67
Bab 4 ANALISIS DAN PERANCANGAN DATA WAREHOUSE
4.1 Arsitektur Data Warehouse Perancangan Data Warehouse pada PT. Fujiyama menggunakan arsitektur Data Warehouse terpusat atau Centralized. Pada arsitektur ini terlebih dahulu mengumpulkan sumber-sumber data pada satu tempat, kemudian sumbersumber data tersebut
dikirimkan dan masuk kefungsinya masing-masing.
Keuntungan dalam menggunakan centralized Data Warehouse yaitu konsistensi data tinggi dan keakuratan juga tinggi, selain itu mempermudah dalam pengawasan dan pemeliharaan data dalam Data Warehouse karena hanya berada disatu tempat, serta untuk pengembangan rancangan Data Warehouse relatif mudah dan murah. Berikut ini gambar arsitektur Data Warehouse pada PT. Fujiyama :
ETL
Data Operational
Extraction,
Executive
Transformation,
DATA WAREHOUSE
Loading
Gambar 4.1 Arsitektur Data warehouse
67
68
4.2 Perancangan Data Warehouse Dalam perancangan Data Warehouse dibutuhkan beberapa tahap sehingga terbentuknya Data Warehouse. Metode yang digunakan adalah nine step metodologi menurut Ralph Kimball yang dikutip oleh Conolly (2010). Kesembilan tahap tersebut, yaitu :
4.2.1 Pemilihan proses (Choosing the procces) Identifikasi terhadap proses bisnis yang akan disesuaikan dengan kebutuhan informasi dan permasalahan yang dihadapi oleh PT. Fujiyama. Hasil analisis yang dilakukan adalah sebagai berikut : 1. Persediaan Bagian logistik akan memeriksa persedian barang yang ada digudang. Apabila stok barang yang ada sudah mencapai atau melewati stok minimal maka bagian logistik akan membuat Purchase Request yang akan dikirimkan kepada CEO. Apabila bagian logistik sudah menerima pengiriman dari vendor, maka bagian logistik akan membuat Surat Barang Masuk sesuai jumlah barang yang dikirimkan oleh vendor tersebut. Apabila terdapat penjualan barang yang dilakukan oleh bagian penjualan maka bagian logistik akan membuat surat pengeluaran barang sesuai jumlah barang yang keluar dan tertera pada sales order bagian penjualan. Setelah pelanggan melunasi invoice yang dikirimkan oleh bagian finance, maka bagian logistic akan membuat surat jalan untuk mengantarkan barang-barang yang dibeli ketempat pelanggan melalui expedisi. Sedangkan data yang digunakan adalah barang, invoice, Purchase Order, Sales Order, Purchase Request, Surat Barang Masuk, Surat Barang Keluar, dan surat jalan.
69
2. Penjualan Pada saat pelanggan ingin membeli barang, maka bagian penjualan akan membuat sales order yang akan dikirimkan kepada bagian finance untuk dibuat invoicen dan kemudian invoice tersebut akan dikirimkan kepada pelanggan. Sedangkan data yang digunakan adalah barang, stok, dan bagian penjualan. 3. Pemasaran Sales mendatangi pelanggan di daerah yang telah ditentukan , lalu memasarkan produk yang di jual perusahaan. Serta memotivasi dan meyakinkan pelanggan atas manfaat, kelebihan produk dan harga yang terjangkau dengan tujuan pelanggan membeli produk yang ditawarkan
4.2.2 Pemilihan Grain (Choosing the Grain) Pemilihan Grain berarti menentukan secara tepat apa yang akan direpresentasikan oleh report pada tabel fakta. Grain yang dilakukan dalam perancangan Data Warehouse ini adalah : 1. Persediaan Pada proses persediaan analisis yang dilakukan adalah barang yang banyak distok, jumlah barang yang distok, total barang yang distok dan minimal barang yang distok. Analisis tersebut berdasarkan periode hari, bulanan dan pertahunan. 2. Penjualan Pada proses penjualan analisis yang dilakukan adalah barang yang banyak dibeli, jumlah barang yang banyak dibeli, dan total barang yang banyak dibeli. Analisis tersebut dapat berdasarkan periode hari, bulanan dan pertahunan.
70
3. Pemasaran Pada proses pemasaran analisis yang dilakukan adalah jumlah barang yang dipasarkan, jumlah pemasaran, dan daerah pemasran. Analisis tersebut dapat berdasarkan periode hari, bulanan dan pertahunan.
4.2.3
Mendefinisikan
dan
menyesuaikan
dimensi
(Identifying
and
Conforming The Dimensions) Pada tahap ini dilakukan mendefinisikan dan penyesuaian dimensi yang ditampilkan dalam bentuk matrik.
1. Persedian Tabel 4.1 Persediaan Dimensi
Waktu Barang
Grain Barang yang banyak distok
X
X
Jumlah barang yang distok
X
X
Minimal barang yang distok
X
X
Total barang yang distok
X
X
2. Penjualan Tabel 4.2 Penjualan
71
Dimensi
Waktu Pelanggan Barang
Grain Barang yang banyak dibeli
X
X
X
Jumlah barang yang banyak dibeli
X
X
X
Total barang yang banyak dibeli
X
X
X
3. Pemasaran Tabel 4.3 Pemasaran Dimensi
Waktu Pelanggan Barang
Grain Jumlah pemasaran yang dilakukan
X
X
X
Jumlah barang yang dipasarkan
X
X
X
Total barang yang dipasarkan
X
X
X
4.2.4 Memilih fakta (Choosing The Fact) Pada tahap ini dilakukan pemilihan fakta yang telah ditentukan sebelumnya. Masing-masing fakta yang dipilih akan ditampilkan dalam bentuk laporan dan grafik. Berikut ini fakta-fakta yang akan ditampilkan kedalam Data Warehouse : 1. Fakta Persediaan
72
Meliputi WaktuID, ArtikelID, GudangID, WarnaID Jumlah barang yang distok, Jumlah barang awal, Jumlah barang masuk, Jumlah barang keluar, Jumlah barang akhir. 2. Fakta Penjualan Meliputi WaktuID, PelangganID, ArtikelID, WarnaID, StaffID, DaerahID, Total barang yang dijual dan Jumlah barang dijual. 3. Fakta Pemasaran Meliputi WaktuID, DaerahID, PelangganID, ArtikelID, StaffID, Total barang yang dipasarkan dan Jumlah pemasaran tertinggi.
4.2.5 Menyimpan Pre-Kalkulasi pada tabel fakta (Storing Pre-calculation in fact table) Dalam tabel fakta yang terdapat data yang merupakan kalkulasi awal yang ada. Pada tabel fakta antara lain : 1. Persediaan a. Jumlah barang yang distok merupakan jumlah pembelian barang dari supplier. b. Total barang yang distok merupakan jumlah pembelian barang dari supplier. 2. Penjualan a. Jumlah barang yang dijual merupakan jumlah penjualan barang yang terjadi pada setiap pelanggan. b. Total penjualan barang merupakan jumlah penjualan barang yang terjadi pada setiap pelanggan dikali dengan harga jual per barang. 3. Pemasaran
73
a. Total pemasaran barang merupakan jumlah barang yang dipasarkan perusahaan ke pelanggan di daerah atau lokasi tertentu. b. Pemasaran tertinggi merupakan jumlah pemasaran di suatu lokasi atau daerah tertentu dimana perusahaan melakukan pemasaran. Berikut adalah tabel-tabel fakta yang digunakan :
1. Fakta Persediaan Tabel 4.1 Fakta Persediaan Atribut
Tipe Data
WaktuId
Date
ArtikelId
Varchar
JumlahBarangAwal
Int
JumlahBarangMasuk
Int
JumlahBarangKeluar
Int
JumlahBarangAkhir
Int
TotalPersediaan
Int
2. Fakta Penjualan Tabel 4.2 Fakta Penjualan Atribut
Tipe Data
WaktuId
Date
PelangganId
Varchar
ArtikelId
Varchar
74
WarnaID
Varchar
StaffID
Varchar
DaerahID
Varchar
JumlahPenjualan
Num
TotalPenjualan
Num
3. Fakta Pemasaran Tabel 4.3 Fakta Pemasaran Atribut
Tipe Data
WaktuId
Date
PelangganId
Varchar
ArtikelId
Varchar
WarnaID
Varchar
StaffID
Varchar
DaerahID
Varchar
Total_pemasaran
Num
Pemasaran_tertinggi
Num
4.2.6 Melengkapi tabel dimensi (Rounding out the dimension table) Dalam tabel dimensi terdapat data yang merupakan rujukan dari table fakta yang berhubungan dengan tabel dimensi tersebut, sebagai berikut :
75
1. Dimensi Waktu Tabel 4.4 Dimensi Waktu Atribut
Tipe Data
Constraint
WaktuId
Int
Primary Key
Tahun
Int
-
Bulan
Int
-
Kuartal
Int
-
Hari
Int
-
2. Dimensi Artikel Tabel 4.5 Dimensi Artikel Atribut
Tipe Data
Constraint
ArtikelId
Varchar(25)
Primary Key
Kode_Artikel
Varchar(50)
Not null
Nama_Artikel
Varchar(50)
-
3. Dimensi Pelanggan Tabel 4.6 Dimensi Pelanggan Atribut
Tipe Data
Constraint
PelangganId
Int
Primary Key
Kode_Pelanggan
Varchar(20)
Not null
Nama_perusahaan
Varchar(20)
-
76
4. Dimensi Daerah Tabel 4.7 Dimensi Daerah Atribut
Tipe Data
Constraint
DaerahId
Int
Primary Key
Kode_daerah
Varchar(20)
Not null
Nama_daerah
Varchar(20)
-
5. Dimensi Staff Tabel 4.8 Dimensi Staff Atribut
Tipe Data
Constraint
StaffID
Int
Primary Key
Kd_Staff
Varchar(20)
Not null
Nama
Varchar(20)
-
6. Dimensi Warna Tabel 4.9 Dimensi Warna Atribut
Tipe Data
Constraint
WarnaID
Int
Primary Key
Kd_Warna
Varchar(20)
Not null
Nama_Warna
Varchar(20)
-
7. Dimensi Gudang Tabel 4.10 Dimensi Gudang Atribut
Tipe Data
Constraint
GudangID
Int
Primary Key
77
KdGudang
Varchar(20)
Not null
Nama_Gudang
Varchar(30)
-
4.2.7 Pemilihan durasi database (Choosing the duration of the database) Durasi dari data PT. Fujiyama yang dimasukan kedalam data warehouse sebagai berikut : Tabel 4.11 Pemilihan durasi database Nama
Database
aplikasi
Database
Data yang
Data dalam
ada sejak
masuk ke
data
tahun
data
warehouse
warehouse Aplikasi
OLTP
2002
DWH
(SQL
(Microsoft
Server 2008
Visual
R2)
2008-2013
5 tahun
Studio)
4.2.8 Melacak perubahan dari dimensi secara perlahan (Tracking slowly changing dimension) Dari tipe dasar
perubahan dimensi, pada perancangan data
warehouse pada PT. Fujiyama, perubahan atribut yang ada pada dimensi akan dapat mengakibatkan suatu record field baru. Hal ini dilakukan dengan tujuan untuk tetap menyimpan data lama agar dapat diketahui perubahan dimensi yang terjadi dari data lama ke data baru, serta bertujuan sebagai histori data. Dimensi-dimensi yang ada kemungkinan berubah terdapat pada tabel dibawah ini : Tabel 4.12 Melacak perubahan dari dimensi secara perlahan
78
Nama Dimensi
Atribut yang mungkin berubah
Dimensi Artikel
Nama Artikel
Dimensi Pelanggan
Nama Pelanggan
Untuk mengatasi masalah ini, berikut adalah contoh penerapannya : Data pada Dimensi Pelanggan sebelum berubah : Tabel 4.13 Data Pada Dimensi Pelanggan PelangganId
IdPelanggan
NamaPelanggan
1
HRSPEL001
MT. Sinar Jogja
2
HRSPEL002
PT. Agung Samudra
Data pada dimensi Pelanggan setelah terjadi perubahan nama pada pelanggan dengan PelangganID 1 : Tabel 4.14 Perubahan nama pada pelanggan PelangganId
IdPelanggan
NamaPelanggan
1
HRSPEL001
MT. Sinar Jogja
2
HRSPEL001A
MT.Sinar Mulia
4.2.9 Memutuskan prioritas dan model dari query (Deciding the query priorities and the query models) Pada tahap ini membahas tentang proses ETL(Extact Transform dan Load), backup data yang akan dilakukan secara berkala dan analisis kapasistas media penyimpanan.
79
Tabel 4.15 Memutuskan prioritas dan model dari query Pelaku ETL Database Admin
Dilakukan Setiap Dalam (minggu,
periode bulan,
Keterangan
waktu Diawasi oleh manager tahun
sekali)
4.3 Skema Bintang dan Metadata 4.3.1 Skema Bintang Permodelan dimensional (dimensionality modeling) yang digunakan dalam perancangan data warehouse untuk
PT. Fujiyama adalah star
scheme (skema bintang). Pemilihan star schema karena bentuk dari star schema ini memaksimalkan tingkat pengaksesan yang dilakukan dan memudahkan dalam query. Terdapat dua skema bintang yang diperoleh dari perancangan data warehouse pada PT. Fujiyama,yaitu sebagai berikut :
80
Star Scheme Penjualan
Gambar 4.2 Star Scheme Penjualan
Star Scheme Persediaan
81
Gambar 4.3 Star Scheme Persediaan
Star Scheme Pemasaran
82
Gambar 4.4 Star Scheme Pemasaran
4.3.2 Metadata Metadata Memuat informasi-informasi yang penting mengenai data dalam Data warehouse. Metada dalam data warehouse terdapat beberapa hal, yang meliputi :
83
1. Dimensi Waktu Primary Key : waktuID Keterangan : Tabel dimensi ini menampilkan data mengenai keterangan waktu terjadinya transaksi pada PT. Fujiyama. Tabel 4.16 Dimensi Waktu Nama Field Tipe Data WaktuID
Int
Ukuran -
Keterangan Surrogate key Dimensi
Sumber Tabel -
Sumber Field -
Transformasi Create
Waktu Tahun
Int
-
Tahun
MsSalesOrder,
Year
Copy
Month
Copy
Week
Copy
Day
Copy
MsSuratBarangMasuk Bulan
Int
-
Bulan
MsSalesOrder, MsSuratBarangMasuk
Minggu
Int
-
Minggu
MsSalesOrder, MsSuratBarangMasuk
Hari
Int
-
Hari
MsSalesOrder, MsSuratBarangMasuk
84
2. Dimensi Artikel Primary Key : ArtikelID Keterangan : Tabel dimensi ini menampilan data mengenai barang yang dimiliki oleh PT. Fujiyama. Tabel 4.17 Dimensi Artikel Nama Field
Tipe Data
Ukuran
ArtikelID
Int
Kode_Artikel
Varchar
50
Kode Produk
MsArtikel
Kode_Artikel
Copy
Nama_Artikel
Varchar
50
Nama Produk
MsArtikel
Nama_Artikel
Copy
-
Keterangan Surrogate key Dimensi Artikel
Sumber Tabel
Sumber Field
-
-
Tranformasi Create
85
3. Dimensi Warna Primary Key : WarnaID Keterangan : Tabel dimensi ini akan menampilkan data-data mengenai warna barang pada PT.Fujiyama
Tabel 4.18 Dimensi Warna Nama Field
Tipe Data
Ukuran Keterangan
Sumber Tabel
Sumber Field
Transformasi
WarnaID
Int
-
-
-
Create
Surrogate key Dimensi Warna
Kd_Warna
Varchar
50
Kode Warna
MsWarna
Kd _Warna
Copy
Nama_Warna
Varchar
30
Nama Warna
MsWarna
Nama_Warna
Copy
86
4.
Dimensi Daerah Primary Key : DaerahID Keterangan : Tabel dimensi ini akan menampilkan data-data mengenai daerah pada PT.Fujiyama. Tabel 4.19 Dimensi Daerah Nama Field
Tipe Data
Ukuran
Keterangan
Sumber Tabel
DaerahID
Int
-
Surrogate key Dimensi -
Sumber Field
Transformasi
-
Create
Daerah Kode_Daerah
Varchar
50
Kode Daerah
MsDaerah
Kode_Daerah
Copy
Nama_Daerah
Varchar
30
Nama Daerah
MsDaerah
Nama_Daerah
Copy
87
5. Dimensi Staff Primary Key : StaffID Keterangan : Tabel Dimensi ini akan menampilkan data-data mengenai staff pada PT. Fujiyama. Tabel 4.20 Dimensi Staff Nama Field
Tipe Data
Ukuran
Keterangan
Sumber tabel
Sumber Field
Transformasi
StaffID
Int
-
Surrogate key
-
-
Create
MsStaff
Kd_Staff
Copy
MsStaff
Nama
Copy
Dimensi Staff Kd_Staff
Varchar
50
Kode Staff Penjualan
Nama
Varchar
50
Nama Staff Penjualan
88
6.
Dimensi Pelanggan Primary Key : PelangganID Keterangan : Tabel dimensi ini akan menampilkan data-data mengenai pelanggan pada PT. Fujiyama. Tabel 4.21 Dimensi Pelanggan
Nama Field
Tipe Data
Ukuran
Keterangan
Sumber tabel
Sumber Field
Transformasi
PelangganID
Int
-
Surrogate key Dimensi
-
-
Create
Pelanggan Kode_Pelanggan
Varchar
30
Kode Pelanggan
MsPelanggan
Kode_Pelanggan
Copy
Nama_Pelanggan Varchar
50
Nama Pelanggan
MsPelanggan
Nama_Pelanggan
Copy
89
7.
Dimensi Gudang
Primary Key : GudangID Keterangan : Tabel Dimensi ini akan menampilkan data-data mengenai gudang pada PT. Fujiyama. Tabel 4.22 Dimensi Gudang Nama Field
Tipe Data
Ukuran Keterangan
Sumber Tabel
Sumber Field
Transformasi
GudangID
Int
0
-
-
Create
Surrogate key Dimensi Gudang
KdGudang
Varchar
30
Kode Gudang
Ms Gudang
KdGudang
Copy
Nama_Gudang
Varchar
50
Nama Gudang
Ms Gudang
Nama_Gudang
Copy
90
8. Fakta Penjualan Primary Key : StaffID, PelangganID, WaktuID, ArtikelID, WarnaID, DaerahID Keterangan : Tabel fakta penjualan ini menampilkan data mengenai proses penjualan pada PT. Fujiyama. Tabel 4.23 Fakta Penjualan Nama Field
Tipe Data
Ukuran
Keterangan
Sumber Tabel
Sumber Field
Transformasi
StaffID
Int
-
Surrogate Key
Dimensi Staff
StaffPenjualanID
Copy
Dimensi Pelanggan
PelangganID
Copy
Dimensi Waktu
WaktuID
Copy
Dimensi Artikel
ArtikelID
Copy
Dimensi Warna
WarnaID
Copy
Staff PelangganID
Int
-
Surrogate Key Pelanggan
WaktuID
Int
-
Surrogate Key Waktu
ArtikelID
Int
-
Surrogate Key Artikel
WarnaID
Int
-
Surrogate Key Warna
91
DaerahID
Int
-
Surrogate Key
Dimensi Daerah
DaerahID
Copy
Detail Penjualan
SUM(Jumlah*HargaJu Copy
Daerah Total Penjualan
Num
20
Total Penjualan
al) Jumlah Penjualan
Num
20
Jumlah Penjualan
Detail Penjualan
SUM(Jumlah)
Copy
92
9. Fakta Persediaan Primary Key : WaktuID, ArtikelID, GudangID, WarnaID Keterangan : Tabel fakta ini menampilkan data mengenai proses persediaan pada PT. Fujiyama. Tabel 4.24 Fakta Persediaan Nama Field
Tipe Data Ukuran
Keterangan
Sumber Tabel
Sumber Field
Transformasi
WaktuID
Int
-
Surrogate Key Waktu
Dimensi Waktu
WaktuID
Copy
ArtikelID
Int
-
Surrogate Key Artikel
Dimensi Artikel
ArtikelID
Copy
GudangID
Int
-
Surrogate Key Gudang Dimensi Gudang
GudangID
Copy
WarnaID
Int
-
Surrogate Key Warna
Dimensi Warna
WarnaID
Copy
JumlahBarang
Int
-
Jumlah Barang Awal
Detail
SUM(Jumlah_Awal)
Copy
SUM(Jumlah_Masuk)
Copy
SUM(Jumlah_Keluar)
Copy
SUM(Jumlah_Sisa)
Copy
Awal JumlahBarang
Persediaan Int
-
Jumlah Barang Masuk
Masuk JumlahBarang
Persediaan Int
-
Jumlah Barang Keluar
Keluar JumlahBarang Akhir
Detail
Detail Persediaan
Int
-
Jumlah Barang Akhir
Detail Persediaan
93
9. Fakta Pemasaran Primary Key : WaktuID, DaerahID, PelangganID, ArtikelID, StaffID, WarnaID Keterangan : Tabel fakta pemasaran ini menampilkan data mengenai proses pemasaran pada PT. Fujiyama. Tabel 4.25 Fakta Pemasaran Nama Field
Tipe Data
Ukuran
Keterangan
Sumber Tabel
Sumber Field
Transformasi
StaffID
Int
-
Surrogate Key
Dimensi Staff
StaffPenjualanID
Copy
Dimensi Pelanggan
PelangganID
Copy
Dimensi Waktu
WaktuID
Copy
Dimensi Artikel
ArtikelID
Copy
Dimensi Warna
WarnaID
Copy
Staff PelangganID
Int
-
Surrogate Key Pelanggan
WaktuID
Int
-
Surrogate Key Waktu
ArtikelID
Int
-
Surrogate Key Artikel
WarnaID
Int
-
Surrogate Key Warna
94
DaerahID
Int
-
Surrogate Key
Dimensi Daerah
DaerahID
Copy
Copy
Daerah Total Pemasaran
Num
20
Total Pemasaran
Detail Pemasaran
SUM(Jumlah)
Pemasaran
Num
20
Pemasaran
Detail Pemasaran
SUM(Jumlah*pemasar Copy
Tertinggi
Tertinggi
an)
95
4.3.3 Tahap-Tahap Transformasi Data Tahap Awal dalam melakukan transformasi data dengan drop Data Flow Task dari Toolbox untuk membuat proses DTS (Data Transformation Service)
Gambar 4.5 Transformasi Data
double klick, Data Flow Task, drop OLE DB Source dan Slowly
Changing Dimension dari Toolbox,
Lalu
hubungkan OLE DB Source dengan Slowly Changing Dimension .
96
Gambar 4.5 Menghubungkan New Database Connection
Double klick OLE DB Source yang akan diisi dengan OLTP.Isi
OLE
DB
connection
manager
dengan
localHost.OLTP. Pilih Data access mode: SQL Command (masukkan query untuk membuat dimensi Waktu). Lalu OK
Gambar 4.7 Command Query
97
double klick Slowly Changing Dimension untuk membuat OLAP, maka akan muncul Slowly Changing Dimension Wizard, kemudian tekan next.
Gambar 4.8 Membuat Slowly Changing Dimension Isi Connection manager dengan: LocalHost.OLAP, Kemudian Table or View pilih sesuai dengan Dimensi yang akan dibuat, pilihlah kolom yang akan dibuat sebagai BusinessKey. Kemudian next.
Gambar 4.9 Membuat Database Value
98
Masukkan Dimensi yang ingin ditampilkan menjadi OLAP, kemudian Next
Gambar 4.10 Membuat Select Value Pastikan pada Fixed and changing Attribute Options, terpilih. Kemudian tekan next.
Gambar 4.11 Membuat Insert/Update
99
Pilihlah Enable inferref member support pada Inferred Dimension Members kemudian pilih All columns with a change type null, lalu tekan next.
Gambar 4.12 Launch Transformasi
Maka akan muncul tampilan yang akan diconfigurasi, kemudian tekan Finish.
Gambar 4.13 Hasil configurasi
100
Jika berhasil maka akan memberikan hasil seperti :
Gambar 4.14 Hasil Transformasi Kemudian masukkan Exequte SQL Task yang ada pada Toolbox, lalu hubungkan dengan Data Flow Task yang ada.
Gambar 4.15 Menghubungkan Data Flow Task
101
Double klick pada Execute SQL Task, masukkan connection : LocalHost.OLAP, kemudian ByPassPrepare buat False. Kemudian test dengan Parse Query, jika berhasil kemudian tekan OK
Gambar 4.16 Koneksi Ke LocalHost OLAP Setelah dimensi yang dubutuhkan dibuat seluruhnya maka fakta dapat dibuat dengan cara yang sama dengan membuat dimensi. Hasil jadi seluruh fakta dan dimensi yang telah dibuat:
Gambar 4.17 Hasil Fakta dan Dimensi
102
4.3.4 Proses Perancangan Transformasi Dimensi dan Fakta Pada transformasi dimensi tahap pertama membuat koneksi database, kemudian terdapat tabel input yang merupakan sumber data yang akan ditransformasi ke data warehouse, lalu terdapat transform select value yang berfungsi untuk mengambil attribute-attribut apa saja yang diperlukan untuk ditransformasi dari sumber data ke datawarehouse, terakhir terdapat tabel output
sebagai dimensi yang
merupakan tempat penyimpanan dari hasil trasnformasi.
a)
Dimensi Gudang
Gambar 4.18 Transformasi Dimensi Gudang
Gambar 4.18 menjelaskan mengenai proses transformasi dimensi gudang.
103
b) Dimensi Artikel
Gambar 4.19 Transformasi Dimensi Artikel
Gambar 4.19 menjelaskan mengenai proses transformasi dimensi artikel.
c) Dimensi Pelanggan
Gambar 4.20 Transformasi Dimensi Pelanggan Gambar 4.20 menjelaskan mengenai proses transformasi dimensi pelanggan.
104
d) Dimensi Daerah
Gambar 4.21 Transformasi Dimensi Daerah Gambar 4.21 menjelaskan mengenai proses transformasi dimensi daerah.
e) Dimensi Merek
Gambar 4.22 Transformasi Dimensi Merek Gambar 4.22 menjelaskan mengenai proses transformasi dimensi merek.
105
f) Dimensi Staff
Gambar 4.23 Transformasi Dimensi Staff Gambar 4.23 menjelaskan mengenai proses transformasi dimensi staff.
g) Dimensi Jenis
Gambar 4.24 Transformasi Dimensi Jenis Gambar 4.24 menjelaskan mengenai proses transformasi dimensi jenis.
106
h) Dimensi Waktu
Gambar 4.25 Transformasi Dimensi Waktu Gambar 4.25 menjelaskan mengenai proses transformasi dimensi waktu.
i) Dimensi Warna
Gambar 4.26 Transformasi Dimensi Warna Gambar 4.26 menjelaskan mengenai proses transformasi dimensi waktu.
107
j) Fakta Penjualan
Gambar 4.27 Transformasi Fakta Penjualan Gambar 4.27 menjelaskan mengenai proses transformasi fakta penjualan.
k) Fakta Persediaan
Gambar 4.28 Transformasi Fakta Persediaan Gambar 4.28 menjelaskan mengenai proses transformasi fakta persediaan.
l) Fakta Pemasaran
Gambar 4.29 Transformasi Fakta Pemasaran Gambar 4.29 menjelaskan mengenai proses transformasi fakta pemasaran.
108
4.4 Tampilan User Interface (UI)
Berikut tampilan
layar
dari aplikasi data
dikembangkan pada PT. FUJIYAMA.
Tampilan awal output
Gambar 4.30 Tampilan awal output
warehouse
yang
109
Tampilan Form login
Gambar 4.31 Tampilan Form Login
Tampilan Berhasil Login
Gambar 4.32 Tampilan Berhasil Login
110
Tampilan Form Penjualan
Gambar 4.33 Tampilan Form Penjualan
Gambar 4.34 Tampilan Grafik Penjualan
111
Tampilan Form Persediaan
Gambar 4.35 Tampilan Form Persediaan
Gambar 4.36 Tampilan Grafik Persediaan
112
Tampilan Form Pemasaran
Gambar 4.37 Tampilan Form Pemasaran
Gambar 4.38 Tampilan Grafik Pemasaran
113
Tampilan Starscheme Penjualan
Gambar 4.39 Tampilan Starscheme Penjualan
114
Tampilan Starscheme Persediaan
Gambar 4.40 Tampilan Starscheme Persediaan
115
Tampilan Starscheme Pemasaran
Gambar 4.41 Tampilan Starscheme Pemasaran
116
Tampilan Tentang perusahaan
Gambar 4.42 Tampilan Tentang perusahaan
