BAB 2 LANDASAN TEORI 2.1 Teori – Teori Dasar / Umum 2.1.1 Data Pengertian data menurut James A. O’Brien ( 2009, P 13 ) merupakan kumpulan dari datum, namun data juga mewakili baik sebagai datum maupun sebagai kumpulan datum, Data adalah kenyataan dari hasil pengawasan , atau hasil dari kejadian yang ada. Pengertian data menurut Turban Rainer Porter ( 2005, P 17) bahwa data merupakan fakta mentah atau deskripsi awal mengenai barang, kegiatan, dan transaksi yang diperoleh, disimpan, dan diklasifikasikan, namun tidak diorganisasikan untuk menyampaikan arti yang spesifik. Jadi data adalah kumpulan dari kumpulan fakta yang didapat dari hasil pengawasan, atau kejadiaan yang diperoleh, disimpan, dan diklasifikasikan, untuk menyampaikan arti yang spesifik.
2.1.2 Informasi Pengertian informasi menurut James A. O’Brien ( 2009, P Daftar Kosakata 9 ) data yang ditempatkan sebagai sebuah konteks yang bermakna dan berguna bagi pengguna akhir . Pengertian informasi menurut James A.Hall (2007, p605), Informasi adalah fakta yang menyebabkan penggunanya melakukan tindakan
yang
tidak
akan
dilakukannya.
5
dapat
dilakukannya,
atau
tidak
6
Jadi, informasi adalah fakta yang telah diolah sehingga bermakna
untuk
pengguna
akhir
walaupun
mereka
tidak
melakukannya.
2.1.3 Sistem Informasi Pengertian sistem informasi menurut James A. O’Brien (2009, P 7 ) kombinasi orang, perangkat keras, perangkat lunak, jaringan komunikasi, dan sumber data yang mengumpulkan, mengubah, dan menyebarkan informasi didalam sebuah organisasi. Menurut Turban Rainer Porter (2005, p49), sistem informasi adalah proses yang menjalankan fungsi mengumpulkan, memproses, menyimpan, menganalisis, dan menyebarkan informasi untuk tujuan tertentu. Jadi, sistem informasi adalah kombinasi dari orang, perangkat keras, perangkat lunak, jaringan komunikasi, dan sumber data
yang
menjalankan
fungsi
mengumpulkan,
memproses,
menyimpan, menganalisis, dan menyebarkan informasi.
2.1.4 Database Pengertian database menurut James A. O’Brien (2009, P Daftar Kosakata 4 ) adalah sebuah koleksi logika yang terintergrasi dan berhubungan dengan data. Sebuah database dapat dikonsolidasikan sebagai sekian banyak catatan yang disimpan terlebih dahulu di file yang berbeda.
7
Pengertian database menurut Connolly( 2005, P 15 ) adalah sebuah koleksi dari logika yang berhubungan dengan data, dan deskripsi dari data tersebut yang didesain menurut kebutuhan perusahaan. Pengertian Mcleod (2007,P 181),database adalah suatu kumpulan data komputer yang terintegrasi, diorganisasikan, dan disimpan dengan suatu cara yang memudahkan pengambilan kembali (retrival). Jadi, database adalah koleksi logika yang berhubungan dengan data yang didesain sesuai dengan kebutuhan perusahaan.
2.1.5 DBMS ( Database Management System ) Pengertian DBMS menurut Connolly( 2005, P 16 ) adalah sebuah sistem software yang memungkinkan pengguna untuk define, create, maintain, dan control akses kedalam database. Pengertian DBMS menurut Kimball( 2002 , P 398) adalah sebuah aplikasi komputer yang bertujuaan untuk menyimpan, mengambil, dan memodifikasi data menjadi sangat terstruktur. Data dalam DBMS biasanya terbagi oleh aplikasi. Jadi, DBMS adalah sebuah aplikasi yang memungkinkan pengguna untuk melakukan aktifitas menyimpan, mengambil, dan memodifikasi data yang ada didalam database .
8
2.1.6 OLTP (Online Transaction Processing) 2.1.6.1 Pengertian OLTP (Online Transaction Processing) Pengertian OLTP menurut Kimball (2002, P 408) adalah gambaran asli dari segala aktifitas dan asosiasi sistem dengan memasukan 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 mengakses database secara langsung. Transaksi yang dilakukan dapat berupa operasi insert, update, delete. Database OLTP biasanya bersifat relasional dan yang paling penting database OLTP dibangun untuk dapat menangani transaksi dalam jumlah besar dengan tetap menjaga performa agar tetap optimal.
2.1.6.2 Perbedaan OLTP dan Data Warehouse Menurut S.Prahbhu.N Venatesan (2007, P 84) perbedaan OLTP dengan Data Warehouse adalah :
9
Tabel 2.1 Perbedaan OLTP dan Data Warehouse Sistem Data Warehouse •
Dirancang untuk analisa bisnis ,
Sistem OLTP •
tindakan berdasarkan kategori dan
Dirancang untuk real time operasi bisnis
atribut •
Dioptimalkan untuk beban masal dan •
Dioptimalkan untuk seperangkat
besar serta kompleks, permintaan
transaksi, biasanya menambahkan
akses yang tidak terduga
atau mengambil satu baris pada suatu waktu pertabel
•
Sarat dengan konsisten data yang •
Dioptimalkan untuk validasi data
valid tidak memerlukan real time
yang
masuk
selama
transaksi
menggunakan validasi tabel •
Mendukung
beberapa
pengguna
•
secara bersamaan relatif terhadap
Mendukung
ribuan
pengguna
secara bersamaan
OLTP
2.1.6.3 Perbedaan OLTP dan OLAP Dibawah ini adalah tabel perbandingan OLTP dengan OLAP ,menurut Connolly dan Begg (2005, P 1153 ) Tabel 2.1 Perbedaan OLTP dan OLAP Sistem OLTP
Sistem OLAP
•
Mengandung data terkini
•
Mengandung data history
•
Menyimpan data yang rinci
•
Menyimpan
•
Datanya bersifat dinamis
data
yang
singkat, dan sangat teringkas •
Datanya bersifat statis
rinci,
10
•
Proses berulang-ulang
•
Prosesnya tidak terstruktur
•
Jumlah transaksi tinggi
•
Jumlah transaksi sedang dan kecil
•
Pola penggunaannya dapat diprediksi
•
Pola penggunaanya tidak dapat diprediksi
•
Digunakan untuk transaksi
•
Digunakan untuk analisa
•
Berorientasi pada aplikasi
•
Berorientasi pada subjek
•
Mendukung keputusan sehari-hari
•
Mendukung keputusan strategis
•
Digunakan
•
Digunakan
oleh
banyak
user
operational
oleh
sedikit
user
manajerial Tabel 3.1 Perbandingan OLTP dan OLAP
2.1.7 Data Warehouse 2.1.7.1 Pengertian Data Warehouse Pengertian Data Warehouse menurut Inmon ( 2005, P 29 ) adalah jantung dari lingkungan architected, dan merupakan dasar dari semua proses DSS yang bersifat subject oriented, integrated, nonvolatile, dan time-variant dari koleksi data yang mendukung pengambilan keputusan . Pengertian Data Warehouse menurut James A. O’Brien ( 2009, P 697 ) adalah kumpulan data terpadu dari data yang diambil dari database operational, history, dan eksternal, yang dibersihkan, diubah, dan dikategorikan untuk penelusuran dan
analisis
(penambangan
data),
untuk
menyediakan
kecerdasan bisnis bagi para pengambil keputusan akhir
11
Jadi, Data Warehouse adalah sistem yang saling berhubungan yang menjadi akses dari pengguna akhir. Dimana Data Warehouse memiliki karakteristik subject oriented, integrated, nonvolatile, dan time-variant 2.1.7.2 Karakteristik Data Warehouse Karateristik Data Warehouse menurut Inmon ( 2005, P 31 ) Subject oriented adalah sistem operasi klasik disekitar lingkungan aplikasi perusahaan. Gambar 2.1 Subject Orientation
Integrated adalah data dari berbagai sumber informasi diolah dengan cara dikonversi, reformatted , resequenced, dan summarized .sehingga menjadi satu sumber didalam Data Warehouse.
12
Gambar 2.2 Integration
Nonvolatile adalah data hanya bisa dimanipulasi pada fase operasional data ,namun pada Data Warehouse data tidak dapat dimanipulasi . Gambar 2.3 Nonvolatility
Time Variance adalah setiap unit dari data didalam data warehouse memiliki time stamp yang digunakan untuk menandakan waktu pada data didalam data warehouse.
13
Gambar 2.4 Time Variance
2.1.7.3 Keuntungan Data Warehouse Berdasarkan
Connolly
(2005,
P
1152),
mengimplementasikan Data Warehouse dapat memberikan manfaat seperti : •
Keuntungan potensi yang besar dalam investasi Suatu organisasi harus memiliki sumber daya dalam jumlah besar untuk kesuksesan dalam mengimplementasikan Data Warehouse dan jumlah biaya yang dikeluarkan bervariasi, besarnya tergantung dari solusi teknik yang tersedia, tetapi investasi dalam Data Warehouse dapat memberikan keuntungan yang besar setelah pengimplementasiannya.
•
Keuntungan yang kompetitif Keuntungan yang kompetitif dapat dicapai dapat dicapai dengan memungkinkan para pengambil keputusan untuk mengakses data yang dapat mengungkapkan data – data yang belum tersedia, tidak diketahui, dan tidak tercatat
•
Meningkatkan kinerja para pengambil keputusan perusahaan Dengan melakukan transformasi data menjadi informasi yang berarti. Data Warehouse memungkinkan para manajer
14
bisnis melakukan analisa yang lebih konsisten, akurat, dan substantive . Sehingga terjadi peningkatan produktivitas dari pengambilan keputusan. 2.1.7.4 Struktur Data Warehouse Gambar 2.5 Struktur data warehouse
Menurut Inmon (2002, P 35), data warehouse memiliki beberapa tingkat detil data yaitu older level of detail, current level of detail, lightly summarized data, dan
highly summaried
data. Data dalam data warehouse berasal dari data operasional. Sebelum data tersebut masuk dalam data warehouse, terjadi proses transformasi dari tingkat data operasional menjadi tingkat data warehouse. Semakin lama suatu data disimpan, tingkat atau level data tersebut akan berubah dari current detail data menjadi older detail data. Jika data telah dirangkum (summarized), maka current detail data akan berpindah menjadi tingkat lightly summarized data , kemudian dari lightly summarized data menjadi highly summarized data.
15
2.1.7.5 Arsitektur Data Warehouse Menurut Connolly (2005, P 1156), komponen – komponen utama sebuah Data Warehouse antara lain : • Operasional Data Data untuk Data Warehouse berasal dari : o Mainframe data operational yang berada pada tingkatan database generasi pertama dan database jaringan. Diperhatikan sebagian besar data operational perusahaan disimpan pada sistem tersebut. o Data departemen yang berada di sistem file
DBMS
relasional (seperti SQL Server) o Data pribadi yang berada di server dan workstation pribadi. o Sistem – sistem eksternal seperti internet, database yang tersedia
secara
berhubungan
komersil,
dengan
dan
pemasok
database atau
yang
pelanggan
perusahaan. • Operational Data Store Sebuah Operational Data Store (ODS) adalah sebuah tempat penyimpanan data operasional terkini dan terintegrasi, yang digunakan untuk kebutuhan analisis. ODS memiliki struktur dan sumber data yang sama dengan Data Warehouse, berperan sebagai tempat penyimpanan data yang telah diextract dari sistem sumber dan telah dibersihkan. Dengan
16
demikian, proses pengintegrasian dan rekrontruksi data untuk Data Warehouse menjadi lebih sederhana. • Load Manager Load Manager melakukan semua operasi yang berhubungan dengan fungsi extracting / mengambil data dan fungsi loading / meletakkan data kedalam Data Warehouse. Data dapat di-extract dari sumber – sumber data atau pada umumnya diambil dari operational data store. Operasi yang dilakukan Load Manager dapat berupa transformasi data yang sederhana untuk mempersiapkan pemasukan data ke dalam Data Warehouse. Ukuran dan kompleksitas komponen ini akan berbeda sesuai dengan Data Warehouse yang dirancang dan dapat dibangun menggunakan kombinasi antara vendor loading dan custom build program. • Warehouse Manager Warehouse Manager melakukan suatu operasi yang berhubungan dengan manajemen data dalam Data Warehouse . Komponen ini dibangun menggunakan vendor dan management tools dan custom build programs. Operasi yang dilakukan oleh Data Warehouse Managemer berupa : o Melakukan analisa data untuk menjaga konsistensi data. o Melakukan transformasi dan penggabungan sumber data dari penyimpanan sementara ke dalam tabel – tabel Data Warehouse. o Menciptakan index dan view pada base tables.
17
o Melakukan denormalisasi (jika diperlukan). o Melakukan agregasi (jika diperlukan). o Melakukan back-up dan archieve / back-up data • Query Manager Query Manager melakukan semua operasi yang berhubungan dengan Management user queries. Komponen ini dibangun menggunakan vendor end-user data access tools, Data Warehouse monitoring tools, fasilitas database, dan custom build-in programs. Kompleksitas queries manager ditentukan oleh fasilitas yang disediakan end-user access tools dan database .Operasi yang dilakukan komponen ini berupa pengarahan query pada tabel – tabel yang tepat dan penjadwalan eksekusi query. • Detailed Data Komponen ini menyimpan semua detil dalam skema basis data. Pada umumnya beberapa data tidak disimpan secara fisik, tetapi dapat dilakukan dengan cara agregasi. Secara periodik data detil ditambahkan ke Data Warehouse untuk mendukung agregasi data. • Lightly and Highly Summarized Data Komponen ini menyimpan semua data yang diringkas oleh warehouse manager. Data perlu diringkas dengan tujuan untuk mempercepat proses query .Ringkasan data terus diperbaharui seiring dengan adanya data yang baru yang masuk ke dalam Data Warehouse.
18
• Archive / Backup Data Komponen ini menyimpan data detil dan ringkasan data dengan tujuan untuk menyimpan dan back-up data. Walaupun ringkasan yang diperoleh dari data mendetil, ringkasan perlu di back-up juga apabila data tersebut disimpan melampaui periode penyimpanan data detil. Data kemudian dipindahkan ke media penyimpanan seperti magnetic tape atau optical disc. • Metadata Komponen ini menyimpan semua definisi metadata (informasi mengenai data) yang digunakan dalam proses dalam Data Warehouse . Metadata digunakan untuk berbagai tujuan, antara lain : o Proses extracting dan loading, metadata digunakan untuk memetakan sumber data dalam Data Warehouse o Proses manajemen warehouse, metadata digunakan untuk menghasilkan tabel ringkasan (summarized table). o Sebagai bagian dari proses manajemen query, metadata digunakan untuk mengarahkan sebuah query pada sumber data yang tepat. • End-User Acces Tools Tujuan
utama
dari
Data
Warehouse
adalah
dengan
menyediakan informasi bagi pengguna untuk pembuatan keputusan yang strategis dalam berbisnis. Para pengguna berinteraksi dengan Data Warehouse menggunakan end-user
19
access tools. Berdasarkan kegunaan Data Warehouse, terdapat lima kategori end-user tools, yaitu : o Reporting and Quey Tools Reporting tools meliputi production reporting tools dan report writers . Production reporting tools digunakan untuk menghasilkan laporan operational secara berkala. Query tools untuk relational Data Warehouse dirancang untuk menerima SQL atau menghasilkan SQL statements untuk proses query data yang tersimpan di warehouse. o Application Development Tools Application
development
tools
menggunakan
graphical data access tools yang dirancang khusus untuk lingkungan client-server . Beberapa aplikasi perlu diintegrasikan dengan OLAP tools, dan dapat mengakses semua sistem basis data utama. o Executive Information System (EIS) Tools EIS sering dikenal dengan ‘everyone’s information systems’ (sistem informasi untuk semua orang). Awalnya dikembangkan untuk mendukung pembuatan keputusan top level yang strategis. Akan tetapi, seiring berjalannya waktu EIS meluas untuk medukung seluruh tingkat manajemen . EIS tools pada awalnya berhubungan dengan mainframes yang memungkinkan para pengguna untuk menyediakan sebuah overview mengenai data perusahaan dan akses pada sumber data eksternal. Kini, EIS banyak
20
dilengkapi dengan fasilitas query dan menyediakan custom build applications. Untuk area bisnis seperti penjualan, pemasaran, dan keuangan. o Online Analytical Processing (OLAP) OLAP tools didasarkan pada konsep basis data yang
bersifat
multidimensi
dan
memperbolehkan
pengguna untuk menganalisis data dari sudut pandang yang kompleks dan multidimensi . Alat bantu ini mengasumsikan bahwa data
diatur dengan model
multidimensi yang khusus (MDDB) atau sebuah relasional basis data yang dirancang untuk memungkinkan query multidimensi. o Data Mining Tools Data mining adalah proses menemukan korelasi, pola, dan tren yang baru yaitu dengan melakukan penggalian pada sejumlah data menggunakan teknik statistik, matematis, dan artificial intelligence (AI). Data mining memiliki potensi untuk menggantikan kemampuan OLAP tools.
21
Gambar 2.6 Arsitektur Data Warehouse (Connolly)
Menurut Inmon (2005, P 16) ada 4 level arsitektur didalam data warehouse yaitu : • Operational data : pada level ini data berorintasi pada data primitif saja dan digunakan pada proses high-performance transaction . • Data warehouse : pada level ini data mengandung integrasi, history data primitif yang tidak dapat diupdate, beberapa derived data dapat ditemukan pada level ini. • Departmental atau datamart : pada level ini mengandung hampir seluruh derived data . pada level ini data warehouse dibentuk berdasarkan end-user requirement . • Individual : pada level ini tempat terjadinya heuristic analisis .
22
Gambar 2.7 Level of Architecture
Gambar 2.8 Contoh penerapan Data Warehouse pada customer
Dari gambar 2.7 kita bisa mengetahui bahwa pada level operasional ada record mengenai customer bernama J. Jones. Dimana pada level ini juga mengandung data pada saat itu juga yang bisa di-update berulang kali. Pada tahap data warehouse ini terdapat beberapa record dari J. Jones.Contoh data warehouse dapat mencari data mengenai dimana J. Jones tinggal tahun lalu. Pada tahap ini data bersifat sebagai history dari data operasional. Pada tahap data mart berisi jumlah pelanggan perbulannya ( berdasarkan keperluan dari end user ). Pada tahap
23
Individual kita melakukan analisis dari tiap customer untuk mengetahui tren pasar.
2.1.7.6 Bentuk Data Warehouse Untuk dapat memutuskan data warehouse seperti apa yang akan dipakai dalam sebuah perusahaan, terlebih dahulu seorang DBA harus mengetahui akan kebutuhan yang diperlukan oleh perusahaan tersebut dalam menjalankan aplikasi yang ingin dirancangnya. Bentuk- bentuk data warehouse menurut Deliana (2009, P 185) antara lain: 1. Functional Data Warehouse Data warehouse ini dibuat berdasarkan fungsi yang berada di dalam perusahaan. Contohnya seperti, fungsi keuangan atau finansial, marketing, pemasaran, HRD, dan lain-lain. Keuntungan membangun data warehouse bentuk ini adalah harganya relatif murah, serta pembuatan sistemnya yang tidak terlalu sulit. Sedangkan kerugianya adalah resiko dalam konsistensi data serta terbatasnya pengumpulan data bagi pengguna.
24
Gambar 2.9 Data Warehouse Functional
2. Centralized Data Warehouse Sekilas bentuk ini terlihat menyerupai data warehouse functional, bedanya adalah data yang terdapat pada centralized data warehouse terlebih dahulu dikumpulkan atau diintergrasikan pada satu tempat (terpusat atau centralized), setelah itu barulah datanya dipisahkan berdasarkan fungsifungsi yang dibutuhkan oleh perusahaan. Keuntungan menggunakan bentuk ini adalah datanya yang konsisten, karena data yang ada didalamnya benarbenar terpadu. Sedangkan kerugiannya adalah perlu waktu yang cukup lama serta biaya yang tinggi untuk membangun sebuah centralized data warehouse.
25
Gambar 2.10 Data Warehouse Centralized
3. Distributed Data Warehouse Distributed data warehouse menggunakan gateway yang berfungsi sebagai jembatan atau penghubung antara source (lokasi data dari data warehouse) dengan workstation yang menggunakan sistem yang beraneka ragam dan berbeda, sehingga
memungkinkan bagi pengguna
untuk
dapat
mengakses sumber data yang berada di luar lokasi perusahaan. Keuntungan memungkinkan
distributed
adanya
data
pengaksesan
warehouse data
dari
adalah luar
perusahaan, karena sebelumnya telah dilakukan sinkronasi terlebih dahulu pada data yang ada di dalamnya agar tetap konsisten. Kerugiannya adalah harga yang mahal,serta sistem pembuatan yang kompleks dibandingkan dengan bentukbentuk data warehouse lainnya.
26
Gambar 2.11 Data Warehouse Distributed
2.1.7.7 Metodologi Perancangan Data Warehouse Sembilan
tahap
metodologi
dalam
perancangan
database untuk data warehouse menurut Connoly( 2005, P 1187), yaitu : • Langkah 1 : Pemilihan proses Data mart yang pertama kali dibangun haruslah data mart yang dapat dikirim tepat waktu dan dapat menjawab semua pertanyaan bisnis yang penting. • Langkah 2 :Pemilihan sumber Untuk memutuskan secara pasti apa yang diwakili atau direpresentasikan oleh sebuah tabel fakta. • Langkah 3 : Mengidentifikasi dimensi Set dimensi yang dibangun dengan baik, memberikan kemudahan untuk memahami dan menggunakan data mart. Dimensi ini penting untuk menggambarkan fakta-fakta yang terdapat pada tabel fakta.
27
• Langkah 4 : Pemilihan fakta Sumber dari sebuah tabel fakta menentukan fakta mana yang bisa digunakan dalam data mart. Semua fakta harus diekspresikan pada tingkat yang telah ditentukan oleh sumber. • Langkah 5 : Menyimpan pre-kalkulasi fakta Hal ini terjadi apabila fakta kehilangan statement. • Langkah 6 : Melengkapi tabel dimensi Pada tahap ini kita menambahkan keterangan selengkaplengkapnya pada tabel dimensi. Keterangannya harus bersifat intuitif dan mudah dipahami oleh pengguna. • Langkah 7 : Pemilihan durasi database Penentuan berapa lama data yang akan di simpan • Langkah 8 : Menelusuri perubahan dimensi yang perlahan Ada tiga tipe perubahan dimensi yang perlahan,yaitu : o Tipe 1. Atribut dimensi yang telah berubah tertulis ulang. o Tipe
2.
Atribut
dimensi
yang
telah
berubah
telah
berubah
menimbulkan sebuah dimensi baru. o Tipe
3.
Atribut
dimensi
yang
menimbulkan alternatif sehingga nilai atribut lama dan yang baru dapat diakses secara bersama pada dimensi yang sama. • Langkah 9 : Menentukan prioritas dan mode query Pada tahap ini kita menggunakan perancangan fisik.
28
2.1.8 Aliran Data dalam Data Warehouse Menurut Connolly (2005, P 1161), Data Warehouse memiliki fokus pada manajemen lima arus data primer, yaitu : • Inflow Merupakan proses ekstraksi, pembersihan, dan pengisian data dari sumber data ke dalam Data Warehouse. Proses inflow ini berkonsentrasi pada proses mengambil data dari sumber sistem dan memasukkannya ke dalam Data Warehouse. Cara lainnya yaitu data dimasukkan ke dalam Operational Data Store (ODS) sebelum dikirim ke Data Warehouse .Proses rekontruksi ini meliputi : o Membersihkan data kotor o Rekonstruksi data untuk dicocokan dengan kebutuhan dari Data Warehouse, contohnya : menambah atau membuang field – field, dan denormalisasi. o Memastikan bahwa sumber data konsisten dengan dirinya sendiri dan dengan data lainnya yang sudah ada di Data Warehouse . • Upflow Merupakan penambahan nilai ke dalam data di Data Warehouse melalui peringkasan, pemaketan, dan distribusi data. Aktifitas yang berhubungan dengan upflow, yaitu sebagai berikut : o Meringkas data dengan proses memilih, memperhitungkan, menggabungkan, dan mengelompokkan data relational ke dalam tampilan yang lebih berguna bagi user.
29
o Pengepakan data dengan mengubah data detil ke dalam format yang lebih berguna seperti spreadsheets, teks dokumen, diagram, tampilan grafik yang lain, database pribadi, dan animasi. o Mendistribusikan data ke kelompok – kelompok yang tepat untuk meningkatkan ketersediaan dan dapat diakses. • Downflow Merupakan proses mengambil dan mem-backup data dalam Data Warehouse, meyimpan data lama memainkan peranan yang penting di dalam mempertahankan penampilan dan efektifitas dari Data Warehouse dengan mengirimkan data lama dengan nilai yang terbatas ke sebuah tempat penyimpanan seperti magnetic tape dan optical disk. Downflow dari data juga meliputi proses yang memastikan bahwa kondisi yang sekarang dari Data warehouse dapat dibangun kembali jika terjadi kehilangan data, kegagalan software dan hardware. • Outflow Merupakan proses membuat data agar tersedia bagi end user. Outflow merupakan kondisi dimana manfaat dari Data Warehouse benar – benar dirasakan oleh sebuah organisasi. Dua aktifitas kunci terdapat pada outflow yaitu sebagai berikut : o Pengaksesan, dimana berhubungan dengan proses memuaskan end user dengan menyediakan data yang dibutuhkan oleh mereka. Yang menjadi perhatian utama yaitu membuat suatu lingkungan jadi user dapat dengan efektif menggunakan query
30
tool untuk mengakses sumber data yang paling tepat. Frekuensi dari pengaksesan ini dapat bervariasi mulai dari ad hoc, secara rutin, sampai real time. Selain itu juga harus dipastikan bahwa sumber sistem digunakan dengan cara yang paling efektif di dalam menjadwalkan pengeksekusian terhadap query dan user . o Pengiriman,
dimana
berhubungan
dengan
secara
aktif
mengirimkan informasi ke workstation dari user. Ini merupakan area yang baru dari Data Warehouse dan sering dihubungkan dengan proses publish dan subscribe.Data Warehouse akan mem-publish objek bisnis yang bermacam – macam dan user akan men-subscribe terhadap objek bisnis yang dibutuhkan mereka. • Metaflow Merupakan proses manajemen Metadata. Metaflow merupakan proses yang memindahkan metadata (data tentang flow yang lainnya). Metadata merupakan deskripsi dari data yang ditampung di dalam Data Warehouse, apa yang telah dilakukan terhadap data tersebut dengan cara cleansing, integrating, dan summarizing.
2.1.9 Perbedaan Model Relasional dan Model Multi Dimensional Perbedaan model relasional dengan model multi dimensional, menurut Inmon (2002, P 358) •
Model relasional adalah hubungan antara tabel-tabel oleh foreign key pada masing-masing tabel tersebut. relasi foreign key adalah hubungan dasar bagi data yang identik di kedua tabel, data yang
31
ada
di
relasional
model
berbentuk
data
yang
dapat
dinormalisasikan. Relasional model membuat sebuah desain untuk Data Warehouse yang sangat fleksibel. Dengan database yang sebagai acuan utamanya, dan lainnya berdasarkan relasional model. Elemen-elemen dari data dapat di bentuk menjadi berbagai macam jenis. •
Model multi dimensional sering disebut dengan star joint approach, struktur star joint ini direpresentasikan dalam sebuah “bintang” dimana terdapat satu pusat dan beberapa struktur data yang tersebar, yang menjadi pusatnya yang menyimpan kejadian dalam bentuk data, lalu yang mengelilingi tabel fakta itu adalah dimensi-dimensi dimana dimensi itu merupakan kejadian dari tabel fakta.
2.1.10 Agregasi dan Denormalisasi •
Agregasi Pengertian agregasi menurut Whitten (2004, P 436 ) agregasi adalah sebuah hubungan dimana suatu kelas “whole” yang lebih besar berisi satu atau lebih kelas “part” yang lebih kecil atau, kelas-kelas “part” yang lebih kecil adalah bagian kelas “whole” yang lebih besar.
•
Denormalisasi Pengertian denormalisasi menurut Inmon (2002, P 389) adalah teknik penempatan data normalisasi di lokasi physical yang mengoptimalkan kinerja sistem.
32
Pengertian denormalisasi menurut Connoly (2005, P 520) mengacu pada perbaikan skema relational sehingga tingkat normalisasi hubungan dimodifikasi untuk kurang dari tingkat setidaknya satu dari hubungan asli. Dapat juga menggunakan jangka waktu lebih lama untuk merujuk pada situasi dimana bisa menggabungkan dua relasi ke dalam hubugan baru dan hubungan baru masih ternormalisasi tetapi mengandung nilai null lebih dari hubungan asli. Alasan untuk melakukan denormalisasi : •
Mengurangi jumlah dari hubungan yang terjadi antara tabel tabel, yang menyebabkan harus mengalami proses pada waktu dilakukan pencarian.
•
Untuk membuat struktur fisik dari database semakin mendekati model dimensi dari pemakai
•
Membuat struktur tabel sesuai dengan yang ditanyakan oleh pemakai, memungkinkan terjadinya akses langsung. Sedangkan kelemahan yang timbul bila memakai konsep denormalisasi tentunya memerlukan memory space (tempat penyimpanan) yang besar sehingga hal ini secara tidak langsung akan membuat redundasi data.
2.1.11 Metadata Pengertian metadata menurut Inmon (2002, P 103) adalah komponen penting dalam lingkungan Data Warehouse, yang merupakan bagian dari pemrosesan informasi selama masih terdapat program dan data.
33
Metadata memungkinkan penggunanya / DSS analyst untuk melihat berbagai macam kemungkinan. Dengan bantuan metadata user dapat langsung menemukan data yang diinginkan atau mengetahui data itu tidak ada.
2.1.12 Star Schema Pengertian star schema menurut Inmon (2002, P 139) adalah struktur desain yang diperlukan untuk mengelola sejumlah besar data yang berada di dalam sebuah entity dalam data mart. Denormalisasi biasanya dilakukan ketika ada sejumlah entitas yang berhubungan dengan tabel dimensi yang sering diakses, untuk menghindari overhead karena harus menggabungkan tabel tambahan untuk mengakses atribut. Pengertian star schema menurut Connoly (2005, P 1183) adalah struktur logika yang memiliki tabel fakta yang berisi data faktual yang berada pada tengah diagram dan dikelilingi oleh tabel dimensi yang berisi data refrensi ( dimana data dapat didenormalisasi).
2.1.13 ETL(Extract, Transform, Loading) Menurut Turban (2011, P67) ETL merupakan salah satu proses yang penting dalam data warehouse. Tujuan dari ETL adalah untuk melengkapi data warehouse dengan data yang telah disaring dan diolah. Data yang digunakan dalam proses ETL dapat berasal dari berbagai sumber , contohnya mainframe application, ERP application, CRM tool, data Excel, atau kumpulan pesan. Proses ETL terdiri 3 proses yaitu :
34
•
Extraction Langkah pertama pada proses ETL adalah mengekstrak data dari sumber – sumber data. Kebanyakan proyek data warehouse menggabungkan data dari sumber – sumber yang berbeda. Sistem yang terpisah – pisah ini mungkin saja menggunakan format data yang berbeda. Sistem yang terpisah – pisah ini mungkin saja menggunakan format data yang berbeda sehingga perlu dilakukan ekstraksi. Ekstraksi adalah mengubah data dalam suatu format yang berguna untuk proses transformasi.
•
Transformation Mengubah data menggunakan serangkaian aturan atau fungsi untuk mengekstrak data menjadi bentuk yang diperlukan, sehingga data tersebut dapat diproses dalam data warehouse.
•
Load Fase load adalah fase dimana data dimasukkan ke dalam data warehouse. Jangka waktu proses ini tergantung pada kebutuhan perusahaan. Misalnya dalam suatu bagian, menentukan waktu setiap minggu untuk memindahkan data operasional ke dalam data warehouse, sedangkan bagian lain bisa saja menentukan waktu setiap jam untuk memasukkan data ke dalam data warehouse. Waktu dan jangkauan untuk mengganti atau menambah data tergantung dari perencanaan data warehouse pada waktu menganalisis kebutuhan informasi.
2.2 Teori Khusus
35
2.2.1 Problem Solving Elemen-elemen dalam problem solving menurut Mcleod (2007, P 161), yaitu: •
Desired State : Suatu keadaan dimana sistem dapat memenuhi tujuan pembuatannya, dan juga keadaan dimana sistem memenuhi kebutuhan para manajer.
•
Current State : Keadaan sistem yang sedang berjalan, dan informasi apa saja yang sudah dicapai oleh sistem.Apabila terjadi perbedaan antara Desired State dengan Current State maka akan timbul masalah dan harus diselesaikan.
•
Solution Criterion : Perbedaan antara Desired State dan Current State adalah kriteria yang menuntun sistem dari Current State menuju Desired State
2.2.2 Executive Information System (EIS) Executive Information System (EIS) adalah sebuah sistem yang menyediakan informasi untuk para eksekutif dalam bentuk rangkuman informasi pada perusahaan. Informasi dapat dengan mudah diambil dan disediakan dalam berbagai tingkat kedetilannya.
2.2.3 Pengertian Persediaan Pengertian persediaan menurut Sofjan Assauri (2008, P 237) Persediaan merupakan sejumlah bahan-bahan, parts yang disediakan dan bahan-bahan dalam proses yang terdapat dalam perusahaan untuk
36
proses produksi, serta barang-barang jadi/produk yang disediakan untuk memenuhi permintaan dari komponen atau langganan setiap waktu.
2.2.4 Jenis Persediaan Menurut Zulian Yamit (2008, P 3) meyatakan bahwa “persediaan terdiri dari persediaan alat-alat kantor (supplies), persediaan bahan baku (raw material), persediaan barang dalam proses (in-process goods) dan persediaan barang jadi (finished goods)”. Menurut Sofjan Assauri (2008, P 240) Persediaan itu dapat pula dibedakan atau dikelompokkan menurut jenis dan posisi barang tersebut di dalam urutan pengerjaan produk, yaitu : 1. Persediaan bahan baku (raw material stock), yaitu persediaan barang-barang berwujud yang digunakan dalam proses produksi, barang mana yang diperoleh dari sumber-sumber alam ataupun dibeli dari supplier atau perusahaan yang menghasilkan bahan baku bagi perusahaan yang menggunakannya. 2. Persediaan bagian produk atau parts yang dibeli (purchased parts/komponen stock), yaitu persediaan barang-barang yang terdiri atas parts yang diterima dari perusahaan lain, yang dapat secara langsung di-assembling dengan parts lain, tanpa melalui proses sebelumnya. 3. Persediaan
bahan-bahan
pembantu
atau
barang-barang
perlengkapan (supplies stock) yaitu persediaan barang-barang atau bahan-bahan yang diperlukan dalam proses produksi untuk membantu berhasilnya produksi atau yang dipergunakan dalam
37
bekerjanya suatu perusahaan, tetapi bukan merupakan bagian atau komponen dari barang jadi. 4. Persediaan barang setengah jadi atau barang dalam proses (work in process/process stock), yaitu persediaan barang-barang yang keluar dari tiap-tiap bagian dalam suatu pabrik atau bahan-bahan yang telah diolah menjadi suatu bentuk, tetapi lebih perlu diproses kembali untuk kemudian menjadi barang jadi. 5. Persediaan barang jadi (finished goods stock), yaitu persediaan barang-barang yang telah selesai diproses atau diolah dalam pabrik dan siap untuk dijual kepada pelanggan atau perusahaan lain.
2.2.5 Pemasaran Pengertian pemasaran menurut Kotler (2008 , P 5) adalah sebuah proses perusahaan mencipatakan nilai untuk konsumennya dan membangun hubungan kuat dengan tujuan untuk menciptakan nilai keuntungan konsumen . Pengertian pemasaran menurut Kurtz (2008 , P 7) adalah fungsi
organisasi
dan
sebuah
proses
untuk
menciptakan,
mengkonsumsi, dan mengirimkan nilai untuk konsumen dan mengatur hubungan dengan konsumen sebagai cara menguntungkan perusahaan dan juga pihak berkepentingan.
