BAB 4 DATA WAREHOUSE YANG DIUSULKAN

94 BAB 4 DATA WAREHOUS E YANG DIUS ULKAN

4.1

Arsitektur Data Warehouse Rancangan data warehouse yang diusulkan adalah rancangan yang menggunakan arsitektur data warehouse terpusat. Alasan penggunaan arsitektur terpusat ini, yaitu : •

M empermudah dalam melakukan pengawasan dan pemeliharaan data yang terdapat di dalam data warehouse.

•

Pengembangan rancangan yang relatif mudah dan murah dibandingkan dengan bentuk arsitektur data warehouse terdistribusi.

•

Lebih mudah dalam menjaga konsistensi dari data warehouse terhadap segala perubahan dibandingkan penggunaan data warehouse terdistribusi. Berikut gambar arsitektur data warehouse terpusat pada PT. ERA

GRAHAREALTY :

95

Gambar 4.1 Arsitektur Data Warehouse pada PT. ERA GRAHAREALTY

4.2

Rancangan Data Warehouse Dalam membuat data warehouse diperlukan beberapa tahap untuk membuat perancangan data warehouse menjadi teratur. Tahap-tahap perancangan data warehouse yang digunakan pada penulisan ini adalah 9 tahap metodologi (nine-step methodology), yaitu :

4.2.1

Memilih proses (Choosing the Process) Proses yang digunakan dalam perancangan data warehouse ini, yaitu : a. Penjualan Penjualan yang dimaksud merupakan penjualan properti dari penjual properti ke pembeli properti melalui marketing associate. Dalam proses ini dokumen yang diperlukan adalah pernyataan pengikatan jual beli, dimana di dalam pernyataan pengikatan jual beli

96 tersebut terdapat nomor dari PPJB, tanggal dari PPJB, nomor listing, nomor pembeli, kode office, ID Marketing Associate, biaya pembatalan, dan total harga.

b. Persediaan/Listing Persediaan yang dimaksud merupakan persediaan properti yang terdapat dalam daftar listing, Dalam proses ini dokumen yang diperlukan adalah dokumen perjanjian jasa pemasaran dan listing, dalam perjanjian jasa pemasaran terdapat nomor dari perjanjian jasa pemasaran, kode office, ID Marketing Associate, nomor penjual, nomor available, dan nomor expired. Sedangkan di dalam dokumen listing terdapat terdapat nomor dari listing, nomor PJP, kode tipe, alamat serta keterangan dari properti tersebut, seperti luas tanah, luas bangunan, nomor sertifikat, jumlah kamar, dan lainnya.

c. Pendapatan Komisi Pendapatan komisi yang dimaksud merupakan record komisi yang didapat oleh marketing associate dan member broker dari setiap transaksi. Record komisi yang didapat mengacu kepada target komisi harus dan bisa dicapai masing-masing marketing associate dan member

broker

yang

GRAHAREALTY.

d. Penghargaan/Award

sudah

ditetapkan

oleh

PT.

ERA

97 Penghargaan yang dimaksud merupakan penghargaan bagi marketing associate dan member broker yang telah memenuhi target pencapaian sesuai dengan target yang ditetapkan sebelumnya. Adapun dokumen yang diperlukan dalam proses ini adalah dokumen target selling dimana terdapat jenis target, level target, periode, peserta, dan jumlah target.

4.2.2

Memilih Grain (Choosing Grain) Grain merupakan data dari calon fakta yang dapat dianalisis. M emilih grain berarti memutuskan apa yang akan direpresentasikan oleh record dari tabel fakta. Grain dalam perancangan data warehouse ini meliputi : a.

Penjualan Pada proses penjualan, data yang dapat dianalisis meliputi lokasi yang paling banyak dicari oleh konsumen, tipe properti yang paling banyak dicari oleh konsumen, kuantitas penjualan atau tingkat produktivitas office/kantor cabang per tahunnya.

b.

Persediaan/Listing Pada proses persediaan/listing, data yang dapat dianalisis meliputi perbandingan jumlah properti pada listing per periode waktu, dan perbandingan kuantitas properti yang available dan expired.

98 c.

Pendapatan Komisi Pada proses pendapatan komisi, data yang dapat dianalisis meliputi perbandingan pencapaian target dan jumlah komisi yang didapat member broker dan marketing associate, leveling untuk marketing associate.

d.

Penghargaan/Award Pada proses penghargaan/award, data yang dapat dianalisis meliputi prestasi berdasarkan jumlah penghargaan yang didapat dari setiap member broker dan marketing associate, leveling untuk marketing associate, dan award yang diberikan untuk member broker dan marketing associate.

4.2.3

Identifikasi dan Penyesuaian Dimensi (Identifying and Conforming the Dimensions) Pada tahap ini dilakukan penyesuaian dimensi dan grain yang ditampilkan dalam bentuk matriks :

99 a. Penjualan Tabel 4.1 Tabel Grain vs Dimensi pada Penjualan Grain

Lokasi Paling

Tipe Properti Paling

Perbandingan Tingkat

Banyak Dicari

Banyak Dicari

Produktivitas Office

Waktu

X

X

X

Listing

X

X

Kota

X

Dimensi

Office

X

MA

X

b. Persediaan/Listing Tabel 4.2 Tabel Grain vs Dimensi pada Persediaan/Listing Grain

Perbandingan

Perbandingan Kuantitas

Jumlah Listing

expired dan available

Waktu

X

X

Listing

X

X

Dimensi

AvlListing

X

ExpListing

X

100 c. Pendapatan Komisi Tabel 4.3 Tabel Grain vs Dimensi pada Komisi Grain

Perbandingan Komisi

Perbandingan Berhasil dan

yang dicapai Office

Gagal dalam M emenuhi Target

Waktu

X

X

MA

X

X

Office

X

X

TargetSelling

X

X

DetilSM A

X

X

DetilSOffice

X

X

Dimensi

d. Penghargaan/Award Tabel 4.4 Tabel Grain vs Dimensi pada Penghargaan/Award Grain Dimensi Waktu

Perbandingan

Perolehan Award

Perolehan Award

Prestasi

Marketing Associate

Member Broker

X

X

X

MA AwardM A

X X

X

MB

X

Office

X

AwardM B

X

X

101 4.2.4

Memilih Fakta (Choosing the Fact) M emilih fakta yang akan digunakan dalam data mart. M asingmasing fakta memiliki data yang dapat dihitung, untuk selanjutnya ditampilkan dalam bentuk laporan, grafik atau berbagai macam diagram. Berikut ini fakta-fakta yang akan ditampilkan di data warehouse : 1.

Penjualan, meliputi data attribut dari tabel PPJB di sistem berjalan dimana TotalHarga sebagai measureable attribute pada tabel fakta ini.

2.

Persediaan/Listing, meliputi data attribut dari tabel PJP di sistem berjalan dimana HargaJual sebagai measureable attribute pada tabel fakta ini.

3.

Pendapatan Komisi, meliputi jumlah komisi yang didapat dan target komisi yang dicapai, dimana Total komisi sebagai measureable attribute pada tabel fakta ini.

4.

Penghargaan/Award, meliputi pencapaian target yang didapat oleh Marketing Associate dan Branch Office, dimana Komisi yang dicapai per-periode sebagai measureable attribute pada tabel fakta ini.

102 4.2.5

Menyimpan

Pre-kalkulasi

dalam

Tabel

Fakta

(Storing

pre-

calculation in the fact table) Pre-kalkulasi yang dapat dilakukan untuk kemudian disimpan dalam tabel fakta berupa kalkulasi total. Kalkulasi awal yang ada pada tabel fakta antara lain : •

Tabel Fakta Penjualan,

meliputi total dari DownPrice dan

HargaTotal dari tabel PPJB di sistem berjalan yang sebagai harga dari hasil kesepakatan terhadap peroperti yang di Listing. •

Tabel Fakta Persediaan, meliputi jumlah listing yang termuat dan TotalHarga dari tabel PJP di sistem berjalan yang sebagai harga awal persetujuan terhadap peroperti yang di Listing.

•

Tabel Fakta Komisi, meliputi jumlah transaksi dan total komisi yang didapat dari perhitungan jumlah record transaksi yang terjadi selama periode yang ditentukan.

•

Tabel Fakta Penghargaan, meliputi total komisi yang didapat oleh Marketing Associate dan Branch Office berupa kalkulasi dari total persentase yang didapat setiap transaksi penjualan sesuai perjanjian yang disepakati dan jumlah transaksi yang dihasilkan untuk mencapai target.

103 4.2.6

Melengkapi Tabel Dimensi (Rounding out the dimension tables) M enambahkan sebanyak mungkin deskripsi teks pada dimensi. Deskripsi tersebut harus intuitif dan dapat dimengerti oleh user. Berikut deskripsi teks dari tabel dimensi : a.

Tabel Rounding Out Dimension Tabel 4.5 Tabel Rounding Out Dimension Dimensi Waktu Listing Kota Office MA Owner Pembeli MasterAwardOffice MasterAwardMA TargetS elling

Deskripsi Laporan dapat dilihat per tahun, per semester, per bulan, dan per hari. Property yang terdata dan masuk sebagai stok property yang tersedia. Daftar kota tempat lokasi transaksi dan office yang tercatat. Office branch dari Era yang berada di kota masing-masing Marketing associate yang bertugas sebagai pemasar property. Pemilik dari property yang masuk dalam listing. Pihak pembeli property pada transaksi penjualan. Tabel master award yang tersedia untuk Office. Tabel master award yang tersedia untuk marketing associate. Target selling yang ditentukan selama periode tertentu.

104

b.

Daftar Tabel-tabel Dimensi Tabel 4.6 Tabel Dimensi Waktu Nama Field

Type

Panjang

NoWaktu

char

6

Tahun

int

4

Smester

int

4

Bulan

int

4

Hari

int

4

Tabel 4.7 Tabel Dimensi Listing Nama Field

Type

Panjang

char

9

TypeProperty

varchar

30

StatusTanah

varchar

30

KamarTidur

int

4

KamarM andi

int

4

Lantai

int

4

LuasT

int

4

LuasB

int

4

NoListing

105

Tabel 4.8 Tabel Dimensi Kota Nama Field

Type

Panjang

KdKota

char

3

Provinsi

varchar

20

NamaKota

varchar

20

Tabel 4.9 Tabel Dimensi Office Nama Field KdOffice NamaOffice IDM B Nama M B

Type

Panjang

char

4

varchar

30

char

6

varchar

30

106

Tabel 4.10 Tabel Dimensi MA Nama Field

Type

Panjang

IDM A

char

6

Office

varchar

30

Level

varchar

30

NamaM A

varchar

30

char

1

int

4

Sex

Umur

Tabel 4.11 Tabel Dimensi Owner Nama Field Type Panjang NoOwner

char

6

Nama

varchar

30

Sex

char

1

NoTelp

varchar

20

107

Tabel 4.12 Tabel Dimensi Pembeli Nama Field

Type

Panjang

NoPembeli

char

6

Nama

varchar

30

Sex

char

1

NoTelp

varchar

20

Tabel 4.13 Tabel Dimensi MasterAwardOffice Nama Field

Type

Panjang

KdAwardOf

char

4

NamaAward

varchar

30

Kategori

varchar

20

Periode

varchar

20

NilaiTarget

bigint

8

108

Tabel 4.14 Tabel Dimensi MasterAwardMA Nama Field

Type

Panjang

KdAwardM A

char

4

Nama

varchar

30

Kategori

varchar

20

Periode

varchar

20

NilaiTarget

bigint

8

Tabel 4.15 Tabel Dimensi Target Selling Nama Field

Type

Panjang

KdTarget

char

3

JenisTarget

varchar

30

LevelTarget

int

4

Periode

varchar

10

Peserta

varchar

20

JumlahTarget

bigint

8

109

4.2.7

Memilih Durasi dari Database (Choosing the duration of the database) Durasi dari data PT. ERA GRAHAREALTY yang dimasukan ke dalam data warehouse sebagai berikut : Tabel 4.20 Tabel Durasi Basis Data

Nama Aplikasi

Aplikasi Warehouse ERA

Waktu

Data dalam

Data Warehouse

Tahun

Database

2005

Data ERA_DB

4 tahun

Januari 2009 – 9 bulan September 2009

Database pada PT. Era GRAHAREALTY sudah ada sejak tahun 2001, dan data yang digunakan berdurasi 4 tahun dan 9 bulan, yang dimulai dari januari 2005 sampai dengan September 2009.

110 4.2.8

Melacak Perubahan Dimensi secara Perlahan (Tracking slowly changing dimensions) Dari 3 tipe dasar perubahan dimensi, pada perancangan data warehouse PT. ERA GRAHAREALTY ini menggunakan tipe ke 2, dimana perubahan atribut pada dimensi akan mengakibatkan pembuatan suatu record baru. Hal ini dilakukan untuk menjaga data yang lama tetap ada agar diketahui perubahan dimensi yang terjadi dari data lama ke data baru. Seperti perubahan pada data listing, akan mengakibatkan penambahan record baru pada dimensi dengan tetap menyimpan record yang lama. Untuk itu ditambahkan surrogate key dan Attribut sebagai status aktif di table tersebut yang diantaranya :

4.2.9

•

LastUpdate

: Tanggal terakhir data di update.

•

StatusData

: Status termasuk data lama atau baru.

•

Keterangan

: Keterangan dan alasan berubahnya data.

Menentukan Prioritas dan Mode Query (Deciding the query priorities and the query modes) Pada tahap

ini akan

dibahas

mengenai proses

Extract,

Transformation and Load ( ETL ), backup secara berkala, dan analisis kapasitas media penyimpanan.

111 4.2.9.1

Proses Extract , Transformation and Load ( ETL ) Tabel 4.21 Tabel ETL Pelaku ETL

Dilakukan Setiap

Keterangan ETL

Bagian EDP

dilakukan

oleh

1 hari sekali bagian EDP

Proses ETL yang dilakukan setiap hari berdasarkan record transaksi dan listing yang didapat, hal ini dapat mendekati kategori real time, sehingga keakuratan data dapat terjaga.

Proses ETL yang dilakukan merubah data awal ataupun menambah data dari databse OLTP ke OLAP, beberapa perubahan dilalui seperti dibawah ini :

Gambar 4.2 Proses ETL-1 dari database sumber ke data warehouse

Pada gambar diatas diketahui ada beberapa perubahan data seperti Slowly Changing Dimension pada table Office

112 dan penambahan A ggregate dari table DetilSOffice dari OLTP ke OLAP. Proses Eksekusi ETL yang dijalankan dari database sumber yang di transform ke data warehouse ialah sebagai berikut :

Gambar 4.3 Proses ETL-2 dari database sumber ke data warehouse

4.2.9.2

Proses Backup Tabel 4.22 Tabel Backup Pelaku backup

Dilakukan Setiap

Keterangan Dilakukan

Setiap

untuk

sebelum menanggulangi jika ada

Bagian EDP

menjalankan kegagalan

dalam

proses ETL proses ETL

Backup dilakukan dengan mem-backup ke partisi / harddisk yang berbeda untuk mencegah gagalnya proses ETL.

113 4.2.9.3

Analisis Kapasitas Media Penyimpanan Dalam merancang data warehouse, perlu adanya memperhatikan sumberdaya hardware, khususnya storage yang digunakan. Banyaknya record hingga ribuan atau bahkan jutaan yang tersimpan di data warehouse pertahunnya, mengharuskan perlunya kapasitas storage yang mendukung dan terus dapat menampung data hingga tahun-tahun kedepannya. Berdasarkan ”capacity planning” menurut Inmon , faktor-faktor penting yang mempengaruhi kapasitas storage ialah :

Detil level dari data, sedalam apa hierarki data yang tersimpan.

Lamanya waktu dari data yang tersimpan, sepanjang apa tahun yang di proses.

a.

Perhitungan Disk Storage Untuk

menganalisa

perkiraan

kapasitas

yang

dibutuhkan, perlu adanya perhitungan yang dimulai dari besarnya

byte per-field,

keseluruhan

per-record,

dari database,

per-table,

hingga

beserta estimasi perkiraan

pertumbuhan data. Analisis

perkiraan

kapasitas

storage

dalam

menghitung jumlah size database menggunakan rumus

114 perhitungan dari “SQL Server 2000 Books Online” pada bagian “Estimating the Size of Database” : 1.

Num_Rows = jumlah record / jumlah baris. Num_Rows = R x (n + ( 1 + i ) n ) R = jumlah record n = variable tahun i = persentase pertumbuhan record pertahun

2.

Num_Cols = jumlah kolom / jumlah field. Fixed_Data_Size = jumlah total dari field size dari setiap table. Num_Variable_Cols = jumlah panjang variable kolom. M ax_Var_Size = jumlah maksimum panjang variable kolom.

3.

Null_Bitmap = 2 + (( Num_Cols + 7 ) / 8 )

4.

Variable_Data_Size =

5.

2 + (Num_Variable_Cols x 2) + M ax_Var_Size

Row_Size =

Fixed_Data_Size + Variable_Data_Size + Null_Bitmap + 4

6.

Rows_Per_Page = ( 8096 ) / (Row_Size + 2)

7.

Free_Rows_Per_Page =

8.

Num_Pages =

9.

8096 x ((100 - Fill_Factor) / 100) / (Row_Size + 2)

Num_Rows / (Rows_Per_Page - Free_Rows_Per_Page)

Table_Size (bytes) = 8192 x Num_Pages

115 Dalam kasus ini kami melakukan analisis perkiraan hingga 5 tahun kedepan, dan pertumbuhan record yang diasumsikan sebesar 10% per-tahun.

1. Record Fact Persediaan Jumlah record yang di dapat pada tahun ini sebanyak 1049 •

Num_Rows = 1172x ( n + ( 1 + 0.1 ) n ) = 7747.51772

•

Num_Cols = 11 Fixed_Data_Size = 63 Num_Variable_Cols = 7 M ax_Var_Size = 9

•

Null_Bitmap = 2 + (( 11 + 7 ) / 8 ) = 3.875

•

Variable_Data_Size = 2 + ( 7 x 2 ) + 9 = 25

•

Row_Size = 63 + 25 + 3.875 + 4 = 96.875

•

Rows_Per_Page = ( 8096 ) / ( 96.875 + 2) = 85.5716129

•

Free_Rows_Per_Page = 8096 x ((100 - 5 ) / 100 / ( 96.875 + 2) = 77.78710493

•

Num_Pages = 7747.51772 / ( 85.5716129 - 77.78710493 ) = 995.2482221

•

Table_Size (bytes) = 8192 x 995.2482221 = 8153073.436

116

2. Record Fact Penjualan •

Num_Rows = 1049x ( n + ( 1 + 0.1 ) n ) = 6934.42499

•


•

Null_Bitmap = 2 + (( 8 + 7 ) / 8 ) = 3.875

•

Variable_Data_Size = 2 + ( 7 x 2 ) + 10 = 26

•

Row_Size = 46 + 26 + 3.875 + 4 = 79.875

•

Rows_Per_Page = ( 8096 ) / ( 79.875 + 2) = 103.3583725

•

Free_Rows_Per_Page = 8096 x ((100 - 10 ) / 100 / (79.875 + 2) = 88.99419847

•

Num_Pages = 6934.42499 / ( 103.3583725 - 88.99419 ) = 490.7583541

•


117

3. Record Fact AwardMA •

Num_Rows = 1349x ( n + ( 1 + 0.1 ) n ) = 8917.57799

•


•

Null_Bitmap = 2 + (( 5 + 7 ) / 6 ) = 4

•

Variable_Data_Size = 2 + ( 1 x 2) + 6 = 10

•

Row_Size = 55 + 10 + 4 + 4 = 73

•

Rows_Per_Page = ( 8096 ) / ( 73 + 2) = 85.89637306

•

Free_Rows_Per_Page = 8096 x ((100 - 10 ) / 100 / ( 96.5 + 2) = 73.97360406

•

Num_Pages = 8917.57799 / ( 85.896373 - 73.9736046 ) = 755.9452125

•


118

4. Record Fact AwardOffice •

Num_Rows = 700

•

Num_Cols = 5

x ( n + ( 1 + 0.1 ) n ) = 4627.357

Fixed_Data_Size = 55 Num_Variable_Cols = 4 M ax_Var_Size = 6 •

Null_Bitmap = 2 + (( 5 + 7 ) / 6 ) = 3.5

•

Variable_Data_Size = 2 + ( 1 x 2 + 6 = 10

•

Row_Size = 55 + 10 + 4 + 4 = 73

•

Rows_Per_Page = ( 8096 ) / ( 73 + 2) = 85.89637306

•

Free_Rows_Per_Page = 8096 x ((100 - 10 ) / 100 / ( 96.5+ 2) = 73.97360406

•

Num_Pages = 4627.357 / ( 85.89637306 - 73.97360406 ) = 396.1109331

•


119

5. Record Dimensi Waktu •

Num_Rows = 1049

•

Num_Cols = 5

x ( n + ( 1 + 0.1 ) n ) = 6934.42499


Null_Bitmap = 2 + (( 5 + 7 ) / 8 ) = 3.5

•


•

Row_Size = 22 + 5 + 3.5 + 4 = 34.5

•

Rows_Per_Page = ( 8096 ) / ( 34.5 + 2) = 236.6666667

•

Free_Rows_Per_Page = 8096 x ((100 - 10 ) / 100 / ( 34.5 + 2 ) = 199.6273973

•

Num_Pages = 6934.42499 / ( 236.6666667 - 199.6273973 ) = 195.2181903

•


120

6. Record Dimensi Listing •

Num_Rows = 1105

•

Num_Cols = 20

x ( n + ( 1 + 0.1 ) n ) = 7304.61355


Null_Bitmap = 2 + (( 20 + 7 ) / 8 ) = 5.375

•


•

Row_Size = 186 + 46 + 5.375 + 4 = 241.375

•

Rows_Per_Page = ( 8096 ) / ( 241.375 + 2) = 35.54117038

•

Free_Rows_Per_Page = 8096 x ((100 - 10 )/100/( 241.375 + 2 ) = 29.93898305

•

Num_Pages = 7304.61355/ ( 35.54117038 - 29.93898305) = 1311.885987

•

Table_Size (bytes) = 8192 x 1311.885987

= 10746970

121

7. Record Dimensi MA •

Num_Rows = 28x ( n + ( 1 + 0.1 ) n ) = 185.09428

•


•

Null_Bitmap = 2 + (( 5 + 7 ) / 8 ) = 3.5

•


•

Row_Size = 34 + 5 + 3.5 + 4 = 46.5

•

Rows_Per_Page = ( 8096 ) / ( 46.5 + 2) = 176.1075269

•


•

Num_Pages = 185.09428 / ( 176.1075269 - 150.2350515 ) = 15.15410016

•


122

8. Record Dimensi Office • Num_Rows = 7 x ( n + ( 1 + 0.1 ) n ) = 46.27357 • Num_Cols = 5 Fixed_Data_Size = 34 Num_Variable_Cols = 1 M ax_Var_Size = 1 • Null_Bitmap = 2 + (( 5 + 7 ) / 8 ) = 3.5 • Variable_Data_Size = 2 + ( 1 x 2 +

1= 5

• Row_Size = 34 + 5 + 3.5 + 4 = 46.5 • Rows_Per_Page = ( 8096 ) / ( 46.5 + 2) = 176.107526 • Free_Rows_Per_Page = 8096 x ((100 - 10 )/ 100/(46.5 +2) = 150.2350515 • Num_Pages = 46.27357 / ( 176.1075269 - 150.2350515 ) = 9.788525041 • Table_Size (bytes) = 8192 x 9.788525041 = 80187.59713

123

9. Record Dimensi Master Award MA •

Num_Rows = 10 x ( n + ( 1 + 0.1 ) n ) = 66.1051

•


•

Null_Bitmap = 2 + (( 5 + 7 ) / 8 ) = 3.5

•


•

Row_Size = 58 + 28 + 3.5 + 4 = 93.5

•

Rows_Per_Page = ( 8096 ) / ( 93.5 + 2) = 88.58823529

•


•

Num_Pages = 66.1051 / ( 88.58823529 - 76.2973822 ) = 13.37839802

•


124

10. Record Dimensi S RMA •

Num_Rows = 57x ( n + ( 1 + 0.1 ) n ) = 376.79907

•


•

Null_Bitmap = 2 + (( 8 + 7 ) / 8 ) = 3.875

•


•

Row_Size = 63 + 24 + 3.875 + 4 = 94.875

•

Rows_Per_Page = ( 8096 ) / ( 94.875 + 2) = 87.33333333

•


•

Num_Pages = 376.79907 / ( 87.33333333 - 75.21445161 ) = 39.09190094

•


125

11. Record Dimensi TargetSelling •

Num_Rows = 1049

•

Num_Cols = 6

x ( n + ( 1 + 0.1 ) n ) = 6934.42499


Null_Bitmap = 2 + (( 6 + 7 ) / 8 ) = 3.625

•


•

Row_Size = 78 + 30 + 3.625 + 4 = 115.625

•

Rows_Per_Page = ( 8096 ) / ( 115.625 + 2) = 72.01945946

•


•

Num_Pages = 6934.42499/(72.01945946- 61.94601488 )= 696.3866719

•

Table_Size (bytes) = 8192 x 696.3866719 5704799.616

=

126 12. Record Dimensi Master Award Office •

Num_Rows = 10 x ( n + ( 1 + 0.1) n ) = 66.1051

•


•

Null_Bitmap = 2 + (( 5 + 7 ) / 8 ) = 3.5

•


•

Row_Size = 58 + 28 + 3.5 + 4 = 93.5

•

Rows_Per_Page = ( 8096 ) / ( 93.5 + 2) = 88.58823529

•

Free_Rows_Per_Page = 8096 x ((100 - 10 ) / 100 / ( 93.5+ 2)=

•

76.2973822

Num_Pages = 66.1051 / ( 88.58823529 - 76.2973822 ) = 13.37839802

•


127

13. Record Dimensi S ales Record Office •

Num_Rows = 57 x ( n + ( 1 + 0.1 + 2 ) = 376.79907

•


•

Null_Bitmap = 2 + (( 8 + 7 ) / 8 ) = 3.875

•


•

Row_Size = 63 + 24 + 3.875 + 4 = 94.875

•

Rows_Per_Page = ( 8096 ) / ( 94.875 + 2) = 87.33333333

•


•

Num_Pages = 376.79907 / ( 87.33333333 - 75.21445161 ) = 39.09190094

•

Table_Size (bytes) = 8192 x 39.09190094 320240.8525

=

128 14. Record Dimensi Kota •

Num_Rows = 34 x ( n + ( 1 + 0.1

•

Num_Cols = 3

) n ) = 224.75734


Null_Bitmap = 2 + (( 3 + 7 ) / 8 ) = 3.25

•


•

Row_Size = 28 + 24 + 3.25 + 4 = 59.25

•

Rows_Per_Page = ( 8096 ) / ( 59.25 + 2) = 138.6413502

•


•

Num_Pages = 224.75734 / ( 138.6413502 - 118.9616327 ) = 19.42076045

•


129

15. Record Dimensi Pembeli •

Num_Rows = 3877

•

Num_Cols = 3

x ( n + ( 1 + 0.1 ) n ) = 25628.94727


Null_Bitmap = 2 + (( 3 + 7 ) / 8 ) = 3.25

•


•

Row_Size = 59 + 38 + 3.25 + 4 = 104.25

•

Rows_Per_Page = ( 8096 ) / ( 104.25 + 2) = 79.65947242

•


•

Num_Pages

=

25628.94727

/

(

79.65947242

-

68.57788235 ) = 2320.749985 •


130

16. Record Dimensi Owner •

Num_Rows = 3932

•

Num_Cols = 3

x ( n + ( 1 + 0.1 ) n ) = 25992.52532


Null_Bitmap = 2 + (( 3 + 7 ) / 8 ) = 3.25

•


•

Row_Size = 59 + 38 + 3.25 + 4 = 104.25

•

Rows_Per_Page = ( 8096 ) / ( 104.25 + 2) = 79.65947242

•


•

Num_Pages

=

25992.52532

/

(

79.65947242

-

68.57788235 ) = 2353.55918 •


131 Setelah menghitung jumlah kapasitas per-tabel nya, maka jumlah total byte yang di estimasikan adalah sebagai berikut. Nama Tabel

Table Size (byte)

Tabel Dimensi Office

80187.59713

Tabel Dimensi M A

124142.3885

Tabel Dimensi Owner

19280356.81

Tabel Dimensi Waktu

1599227.415

Tabel Dimensi Kota

159094.8696

Tabel Dimensi Listing

10746970

Tabel Dimensi Pembeli

19011583.88

Tabel Dimensi TargetSelling

5704799.616

Tabel Dimensi M sAwardOffice

109595.8366

Tabel Dimensi M sAwardMA

109595.8366

Tabel Fakta SRM A

320240.8525

Tabel Fakta SROffice

320240.8525

Tabel Fakta Persediaan

8153073.436

Tabel Fakta Penjualan

4020292.437

Tabel Fakta AwardOffice

3244940.764

Tabel Fakta AwardM A

6192703.181 79177045.77

132 Dari tabel diatas disimpulkan jumlah tabel keseluruhan (hanya untuk data) sejumlah 7917745,77 byte, yang artinya sama dengan 7,509115 M B. Data tersebut di estimasikan untuk 5 tahun kedepan dengan data yang bersumber dari 7 kantor Office dan 28 Marketing Associate. Jika diperkirakan untuk seluruh data saat ini dimana office di indonesia sudah mencapai ± 130 Office, maka jumlah perkiraan kapasitas media penyimpanan akan seperti berikut :

7,5 M B / 7 * 130 = 140,2302 MB

Sejumlah 140,23 M B besar Size dari Data Warehouse yang dioleh nantinya dengan jumlah record 737654 per tabel faktanya.

b.

Kebutuhan Prosessor Selain size dari data per table, hal lain yang juga sangat

penting ialah kebutuhan proses yang dijalankan. Dalam capacity planing for DWH Environment dari Inmon semakin banyak lebar data yang di proses, semakin banyak tabel yang di proses, dan semakin banyak proses yang dijalankan, maka kebutuhan akan processor juga akan sangat berpengaruh. Dalam memahami perkiraan kebutuhan prosessor untuk data warehouse, Ada tiga kategori proses yang dijalankan pada ERA_DW, yaitu :

133

1)

Background processing Data yang di proses di kategori ini termasuk proses extract, loads, sort, indexing. Proses ini biasanya dijalankan saat pertama kali, dan selanjutnya jarang dijalankan.

2)

Predictable DSS processing Proses yang dijalankan di bagian ini adalah proses yang biasanya dijalankan secara teratur, diantaranya Query, Transaksi, dan proses penggunaan data warehouse oleh user.

3)

Unpredictable DSS processing Proses yang dijalankan di bagian ini biasanya disaat terjadi disaat penuhnya workload, dimana penggunaan data secara bersamaan dalam kategori banyak. dan response time yang tidak stabil. Hal yang dihasilkan akan terlihat proses data yang jauh lebih lambat dari biasanya, untuk hal ini perlu merinci

proses

mengantisipasinya.

yang

dijalankan

agar

dapat

134 c.

Workload Matrix Proses I/O yang dijalankan berupa Call dan total calls, dimana

I/O tersebut merepresentasikan jumlah proses yang dijalankan. Tabel workload menyajikan estimasi jumlah proses yang dihasilkan. Beberapa hal yang mempengaruhi I/O adalah : 1.

Jumlah row.

2.

Jumlah traffic buffers.

3.

Indexing.

5/10 3/8 3/8 23/58

7/12 7/12 5/10 5/10 30/65

ProsesKomisiOffic e ProsesAwardMA

ProsesAwardOffice

Total I/O

19/36

5/10

3/12

ProsesKomisiMA

9/19

5/9

4/10

Kota

ProsesPersediaan

10/17

Listing

6/12

Waktu

ProsesPenjualan

Proses

11/31

6/11

2/11

3/9

Office

23/48

5/10

7/12

5/14

6/12

MA

2/11

2/11

Owner

3/9

3/9

Pembeli

Tabel 4.23 Tabel Workload Matrix

6/11

6/11

Master Award Office

6/11

6/11

Master Award MA

16/28

8/14

8/14

Target Selling

135

136 4.3

Perancangan S kema Bintang Rancangan skema bintang pada aplikasi data warehouse ini terdiri atas tabel fakta dan dimensi-dimensi yang terhubung.

4.3.1

Skema Bintang Penjualan

Gambar 4.4 S kema Bintang Fakta Penjualan

137

4.3.2

Skema Bintang Persediaan (Listing)

Gambar 4.5 S kema Bintang Fakta Persediaan 4.3.3

Skema Bintang Komisi MA

Gambar 4.6 S kema Bintang Fakta RecS MA

138

4.3.4

Skema Bintang Komisi Office

Gambar 4.7 S kema Bintang Fakta RecSOf

4.3.5

Skema Bintang Award MA

Gambar 4.8 S kema Bintang Fakta AwardMA

139

4.3.6

Skema Bintang Award Office

Gambar 4.9 S kema Bintang Fakta AwardOffice

140

4.4

Metadata M etadata pada data warehouse ERA meliputi beberapa hal informasi yang disajikan berupa Nama table dan detil rincian informasinya. Tabel tersebut diantaranya :

141

Tabel 4.24 Tabel Fakta Penjualan Relationship Nama Field

Type

Panjang

Sumber Data Transformasi

Jenis Relasi

Table

Nama Field

Type

Table

NoPPJB

char

9

-

-

NoPPJB

char

PPJB

copy

KdOffice

char

4

Many-toone

KdOffice (Offi ce)

KdOffice

char

PPJB

copy

IDMA

char

6

Many-toone

IDMA(MA)

IDMA

char

PPJB

copy

NoPembeli

char

9

Many-toone

NoPembeli(Pembeli)

NoPembeli

char

PPJB

copy

char

6

Many-toone

KdWaktu (Waktu)

TglPPJB

date time

PPJB

copy SELECT a.KdWaktu from dWaktu a, PPJB b WHERE a.Tahun=b.year(b.Tgl PPJB) AND a.Bulan=b.month(b.Tgl PPJB) AND a.Hari = day(b.Tgl PPJB)

NoListing

char

9

Many-toone

NoListing (PPJB)

NoListing

char

PPJB

copy

KdKota

char

3

Many-toone

KdKota(Kota)

KdKota

char

Listing

copy SELECT KdKota from Listing a, PPJB b WHERE a.NoPPJB = b.NoPPJB

HargaJual

bigint

4

-

-

TotalHarg a

char

PPJB

copy

KdWaktu

142 Tabel 4.25 Tabel Fakta Persediaan

Nama Field

Type

Panjang Field

Relationship


Jenis Relasi

Table

Nama Field

Type

Table

NoPJP

char

9

-

-

NoPJP

char

PJP

copy

KdOffice

char

4

Many-toone

KdOffice (dOffi ce)

KdOffice

char

PJP

copy

IDMA

char

6

Many-toone

IDMA(dMA)

IDMA

char

PJP

copy

NoOwner

char

9

Many-toone

NoOwner (dOwner)

NoOwner

char

PJP

copy

KdWaktu

char

6

Many-toone

KdWaktu (dWaktu)

TglPJP

date time

PJP

copy SELECT KdWaktu from dWaktu a, PJP b WHERE a.Tahun=b.year(b.TglPJP) AND a.Bulan=b.month(b.TglPJP) AND a.Hari = day(b.TglPJP)

NoListing

char

9

One-toone

KdWaktu (dWaktu)

NoListing

char

PJP

copy

KdKota

char

3

Many-toone

KdKota(Kota)

KdKota

char

Listing

AvailableNow

tinyint

2

-

-

-

-

-

Available

tinyint

2

-

-

-

-

-

Expired

tinyint

2

-

-

-

-

-

HargaJual

bigint

4

-

-

HargaJual

int

PJP

copy SELECT KdKota from Listing a, PPJB b WHERE a.NoPJP = b.NoPJP create Available = 0 if NoAvl. PJP = NULL AND NoExp.PJP = Null, else 1 create Available = 0 if NoAvl. PJP = NULL AND NoExp.PJP != Null, else 1 create Expired = 0 if NoExp.PJP = NULL, else 1 copy

143 Tabel 4.26 Tabel Fakta RecordS RMA Relationship Nama Field

Type

Panjang


Jenis Relasi

Table

Nama Field

Type

Table

NoSRMA

char

6

-

-

NoSRMA

char

SRMA

copy

IDMA

char

6

Many-toone

IDMA (MA)

IDMA

char

SRMA

copy

KdTarget

char

3

Many-toone

KdTarget (TargetSelling)

KdTarget

char

SRMA

copy

KdWaktu

char

6

Many-toone

KdWaktu (dWaktu)

Tahun, Bulan, TglPenerimaan

datetim e

SRMA

KdKota

char

4

Many-toone

KdWaktu (Kota)

KdKota

char

MA

StatusTarget

varchar

20

-

-

StatusTarget

varchar

SRMA

Komisi

bigint

8

-

-

Jumlah

tinyint

2

-

-

-

-

-

copy SELECT KdWaktu from dWaktu a, SRMA b WHERE a.Tahun=b.Tahun AND a.Bulan=b.Bulan AND a.Hari = day(b.TglAkhirRecord ) copy SELECT a.KdKota FROM MA a, SRMA b WHERE a.IDMA= b.IDMA copy create SELECT SUM(DetilSOffi ce.Ju mlahKomisi) WHERE DetilSOffi ce.NoSROff ice = SROffice.NoSROffi ce create SELECT COUNT(DetilSOffice. .JumlahKomisi) WHERE DetilSOffi ce.NoSROff ice = SROffice.NoSROffi ce

144 Tabel 4.27 Tabel Fakta RecordS ROffice Relationship Nama Field

Type

Panjang


Jenis Relasi

Table

Nama Field

Type

Table

NoSROffi ce

char

6

-

-

NoSROffi ce

char

SROffice

copy

KdOffice

char

6

Many-toone

Office

KdOffice

char

SROffice

copy

KdTarget

char

3

Many-toone

TargetSelling

KdTarget

char

SROffice

copy

datetime

SROffice

KdWaktu

char

6

Many-toone

dWaktu

Tahun, Bulan, TglPenerima an

KdKota

char

4

Many-toone

Kota

KdKota

char

Office

StatusTarget

varchar

20

-

-

StatusTarget

varchar

SROffice

Komisi

bigint

8

-

-

-

-

-

Jumlah

tinyint

2

-

-

-

-

-

copy SELECT KdWaktu from dWaktu a, SROffice b WHERE a.Tahun=b.Tahun AND a.Bulan=b.Bulan AND a.Hari = day(b.TglAkhirRecord) copy SELECT a.KdKota FROM Office a, SROffice b WHERE a.KdOffice= b.KdOffi ce copy create SELECT COUNT(DetilSOffice.JumlahKo misi) WHERE DetilSOffi ce.NoSROffice = SROffice.NoSROffi ce create SELECT SUM(DetilSOffi ce.JumlahKomisi ) WHERE DetilSOffi ce.NoSROffice = SROffice.NoSROffi ce

145 Tabel 4.28 Tabel Fakta AwardMA Relationship Nama Field

Type

Panjang


Jenis Relasi

Table

Nama Field

Type

Table

NoAMA

char

6

-

-

NoAO

char

AwardMA

copy

IDMA

char

6

Many-toone

IDMA (MA)

IDMA

char

AwardMA

copy

KdAwardM A

char

4

Many-toone

KdAwardM A (AwardMA)

KdAward

char

AwardMA

copy

KdWaktu

char

6

Many-toone

KdWaktu (dWaktu)

TotalRev

bigint

2

-

-

Tahun, Bulan, TglPenerim aan NilaiTarget

datetime

AwardMA

int

MasterAward MA

copy SELECT KdWaktu from dWaktu a, AwardMA b WHERE a.Tahun=b.Tahun AND a.Bulan=b.Bulan AND a.Hari = day(b.TglPenerimaan) copy WHERE a.KdAwardMA=b.KdAward MA

146 Tabel 4.29 Tabel Fakta AwardOffice Relationship Nama Field

Type

Panjang


Jenis Relasi

Table

Nama Field

Type

Table

NoAO

char

6

-

-

NoAO

char

AwardOffi ce

copy

KdOffice

char

4

Many-toone

KdOffice (Offi ce)

KdOffice

char

AwardOffi ce

copy

KdAwardOf

char

4

Many-toone

KdAwardOffi ce (AwardOffi ce)

KdAward

char

AwardOffi ce

copy

KdWaktu

char

6

Many-toone

KdWaktu (dWaktu)

Tahun, Bulan, Hari

datetime

AwardOffi ce

TotalRev

bigint

4

-

-

NilaiTarget

int

MasterAwa rdOffice

copy SELECT KdWaktu from dWaktu a, AwardOffice b WHERE a.Bahun=b.Tahun AND a.Bulan=b.Bulan AND a.Hari = day(b.TglPenerimaan) copy WHERE a.KdAwardOffice=b.KdAwa rdOffice

147 Tabel 4.30 Tabel Dimensi Waktu Relationship Nama Field

Type

Panjang


Jenis Relasi

Table

Nama Field

Type

Table

KdWaktu (Fakta AwardOffi ce) KdWaktu (Fakta RecordSOffice) KdWaktu (Fakta RecordSMA) KdWaktu (Fakta RecordSMA)

-

-

-

create

char

6

One-tomany

Tahun

int

4

-

-

-

-

-

create getYear

Smester

int

4

-

-

-

-

-

create getHalfYear

Bulan

int

4

-

-

-

-

-

create getMonth

Hari

int

4

-

-

-

-

-

create getDay

NoWaktu

148

Tabel 4.31 Tabel Dimensi Listing Relationship Nama Field

NoListing

Type

char

Panjang

10


Jenis Relasi

Table

One-tomany

NoListing(Fakta Penjualan) NoListing (Fakta Persediaan)

Nama Field

NoListing

Type

Table

char

Listing

copy

TypeProperty

varchar

30

-

-

Type

varchar

Listing

copy SELECT Type FROM PropertyType WHERE Listing. KdType = PropertyType . KdType

StatusTanah

varchar

30

-

-

StatusTanah

varchar

Listing

copy

KamarTidur

int

4

-

-

KamarTidur

int

Listing

copy

KamarM andi

int

4

-

KamarM andi

int

Listing

copy

Lantai

int

4

-

-

Lantai

int

Listing

copy

LuasT

int

4

-

-

LuasT

int

Listing

copy

LuasB

int

4

-

-

LuasB

int

Listing

copy

149

Tabel 4.32 Tabel Dimensi Kota Relationship Nama Field

KdKota

Provinsi

Type

char

varchar

Panjang

3

30

Transformasi

Jenis Relasi

Table

One-tomany

KdKota (Fakta AwardOffice) KdKota (Fakta RecordSOffi ce) KdKota (Fakta RecordSMA) KdKota (Fakta RecordSMA)

-

Sumber Data

-

Nama Field

KdKota

Provinsi

Type

Table

char

Kota

varchar

Provinsi

copy

copy WHERE Kota. KdProvinsi= Provinsi .

KdProvinsi NamaKota

varchar

30

-

-

NamaKota

varchar

Kota

copy

150

Tabel 4.33 Tabel Dimensi Office Relationship Nama Field

Type

Panjang


Jenis Relasi

Table

Nama Field

Type

Table

KdOffice (Fakta AwardOffice) KdOffice (Fakta RecordSOffi ce)

KdOffice

char

Office

copy

copy

char

6

One-tomany

NamaOffice

varchar

30

-

-

NamaOffi ce

varchar

Office

NamaM B

varchar

30

-

-

NamaM B

varchar

MB

Kota

varchar

20

-

-

Kota

varchar

Kota

KdOffice

copy WHERE MB.KdOffice =Offi ce .KdOffice copy SELECT a.Kota FROM Kota a, Office b WHERE a.KdKota = b.KdKota

151

Tabel 4.34 Tabel Dimensi MA Relationship Nama Field

IDM A

Type

char

Panjang

10


Jenis Relasi

Table

One-tomany

IDMA (Fakta AwardMA) IDMA (Fakta RecordSMA)

Nama Field

IDM A

Type

Table

char

MA

copy

char

MA

Copy, SELECT NamaOffice FROM Office WHERE MA.KdOffi ce =Offi ce .KdOffi ce

Office

char

6

-

-

KdOffice

Level

varchar

20

-

-

Level

varchar

MA

copy

NamaM A

varchar

30

-

-

NamaM A

varchar

MA

copy

char

1

-

-

Sex

char

MA

copy

-

create, SELECT year(date.Now)year(DOB.MB) from MB where MB.IDMB=dMB.IDM B

Sex

Umur

int

4

-

-

-

-

152

Tabel 4.35 Tabel Dimensi Owner Relationship Nama Field

NoOwner Nama Sex NoTelp

Type

Panjang


Jenis Relasi

Table

Nama Field

Type

Table

NoOwner

char

Owner

copy

varchar

Owner

copy

char

1

copy

varchar

20

copy

char

6

One-tomany

NoPembeli(Fakta Pembelian)

varchar

30

-

-

Nama

char

1

-

-

Sex

varchar

20

-

-

NoTelp

Tabel 4.36 Tabel Dimensi Pembeli Relationship Nama Field

NoPembeli Nama Sex NoTelp

Type

Panjang


Jenis Relasi

Table

Nama Field

char

6

One-tomany

NoPembeli(Fakta Penjualan)

varchar

30

-

-

Nama

char

1

-

-

Sex

varchar

20

-

-

NoTelp

NoPembeli

Type

Table

char

Pembeli

varchar

Pembeli

char

1

copy

varchar

20

copy

copy copy

153

Tabel 4.37 Tabel Dimensi MasterAwardOffice Relationship Nama Field

Type

Panjang


Jenis Relasi

Table

Nama Field

Type

KdAwardO ffice

char

KdAwardOf

char

6

One-tomany

KdAwardOffi ce(Fakt a AwardOffice)

NamaAward

varchar

30

-

-

Nama

varchar

Kategori

varchar

20

-

-

Kategori

varchar

Periode

varchar

20

-

-

Periode

varchar

bigint

8

-

-

NilaiTarget

NilaiTarget

bigint

Table MasterAward

copy

Office MasterAward

copy

Office MasterAward

copy

Office MasterAward

copy

Office MasterAward

Office

copy

154

Tabel 4.38 Tabel Dimensi MasterAwardMA Relationship Nama Field

Type

Panjang


Jenis Relasi

Field(table)

Nama Field

Type

Table

char

MasterAwa rdMA

copy

KdAwardM A

char

6

One-tomany

KdAwardM A(Fakta AwardMA)

Nama

varchar

30

-

Nama

varchar

MasterAwa rdMA

copy

-

Kategori

varchar

20

-

Kategori

varchar

MasterAwa rdMA

copy

-

Periode

varchar

20

-

Periode

varchar

MasterAwa rdMA

copy

-

8

-

-

NilaiTarget

bigint

MasterAwa rdMA

copy

bigint

KdAwardM A

NilaiTarget

155 Tabel 4.39 Tabel Dimensi Target Selling Relationship Nama Field

KdTarget

Type

Panjang

char

4

JenisTarget

varchar

30

LevelTarget

int

4

Periode

varchar

10

Peserta

varchar

20

bigint

8

JumlahTarget


Jenis Relasi

Field(table)

One-toMany

KdTarget(dSRMA) KdTarget(dSROffice)

-

-

-

-

-

-

-

-

-

-

Nama Field

KdTarget

Type

char

Table copy TargetSelling

JenisTarget

varchar

TargetSelling

copy

LevelTarget

int

TargetSelling

copy

Periode

varchar

TargetSelling

copy

PesertaU

varchar

TargetSelling

copy

bigint

TargetSelling

copy

JumlahTarget

156 4.5 Layar Tampilan Informasi dari Analisis Informasi yang Dibutuhkan Layar tampilan informasi disesuaikan dengan hasil analisis informasi yang dibutuhkan. Dalam tampilan layar ini setelah pihak eksekutif melakukan login, pihak eksekutif dapat memilih informasi dari datamart mana yang mereka butuhkan.

Gambar 4.10 Layar Pilihan Informasi yang Dibutuhkan

157

Adapun tampilan layar informasi dari hasil analisis kebutuhan informasi, yaitu sebagai berikut :

a. M engetahui lokasi mana yang paling dicari oleh konsumen

Gambar 4.11 Layar Informasi Mengetahui lokasi mana yang paling dicari oleh konsumen

Pihak eksekutif dapat melakukan drill down berdasarkan provinsi dan lebih detil lagi ke kota. Data yang dilihat dapat diukur berdasarkan waktu baik itu tahun ataupun bulan.

158 Pada layar sebelah kanan dapat dilihat Digital Dashboard bulan Oktober 2009 pada angka 64 dimana angka tersebut didapat dari : Selisih M in dan LastM onth

x

70

Selisih M in dan M ax Dan Dashboard kedua berupa indikator dengan Emoticon dimana berada dinilai 1 dari 0 s/d 4.

b. M engetahui tipe properti paling banyak dicari oleh konsumen

Gambar 4.12 Layar Informasi Mengetahui tipe properti paling banyak dicari oleh konsumen

159 Pihak eksekutif dapat melakukan drill down berdasarkan Type Properti yang paling banyak, dimana nilai di sort berdasarkan tahun 2009. Pada layar tersebut terlihat disibelah kanan nilai terbanyak yaitu Apartemen dan Ruko. Selanjutnya dapat men-drilldown berdasarkan bulan ataupun office mana yang menjual type property tersebut.

Pada layar sebelah kanan dapat dilihat Digital Dashboard bulan Oktober 2009 pada angka 64 dimana angka tersebut didapat dari : Selisih M in dan LastM onth

x

70


160

c. M engetahui perbandingan tingkat produktivitas office

Gambar 4.13 Layar Informasi Mengetahui perbandingan tingkat produktivitas office Pihak eksekutif dapat melakukan drill down berdasarkan Office yang paling banyak melakukan penjualan, dimana nilai di sort berdasarkan tahun 2009. Pada layar tersebut terlihat disibelah kanan nilai terbanyak yaitu Era Prospek pada tahun 2009 dan Era Galaxy pada tahun 2008. Selanjutnya dapat men-drilldown berdasarkan bulan ataupun Marketing associate yang menjual type property tersebut.

161 Pada layar sebelah kanan dapat dilihat Digital Dashboard bulan Oktober 2009 pada angka 64 dimana angka tersebut didapat dari : Selisih M in dan LastM onth

x

70


d. M engetahui perbandingan jumlah listing

Gambar 4.14 Layar Informasi Mengetahui perbandingan jumlah listing Pihak eksekutif dapat melakukan drill down berdasarkan Office yang paling banyak melakukan penjualan, dimana nilai di sort berdasarkan tahun 2009. Pada layar tersebut terlihat Available dan Expired pada Era Graha pada tahun 2009 dan

162 pada tahun 2008. Selanjutnya dapat men-drilldown berdasarkan bulan ataupun Marketing associate yang melisting dan menjual property tersebut. Pada layar sebelah kanan dapat dilihat Digital Dashboard bulan Oktober 2009 pada angka 18 dimana angka tersebut didapat dari : Selisih M in dan LastM onth

x

70


e. M engetahui perbandingan kuantitas expired dan available listing

Gambar 4.15 Layar Informasi Mengetahui perbandingan kuantitas expired dan available listing

163

Pihak eksekutif dapat melakukan drill down berdasarkan Available dan Expired pada Era Graha pada tahun 2009 dan pada tahun 2008. Selanjutnya dapat men-drilldown dan membandingkan Available dan Expired pada Office tertentu. Pada layar sebelah kanan dapat dilihat Digital Dashboard bulan Oktober 2009 pada angka 18 dimana angka tersebut didapat dari : Selisih M in dan LastM onth

x

70


164

f. M engetahui perbandingan komisi yang dicapai office

Gambar 4.16 Layar Informasi Mengetahui perbandingan komisi yang dicapai office

Pihak eksekutif dapat melakukan drill down berdasarkan Available dan Expired pada Era Graha pada tahun 2009 dan pada tahun 2008. Selanjutnya dapat men-drilldown dan membandingkan Available dan Expired pada Office tertentu. Pada layar sebelah kanan dapat dilihat Digital Dashboard bulan Oktober 2009 pada angka 18 dimana angka tersebut didapat dari :

165

Selisih M in dan LastM onth

x

70


g. M engetahui pencapaian target Member Broker dan Marketing Associate

Gambar 4.17 Layar Informasi Mengetahui pencapaian target Member Broker dan Marketing Associate

Pihak eksekutif dapat melakukan drill down berdasarkan Target yang telah dicapai oleh M arketing associate atau Office pada Era Graha pada tahun 2009 dan ada tahun 2008. Selanjutnya dapat men-drilldown dan membandingkan

Office

166 yang menjual dan bisa pula men-sort berdasarkan Level Target. Pada layar sebelah kanan dapat dilihat Digital Dashboard bulan Oktober 2009 pada angka 18 dimana angka tersebut didapat dari : Selisih M in dan LastM onth

x

70

Selisih M in dan M ax Dan Dashboard kedua berupa indikator dengan Emoticon dinilai 1 dari 0 s/d 4.

dimana berada

167

4.6 Rancangan Implementasi Pengembangan sistem data warehouse ini menggunakan dukungan perangkat keras (hardware) dan dukungan piranti lunak (software).

4.6.1

Dukungan Perangkat Keras (Hardware) Perangkat keras yang digunakan untuk menjalankan aplikasi data warehouse

pada PT ERA GRAHAREALTY yaitu : •

•

Server o Processor

: INTEL Xeon E5440 (*4 core)

o M otherboard

: INTEL 3200 SHV (single proc)

o Kapasitas harddisk

: 500 GB

o M emory

: 8 GB RAM (dual channel)

o M onitor

: LCD 17”

o Processor

: Intel Core 2 Duo 2,1 Ghz (*2 core)

o M otherboard

: M SI P7N

o Kapasitas harddisk

: 120 GB

o M emory

: 2 GB RAM (dual channel)

o VGA Card

: ATi Radeon 1550

o M onitor

: LCD 17”

Client

168

4.6.2

Dukungan Piranti Lunak (Software) Perangkat lunak yang dibutuhkan untuk menjalankan aplikasi data warehouse

pada PT ERA GRAHAREALTY adalah : •

Server o Sistem Operasi

: M icrosoft Windows 2003 Server

o Database

: M s SQL 2008 Enterprise Edition Service Pack 1

•

Client o Sistem Operasi

: Windows 7 Pro

o Office Tools

: - M s Office Word - Ms Office Excel - Adobe Reader

o Front End Tool

: Era Analyzer

Selain komponen diatas dibutuhkan juga software pendukung yang lain, yaitu DevExpress sebagai tools grafik dan pivot table yang dihasilkan, lalu update terbaru untuk Sistem Operasinya seperti M icrosoft Visual Redistribute, NetFramework 2.0 dan NetFramework 3.5 .

169 4.7

Jadwal Implementasi Implementasi data warehouse diawali dengan intalasi software dan aplikasi yang dibutuhkan untuk pengimplementasian system baru pada hardware yang sudah terinstalasi. Setelah itu dilakukan konversi data operasional perusahaan dengan proses data transformasion service (ETL). Setelah proses tersebut selesai, maka akan dilakukan uji coba system awal. Selanjutnya berfokus kepada pelatihan user, hal ini dimaksudkan agar user dapat memahami system yang akan diterapkan.

Tabel 4.45 Gantt Charts Jadwal Rencana Implementasi Sistem

BAB 4 DATA WAREHOUSE YANG DIUSULKAN

Recommend Documents