkasan atau agregasi pre-stored. Di luar masalah ini juga terdapat masalah perancangan fisikal
35 tambahan yang menyebabkan administrasi, backup, indexing performance, dan security.
2.2.8
Performance Tuning Performance tuning merupakan teknik yang dilakukan untuk meningkatkan kinerja pengaksesan data. Terdapat dua metode yang dapat digunakan untuk performance tuning yaitu : 2.2.8.1 Agregasi Vidette Poe (1996, p136) mengemukakan bahwa agregasi adalah proses penghitungan data fakta selama pendefinisian atribut. Contohnya kita dapat membuat ringkasan dari penjualan produk berdasarkan wilayah dan waktu dengan menghitung jumlah produk dari transaksi yang telah terjadi. Umumnya dilakukan pada saat transformasi dan pengambilan data ke dalam data warehouse. Penyebab perlu dilakukannya agregasi adalah •
Mempercepat waktu pemrosesan query
•
Mengurangi jumlah penggunaan CPU cycle
2.2.8.2 Denormalisasi Denormalisasi merupakan proses penggabungan tabeltabel untuk meningkatkan performa (Vidette Poe, 1996, p137). Alasan utama perlu dilakukannya denormalisasi adalah :
36 1. Mengurangi jumlah hubungan yang terjadi antar tabeltabel
yang
harus
mengalami
proses
pada
waktu
dilakukannya pencarian. Dengan begini performance database dapat ditingkatkan. 2. Untuk membuat struktur fisik dari database yang semakin mendekati model dimensi dari pemakai. Membuat struktur tabel sesuai dengan yang ingin ditanyakan oleh pemakai, memungkinkan terjadinya akses langsung, yang sekali lagi akan meningkatkan performance.
2.2.9
Online Analytical Processing (OLAP) Online
Analytical
Processing
(OLAP)
adalah
istilah
yang
mendeskripsikan teknologi yang menggunakan multidimensional view dari data aggregate untuk menyediakan akses yang cepat bagi informasi strategis yang bertujuan untuk proses analisa. OLAP memungkinkan user untuk memperoleh pengertian yang mendalam dan pengetahuan mengenai berbagai aspek dalam perusahaan secara cepat, konsisten, dan akses yang interaktif untuk memperluas kemungkinan dalam berbagai sudut pandang data (Connolly, 2002, p1101). Ada 3 kategori dari OLAP , yaitu : a. MOLAP (Multidimentional OLAP) Ketika MOLAP digunakan, detail data dan aggregations disimpan dalam format analysis server cube. Karakteristik dari MOLAP :
37 1. Cube dari MOLAP mempunyai performa query yang paling cepat, 2. Karena detail data dari fact table di masukkan ke dalam analysis server untuk penyimpanan, di sini terjadi duplikasi data, 3. MOLAP lebih efisien dalam penggunaan media penyimpanan, dan 4. Query ke analysis server tidak mengakses Relational Database Management System (RDBMS). Jadi jika server RDBMS dimatikan pada saat run time tidak akan mempengaruhi analysis server. b. ROLAP (Relational OLAP) Ketika ROLAP digunakan, detailed data dan aggregation disimpan di RDBMS. Yang disimpan di RDBMS hanya hirarki dimensional, maka dianggap dimensi ROLAP tidak digunakan. Karakteristik dari ROLAP: •
Analysis server menyediakan sebuah multidimensional tingkat menengah antara client dan RDBMS,
•
Semua query selain dari yang memenuhi data oleh client dan server harus mengakses dari tabel RDBMS, dan
•
ROLAP lebih lambat dalam pencarian query dibandingkan dengan MOLAP.
38 c. HOLAP (Hybrid OLAP) Ketika HOLAP digunakan, detailed data disimpan dalam RDBMS dan aggregation disimpan dalam format multidimensional. Karakteristik dari HOLAP : •
HOLAP merupakan gabungan dari MOLAP dan ROLAP dalam performa dan pengunaan disk.
•
HOLAP menggunakan media penyimpanan yang lebih kecil, karena tidak adanya penduplikasian data.
•
Query tidak selambat ROLAP, tetapi juga tidak secepat MOLAP.
•
Waktu proses dengan HOLAP hampir sama dengan MOLAP.
Berikut ini beberapa keuntungan yang diperoleh dengan menerapkan OLAP (Connolly, 2002, p1104), yaitu : a. Meningkatkan produktivitas dari end-users bisnis dan pengembang teknologi informasi, b. Meningkatkan penghasilan dan keuntungan potensial dengan memungkinkan perusahaan untuk merespon permintaan pasar lebih cepat, c. Mengurangi back-log dari pengembangan aplikasi untuk staf teknologi informasi dengan membuat end-users bebas untuk membuat
39 perubahan skema dan memungkinkan organisasi untuk merespon permintaan pasar lebih cepat, dan d. Mengurangi lalu lintas jaringan dalam sistem OLTP atau dalam data warehouse.
2.2.10
Extract Transform Load (ETL) Operational Data Store atau ODS digunakan sebagai dasar untuk membangun sebuah data warehouse. Proses yang dilalui untuk menghasilkan sebuah data warehouse dari ODS biasa disebut ETL yang merupakan singkatan dari Extract-Transform-Load. ETL merupakan fungsi integrasi data yang meliputi extracting data dari sumber, mentransformasinya agar sesuai dengan kebutuhan bisnis dan memasukkannya
ke
dalam
data
warehouse.
(http://www.tech-
encyclopedia.com)
2.2.11
Kunci Sukses Data Warehouse Membangun suatu data warehouse tidaklah mudah seperti membalikkan telapak tangan, kita harus memperhatikan hal-hal berikut ini untuk mencapai kesuksesan dalam perancangan kita (Vidette Poe, 1996, p60-95), berikut berapa hal yang perlu diperhatikan adalah: a. Kejelasan dalam tujuan, yang memberikan gambaran awal untuk memulai
data
warehouse
yang
sesuai
dengan
kebutuhan
perusahaan, dimana akan membatasi ruang kerja kita untuk selalu konsisten.
40 b. Memahami arsitektur data warehouse yang digunakan, ini merupakan blue-print yang akan digunakan dalam mengembangkan sistem pendukung keputusan, dan menyangkut dengan banyak aspek dalam hal bagaimana sistem tersebut akan dikembangkan. c. Dukungan infrastruktur teknikal yang benar, seperti tools, platform, database, jaringan komunikasi, pelatihan dan sebagainya, yang akan menentukan proses pembuatan sebelum data warehouse mulai dikembangkan. d. Kejelasan tanggung jawab tim, masing-masing anggota tim harus bertanggung jawab untuk masing-masing bagian yang ia tangani, seperti pemodelan data, pelatihan, dan pengaturan jaringan. e. Menjamin anggota tim dan pengguna untuk memahami perbedaan antara data operasional dengan data pendukung keputusan, dengan memperhatikan definisi awal dari data warehouse yang digunakan dalam pemrosesan analisis perusahaan. f. Mendapatkan pelatihan secara benar, untuk mendapatkan landasan yang kuat berupa pengetahuan yang mendukung keputusan bagi semua anggota sebelum proyek mulai dijalankan. g. Mendapatkan sumber yang benar. Untuk mendapatkan ini seperti mencari suatu badan atau konsultan yang benar-benar memahami proses data warehouse yang akan dibuat. Atau dapat juga dengan mencari perusahaan yang sukses dalam mengimplementasikan data warehouse sehingga dapat belajar dari pengalaman yang telah mereka miliki sebelumnya.
41 h. Pemilihan aplikasi pengaksesan data front-end berdasarkan kebutuhan dan kemampuan sehingga aplikasi yang digunakan benar-benar terpakai secara optimal dan memudahkan dalam pengaksesan data yang dibutuhkan oleh pengguna.
2.3
Definisi Decision Support System (DSS) Decision support system merupakan sebuah sistem yang berbasiskan komputer yang mencakup pengetahuan bagaimana sebuah sistem dapat mendukung aktifitas pengambilan keputusan yang baik dan berguna bagi organisasi. (http://en.wikipedia.org/wiki/Decision_support_systems)
2.4
Definisi Executive Information System (EIS) Executive information system adalah sebuah tipe dari management information system yang ditujukan untuk memfasilitasi, mendukung informasi dan pengambilan keputusan yang diperlukan oleh senior executive dengan menyediakan akses yang mudah ke informasi eksternal maupun internal yang berhubungan dengan tujuan strategis organisasi. Namun pada umumnya sering di kategorikan sebagai salah satu bentuk khusus dari DSS. (http://en.wikipedia.org/wiki/Executive_information_system)
42 2.5
Program Keluarga Berencana 2.5.1
Keluarga Berencana Keluarga
berencana
merupakan
sebuah
upaya
peningkatan
kepedulian dan peran serta masyarakat melalui pendewasaan usia perkawinan, pengaturan kelahiran, peningkatan ketahanan keluarga, peningkatan kesejahteraan keluarga, untuk mewujudkan keluarga kecil, bahagia dan sejahtera (BKKBN dan IPADI, 1996, pp8). Program
keluarga
berencana
lebih
dimaksudkan
membantu
pasangan/ perorangan dalam mencapai reproduksinya secara bertanggung jawab dalam rangka membangun keluarga kecil berkualitas dengan memperhatikan dan menghargai hak-hak reproduksi seseorang dalam mengatur jumlah dan jarak kelahiran, menghindari terjadinya kehamilan yang tidak diinginkan dan mengurangi kesakitan dan kematian karena kehamilan dan persalinan dengan prinsip operasional pemberdayaan perempuan dan peningkatan partisipasi pria.
Sasaran kinerja dari Program Keluarga Berencana adalah : •
Menurunnya pasangan usia subur (PUS) yang ingin mengikuti Keluarga Berencana namun tidak terlayani. PUS adalah pasangan suami-istri yang istrinya berumur antara 15 sampai dengan 49 tahun atau pasangan suami-istri yang istri berumur kurang dari 15 tahun dan sudah haid atau istri berumur lebih dari 50 tahun, tetapi masih haid (datang bulan).
43 •
Meningkatnya partisipasi pria dalam program keluarga berencana
•
Menurunnya angka kelahiran total
Pokok kegiatan dalam Program Keluarga Berencana adalah : •
Pengembangan dan peningkatan advokasi dan KIE keluarga berencana yang berwawasan gender
•
Peningkatan kualitas pelayanan kontrasepsi
•
Pemenuhan pelayanan keluarga berencana dan kesehatan repoduksi
•
Pemberian jaminan pelayanan keluarga berencana dan kesehatan reproduksi
•
Peningkatan partisipasi pria dalam program keluarga berencana dan kesehatan reproduksi
•
Penanggulangan masalah kesehatan reproduksi
•
Peningkatan kelangsungan hidup ibu, bayi dan anak
•
Pemenuhan hak-hak reproduksi
Kebijakan umum Keluarga Berencana Nasional : Kebijakan umum yang ditetapkan dalam program keluarga berencana nasional adalah usaha mewujudkan keluarga yang berkualitas melalui promosi, perlindungan dan bantuan untuk mewujudkan hak-hak reproduksi, serta memaksimalkan akses dan kualitas pelayanan keluarga berencana dan kesehatan reproduksi remaja serta upaya pemberdayaan keluarga dan peningkatan peran serta masyarakat (BKKBN, 2001, pp7).
44 Kebijakan khusus Keluarga Berencana Nasional : Dalam mewujudkan tujuan pembangunan melalui program keluarga berencana nasional lebih jauh ditetapkan beberapa kebijakan khusus (BKKBN, 2001, pp7), kebijakan tersebut meliputi : •
Meningkatkan pemenuhan hak-hak reproduksi bagi semua individu, remaja dan keluarga
•
Meningkatkan jaminan dan kualitas pelayanan keluarga berencana dan kesehatan reproduksi
•
Meningkatkan partisipasi pria dan promosi keluarga berencana dan kesehatan reproduksi yang berwawasan gender
•
Meningkatkan remaja untuk memasuki kehidupan berkeluarga
•
Mengintegrasikan pelayanan keluarga berencana ke dalam kesehatan reproduksi
•
Meningkatkan derajat kesehatan dan kelangsungan hidup bagi ibu, bayi dan anak
•
Meningkatkan upaya-upaya pembinaan ketahanan keluarga
•
Peningkatan upaya pemberdayaan keluarga dalam bidang ekonomi
•
Mengembangkan upaya peningkatan kesadaran keluarga dalam pemeliharaan, pemanfaatan dan pelestarian lingkungan
•
Penguatan kelembagaan dan jaringan keluarga berencana
•
Penyelengaraan advokasi, komunikasi, informasi dan edukasi yang lebih terbuka
45 •
Pengarusutamaan dan kesetaraan gender dalam program-program operasional
•
Peningkatan kualitas data dan informasi melalui rangkaian kegiatan mulai dari pengumpulan, pengolahan, analisis dan penilaian, penyajian dan penyebarluasan, pemanfaatan sampai dokumentasi dengan penggunaan dan pemanfaatan teknologi informasi.
2.5.2
Kependudukan dan Alat Kontrasepsi Kependudukan merupakan hal ikhwal yang berkaitan dengan jumlah, ciri utama pertumbuhan, persebaran, mobilitas, penyebaran, kualitas, kondisi kesejahteraan yang menyangkut politik, ekonomi, sosial, budaya, agama, serta lingkungan penduduk tersebut. Dimensi pembangunan SDM dapat dilihat dari tiga aspek utama, yaitu kuantitas, kualitas dan mobilitas penduduk. Kuantitas penduduk dikaitkan dengan jumlah dan laju pertumbuhan penduduk. Kualitas penduduk dikaitkan dengan tingkat kesejahteraan penduduk yang dicerminkan melalui tingkat pendidikan, tingkat kesehatan dan gizi, produktivitas dan akhlak mulia. Sementara itu, mobilitas penduduk dikaitkan dengan perpindahan dan persebaran penduduk yang merupakan dampak dari pembangunan ekonomi dan wilayah (BKKBN, 2001, p3). Berdasarkan Konsep Pengembangan Kebijaksanaan Kontrasepsi BKKBN (1997, p8), dalam pelaksanaan program keluarga berencana tingkat keberhasilan keluarga berencana dilihat dari proporsi pasangan
46 usia subur yang menggunakan alat kontrasepsi. Alat kontrasepsi merupakan obat/alat untuk mencegah terjadinya kehamilan, jenis kontrasepsi ada 2 yaitu kontrasepsi yang mengandung hormonal (pil, suntik dan implant) dan kontrasepsi non hormonal (IUD dan kondom). •
Pil KB adalah pil berisi hormon estrogen dan atau progestin yang diminum oleh wanita sebagai alat kontrasepsi.
•
Suntik KB adalah obat suntik yang hanya berisi progestin yang digunakan oleh wanita sebagai alat kontrasepsi
•
Implant pengikatan kedua saluran telur wanita (tubektomi) atau kedua saluran sel jantan/sperma laki-laki (vasektomi)
•
IUD atau Alat Kontrasepsi Dalam Rahim adalah alat yang terbuat dari plastik halus berukuran kecil, ada yang berbentuk spiral, T dan kipas yang bagian batangnya dililit tembaga
•
Kondom adalah sarung karet kelamin laki-laki yang terbuat dari bahan karet halus
