BAB 4 PERANCANGAN DATA WAREHOUSE. diterapkan adalah arsitektur data warehouse terpusat. Alasan memilih arsitektur data

BAB 4 PERANCANGAN DATA WAREHOUSE

4.1 Arsitektur Data Warehouse Dalam merancang data warehouse untuk PT. Saga M achie, arsitektur yang diterapkan adalah arsitektur data warehouse terpusat. Alasan memilih arsitektur data warehouse terpusat yaitu : •

M empermudah dalam melakukan pengawasan dan pemeliharaan data yang ada di data warehouse karena semua data terintegrasi pada sebuah tempat penyimpanan.

•

M engurangi redundansi data dan meningkatkan konsistensi data karena data dikelola dalam satu tempat penyimpanan terpusat.

•

Data yang disimpan dalam data warehouse merupakan hasil integrasi dari berbagai sumber yang berbeda sehingga menghasilkan informasi yang lebih reliable.

Dibalik kelebihan, arsitektur data warehouse terpusat memiliki beberapa kekurangan, yaitu membutuhkan biaya yang cukup besar dan waktu pembuatannya yang relatif lama, tergantung dari seberapa tinggi tingkat kompleksitas data yang ada pada perusahaan.

80

81

Gambar 4.1 Arsitektur Data Warehouse Terpusat pada PT. Saga M achie

Bagian – bagian yang terdapat pada arsitektur di atas adalah sebagai berikut : 1. Data Source Data source merupakan sumber data yang berasal dari kegiatan operasional pada PT. Saga M achie. Data operasional yang digunakan yaitu data operasional penjualan, pembelian dan persediaan. Dari data tersebut akan dilakukan proses ETL yang kemudian hasilnya akan disimpan ke dalam data warehouse. 2. ETL ETL terdiri dari 3 proses yaitu Extract, Transform dan Load. Pada proses extract akan dilakukan pengambilan, penguraian, dan pemilihan data dari data source untuk mendapatkan struktur atau pola data yang diharapkan. Data yang sudah di extract akan ditransformasi ke bentuk yang konsisten dan seragam.

82 Kemudian akan dilakukan proses load, yaitu penyimpanan hasil data yang sudah ditransformasi ke dalam data warehouse. 3. Data Warehouse Data warehouse merupakan tempat penyimpanan data operasional yang telah disaring. Data dalam data warehouse bersifat subjek oriented, terintegrasi, historis dengan jangka waktu tertentu dan datanya tidak mengalami perubahan (non volatile). 4. User User merupakan pengguna akhir yang akan menggunakan atau mengakses data yang tersimpan di dalam data warehouse melalui aplikasi yang dihasilkan. Dengan aplikasi tersebut, user dapat melakukan kegiatan seperti analisis data dan membuat laporan untuk mendukung pengambilan keputusan.

4.2 Rancangan Data Warehouse Dalam membuat data warehouse ini, diperlukan beberapa tahap agar proses pembuatan data warehouse menjadi teratur. Tahap – tahap perancangan data warehouse yang digunakan dalam penulisan ini berdasarkan pada sembilan tahap metodologi (nine steps methodology), yaitu : 4.2.1

Memilih Proses (Choosing the process) Proses dari PT. Saga M achie yang digunakan untuk merancang data warehouse adalah sebagai berikut : •

Penjualan Proses penjualan pada PT. Saga M achie yang dimaksud adalah proses penjualan produk berupa sepatu dan sandal dengan sistem penjualan yang

83 terbagi menjadi dua, yaitu sistem penjualan konsinyasi (titip jual) dan penjualan di toko sendiri milik PT. Saga M achie. Termasuk juga di dalamnya proses retur dari Outlet yang disebabkan oleh kesalahan produk atau produk yang rusak. Dokumen yang ada meliputi : Sales Trans, Retur Penjualan. Data yang ada meliputi : Product, Outlet, Location, Colour, transaksi penjualan produk, dan transaksi retur penjualan. •

Pembelian Proses pembelian meliputi proses pembelian produk berupa sepatu dan sandal dari beberapa supplier. Pembelian produk akan dilakukan jika stok produk di gudang PT. Saga M achie telah mencapai titik minimum stok produk. Termasuk pula proses retur pembelian apabila terjadi kesalahan dalam pengiriman produk. Dokumen yang ada meliputi : PO, Retur Pembelian. Data yang ada meliputi : Product, Supplier, Colour, transaksi pembelian produk, dan transaksi retur pembelian.

•

Persediaan Proses persediaan meliputi proses yang terkait dengan masuk serta keluarnya produk yang ada di gudang yang dipengaruhi oleh proses penerimaan produk, pengeluaran produk, retur penjualan, dan retur pembelian. Dokumen yang ada meliputi : Penerimaan Produk, Pengeluaran Produk, Retur Penjualan, Retur Pembelian.

84 Data yang ada meliputi : Product, Colour, Outlet, Supplier, transaksi retur penjualan, transaksi retur pembelian, transaksi penerimaan produk, dan transaksi pengeluaran produk.

4.2.2

Memilih Grain (Choosing the grain) Grain merupakan data dari calon fakta yang dapat dianalisis. Dengan memilih grain berarti menentukan apa yang digambarkan oleh record dalam tabel fakta. Setelah menentukan grain tabel fakta, dimensi untuk setiap tabel fakta dapat diidentifikasi. Grain dari PT. Saga M achie yang digunakan untuk merancang data warehouse adalah : •

Penjualan Analisis pada penjualan sepatu dan sandal meliputi sepatu dan sandal yang paling banyak terjual/diminati, warna sepatu dan sandal yang paling diminati, outlet dengan tingkat penjualan tertinggi dan terendah, lokasi dengan tingkat penjualan tertinggi, dari segi umur masyarakat yang paling tinggi tingkat penjualannya, jumlah penjualan produk, total penjualan, serta perbandingan harga pesaing dengan harga pada outlet. Analisis tersebut akan dilakukan per periode waktu hari, bulanan, dan tahunan.

•

Retur Penjualan Analisis pada retur penjualan meliputi produk yang paling banyak diretur dari outlet, outlet dengan tingkat retur paling tinggi, lokasi dengan tingkat retur tinggi dan rendah, jumlah retur penjualan dan total retur penjualan.

85 Analisis tersebut akan dilakukan per periode waktu hari, bulanan, dan tahunan. •

Pembelian Analisis pada pembelian meliputi produk yang paling banyak dipesan dari supplier, supplier dengan tingkat pembelian yang tinggi dan rendah, jumlah pembelian dan total pembelian. Analisis tersebut akan dilakukan per periode waktu hari, bulanan, dan tahunan.

•

Retur Pembelian Analisis pada retur pembelian meliputi produk yang paling banyak diretur ke supplier, supplier dengan tingkat retur paling tinggi atau rendah, jumlah retur pembelian dan total retur pembelian. Analisis tersebut akan dilakukan per periode waktu hari, bulanan, dan tahunan.

•

Persediaan Analisis pada persediaan meliputi jumlah produk yang masuk dan jumlah produk yang keluar dari outlet. Analisis tersebut akan dilakukan per periode waktu hari, bulanan, dan tahunan.

4.2.3

Identifikasi dan Penyesuaian Dimensi (Identifying and conforming the dimensions) Pada tahapan ini, dilakukan penyesuaian hubungan dimensi dengan grain dari tabel fakta dalam bentuk matriks : •

Penjualan

86

Tabel 4.1 Tabel Grain vs Dimensi pada Penjualan Produk

Dimensi

Produk yang paling banyak terjual

Warna produk yang paling diminati

Outlet dengan tingkat penjualan tertinggi

Lokasi dengan tingkat penjualan tertinggi

Waktu

X

X

X

X

Grain

Outlet

X X

Colour Pesaing Penduduk

X

X

Location Product

Umur dengan Jumlah tingkat penjualan penjualan tertinggi

Total penjualan

Harga jual produk

Harga pesaing

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X

X X

X X

87 •

Pembelian Tabel 4.2 Tabel Grain vs Dimensi pada Pembelian Produk

Grain

Dimensi Waktu Supplier Product Colour •

Produk Supplier yang paling dengan banyak Jumlah tingkat dipesan pembelian pembelian dari tertinggi supplier X X X X X X X

Total pembelian

X X

Persediaan Tabel 4.3 Tabel Grain vs Dimensi pada Persediaan Produk Grain

Jumlah produk yang masuk X X X

Dimensi Waktu Product Colour Outlet Supplier •

Jumlah produk yang keluar X X X X

X

Retur Penjualan Tabel 4.4 Tabel Grain vs Dimensi pada Retur Penjualan Grain Dimensi Waktu Outlet Location Product Colour

Outlet yang Lokasi Jumlah paling sering dengan retur melakukan tingkat retur penjualan retur tinggi X X X X X X X X X

Total retur penjualan X X X X X

88 •

Retur Pembelian Tabel 4.5 Tabel Grain vs Dimensi pada Retur Pembelian Grain Dimensi Waktu Supplier Product Colour

4.2.4

Supplier dengan tingkat retur paling tinggi X X

Produk yang Jumlah Total sering retur retur diretur pembelian pembelian X X X

X X X X

X X X X

Memilih Fakta (Choosing the facts) Pada tahap ini dilakukan pemilihan fakta. Setiap fakta memiliki data yang dapat dihitung (numerik) yang kemudian ditampilkan dalam bentuk laporan, grafik, atau diagram lainnya. Berikut fakta - fakta yang akan ditampilkan pada data warehouse : •

Fakta Penjualan M eliputi WaktuID, OutletID, LocationID, ProductID, ColourID, jumlah penjualan produk, total penjualan produk, harga jual produk dan harga pesaing.

•

Fakta Pembelian M eliputi WaktuID, SupplierID, ProductID, ColourID, jumlah pembelian produk dari supplier dan total pembelian produk dari supplier.

89 •

Fakta Persediaan M eliputi WaktuID, OutletID, SupplierID, ProductID, ColourID, jumlah produk masuk dan jumlah produk keluar.

•

Fakta ReturPenjualan M eliputi WaktuID, OutletID, LocationID, ProductID, ColourID, jumlah retur penjualan produk dan total retur penjualan produk.

•

Fakta ReturPembelian M eliputi WaktuID, SupplierID, ProductID, ColourID, jumlah retur pembelian dan total retur pembelian produk.

4.2.5

Menyimpan Pre-kalkulasi pada Tabel Fakta (Storing pre-calculations in fact table) Pada tabel fakta terdapat kalkulasi awal terhadap data yang dapat dihitung. Pre-kalkulasi yang dapat dilakukan untuk kemudian disimpan dalam tabel fakta berupa kalkulasi total. Kalkulasi awal yang ada pada tabel fakta antara lain : •

Fakta Penjualan -

Jumlah penjualan produk merupakan jumlah penjualan produk yang terjadi di setiap outlet.

-

Total penjualan produk merupakan jumlah penjualan produk yang terjadi pada setiap outlet dikali dengan harga jual per produk.

90 -

Harga Jual Produk dan Harga Pesaing merupakan perbandingan antara harga jual produk pada outlet PT. Saga M achie dengan harga jual pada outlet pesaing.

•

Fakta Pembelian -

Jumlah pembelian produk merupakan jumlah pembelian produk terhadap beberapa supplier.

-

Total pembelian produk merupakan jumlah pembelian produk terhadap beberapa supplier dikalikan dengan harga beli per produk.

•

Fakta Persediaan -

Jumlah barang masuk merupakan jumlah penerimaan barang dari supplier ditambah dengan jumlah retur penjualan dari outlet.

-

Jumlah barang keluar merupakan jumlah pengeluaran barang ke outlet ditambah dengan jumlah retur pembelian ke supplier.

4.2.6

Melengkapi Tabel Dimensi (Rounding out the dimension table) M enambahkan deskripsi teks pada dimensi agar mudah dimengerti oleh user. Berikut ini adalah deskripsi dari tabel dimensi :

91 1.

Tabel Rounding Out Dimension Tabel 4.6 Tabel Rounding Out Dimension Dimensi Waktu Outlet Location

Deskripsi Laporan dapat dilihat per waktu seperti tahunan, bulanan, dan harian Daftar outlet yang dimiliki oleh perusahaan. Outlet di sini adalah toko dan counter Daftar lokasi – lokasi outlet

Colour

Daftar produk berisi model – model sepatu dan sandal perusahaan Daftar warna sepatu dan sandal perusahaan

Supplier

Pemasok sepatu dan sandal untuk perusahaan

Pesaing

Daftar pesaing bagi perusahaan

Product

Penduduk

Daftar range umur dan jenis umur

2. Daftar Tabel Dimensi •

Dimensi Waktu Tabel 4.7 Tabel Dimensi Waktu Attributes WaktuID Tahun Bulan Hari

•

Data Type INT INT INT INT

Length 5 5 5 5

Dimensi Outlet Tabel 4.8 Tabel Dimensi Outlet Attributes OutletID OutletCode OutletName

Data Type Int Char Varchar

Length 5 5 100

92 •

Dimensi Location Tabel 4.9 Tabel Dimensi Location Attributes LocationID LocCode Lokasi

•


Length 5 10 100

Dimensi Product Tabel 4.10 Tabel Dimensi Product Attributes ProdukID ProdCode ProductName Category

•

Data Type Int Char Varchar Varchar

Length 5 10 100 100

Dimensi Colour Tabel 4.11 Tabel Dimensi Colour Attributes ColourID ColourCode Colour

•


Length 5 4 100

Dimensi Supplier Tabel 4.12 Tabel Dimensi Supplier Attributes SupplierID SupCode SupplierName


Length 5 6 100

93 •

Dimensi Pesaing Tabel 4.13 Tabel Dimensi Pesaing Attributes PesaingID PesaingCode NamaPesaing ProductName HargaPesaing

•

Data Type Int Char Varchar Varchar Varchar

Length 5 5 100 100 100

Dimensi Penduduk Tabel 4.14 Tabel Dimensi Penduduk Attributes TransID TransCode RangeUmur JenisUmur ProductName

4.2.7

Data Type Int Char Varchar Varchar Varchar

Length 5 5 100 100 100

Memilih Durasi dari Database (Choosing the duration of the database) Tabel 4.15 Tabel Durasi Database

4.2.8

Nama Database

Database Ada Sejak Tahun

SM _OLTP

2007

Data yang Masuk ke Data Warehouse Januari 2007 - Januari 2010

Data dalam Data Warehouse 3 tahun

Melacak Perubahan dari Dimensi Secara Perlahan (Tracking slowly changing dimensions) Perubahan dari dimensi pada tabel dimensi dapat dilakukan dengan 3 cara, yaitu :

94 •

Atribut dimensi yang diubah dituliskan ulang secara langsung (overwritten). Contoh : ketika ada Harga Produk yang berubah, maka data Harga Produk yang berubah langsung ditulis ulang.

•

Pembentukan record baru untuk setiap perubahan baru. Contoh : Harga Produk yang berubah akan membentuk record baru pada tabel Product.

•

Perubahan data yang membentuk kolom baru yang berbeda. Contoh : penambahan Harga Produk baru pada tabel Product untuk melihat perubahan harga produk, sehingga dapat diketahui juga Harga Produk yang lama. Kemudian akan dibuat record baru untuk data produk dengan harganya yang baru.

Pada perancangan data warehouse PT. Saga M achie ini, perubahan atribut dari dimensi akan mengakibatkan pembuatan record baru pada tabel dimensi setiap ada perubahan yang terjadi. Tujuannya adalah untuk menjaga agar data yang lama tetap ada sehingga dapat diketahui perubahaan yang terjadi dari data lama ke data baru.

4.2.9

Memutuskan Prioritas dan Mode dari Query (Deciding the query priorities and the query modes) Tahap ini membahas mengenai proses ETL (Extract, Transformation and Load), backup yang dilakukan secara berkala, analisis media penyimpanan, dan analisis pertumbuhan data. •

Proses ETL (Extract, Transformation, Load)

95 ETL merupakan proses ekstraksi data dari sumber data, yaitu database operasional ke dalam data warehouse. Tabel 4.16 Tabel Proses ETL Pelaku ETL

Waktu

Server

Dilakukan setiap hari

Keterangan ETL dilakukan secara otomatis oleh server

Proses ETL dilakukan setiap hari untuk menjaga keakuratan data, jika sewaktu - waktu para manajer tingkat atas ingin melihat laporan yang datanya diambil dari data warehouse. Berikut ini adalah proses ETL ke data warehouse pada PT.Saga M achie :

Contoh Transform FaktaPenjualan

Gambar 4.2 Gambar Transform Data

96

Gambar 4.3 Query Transformasi

Gambar 4.4 Data yang akan di-transform

97

Gambar 4.5 Database Tujuan dan Tabel Tujuan Data Transformasi

Gambar 4.6 Pemetaan Sumber Data dan Kolom Tujuan Data

98

Gambar 4.7 Execute SQL Task Editor

Gambar 4.8 Proses Transformasi Fakta Penjualan

99 •

Proses Backup Proses backup dijalankan terlebih dahulu secara otomatis sebelum proses ETL berlangsung. Hal ini dimaksudkan agar data hasil dari proses ETL sebelumnya dapat disimpan terlebih dahulu, sehingga dapat mengurangi resiko bila terjadi kegagalan. Tabel 4.17 Tabel Proses Backup

•

Pelaku Backup

Waktu

Keterangan

Server

Dilakukan setiap hari sebelum proses ETL dilakukan

Backup data warehouse dilakukan untuk menanggulangi proses ETL yang gagal

Analisis Kapasitas M edia Penyimpanan Dalam pengolahan data, kapasitas media penyimpanan menjadi salah satu aspek yang perlu dipertimbangkan. Transaksi sehari - hari yang terjadi pada OLTP sangat mempengaruhi pertumbuhan data dalam database maupun pertumbuhan data dalam data warehouse. Oleh karena itu, diperlukan analisis kapasitas media penyimpanan agar mampu menampung pertumbuhan data yang terus – menerus meningkat selama beberapa tahun ke depan. Rumus yang akan digunakan untuk perhitungan kebutuhan penyimpanan record dalam SQL Server 2008 adalah : 1. Num_Row = jumlah baris / jumlah record. 2. Num_Col = jumlah kolom dalam tabel.

100 3. Fixed_Data_Size = jumlah bytes yang dibutuhkan oleh semua kolom yang mempunyai tipe data dengan ukuran yang pasti. 4. Num_Variable_Cols = jumlah kolom yang mempunyai tipe data dengan ukuran tidak pasti, seperti varchar, nvarchar, varbinary. 5. M ax_Var_Size = ukuran bytes terbesar dari semua kolom yang mempunyai tipe data dengan ukuran tidak pasti. 6. Null_Bitmap = bit status null kolom = 2 + ((num_col +7)/8). 7. Variable_Data_Size = jumlah bytes yang dibutuhkan untuk semua kolom variabel = 2 + (num_variable_cols x 2) + max_var_size. 8. Row_Size = fixed_data_size + null_bitmap + 4. 9. Rows_Per_Page = 8096 / (row_size + 2). 10. Num_Of_Pages = num_row / rows_per_page. 11. Heap_Size (Bytes) = 8192 x num_of_pages. 12. Heap_Size (Kbytes) = num_of_bytes / 1024 13. Heap_Size (Mbytes) = num_of_kytes / 1024

Analisis perkiraan kapasitas media penyimpanan data pada data warehouse PT. Saga M achie untuk perhitungan fakta adalah sebagai berikut : Rn = R x (n+(1+i)n) Keterangan : n

= Tahun ke –

R = Jumlah record I

= Persentase pertumbuhan record per tahun

101 Perhitungan untuk dimensi yang mengalami pertumbuhan data adalah sebagai berikut : Rn = R x (1+i)n Keterangan : n

= Tahun ke –

R = Jumlah record I

= Persentase pertumbuhan record per tahun Berikut adalah analisis perkiraan kapasitas media penyimpanan

untuk 3 tahun mendatang dengan asumsi persentase pertumbuhan sebesar 10% per tahun. 1. Table FaktaPenjualan Asumsi record 3 tahun kedepan diperkirakan : R5

= 182.500x ( 3 + ( 1+0,1)3) = 790.407

Jumlah record FaktaPenjualan pada tahun ke-3 = 790.407 M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : •

Num_Row = 790.407

•

Num_Col = 11

•

Fixed_Data_Size = 5+5+5+5+5+5+5+5+5+5+5=55

•

Num_Variable_Cols = 0

•

M ax_Var_Size = 5

•

Null_Bitmap = 2 + ((11+7)/8) = 4,25

•

Variable_Data_Size = 2 + (0 x 2) + 5 = 7

102 •

Row_Size = 55+ 4,25 + 4 = 63,25 bytes

•

Rows_Per_Page = 8096 / (63,25 + 2) = 124,07rows

•

Num_Of_Pages = 790.407/ 204,34 = 3868,09pages

•

Heap_Size (Bytes) = 8192 x 3868,09= 31.687.452,99Bytes

•

Heap_Size (Kbytes) =31.687.452,99Bytes /1024 = 30.944,77Kbytes

•

Heap_Size (M bytes) = 30.944,77Kbytes / 1024 = 30,21M bytes

2. Table FaktaPembelian Asumsi record 3 tahun kedepan diperkirakan : R5

= 4200 x ( 3 + ( 1+0,1)3) = 18.190

Jumlah record FaktaPembeliaan pada tahun ke-3 = 18.190 M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : •

Num_Row = 18.190

•

Num_Col = 6

•

Fixed_Data_Size = 5+5+5+5+5+5=30

•


•

M ax_Var_Size = 5

•

Null_Bitmap = 2 + ((6+7)/8) = 3,625

•


•

Row_Size = 30 + 3,625 + 4 =37,62 bytes

•

Rows_Per_Page = 8096 / (37,62+ 2) = 204,34rows

103 •

Num_Of_Pages = 18.190/ 204,34 = 89,01pages

•

Heap_Size (Bytes) = 8192 x 89,01 = 729.237,93Bytes

•

Heap_Size (Kbytes) =729.237,93Bytes /1024 = 712,14Kbytes

•

Heap_Size (M bytes) = 712,14Kbytes/ 1024 = 0,70M bytes

3. Table FaktaPersediaan Asumsi record 3 tahun kedepan diperkirakan : R5

= 2400 x ( 3 + ( 1+0,1)3) = 10.394

Jumlah record FaktaPersediaan pada tahun ke-3 = 10.394 M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : •

Num_Row = 10.394

•

Num_Col = 7

•

Fixed_Data_Size = 5+5+5+5+5+5+5=35

•


•

M ax_Var_Size = 5

•

Null_Bitmap = 2 + ((7+7)/8) = 3,75

•


•

Row_Size = 35+ 3,75 + 4 = 42,75 bytes

•


•

Num_Of_Pages = 10.394,4/ 180,91 = 57,45 pages

•

Heap_Size (Bytes) = 8192 x 57,45= 470.681.13Bytes

•


104 •

Heap_Size (M bytes) = 459,64Kbytes / 1024 = 0,44M bytes

4. Table FaktaReturPenjualan Asumsi record 3 tahun kedepan diperkirakan : R5

= 105 x ( 3 + ( 1+0,1)3) = 454

Jumlah record FaktaReturPenjualan pada tahun ke-3 = 454 M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : •

Num_Row = 454

•

Num_Col = 7

•

Fixed_Data_Size = 5+5+5+5+5+5+5=35

•


•

M ax_Var_Size = 5

•

Null_Bitmap = 2 + ((7+7)/8) = 3,75

•


•

Row_Size = 35+ 3,75 + 4 = 42,75 bytes

•

Rows_Per_Page = 8096 / (42,75 + 2) = 180,91rows

•

Num_Of_Pages = 454/ 180,91 = 2,5pages

•


•


•

Heap_Size (M bytes) = 20,07Kbytes/ 1024 = 0,01M bytes

105

5. Table FaktaReturPembelian Asumsi record 3 tahun kedepan diperkirakan : R5

= 100 x ( 3 + ( 1+0,1)3) = 433

Jumlah record FaktaReturPembelian pada tahun ke-3 = 433 M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : •

Num_Row = 433

•

Num_Col = 6

•

Fixed_Data_Size = 5+5+5+5+5+5=30

•


•

M ax_Var_Size = 5

•

Null_Bitmap = 2 + ((6+7)/8) = 3,62

•


•

Row_Size = 30+ 3,62 + 4 = 37,62 bytes

•


•

Num_Of_Pages = 433 / 204,34 = 2,1pages

•

Heap_Size (Bytes) = 8192 x 2,1 = 17.203,2 Bytes

•


•


106 6. Dimensi Waktu Asumsi jumlah record data untuk satu tahun adalah 365 record. M aka dapat dihitung jumlah record sampai pada tahun ke 3 adalah : R

= R1+R2+R3 = 365 + 365 + 365 = 1095

M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : •

Num_Row = 1095

•

Num_Col = 6

•

Fixed_Data_Size = 5 + 5 + 5 + 5 + 5 + 5 = 30 bytes

•


•

M ax_Var_Size = 0

•

Null_Bitmap = 2 + ((6 +7)/8) = 3.62

•

Variable_Data_Size = 2 + (0 x 2) + 0= 2bytes

•

Row_Size = 30 + 3.62 + 4 = 37.62bytes

•

Rows_Per_Page = 8096 / (37.62+ 2) = 204.34rows

•

Num_Of_Pages = 1095 / 204.34 = 5,35pages

•


•

Heap_Size (Kbytes) = 43.827,2Bytes /1024 = 42,8Kbytes

•

Heap_Size (M bytes) = 42,8Kbytes / 1024= 0,04 M bytes

107 7. Dimensi Product Asumsi record 3 tahun kedepan diperkirakan : R5

= 100 x ( 1+0,1)3 = 133

Jumlah record Dimensi Product pada tahun ke-3 = 133 M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : •

Num_Row = 133

•

Num_Col = 4

•

Fixed_Data_Size = 5 + 10 + 10 + 100 = 125bytes

•


•

M ax_Var_Size = 100

•

Null_Bitmap = 2 + ((4 +7)/8) = 3.38

•


•

Row_Size = 125 + 3.38 + 4 =132,38bytes

•

Rows_Per_Page = 8096 / 132,38 + 2) = 59,80 rows

•

Num_Of_Pages = 133 /59,80= 2,22pages

•

Heap_Size (Bytes) = 8192 x 2,22 = 181.86,24 Bytes

•

Heap_Size (Kbytes) =181.86,24 /1024 = 17,76Kbytes

•

Heap_Size (M bytes) = 17,76Kbytes / 1024 = 1,70 M bytes

108 8. Dimensi Colour Asumsi record 3 tahun kedepan diperkirakan : R5

= 173 x ( 1+0,1)3 = 230

Jumlah record Dimensi Colour pada tahun ke-3 = 230 M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : •

Num_Row = 230

•

Num_Col = 3

•

Fixed_Data_Size = 5 + 4 + 100 = 109bytes

•


•

M ax_Var_Size = 100

•

Null_Bitmap = 2 + ((3 +7)/8) = 3,25

•


•

Row_Size = 109 + 3,25 + 4 = 115,25bytes

•


•

Num_Of_Pages =230 / 67,89 = 3,38 pages

•

Heap_Size (Bytes) = 8192 x 3,38 =2.423,66Bytes

•

Heap_Size (Kbytes) =2.423,66 Bytes /1024 = 2,36Kbytes

•

Heap_Size (M bytes) = 2,36 Kbytes / 1024 = 2,31M bytes

109 9. DimensiOutlet Asumsi record 3 tahun kedepan diperkirakan : R5

= 84 x ( 1+0,1)3 = 111

Jumlah record Dimensi Outlet pada tahun ke-3 = 111 M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : •

Num_Row = 111

•

Num_Col = 3

•

Fixed_Data_Size = 5 + 5 + 100 = 110bytes

•


•

M ax_Var_Size = 100

•

Null_Bitmap = 2 + ((3 +7)/8) = 3,25

•


•

Row_Size = 110 + 3,25 + 4 = 117,25bytes

•

Rows_Per_Page = 8096 / (117,25+ 2) =67,89 rows

•

Num_Of_Pages =111/ 67,89 =1,63 pages

•

Heap_Size (Bytes) = 8192 x 1,63 =133.52,96 Bytes

•


•


110 10. DimensiLocation Asumsi record 3 tahun kedepan diperkirakan : R5

= 17 x ( 1+0,1)3 = 22

Jumlah record Dimensi Lokasi pada tahun ke-3 = 22 M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : •

Num_Row = 22

•

Num_Col = 3

•

Fixed_Data_Size = 5+ 10+ 100 = 115bytes

•


•

M ax_Var_Size = 100

•

Null_Bitmap = 2 + ((3 +7)/8) = 3,25

•


•

Row_Size = 115+ 3,25 + 4 = 122,25bytes

•


•

Num_Of_Pages =22/ 65,15=0,33 pages

•


•

Heap_Size (Kbytes) =2.703,36Bytes /1024 Bytes = 2,64Kbytes

•


111 11. DimensiSupplier Asumsi record 3 tahun kedepan diperkirakan : R5

= 21x ( 1+0,1)3 = 28

Jumlah record Dimensi Supplier pada tahun ke-3 = 28 M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : •

Num_Row = 28

•

Num_Col = 3

•

Fixed_Data_Size = 5 + 6+ 100 = 111bytes

•


•

M ax_Var_Size = 100

•

Null_Bitmap = 2 + ((3 +7)/8) = 3,25

•


•

Row_Size = 111+ 3,25 + 4 = 118,25bytes

•


•

Num_Of_Pages =28/ 67,32 = 0,41pages

•


•


•


112 Tabel 4.18 Analisis Kapasitas M edia Penyimpanan Tabel Fakta untuk Jangka Waktu 3 Tahun

Nama Tabel Fakta Penjualan Fakta Pembelian Fakta Persediaan FaktaReturPenjualan FaktaReturPembelian Total

Besar Record (Bytes) 42,75 27,37 32,5 32,5 27,37

Jumlah Current Record 180.000 4200 2400 105 95

Jumlah Record 3tahun mendatang 790.407 18.190 16.394 454 433

Jumlah bytes (Mbytes) 30,21 0,70 0,44 0,01 0,01 31,37

Tabel 4.19 Analisis Kapasitas M edia Penyimpanan Tabel Dimensi untuk Jangka Waktu 3 Tahun

Nama Tabel Dimensi Waktu Dimensi Product Dimensi Colour Dimensi Outlet Dimensi Location Dimensi Supplier Total

Besar Record (Bytes) 37,62 132,38 115,25 117,25 122,25 118,25

Jumlah Current Record 100 173 84 17 21

Jumlah Record 3 tahun mendatang 1095 133 230 111 22 28

Jumlah bytes (Kbytes) 42,8 17,76 2,36 13,04 2,64 3,28 81,88

4.3 Rancangan Skema Bintang Pada perancangan ini, bentuk skema yang dipilih adalah star schema, karena skema ini merupakan skema yang mudah dipahami dan digunakan oleh pengguna daripada skema yang lain. Bentuk star schema yang ada pada data warehouse ini terdiri atas tabel fakta yang berhubungan dengan tabel dimensi. Berikut gambar star schema PT. Saga M achie yang dihasilkan dalam perancangan ini:

113 1. Star Schema Penjualan

Gambar 4.9 Star Schema Fakta Penjualan

114 2. Star Schema Pembelian

Gambar 4.10 Star Schema Fakta Pembelian

115 3. Star Schema Persediaan

Gambar 4.11 Star Schema Fakta Persediaan

116 4. Star Schema Retur Penjualan

Gambar 4.12 Star Schema Fakta Retur Penjualan

117 5. Star Schema Retur Pembelian

Gambar 4.13 Star Schema Fakta Retur Pembelian

118 4.4 Metadata M etadata pada data warehouse Saga M achie meliputi beberapa hal informasi yang disajikan berupa nama tabel beserta detail rincian informasinya. Tabel tersebut adalah :

119

Tabel 4.20 Tabel Dimensi Waktu

Nama Field

Tipe

Panjang Field

WaktuID

Int

5

Tahun

Int

5

Bulan

Int

5

Hari

Int

5

Sumber Data Deskripsi

Transformasi Nama Field

Tipe

Length

Tabel

Surrogate Key

create Year(SalesTransDate) datetime Year(POTransDate) Year(ReturPenjualanDa te) Year(ReturPembelianD ate) Year(PenerimaanProdu kDate) Year(PengeluaranProdu kDate) M onth(SalesTransDate) datetime M onth(POTransDate) M onth(ReturPenjualan Date) M onth(ReturPembelian Date) M onth(PenerimaanProd ukDate) M onth(PengeluaranPro dukDate) Day(SalesTransDate) datetime Day(POTransDate)

8

8

8

H_SalesTrans H_PO H_ReturPenjuala n H_ReturPembelia n H_PenerimaanPr oduct H_PengeluaranPr oduk H_SalesTrans H_PO H_ReturPenjuala n H_ReturPembelia n H_PenerimaanPr oduct H_PengeluaranPr oduk H_SalesTrans H_PO

copy

copy

copy

120

PK_Waktu Status

dateti 8 me varch 100 ar

Day(ReturPenjualanDat e) Day(ReturPembelianDa te) Day(PenerimaanProduk Date) Day(PengeluaranProdu kDate)) PK_Waktu

datetime

Status

varchar

8

H_ReturPenjuala n H_ReturPembelia n H_PenerimaanPr oduct H_PengeluaranPr oduk DimensiWaktu

Create

100

DimensiWaktu

create

121

Tabel 4.21 Tabel Dimensi Oulet Sumber Data Nama Field

Tipe

Panjang Deskripsi Field

OutletID

Int

5

Surrogate Key

OutletCode

Char

5

Kode Outlet

OutletName

Varchar

100

Nama Outlet

Nama Field

Tipe

Length

Tabel

Transformasi

create Outlet Code Outlet Name

Char

5

varc har

100

M _Outl copy et M _Outl copy et

Tabel 4.22 Tabel Dimensi Location Sumber Data Nama Field

Tipe


Nama Field

Tipe

Length

LocationID

Int

5

Surrogate Key

LocCode

Char

10

Kode Lokasi

LocCo de

Char

10

Lokasi

Varchar

100

Nama Lokasi

Lokasi

Varch ar

100

Tabel

Transformasi

create M _Loca tion M _Loca tion

copy copy

122

Tabel 4.23 Tabel Dimensi Product

Sumber Data Nama Field

Tipe

Panjang Field

Deskripsi

ProductID

Int

5

Surrogate Key

ProdCode

Char

10

Kode Poduk

ProductName

Varchar 100

Nama Produk

Nama Field -

transformasi Tipe

Length

-

-

ProdC Char ode Produc Varc tName har

Tabel -

10 100

create

M _Produ copy ct M _Produ copy ct

Tabel 4.24 Tabel Dimensi Colour Sumber Data Nama Field

Tipe

Panjang Field

Deskripsi Nama Field

ColourID

Int

5

Surrogate Key

ColourCode

Char

4

Kode Warna

Colour

Varchar 100

Nama Warna

Colour Code Colour

Transformasi Tipe

Lenght

-

-

Char

4

Varc har

100

Tabel -

create

M _Colou copy r M _Colou copy r

123

Tabel 4.25 Tabel Dimensi Supplier Sumber Data Nama Field

Tipe

Panjang Field

Deskripsi

Transformasi

SupplierID

Int

5

Surrogate Key

Nama Field -

SupCode

Char

6

Kode Supplier

SupCode

Char

6

M _Supplier

copy

SupplierName

varchar

100

Nama Supplier

Supplier Name

Varch ar

100

M _Supplier

copy

Tipe

Length

Tabel

-

-

-

create

Tabel 4.26 Tabel Dimensi Pesaing Sumber Data Nama Field

Tipe

Panjang Field

Deskripsi


Tipe

Length

Tabel

PesaingID PesaingCode NamaPesaing ProductNam e

Int Char varchar

5 5 100

Surrogate Key Kode Pesaing Nama Pesaing

PesaingCode NamaPesaing

Char varchar

5 100

EPesaing EPesaing

create copy copy

varchar

100

Nama Supplier

ProductName

varchar

100

EPesaing

copy

HargaPesaing

varchar

100

Harga Pesaing

HargaPesaing

varchar

100

EPesaing

copy

124

Tabel 4.27 Tabel Dimensi Penduduk

Sumber Data Nama Field

Tipe

Panjang Field

Deskripsi


Tipe

Length

TransCode

Int

5

Surrogate Key

-

-

-

RangeUmur

Char

5

Range Umur

RangeUmur

Char

5

JenisUmur

varchar

100

Jenis Umur

JenisUmur

varchar

100

ProductNam e

varchar

100

Nama Product

ProductName

varchar

100

Tabel -

create

EUmurPe copy nduduk EUmurPe copy nduduk EUmurPe copy nduduk

125

Tabel 4.28 Tabel Fakta Penjualan

Nama Field

Tipe

WaktuID

Int

OutletID

Int

Sumber Data Panjang Deskripsi Field Nama Field Tipe Length 5

Foreign Key

WaktuID

int

5

Transformasi Tabel

DimensiWaktu

DimensiOutlet

5

Foreign Key

LocationID

int

5

OutletID

int

5 DimensiLocation

LocationID

Int

5

Foreign Key

ProductID

Int

5

Foreign Key

ProductID

int

5

ColourID

Int

5

Foreign Key

ColourID

int

5

PesaingID

Int

5

Foreign Key

PesaingID

int

5

TransID

Int

5

Foreign Key

TransID

int

5

DimensiProduct

DimensiColour

DimensiPesaing

DimensiPenduduk

copy WaktuID dimana year(HJ.SalesTransDate) = DimWk.Tahun AND month(HJ.SalesTransDate) = DimWk.Bulan AND day (HJ.SalesTransDate) = DimWk.Hari AND DimWk.status like '%Penjualan%' Copy OutletID dimana DimOut.OutletCode = O.OutletCode Copy LocationID dimana DimLoc.LocCode = Lc.LocCode Copy ProductID dimana DimPro.ProdCode = Pr.ProdCode Copy ColourID dimana DimCol.ColourCode = C.ColourCode Copy PesaingID dimana Dimpes.PesaingCode = Pes.PesaingCode TransID dimana Copy DimPen.TransCode =

126

Um.TransCode JumlahPenj ualanProdu Int k

D_SalesTrans 5

TotalPenju alanProduk

nume ric

5

HargaJualP roduk

nume ric

30,2

HargaPesai ng

nume ric

30,2

sum( DJ.Qt Int y) sum( DJ.Qt y * Pr.HargaJua Int l) sum (Pr.HargaJu Int al) sum (Pes.HargaP Int esaing)

5

calculate D_SalesTrans

5

calculate DimensiProduct calculate

5 EPesaing 5

calculate

127

Tabel 4.29 Tabel Fakta Pembelian Sumber Data Nama Field

Tipe


Nama Field

Tipe

Length

Tabel

Transformasi

WaktuID

Int

5

Foreign Key

WaktuID

int

5

Dimensi waktu

SupplierID

Int

5

Foreign Key

SupplierID

int

5

Dimensi Supplier

ProductID

Int

5

Foreign Key

ProductID

int

5

Dimensi Product

ColourID

Int

5

Foreign Key

ColourID

int

5

Dimensi Colour

JumlahPembelian Produk TotalPembelianPr oduk

Int

5

sum(DB.Qty)

Int

5

D_PO

copy WaktuID dimana year( HB.POTransDate) = DimWk.Tahun AND month( HB.POTransDate) = DimWk.Bulan AND day(HB.POTransDate) = DimWk.Hari AND DimWk.status like '%Pembelian%' Copy SupplierID dimana DimSup.SupCode = S.SupCode Copy ProductID dimana DimPel.ProdCode = Pr.ProdCode Copy ColourID dimana DimCol.ColourCode = C.ColourCode calculate

numeric

30,2

sum(DB.Qty * Pr.HargaBeli)

int

5

D_PO

calculate

128

Tabel 4.30 Tabel Fakta Persediaan Sumber Data Nama Field

Tipe

Panjang Field

Deskripsi


Tipe

Length

Tabel

WaktuID

Int

5

Foreign Key

WaktuID

int

5

Dimensi Waktu

OutletID

Int

5

Foreign Key

OutletID

int

5

Dimensi Outlet

ProductID

Int

5

Foreign Key

ProductID

int

5

Dimensi Product

ColourID

Int

5

Foreign Key

ColourID

int

5

Dimensi Colour

SupplierID

Int

5

Foreign Key

SupplierID

int

5

Dimensi Supplier

copy WaktuID dimana year( HTP.Penerimaan ProdukDate) = DimWk.Tahun AND month(HTP.Penerimaa nProdukDate) = DimWk.Bulan AND day( HTP.Penerimaan ProdukDate) = DimWk.Hari Copy OutletID dimana DimOut.OutletCode = O.OutletCode Copy ProductID dimana DimPro.ProdCode = Pr.ProdCode Copy ColourID dimana DimCol.ColourCode = C.ColourCode Copy SupplierID dimana DimSup.SupCode =

129

jmlhbrgmasuk

int

5

sum (DTP.Qty)

int

5

sum (DTP.Qty) jmlhbrgkeluar

int

5

sum (DKP.Qty) sum(DRB.Qt y

int

5

D_Pener imaanPr oduct D_Retur Penjuala n D_Peng eluaranP roduct D_Retur Pembeli an

S.SupCode Calculate

calculate

Calculate

calculate

130

Tabel 4.31 Tabel ReturPenjualan Sumber Data Nama Field

Tipe


Transformasi Nama Field Tipe

Length

Tabel

WaktuID

Int

5

Foreign Key

WaktuID

int

5

Dimensi waktu

OutletID

Int

5

Foreign Key

OutletID

int

5

Dimensi Outlet

LocationID

Int

5

Foreign Key

LocationID

int

5

Dimensi Location

ProductID

Int

5

Foreign Key

ProductID

int

5

Dimensi Product Dimensi Colour

ColourID

Int

5

JumlahReturPe njualan

numeric

30,2

TotalReturPenj numeric ualan

30,2

Foreign Key

ColourID

int

5

sum (DRJ.Qty) sum (DRJ.Qty * Pr.HargaJua l)

num eric

30,2

num eric

30,2

D_ReturP enjualan D_ReturP enjualan

copy WaktuID dimana HRJ.ReturPenjualanDat e = DimWk.PK_Waktu Copy OutletID dimana DimOut.OutletCode = O.OutletCode Copy LocationID dimana Lc.LocCode = DimLoc.LocCode Copy ProductID dimana DimPro.ProdCode = Pr.ProdCode Copy ColourID dimana DimCol.ColourCode = C.ColourCode Calculate Calculate

131

Tabel 4.32 Tabel ReturPembelian Sumber Data Nama Field

Tipe

Panjang Field

Deskripsi


Tipe

Length

Dimensi waktu

WaktuID

Int

5

Foreign Key

WaktuID

int

5

SupplierID

Int

5

Foreign Key

SupplierID

int

5

ProductID

ColourID

Int

Int

5

5

Foreign Key

Foreign Key

Tabel

ProductID

int

5

ColourID

int

5

numeri 30,2 c

JumlahReturPem belian

numeric

30,2

sum (DRJ.Qty)

TotalReturPemb elian

numeric

30,2

sum numeri (DRJ.Qty * 30,2 c Pr.HargaJual)

Dimensi supplier Dimensi Product

Dimensi Colour

copy WaktuID dimana HRB.ReturPembelia nDate = DimWk.PK_Waktu Copy SupplierID dimana S.SupCode = DimSup.SupCode Copy ProductID dimana Pr.ColourCode = C.ColourCode Copy ColourID dimana C.ColourCode = DimCol.ColourCode calculate

D_Retur Pembelia n D_Retur Calculate Pembelia n

132 4.5 Rancangan Layar Aplikasi Pada layar login, user akan diminta untuk memasukkan Username, password, dan memilih manager type. Jika username dan password tidak sesuai dengan manager type akan muncul message box. Jika username dan password tidak di isi maka akan muncul juga message box sebagai berikut:

Gambar 4.14 Rancangan Form Login

Bila User memasukkan username, password dan manager type dengan benar, maka user akan masuk ke layar M enu Utama.

133

Gambar 4.15 Rancangan M enu Utama Jika user memilih report, maka akan masuk ke tampilan report. Pada halaman ini user bisa memilih laporan ditampilkan pivot tabel penjualan, Pembelian, Persediaan, ReturPenjualan dan laporan ReturPembelian produk. User dapat menampilkan informasi yang diinginkan dalam bentuk multidimensi. User dapat menentukan field mana saja yang akan di tampilkan. Selain itu, user dapat melihat laporan dalam bentuk grafik.

10 0 80 60 40

A B C

20 0

Gambar 4.16 Rancangan Laporan Penjualan

134

100 80 A

100 60

B

80 40

C A

60 20

B

40 0

C 20 0

Gambar 4.17 Rancangan Laporan Pembelian

100 80 60 100 40 80 20 60 0 40

A B C A

B C

20 0

Gambar 4.18 Rancangan Laporan Persediaan

135

100 80 A

100 60

B

80 40

C A

60 20

B

40 0

C 20 0

Gambar 4.19 Rancangan Laporan ReturPenjualan

100 80 A

100 60

B

80 40

C A

20 60

B

0 40

C 20 0

Gambar 4.20 Rancangan Laporan ReturPembelian

136 Jika user memilih menu about us pada M DI Form, maka akan muncul tampilan berikut ini.

Gambar 4.21 Rancangan About Us

4.6 Rancangan Implementasi PT. Saga M achie telah menggunakan teknologi informasi dalam mendukung kegiatan operasional atau kegiatan bisnis sehari-hari. Teknologi yang digunakan meliputi penggunaan perangkat keras (hardware) dan perangkat lunak (software). 4.6.1

S pesifikasi Hardware Perangkat keras atau hardware yang digunakan untuk keperluan operational pada PT. Saga M achie sebagai berikut: a.

Satu buah PC server dengan spesifikasi sebagai berikut : •

Care 2 Duo processor 3,2 GHz.

•

Memory 4 GB RAM .

•

Hard disk 320MB.

137 • b.

Monitor 14” LCD.

Empat Belas buah PC Client dengan spesifikasi sebagai berikut : •

Dual Core 2.8 GHz.

•

Memory 2 GB RAM .

•

Hard disk 180MB.

•

Monitor 14” LCD

c.

Tujuh buah printer tipe Printer HP P200

d.

Satu buah modem ADSL untuk koneksi internet dan Switch DLink 24 port untuk mendukung jaringan / local area network (LAN)

4.6.2

S pesifikasi Software Perangkat Lunak atau software yang digunakan untuk keperluan operational pada PT. Saga M achie adalah sebagai berikut : a. Server : - Sistem Operasi : Microsoft Windows Server 2003 - Database : Microsoft SQL Server 2008 - Front End Tool : Microsoft Visual Studio 2008 b. Client : - Sistem Operasi : Windows XP - Office Tools : Ms Office Word dan Ms Office Excel

Selain komponen di atas dibutuhkan juga pendukung lain, yaitu Dev Express sebagai tools grafik dan pivot table.

138 4.7 Estimasi Waktu Implementasi Data warehouse Untuk waktu implementasi data warehouse, kegiatan diawali dengan instalasi software dan aplikasi yang dibutuhkan untuk mengisi hardware yang sudah ada. Kemudian dilanjutkan dengan melakukan konversi data operasional perusahaan dan proses transformasi data. Setelah semua selesai dilakukan, tahap selanjutnya yaitu melakukan uji coba aplikasi yang sudah jadi. Tahap uji coba dilakukan selama seminggu. Kemudian dilakukan training untuk pemahaman user selama 2 minggu. Dari hasil yang didapat, dilakukan evaluasi untuk melihat kemajuan dari pengimplementasian aplikasi tersebut. Berikut ini adalah tabel rencana implementasi sistem pada PT. Saga M achie : Tabel 4.33 Tabel Rencana Implementasi Sistem pada PT. Saga M achie No.

Kegiatan

1

Instalasi software dan aplikasi

2

Transformasi data

3

Uji coba aplikasi

4

Pelatihan user

5

Evaluasi

Minggu 1

2

3

4

BAB 4 PERANCANGAN DATA WAREHOUSE. diterapkan adalah arsitektur data warehouse terpusat. Alasan memilih arsitektur data

Recommend Documents