69 BAB 4 PERANCANGAN DATA WAREHOUSE
4.1 Arsitektur Data Warehouse Dalam memilih arsitektur data warehouse yang akan digunakan, terlebih dahulu harus ditentukan dimana data warehouse akan ditempatkan dan juga dimana kendali kontrol terhadap data. Untuk perancangan data warehouse pada PT. Arbe Styrindo diusulkan sebuah data warehouse yang terpusat (centralized data warehouse). Data warehouse terpusat merupakan suatu database tunggal yang berisi semua data yang spesifik untuk fungsional area, departemen, divisi ataupun perusahaan. Data warehouse terpusat sering dipilih jika ada kebutuhan umum terhadap data dan informasi serta terdapat banyak user yang terhubung ke suatu komputer ataupun jaringan pusat. Ada beberapa alasan yang menjadi dasar penggunaan data warehouse terpusat dalam perancangan ini diantaranya sebagai berikut: 1. Mengurangi redundansi data (data yang duplikat) karena data dikelola dalam satu tempat penyimpanan yang terpusat. 2. Menyatukan/mengintegrasikan data dalam satu fondasi yang akan menyediakan sumber informasi tunggal yang terpercaya dan dapat diakses oleh semua user. 3. Menyediakan interface tunggal antara user dan informasi yang dibutuhkan, sehingga mempermudah dalam memperoleh informasi dan pembangunan data mart berdasarkan fondasi yang telah dibangun dalam data warehouse terpusat.
70 Kerugian dalam menggunakan data warehouse terpusat adalah apabila terjadi kerusakan pada data warehouse terpusat maka akan berdampak pada berhentinya operasi yang mengakses data warehouse tersebut untuk beberapa saat sampai data warehouse diperbaiki. Data Source
User
Data Warehouse
Analisis
Metadata Penjualan
Summary Data
Raw Data
Reporting
Pembelian Mining
Gambar 4.1 Arsitektur Data Warehouse terpusat pada PT. Arbe Styrindo
4.2 Perancangan Untuk membangun data warehouse yang baik terdapat beberapa tahapan yang dapat dilakukan, berdasarkan Kimball terdapat 9 tahapan metodologi (nine-step methodology) dalam membangun data warehouse yakni:
71 4.2.1 Memilih proses (Choosing the process) Proses (fungsi) mengacu pada subyek masalah dari data mart tertentu. Data mart yang akan dibangun harus sesuai anggaran dan dapat menjawab masalah-masalah bisnis yang penting. Berikut adalah proses pada PT. Arbe Styrindo yang akan digunakan dalam perancangan data warehouse: a.
Penjualan Proses penjualan didefinisikan sebagai proses penjualan langsung barangbarang dari PT. Arbe Styrindo ke customer. Dokumen yang ada meliputi: faktur penjualan. Data yang ada meliputi: customer, barang, kategori barang, employee, dan transaksi penjualan.
b.
Pembelian Proses pembelian didefinisikan sebagai proses pembelian bahan mentah maupun properti perusahaan (misalnya mesin pabrik) kepada supplier oleh PT. Arbe Styrindo yang berhubungan dengan produksi barangbarang yang akan dijual PT. Arbe Styrindo. Dokumen yang ada meliputi: dokumen permintaan barang (Purchase Requisition Form) dan dokumen penerimaan barang (Receiving Report Form). Data yang ada meliputi: supplier, barang, kategori barang, employee, dan transaksi pembelian.
72 c.
Pengiriman Proses pengiriman didefinisikan sebagai proses pengiriman barang dari PT. Arbe styrindo ke customer. Dokumen yang ada meliputi: surat jalan pengiriman barang yang dibikin rangkap dua masing-masing untuk customer dan PT. Arbe Styrindo serta faktur penjualan yang dibuat untuk melakukan tagihan pada customer. Data yang ada meliputi: customer, employee, transporter, transaksi penjualan, dan transaksi pengiriman.
d.
Retur Pembelian Proses retur pembelian didefinisikan sebagai proses pengembalian barang dari PT. Arbe Styrindo kepada supplier apabila barang mengalami kerusakan dan tidak sesuai dengan pesanan. Dokumen yang ada meliputi: formulir retur pembelian. Data yang ada meliputi: transaksi pembelian, employee, barang, dan kategori barang.
e.
Retur Penjualan Proses retur penjualan didefinisikan sebagai proses pengembalian barang dari customer kepada PT. Arbe Styrindo apabila barang mengalami kerusakan dan tidak sesuai dengan pesanan. Dokumen yang ada meliputi: formulir retur penjualan. Data yang ada meliputi: transaksi penjualan, employee, barang, dan kategori barang.
73 4.2.2 Memilih grain (Choosing the grain) Memilih grain berarti memutuskan secara tepat apa yang digambarkan oleh record dalam tabel fakta. Setelah menentukan grain-grain tabel fakta, dimensi-dimensi untuk setiap fakta dapat diidentifikasi. Berikut adalah grain-grain yang ada dalam perancangan data warehouse PT. Arbe Styrindo: a. Penjualan Analisis pada penjualan meliputi barang dan kategori barang yang paling banyak terjual (best seller), omset penjualan, keuntungan penjualan, dan perbandingan tipe jenis pembayaran yang dilakukan oleh customer per periode tertentu. b. Pembelian Analisis pada pembelian meliputi sejarah pembelian kepada supplier yaitu jumlah barang yang dibeli, total biaya pembelian, dan rata-rata pembelian barang per periode tertentu. c. Pengiriman Analisis pada pengiriman barang dari PT. Arbe Styrindo ke customer meliputi total biaya pengiriman barang per periode tertentu. d. Retur Pembelian Analisis pada retur pembelian meliputi barang yang paling banyak diretur. e. Retur Penjualan Analisis pada retur penjualan meliputi barang yang paling banyak diretur.
74 4.2.3 Identifikasi dan membuat dimensi yang sesuai (Identifying and conforming the dimenions) Mengidentifikasi dimensi disertai deskripsi detil yang secukupnya. Ketika tabel dimensi berada pada dua atau lebih data mart, maka tabel dimensi tersebut harus mempunyai dimensi yang sama atau salah satu merupakan subset dari yang lainnya. Jika suatu tabel dimensi digunakan oleh lebih dari satu data mart, maka dimensinya harus disesuaikan. Berikut ditampilkan hubungan dimensi dengan grain dari fakta dalam bentuk matriks: a. Penjualan Tabel 4.1 Tabel Grain VS Dimensi pada Penjualan
Grain Dimensi Waktu Customer Category Item
Best Seller
Omset Penjualan
Keuntungan Penjualan
X
X
X
X X
X X
X X
b. Pembelian Tabel 4.2 Tabel Grain VS Dimensi pada Pembelian
Grain
Sejarah pembelian
Dimensi Waktu Supplier Category Item
X X X X
Perbandingan tipe jenis pembayaran X X
75 c. Pengiriman Tabel 4.3 Tabel Grain VS Dimensi pada Pengiriman
Grain
Sejarah pengiriman
Dimensi Waktu Transporter Customer
X X X
d. Retur Pembelian Tabel 4.4 Tabel Grain VS Dimensi pada Retur Pembelian
Grain Dimensi Waktu Supplier Category Item
Sejarah retur pembelian X X X X
e. Retur Penjualan Tabel 4.5 Tabel Grain VS Dimensi pada Retur Penjualan
Grain Dimensi Waktu Customer Category Item
Sejarah retur penjualan X X X X
4.2.4 Memilih fakta (Choosing the facts) Memilih fakta yang akan digunakan dalam data mart. Semua fakta harus ditampilkan pada level yang diterapkan oleh grain. Masing – masing fakta memiliki data yang dapat dihitung, untuk selanjutnya ditampilkan
76 dalam bentuk laporan, grafik atau berbagai macam diagram. Berikut ini faktafakta yang akan ditampilkan di data warehouse: a. Sales Fact Sales fact meliputi qty (kuantitas jual), harga jual pada transaksi penjualan, dan harga produksi pada tabel master. b. Purchase Fact Purchase fact meliputi qty (kuantitas beli) dan harga beli. c. Delivery Fact Delivery fact meliputi biaya pengiriman. d. Sales Return Fact Sales return fact meliputi qty (kuantitas retur jual) dan harga jual. e. Purchase Return Fact Purchase return fact meliputi qty (kuantitas retur beli) dan harga beli. 4.2.5 Menyimpan pre-kalkulasi dalam tabel fakta (Storing pre-calculations in the fact table) Ketika fakta telah dipilih, maka setiap fakta tersebut harus diuji apakah ada fakta yang dapat menggunakan kalkulasi awal, setelah itu dilakukan penyimpanan pada tabel fakta. Berikut ini adalah kalkulasi awal yang dapat dilakukan, untuk selanjutnya disimpan dalam tabel fakta yaitu: a. SalesFact SalesFact meliputi: •
SumOfItemSales yang merupakan jumlah dari (qty (kuantitas jual)).
77 •
TotalOfSales yang merupakan jumlah dari (qty (kuantitas jual) dikali dengan harga jual).
•
SumOfProfit yang merupakan jumlah dari (qty (kuantitas jual) dikali dengan harga jual) dikurangi dengan jumlah dari (qty (kuantitas jual) dikali dengan harga produksi per unit barang).
•
AvgOfItemSales yang merupakan rata-rata dari (qty (kuantitas jual)).
b. PurchaseFact PurchaseFact meliputi: •
SumOfItemPurchase yang merupakan jumlah dari (qty (kuantitas beli)).
•
TotalOfPurchase yang merupakan jumlah dari (qty (kuantitas beli) dikali dengan harga beli).
•
AvgOfItemPurchase yang merupakan rata-rata dari (qty (kuantitas beli)).
c. DeliveryFact DeliveryFact meliputi: •
TotalOfDeliveryCost yang merupakan jumlah dari (biaya pengiriman).
d. PurchaseReturnFact PurchaseReturnFact meliputi: •
SumOfItemReturned yang merupakan jumlah dari (qty (kuantitas retur beli)).
78 •
TotalOfPurchaseReturn yang merupakan jumlah dari (qty (kuantitas retur beli) dikali dengan harga beli).
e. Sales Return Fact Sales Return Fact meliputi: •
SumOfItemReturned yang merupakan jumlah dari (qty (kuantitas retur jual)).
•
TotalOfSalesReturn yang merupakan jumlah dari (qty (kuantitas retur jual) dikali dengan harga jual).
4.2.6 Melengkapi tabel dimensi (Rounding out the dimension tables) Menambahkan sebanyak mungkin deskripsi teks pada tabel dimensi. Deskripsi tersebut harus intuitif dan dapat dimengerti oleh user. Berikut adalah hal-hal yang dilakukan pada tahapan ini: a. Tabel Rounding Out Dimension Tabel 4.6 Tabel Rounding Out Dimension
Dimensi Time
Customer
Field Year Semester Month Day Customer
Supplier
Supplier
Item
Item Category
Transporter
Transporter
Deskripsi Laporan dapat dilihat secara ad-hoc (harian), per bulan, per semester, ataupun per tahun. Laporan dapat dilihat berdasarkan customer. Laporan dapat dilihat berdasarkan supplier. Laporan dapat dilihat berdasarkan barang yang dikelompokkan dalam kategori barang. Laporan dapat dilihat berdasarkan transporter.
Hierarki Year Semester Month Day Customer Supplier Category Item
Transporter
79 b. Daftar Tabel-tabel Dimensi i. TimeDimension Tabel 4.7 Tabel TimeDimension
Atribut TimeId Year Semester Month Day
Tipe data int int int int int
Panjang 4 4 4 4 4
ii. EmployeeDimension Tabel 4.8 Tabel EmployeeDimension
Atribut EmployeeId EmployeeNum EmployeeName EmployeeAddress
Tipe data Int Char Varchar Varchar
Panjang 4 15 50 100
iii. CustomerDimension Tabel 4.9 Tabel CustomerDimension
Atribut CustomerId CustomerNum CustomerName CustomerAddress
Tipe data Int Char Varchar Varchar
Panjang 4 17 50 150
iv. SupplierDimension Tabel 4.10 Tabel SupplierDimension
Atribut SupplierId SupplierNum SupplierName SupplierAddress
Tipe data Int Char varchar varchar
Panjang 4 15 50 150
80 v. ItemDimension Tabel 4.11 Tabel ItemDimension
Atribut ItemId ItemNum ItemName ItemPrice CategoryName
Tipe data int char varchar money char
Panjang 4 17 100 8 50
vi. PaymentTypeDimension Tabel 4.12 Tabel PaymentTypeDimension
Atribut PaymentTypeId PaymentTypeNum PaymentTypeName
Tipe data Int Char Varchar
Panjang 4 15 50
c. Perancangan Skema Bintang Skema bintang merupakan teknik dasar dalam mendesain data warehouse. Struktur skema bintang yang baik adalah struktur yang dapat dipahami dan digunakan oleh pengguna. Dalam perancangan data warehouse PT. Arbe Styrindo ini dihasilkan lima skema bintang sebagai berikut: 1. Skema bintang SalesFact, 2. Skema bintang PurchaseFact, 3. Skema bintang DeliveryFact, 4. Skema bintang SalesReturnFact, dan 5. Skema bintang PurchaseReturnFact
81 Berikut adalah gambar-gambar hasil
perancangan skema
bintang PT. Arbe Styrindo:
TimeDimension PK
SalesFact
TimeId [Year] Semester [Month] [Day]
PK FK1 FK2 FK3 FK4 FK5
EmployeeDimension PK
CustomerDimension
TimeId CustomerId EmployeeId PaymentTypeId ItemId Qty UnitPrice SalesPrice SumOfItemSales TotalOfSales SumOfProfit AvgOfItemSales
EmployeeId EmployeeNum EmployeeName Address
PaymentTypeDimension PK
PaymentTypeId PaymentTypeNum PaymentTypeName
Gambar 4.2 Skema Bintang SalesFact
CustomerId CustomerNum CustomerName Address
ItemDimension PK
ItemId ItemNum ItemName CategoryName
82 TimeDimension PK
TimeId [Year] Semester [Month] [Day]
PurchaseFact
SupplierDimension PK
SupplierId SupplierNum SupplierName Address
FK1 FK2 FK3 FK4
TimeId EmployeeId SupplierId ItemId Qty PurchasePrice SumOfItemPurchase TotalOfPurchase AvgOfItemPurchase
ItemDimension PK
ItemId ItemNum ItemName CategoryName
Gambar 4.3 Skema Bintang PurchaseFact
EmployeeDimension PK
EmployeeId EmployeeNum EmployeeName Address
83 TimeDimension PK
TimeId [Year] Semester [Month] [Day]
TransporterDimension PK
DeliveryFact
TransporterId TransporterNum TransporterName Address
CustomerDimension PK
FK1 FK2 FK3 FK4
TimeId EmployeeId TransporterId CustomerId TotalOfDeliveryCost
EmployeeDimension PK
EmployeeId EmployeeNum EmployeeName Address
Gambar 4.4 Skema Bintang DeliveryFact
CustomerId CustomerNum CustomerName Address
84 EmployeeDimension PK
EmployeeId EmployeeNum EmployeeName Address
SalesReturnFact TimeDimension PK
TimeId [Year] Semester [Month] [Day]
ItemDimension FK1 FK2 FK3 FK4
TimeId EmployeeId CustomerId ItemId SumOfItemReturned TotalOfSalesReturn
PK
CustomerDimension PK
CustomerId CustomerNum CustomerName Address
Gambar 4.5 Gambar Skema Bintang SalesReturnFact
ItemId ItemNum ItemName CategoryName
85 TimeDimension PK
TimeId [Year] Semester [Month] [Day]
PurchaseReturnFact
ItemDimension PK
SupplierDimension
ItemId ItemNum ItemName CategoryName
FK1 FK2 FK3 FK4
TimeId EmployeeId SupplierId ItemId SumOfItemReturned TotalOfPurchaseReturn
PK
SupplierId SupplierNum SupplierName Address
EmployeeDimension PK
EmployeeId EmployeeNum EmployeeName Address
Gambar 4.6 Gambar Skema Bintang PurchaseReturnFact
4.2.7 Memilih durasi dari basis data (Choosing the duration of the database) Menentukan batas waktu dari umur data yang diambil dan akan dipindahkan ke dalam tabel fakta. Misalnya, data perusahaan dua tahun lalu atau lebih diambil dan dimasukkan dalam tabel fakta.
86 Tabel 4.13 Tabel Durasi Basis Data
Nama Aplikasi Arbe
Database ArbeStyrindo
Database ada sejak tahun 2000
Data yang masuk ke Data Warehouse 2004 Bulan Januari – Agustus 2007
Data Dalam Data Warehouse 3 tahun 8 bulan
4.2.8 Melacak perubahan dari dimensi secara perlahan (Tracking slowly changing dimensions) Adapun perubahan dimensi dapat ditanggulangi dengan tiga macam cara, yaitu mengganti secara langsung pada tabel dimensi, pembentukan record baru untuk setiap perubahan baru, dan perubahan data yang membentuk kolom baru yang berbeda. Dalam perancangan ini dipilih cara kedua yaitu jika ada perubahan data, maka data baru akan dimasukkan sebagai record baru dan record lama tetap ada dan tidak dihapus. Dalam analisis yang dilakukan, kemungkinan terjadinya perubahan data adalah pada nama – nama yang ada di dalam tabel dimensi. Sebagai contoh, alamat customer jika sewaktu-waktu alamat customer berubah. Nama customer, jika ternyata ada kesalahan dalam memasukkan nama customer, dan lain sebagainya. Waktu dari umur data yang diambil dan akan dipindahkan ke dalam tabel fakta. Misalnya, data perusahaan dua tahun lalu atau lebih diambil dan dimasukkan dalam tabel fakta.
87 4.2.9 Memutuskan prioritas dan mode dari query (Deciding the query priorities and the query modes) Dalam
tahap
ini
dibahas
mengenai
proses
Extract,
Transformation and Load (ETL), backup yang dilakukan secara berkala dan keamanan atau security penggunaan laporan serta analisis kapasitas media penyimpanan dan pertumbuhan data, termasuk keterangan pelaku dan jangka waktu atau jadwal proses. a. Proses Extract, Transformation and Load (ETL) Tabel 4.14 Tabel Proses Extract, Transformation and Load (ETL)
Pelaku ETL Bagian EDP
Dilakukan setiap 1 bulan sekali
Keterangan ETL dilakukan oleh staf EDP.
b. Proses Backup Tabel 4.15 Tabel Proses Backup
Pelaku Backup Bagian EDP
Dilakukan setiap Akhir bulan sebelum proses ETL dilakukan.
Keterangan Backup data warehouse dilakukan untuk menanggulangi proses ETL yang gagal.
88 c. Penggunaan Laporan atau Kebutuhan Informasi Tabel 4.16 Tabel Penggunaan Laporan atau Kebutuhan Informasi
User President Director
Financial Director Operational Director
Site Manager Marketing Manager
Purchasing Manager
Finance and Accounting Department Manager
Informasi President Director membutuhkan informasi untuk menentukan segala sesuatu yang berhubungan dengan kegiatan perusahaan, menetukan kebijakan mengenai perusahaan, dan untuk mengambil keputusan-keputusan yang strategis. Informasi digunakan untuk mengatur masalah keuangan dalam perusahaan. Informasi penjualan digunakan untuk mengatur kegiatan operasional perusahaan mencakup kegiatan produksi, penjualan, dan pembelian. Informasi digunakan untuk mengatur seluruh kegiatan operasional pabrik. Informasi digunakan untuk mengatur kegiatan penjualan hasil produksi perusahaan, termasuk menjaga kelancaran distribusi barang ke pelanggan serta menyiapkan administrasi yang berhubungan dengan penjualan. Informasi digunakan untuk mengatur pembelian bahan baku dan bahan penolong yang dibutuhkan untuk kelangsungan proses produksi mencakup pencarian vendor dengan kualitas yang bagus dan harga yang murah. Informasi digunakan untuk mengatur aktivitas keuangan perusahaan dalam menghasilkan laporan keuangan, menganalisis laporan keuangan dan operasional perusahaan sehingga mencapai efektivitas dan efisiensi.
d. Analisis Kapasitas Media Penyimpanan Di dalam pengolahan data, kapasitas media penyimpanan menjadi
salah
satu
aspek
yang
signifikan
dan
perlu
untuk
dipertimbangkan. Proses insert, update dan delete pada aplikasi OLTP akan mempengaruhi pertumbuhan data secara terus menerus. Demikian halnya dalam perancangan data warehouse, perlu juga dilakukan analisis pertumbuhan data untuk mendapatkan perkiraan kapasitas media
89 penyimpanan yang memadai untuk menampung data dalam beberapa tahun ke depan. Rumus yang akan digunakan untuk perhitungan kebutuhan penyimpanan record dalam SQL Server 2000 (SQL Server Books Online) adalah: a. Num_Row = Jumlah Baris / Jumlah Record b. Num_Col = Jumlah Kolom dalam tabel c. Fixed_Data_Size = Jumlah bytes yang dibutuhkan oleh semua kolom sesuai dengan tipe datanya masing-masing d. Null Bitmap = Bit status null kolom = 2 + ((Num_Col + 7) / 8) e. Row_Size = Fixed_Data_Size + Null_Bitmap + 4 Nilai 4 merepresentasikan data row header f. Rows_Per_Page = 8096 / (Row_Size+2) g. Num_of_Pages = Num_Row / Rows_Per_Page h. Num_of_Bytes = 8192 × Num_of_Pages i. Num_of_Kbytes = 8192 / 1024 × Num_of_Pages = 8 × Num_of_Pages
Analisis perkiraan kapasitas media penyimpanan data pada data warehouse PT. Arbe Styrindo adalah seperti berikut ini, dimana ‘n’ merupakan variabel tahun. Perkiraan ini dibatasi hanya untuk 5 tahun mendatang. Berikut adalah perhitungan pertumbuhan data untuk fakta penjualan, fakta pembelian, dan fakta pengiriman, fakta retur pembelian, dan fakta retur penjualan dengan tingkat pertumbuhan masing-masing
90 adalah 10% yang diperoleh dari hasil analisis pertumbuhan record yang ada dalam database dari tahun ke tahun. Rn = R × (n + (1+i)n) R = jumlah record n = tahun i = persentase pertumbuhan record per tahun
1. Sales Fact Record Asumsi jumlah record data untuk tahun ini diperkirakan adalah 281677 record. Jumlah tersebut didasarkan pada asumsi bahwa rata-rata setiap bulan terjadi 12000 transaksi yang tiap transaksinya terdiri atas 2 record sehingga jumlah record untuk satu tahun adalah 12000 x 2 x 12 yaitu 288000 record. Maka dapat dihitung jumlah record sampai pada tahun ke-5: R5 = 281667 × (5 + (1+ 0,1) 5) = 1862029 Jumlah Sales Fact record pada tahun ke-5 = 1862029
•
Maka kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah:
•
Num_Row = 1862029
•
Num_Col = 12
•
Fixed_Data_Size = 4 + 4 + 4 + 4 + 4 + 9 + 9 + 9 + 9 + 9 + 9 + 9 = 83 bytes
•
Null Bitmap = 2 + ((12 + 7) / 8) = 4
•
Row_Size = 83 + 4 + 4 = 91 bytes
91
•
Rows_Per_Page = 8096 / (91 + 2) = 87 rows
•
Num_of_Pages = 1862029 / 87 = 21403 pages
•
Num_of_Bytes = 8192 × 21403 = 175333376 bytes
•
Num_of_Kbytes = 8192 / 1024 × 21403 = 8 × 21403 = 171224 Kbytes
•
Num_of_Mbytes (Tabel Size) = 167,211 Mbytes
2. Purchase Fact Record Asumsi jumlah record data untuk tahun ini diperkirakan adalah 69432 record. Jumlah tersebut didasarkan pada asumsi bahwa rata-rata setiap bulan terjadi 580 transaksi yang tiap transaksinya terdiri atas 10 record sehingga jumlah record untuk satu tahun adalah 580 x 10 x 12 yaitu 69600 record. Maka dapat dihitung jumlah record sampai pada tahun ke-5: R5 = 69432 × (5 + (1+0,1)5) = 458981 Jumlah Purchase Fact record pada tahun ke-5 = 458981
•
Maka kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah:
•
Num_Row = 458981
•
Num_Col = 9 Fixed_Data_Size = 4 + 4 + 4 + 4 + 9 + 9 + 9 + 9 + 9 = 61 bytes
•
Null Bitmap = 2 + ((9 + 7) / 8) = 4
•
Row_Size = 61 + 4 + 4 = 69 bytes
•
Rows_Per_Page = 8096 / (69 + 2) = 114 rows
92
•
Num_of_Pages = 458981 / 114 = 4026 pages
•
Num_of_Bytes = 8192 × 4026 = 32980992 bytes
•
Num_of_Kbytes = 8192 / 1024 × 4026 = 8 × 4026 = 32208 Kbytes
•
Num_of_Mbytes (Tabel Size) = 31,453 Mbytes
3. Delivery Fact Record Asumsi jumlah record data untuk tahun ini diperkirakan adalah 100467 record. Jumlah tersebut didasarkan pada asumsi bahwa rata-rata setiap bulan terjadi 4200 transaksi yang tiap transaksinya terdiri atas 2 record sehingga jumlah record untuk satu tahun adalah 4200 x 2 x 12 yaitu 100800 record. Maka dapat dihitung jumlah record sampai pada tahun ke-5: R5 = 100467 × (5 + (1+0,1)5) = 664138 Jumlah Delivery Fact record pada tahun ke-5 = 664138
•
Maka kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah:
•
Num_Row = 664138
•
Num_Col = 5 Fixed_Data_Size = 4 + 4 + 4 + 4 + 9 = 25 bytes
•
Null Bitmap = 2 + ((5 + 7) / 8) = 4
•
Row_Size = 25 + 4 + 4 = 33 bytes
•
Rows_Per_Page = 8096 / (33 + 2) = 231 rows
•
Num_of_Pages = 664138 / 231 = 2875 pages
93
•
Num_of_Bytes = 8192 × 2875 = 23552000 bytes
•
Num_of_Kbytes = 8192 / 1024 × 2875 = 8 × 2875 = 23000 Kbytes
•
Num_of_Mbytes (Tabel Size) = 22,461 Mbytes
4. Sales Return Fact Asumsi jumlah record data untuk tahun ini diperkirakan adalah 78680 record. Jumlah tersebut didasarkan pada asumsi bahwa rata-rata setiap bulan terjadi 3280 transaksi yang tiap transaksinya terdiri atas 2 record sehingga jumlah record untuk satu tahun adalah 3280 x 2 x 12 yaitu 78720 record. Maka dapat dihitung jumlah record sampai pada tahun ke-5: R5 = 78680 × (5 + (1+0,1)5) = 520115 Jumlah Sales Return Fact record pada tahun ke-5 = 520115
•
Maka kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah:
•
Num_Row = 520115
•
Num_Col = 6 Fixed_Data_Size = 4 + 4 + 4 + 4 + 9 + 9 = 34 bytes
•
Null Bitmap = 2 + ((6 + 7) / 8) = 4
•
Row_Size = 34 + 4 + 4 = 42 bytes
•
Rows_Per_Page = 8096 / (42 + 2) = 184 rows
•
Num_of_Pages = 520115 / 184 = 2827 pages
•
Num_of_Bytes = 8192 × 2827 = 23158784 bytes
94
•
Num_of_Kbytes = 8192 / 1024 × 2827 = 8 × 2827 = 22616 Kbytes
•
Num_of_Mbytes (Tabel Size) = 22,086 Mbytes
5. Purchase Return Fact Asumsi jumlah record data untuk tahun ini diperkirakan adalah 54562 record. Jumlah tersebut didasarkan pada asumsi bahwa rata-rata setiap bulan terjadi 458 transaksi yang tiap transaksinya terdiri atas 10 record sehingga jumlah record untuk satu tahun adalah 458 x 10 x 12 yaitu 54960 record. Maka dapat dihitung jumlah record sampai pada tahun ke-5: R5 = 54562 × (5 + (1+0,1)5) = 360682 Jumlah Purchase Return Fact record pada tahun ke-5 = 360682
•
Maka kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah:
•
Num_Row = 360682
•
Num_Col = 6 Fixed_Data_Size = 4 + 4 + 4 + 4 + 9 + 9 = 34 bytes
•
Null Bitmap = 2 + ((6 + 7) / 8) = 4
•
Row_Size = 34 + 4 + 4 = 42 bytes
•
Rows_Per_Page = 8096 / (42 + 2) = 184 rows
•
Num_of_Pages = 360682 / 184 = 1960 pages
•
Num_of_Bytes = 8192 × 1960 = 16056320 bytes
•
Num_of_Kbytes = 8192 / 1024 × 1960 = 8 × 1960
95 = 15680 Kbytes
•
Num_of_Mbytes (Tabel Size) = 15,313 Mbytes
Berikut adalah perhitungan untuk dimensi yang mengalami pertumbuhan data (kecuali dimensi waktu): Rn = R × (1+i)n R = jumlah record n = tahun i = persentase pertumbuhan record per tahun
1. Time Dimension R5
= 1460 + 365 + 365 + 365 + 365 + 365 = 3285
Jumlah record Time Dimension pada tahun ke-5 = 3285 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah:
•
Num_Row = 3285
•
Num_Col = 5
•
Fixed_Data_Size = 4 + 4 + 4 + 4 + 4 = 20 bytes
•
Null Bitmap = 2 + ((5+ 7) / 8) = 4
•
Row_Size = 20 + 4 + 4 = 28 bytes
•
Rows_Per_Page = 8096 / (28 + 2) = 270 rows
•
Num_of_Pages = 3285 / 270 = 12 pages
•
Num_of_Bytes = 8192 × 12 = 98304 bytes
96
•
Num_of_Kbytes = 8192 / 1024 × 12 = 8 × 12 = 96 Kbytes
2. Employee Dimension R5 = 218 x (1+0,01)5 = 229 Jumlah record Employee Dimension pada tahun ke-5 = 229 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah:
•
Num_Row = 229
•
Num_Col = 4
•
Fixed_Data_Size = 4 + 15 + 50 + 100 = 169 bytes
•
Null Bitmap = 2 + ((4+ 7) / 8) = 3
•
Row_Size = 169 + 3 + 4 = 176 bytes
•
Rows_Per_Page = 8096 / (176 + 2) = 46 rows
•
Num_of_Pages = 229 / 46 = 5 pages
•
Num_of_Bytes = 8192 × 5 = 40960 bytes
•
Num_of_Kbytes = 8192 / 1024 × 5 = 8 × 5 = 40 Kbytes
3. Customer Dimension R5 = 384 x (1+0,03)5 = 445 Jumlah record Customer Dimension pada tahun ke-5 = 445
97 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah:
•
Num_Row = 445
•
Num_Col = 4
•
Fixed_Data_Size = 4 + 17 + 50 + 150 = 221 bytes
•
Null Bitmap = 2 + ((4+ 7) / 8) = 3
•
Row_Size = 221 + 3 + 4 = 228 bytes
•
Rows_Per_Page = 8096 / (228 + 2) = 35 rows
•
Num_of_Pages = 445 / 35 = 13 pages
•
Num_of_Bytes = 8192 × 13 = 106496 bytes
•
Num_of_Kbytes = 8192 / 1024 × 13 = 8 × 13 = 104 Kbytes
4. Supplier Dimension R5 = 441 x (1+0,03)5 = 511 Jumlah record Supplier Dimension pada tahun ke-5 = 511 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah:
•
Num_Row = 511
•
Num_Col = 4
•
Fixed_Data_Size = 4 + 15 + 50 + 150 = 219 bytes
•
Null Bitmap = 2 + ((4+ 7) / 8) = 3
•
Row_Size = 219 + 3 + 4 = 226 bytes
98
•
Rows_Per_Page = 8096 / (226 + 2) = 36 rows
•
Num_of_Pages = 511 / 36 = 14 pages
•
Num_of_Bytes = 8192 × 14 = 114688 bytes
•
Num_of_Kbytes = 8192 / 1024 × 14 = 8 × 14 = 112 Kbytes
5. Item Dimension R5 = 843 x (1+0,01)5 = 886 Jumlah record Item Dimension pada tahun ke-5 = 886 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah:
•
Num_Row = 886
•
Num_Col = 5
•
Fixed_Data_Size = 4 + 17 + 100 + 8 + 50 = 179 bytes
•
Null Bitmap = 2 + ((5+ 7) / 8) = 4
•
Row_Size = 179 + 4 + 4 = 187 bytes
•
Rows_Per_Page = 8096 / (187 + 2) = 43 rows
•
Num_of_Pages = 886 / 43 = 21 pages
•
Num_of_Bytes = 8192 × 21 = 172032 bytes
•
Num_of_Kbytes = 8192 / 1024 × 21 = 8 × 21 = 168 Kbytes
99
Tabel 4.17 Tabel Analisis Kapasitas Media Penyimpanan untuk Tabel Fakta
Nama Tabel
Sales Fact Purchase Fact Delivery Fact Sales Return Fact Purchase Return Fact
Besar Record (Bytes) 76 56 32 40 40
Jumlah Current Record 281667 69432 100467 78680 54562
Jumlah Record Sampai 5 Tahun ke Depan 1862029 458981 664138 520115 360682
Jumlah Bytes (Mbytes) 139,875 25,609 21,805 21,055 14,602
Tabel 4.18 Tabel Analisis Kapasitas Media Penyimpanan untuk Tabel Dimensi
Nama Tabel
Time Dimension Employee Dimension Customer Dimension Supplier Dimension Item Dimension PaymentType Dimension
Besar Record (Bytes) 28 176 228 226 187 69
Jumlah Current Record 1460 218 384 441 843 15
Jumlah Record Sampai 5 Tahun ke Depan 3285 229 445 511 886 15
Jumlah Bytes (Kbytes) 96 40 104 112 168 1,052
Berdasarkan hasil analisis kapasitas media penyimpanan data, dapat diperkirakan kebutuhan kapasitas penyimpanan data untuk data warehouse PT. Arbe Styrindo adalah minimal sekitar 223,455 Mbytes untuk jangka waktu lima tahun. Oleh karena itu, diperlukan dukungan perangkat keras yang memenuhi kapasitas penyimpanan untuk menyimpan data yang diperlukan.
e. Analisis Pertumbuhan data
100 Analisis perkiraan pertumbuhan data pada data warehouse PT. Arbe Styrindo adalah sebagai berikut:
Tabel 4.19 Analisis Pertumbuhan Data
Besar Jumlah Nama Tabel Record Current (Bytes) Record Sales Fact 76 281667 Purchase Fact 56 69432 Delivery Fact 32 100467 Sales Return Fact 40 78680 Purchase Return 40 54562 Fact Time Dimension 28 1460 Employee 176 218 Dimension Customer 228 384 Dimension Supplier Dimension 226 441 Item Dimension 187 843 PaymentType 69 15 Dimension
Jumlah Bytes (Kbytes) 143232 26224 22328 21560 14952 96 40 104 112 168 1,052
Jumlah Jumlah Tumbuh Tumbuh Record (Kbytes) 28167 14323 6943 2622 10047 2233 7868 2156
Tumbuh % 10 10 10 10
5456
1495
10
365
96
100
2
0,4
1
12
3,12
3
13 8
3,36 1,68
3 1
0
0
0
4.2.10 Metadata Metadata dapat memuat informasi yang penting mengenai data dalam data warehouse. Metadata merupakan bentuk suatu jaringan yang sangat penting bagi pengguna data warehouse. Data yang tersedia harus dapat digunakan oleh user dengan istilah yang sesuai dengan cara user dalam melakukan pekerjaannya Metadata dalam data warehouse dapat memuat berberapa hal yaitu:
•
Nama database sumber.
•
Nama tabel data warehouse beserta deskripsi dari tabel tersebut.
101
•
Rincian informasi dalam tabel data warehouse meliputi: o Nama kolom, o Tipe data kolom, o Ukuran kolom (ukuran kolom yang diperlukan dalam media penyimpanan dalam satuan tertentu), dan o Kolom yang menjadi kolom kunci.
Berikut adalah metadata yang terdapat dalam data warehouse PT. Arbe Styrindo:
102 DBMS
: SQL Server
Nama Database
: ArbeStyrindo
Nama Tabel
: TimeDimension
Deskripsi Tabel
: Tabel dimensi waktu Tabel 4.20 Tabel Metadata TimeDimension
Field TimeId Year Semester Month Day
Tipe
Ukuran
int int int int int
4 4 4 4 4
Keterangan Surrogate key
Field TimeId Year Semester Month Day
Sumber Data Tipe Ukuran Tabel int 4 TimeDimension int 4 int 4 int 4 int 4
Transformasi create saat proses ETL create saat proses ETL create saat proses ETL create saat proses ETL create saat proses ETL
103 DBMS
: SQL Server
Nama Database
: ArbeStyrindo
Nama Tabel
: EmployeeDimension
Deskripsi Tabel
: Tabel dimensi karyawan Tabel 4.21 Tabel Metadata EmployeeDimension
Field
Tipe
EmployeeId
int
4
EmployeeNum
char
15
EmployeeName varchar EmployeeAddress varchar
Ukuran Keterangan
50 100
Surrogate key Application key
Field EmployeeId EmployeeNum
Sumber Data Transformasi Tipe Ukuran Tabel int 4 EmployeeDimension create char
EmployeeName varchar EmployeeAddress varchar
15
MsEmployee
copy
50 100
MsEmployee MsEmployee
copy copy
104 DBMS
: SQL Server
Nama Database
: ArbeStyrindo
Nama Tabel
: CustomerDimension
Deskripsi Tabel
: Tabel dimensi pelanggan Tabel 4.22 Tabel Metadata CustomerDimension
Field
Tipe
Ukuran
CustomerId
int
4
CustomerNum
char
17
CustomerName CustomerAddress
varchar varchar
50 150
Keterangan Surrogate key Application key
Field CustomerId CustomerNum
Sumber Data Transformasi Tipe Ukuran Tabel int 4 CustomerDimension create char
CustomerName varchar CustomerAddress varchar
17
MsCustomer
copy
50 150
MsCustomer MsCustomer
copy copy
105 DBMS
: SQL Server
Nama Database
: ArbeStyrindo
Nama Tabel
: ItemDimension
Deskripsi Tabel
: Tabel dimensi barang Tabel 4.23 Tabel Metadata ItemDimension
Field
Tipe
Ukuran
Keterangan
ItemId ItemNum
int char
4 17
Surrogate key Application key
ItemName CategoryName
varchar varchar
100 50
Field ItemId ItemNum ItemName CategoryName
Sumber Data Tipe Ukuran Tabel int 4 ItemDimension char 17 MsItem varchar varchar
100 50
MsItem MsCategory
Transformasi create copy copy copy
106 DBMS
: SQL Server
Nama Database
: ArbeStyrindo
Nama Tabel
: PaymentTypeDimension
Deskripsi Tabel
: Tabel tipe pembayaran dalam transaksi penjualan
Tabel 4.24 Tabel Metadata PaymentTypeDimension
Field
Tipe
Ukuran Keterangan
PaymenTypeId
int
4
PaymentTypeNum
char
5
PaymentTpeDesc
varchar
30
Surrogate key Application key
Field PaymenTypeId
Sumber Data Transformasi Tipe Ukuran Tabel int 4 PaymentTypeDimension create
PaymentTypeNum
char
5
MsPaymentType
copy
PaymentTpeDesc
varchar
30
MsPaymentType
copy
107 DBMS
: SQL Server
Nama Database
: ArbeStyrindo
Nama Tabel
: SupplierDimension
Deskripsi Tabel
: Tabel Dimensi Supplier Tabel 4.25 Tabel Metadata SupplierDimension
Field
Tipe
Ukuran
SupplierId
int
4
SupplierNum
char
15
SupplierName SupplierAddress
varchar varchar
50 150
Keterangan Surrogate key Application key
Field SupplierId
Sumber Data Tipe Ukuran Tabel int 4 SupplierDimension
Transformasi create
SupplierNum
char
15
MsSupplier
copy
SupplierName SupplierAddress
varchar varchar
50 150
MsSupplier MsSupplier
copy Copy
108 DBMS
: SQL Server
Nama Database
: ArbeStyrindo
Nama Tabel
: PurchaseFact
Deskripsi Tabel
: Tabel fakta pembelian Tabel 4.26 Tabel Metadata PurchaseFact
Keterangan
Sumber Data Tipe Ukuran Tabel int 4 TimeDimension
Field
Tipe
Ukuran
TimeId
int
4
Foreign Key
EmployeeId
int
4
Foreign Key
EmployeeI d
int
4
EmployeeDimen sion
SupplierId
int
4
Foreign Key
SupplierId
int
4
SupplierDimensi on
Field TimeId
Transformasi Copy TimeId dimana TimeDimension.Year = year(PurchaseOrderHeader.PurchaseOrder Date) dan TimeDimension.Semester = Case When MONTH(poh.PurchaseOrderDate) BETWEEN 1 AND 6 THEN 1 WHEN MONTH(poh.PurchaseOrderDate) BETWEEN 7 AND 12 THEN 2 End dan TimeDimension.Month = Month(PurchaseOrderHeader.PurchaseOrd erDate) dan TimeDimension.Day = day(PurchaseOrderHeader.PurchaseOrder Date) copy EmployeeId dimana EmployeeDimension.EmployeeNum = MsEmployee.EmployeeNum Copy SupplierId dimana DimSupplier.SupplierId = MsSupplier.SupplierId
109 ItemId
int
4
ItemId
int
4
ItemDimension
Qty
Numeri c
9
Qty
Num eric
9
PurchaseOrderD etail
PurchasePric e
Numeri c
9
PurchasePri ce
Num eric
9
PurchaseOrderD etail
SumOfItemP urchase
Numeri c
9
Num eric
9
PurchaseOrderD etail
TotalOfPurch ase
Numeri c
9
Num eric
9
PurchaseOrderD etail
Calculate
AvgOfPurch ase
Numeri c
9
Sum(Purch aseOrderDe tail.Qty) Sum(Purch aseOrderDe tail.Qty * PurchaseOr derDetail.P urchasePric e) Avg(Purcha seOrderDet ail.Qty * PurchaseOr derDetail.P urchasePric e)
Num eric
9
PurchaseOrderD etail
Calculate
Foreign Key
Copy ItemId dimana ItemDimension.ItemNum = MsItem.ItemNum dan PurchaseOrderDetail.ItemNum = MsItem.ItemNum Copy Qty dimana ItemDimension.ItemNum = MsItem.ItemNum dan PurchaseOrderDetail.ItemNum = MsItem.ItemNum Copy PurchasePrice dimana ItemDimension.ItemNum = MsItem.ItemNum dan PurchaseOrderDetail.ItemNum = MsItem.ItemNum Calculate
110 DBMS
: SQL Server
Nama Database
: ArbeStyrindo
Nama Tabel
: SalesFact
Deskripsi Tabel
: Tabel fakta penjualan
Tabel 4.27 Tabel Metadata SalesFact
Field
Tipe
Ukuran
TimeId
int
4
Keteran gan Foreign Key
Field TimeId
Sumber Data Tipe Ukuran Tabel int 4 TimeDimension
Transformasi Copy TimeId dimana TimeDimension.Year = year(SalesOrderHeader.Sales OrderDate) dan TimeDimension.Semester = Case When MONTH( SalesOrderHeader. SalesOrderDate ) BETWEEN 1 AND 6 THEN 1 WHEN MONTH( SalesOrderHeader. SalesOrderDate ) BETWEEN 7 AND 12 THEN 2 End dan TimeDimension.Month = Month(SalesOrderHeader.Sal esOrderDate ) dan TimeDimension.Day =
111
EmployeeI d
int
4
Foreign Key
EmployeeId
int
4
CustomerId
int
4
Foreign Key
CustomerId
int
4
PaymentTy peId
int
4
Foreign Key
PaymentTypeId
int
4
ItemId
int
4
ItemId
int
4
Qty
Numeric
9
Qty
Numer ic
9
UnitPrice
Numeric
9
UnitPrice
Numer ic
9
SalesPrice
Numeric
9
SalesPrice
Numer ic
9
day(SalesOrderHeader.Sales OrderDate ) EmployeeDimen Copy EmployeeId dimana sion EmployeeDimension.Employ eeNum = MsEmployee.EmployeeNum CustomerDimen Copy CustomerId dimana sion CustomerDimension.Custom erNum = MsCustomer.CustomerNum PaymentTypeDi Copy PaymentTypeId dimana mensionDimensi PaymentTypeDimension.Pay on mentTypeNum = MsPaymentType.PaymentTy peNum ItemDimension Copy ItemId dimana ItemDimension.ItemNum = MsItem.ItemNum dan SalesOrderDetail.ItemNum = MsItem.ItemNum SalesOrderDetai Copy Qty dimana l ItemDimension.ItemNum = MsItem.ItemNum dan SalesOrderDetail.ItemNum = MsItem.ItemNum MsItem Copy UnitPrice dimana ItemDimension.ItemNum = MsItem.ItemNum dan SalesOrderDetail.ItemNum = MsItem.ItemNum SalesOrderDetai Copy SalesPrice dimana l ItemDimension.ItemNum = MsItem.ItemNum dan
112
SumOfItem Numeric Sales TotalOfSal Numeric es
9
SumOfProf it
Numeric
9
AvgOfItem Sales
Numeric
9
9
Sum(SalesOrderDetail. Qty) Sum(SalesOrderDetail. Qty * SalesOrderDetail.Sales Price) Sum(SalesOrderDetail. Qty * SalesOrderDetail.Sales Price) Sum(SalesOrderDetail. Qty * MsItem.UnitPrice) Avg(SalesOrderDetail. Qty * SalesOrderDetail.Sales Price)
Numer ic Numer ic
9
Numer ic
9
SalesOrderDetai l dan MsItem
Calculate
Numer ic
9
SalesOrderDetai l
Calculate
9
SalesOrderDetai l SalesOrderDetai l
SalesOrderDetail.ItemNum = MsItem.ItemNum Calculate Calculate
113 DBMS
: SQL Server
Nama Database
: ArbeStyrindo
Nama Tabel
: DeliveryFact
Deskripsi Tabel
: Tabel fakta pengiriman. Tabel 4.28 Tabel Metadata DeliveryFact
Field
Tipe
Ukuran
Keterangan
TimeId
Int
4
Foreign Key
Field TimeId
EmployeeId
Int
4
Foreign Key
EmployeeI
Sumber Data Tipe Ukuran Int 4
Int
4
Transformasi Tabel TimeDimension Copy TimeId dimana TimeDimension.Year = year(DeliverySlipHeader. DeliveryDate) dan TimeDimension.Semester = Case When MONTH(DeliverySlipHeader. DeliveryDate) BETWEEN 1 AND 6 THEN 1 WHEN MONTH(DeliverySlipHeader. DeliveryDate) BETWEEN 7 AND 12 THEN 2 End dan TimeDimension.Month = Month(DeliverySlipHeader. DeliveryDate) dan TimeDimension.Day = day(DeliverySlipHeader. DeliveryDate) EmployeeDime Copy EmployeeId dimana
114 d
nsion
TransporterId
Int
4
Foreign Key
Transporte rId
Int
4
TransporterDim ension
CustomerId
Int
4
Foreign Key
CustomerI d
Int
4
CustomerDime nsion
TotalOfDelivery Cost
Numeric
9
SUM(Deli veryCost)
Numeric
9
DeliverySlipHe ader
EmployeeDimension.EmployeeN um = MsEmployee.EmployeeNum Copy TransporterId dimana TransporterDimension.Transport erNum = MsTransporter.TransporterNum Copy CustomerId dimana CustomerDimension.CustomerN um = MsCustomer.CustomerNum Calculate
115
DBMS
: SQL Server
Nama Database
: ArbeStyrindo
Nama Tabel
: SalesReturnFact
Deskripsi Tabel
: Tabel fakta pengembalian penjualan barang
Tabel 4.29 Tabel Metadata SalesReturnFact
Field
Sumber Data Tipe Ukuran
Tabel
T abel 4.29 Tabel
Tipe
Ukuran
Keterangan
int
4
Foreign Key
Transformasi
Metadata SalesReturn Fact
Field TimeId
TimeId
int
4
TimeDimensi on
Copy TimeId dimana TimeDimension.Year = year(ReturnSalesOrderHeader. ReturnDate) dan TimeDimension.Semester = Case When
116
EmployeeId
int
4
Foreign Key
EmployeeId
int
4
CustomerId
int
4
Foreign Key
CustomerId
int
4
ItemId
int
4
Foreign Key
ItemId
int
4
SumOfItemReturned Numeric
TotalOfSales
Numeric
9
9
SUM(Return Numeric SalesOrderD etail.Qty) SUM(Return Numeric SalesOrderD etail.Qty *
9
9
MONTH(ReturnSalesOrderHead er. ReturnDate) BETWEEN 1 AND 6 THEN 1 WHEN MONTH(ReturnSalesOrderHead er. ReturnDate) BETWEEN 7 AND 12 THEN 2 End dan TimeDimension.Month = Month(ReturnSalesOrderHeader. ReturnDate) dan TimeDimension.Day = day(ReturnSalesOrderHeader. ReturnDate) EmployeeDim Copy EmployeeId dimana ension EmployeeDimension.EmployeeN um = MsEmployee.EmployeeNum CustomerDim Copy CustomerId dimana ension CustomerDimension.CustomerN um = MsCustomer.CustomerNum ItemDimensio Copy ItemId dimana n ItemDimension.ItemNum = MsItem.ItemNum dan ReturnSalesOrderDetail.ItemNu m = MsItem.ItemNum ReturnSalesOr Calculate derDetail ReturnSalesOr Calculate derDetail dan SalesOrderDet
117 SalesOrderD etail.UnitPric e)
DBMS
: SQL Server
Nama Database
: ARBE
Nama Tabel
: PurchaseReturnFact
Deskripsi Tabel
: Tabel Fakta Pengembalian Pembelian Barang
ail
Tabel 4.30 Tabel Metadata PurchaseReturnFact
Field
Tipe
Ukuran
Keterangan
TimeId
Int
4
Foreign Key
Field TimeId
Sumber Data Tipe Ukuran Int 4
Transformasi Tabel TimeDimension Copy TimeId dimana TimeDimension.Year = year(ReturnPurchaseOrderHeader. ReturnDate) dan TimeDimension.Semester = Case When MONTH(ReturnPurchaseOrderHea der. ReturnDate) BETWEEN 1
118
EmployeeId
Int
4
Foreign Key
EmployeeId
Int
4
EmployeeDime nsion
SupplierId
Int
4
Foreign Key
CustomerId
Int
4
SupplierDimens ion
ItemId
Int
4
Foreign Key
ItemId
Int
4
ItemDimension
SumOfItemReturn ed TotalOfPurchaseR eturn
Numer ic Numer ic
9
9
ReturnPurchase OrderDetail ReturnPurchase OrderDetail
9
SumOfItemRe Numeric turned TotalOfPurch Numeric aseReturn
9
AND 6 THEN 1 WHEN MONTH(ReturnPurchaseOrderHea der. ReturnDate) BETWEEN 7 AND 12 THEN 2 End dan TimeDimension.Month = Month(ReturnPurchaseOrderHeader . ReturnDate) dan TimeDimension.Day = day(ReturnPurchaseOrderHeader. ReturnDate) Copy EmployeeId dimana EmployeeDimension.EmployeeNum = MsEmployee.EmployeeNum Copy SupplierId dimana DimSupplier.SupplierId = MsSupplier.SupplierId Copy ItemId dimana ItemDimension.ItemNum = MsItem.ItemNum dan ReturnPurchaseOrderDetail.ItemNu m = MsItem.ItemNum Calculate Calculate
119
4.3 Rencana Implementasi Untuk melakukan implementasi sistem data warehouse yang telah dirancang diperlukan komponen-komponen pendukung yang terdiri dari perangkat keras (hardware) dan perangkat lunak (software). Perangkat lunak yang digunakan harus disesuaikan dengan spesifikasi perangkat keras yang ada dalam perusahaan. Apabila perangkat keras yang ada belum mendukung untuk diimplementasikannya data warehouse maka perlu dilakukan langkah-langkah perbaikan misalnya dengan melakukan upgrade terhadap komponen sistem. 4.3.1 Dukungan Perangkat Keras (Hardware) Perangkat keras yang dimaksud merupakan perangkat atau komponen fisik yang digunakan sebagai pendukung rencana implementasi data warehouse yang dibangun. Perangkat keras yang digunakan harus memiliki kapasitas serta kualitas yang dapat diandalkan untuk mengoptimalkan operasioperasi yang akan dilakukan terhadap data warehouse. Perangkat keras yang digunakan untuk implementasi sistem antara lain sebuah server dengan pertimbangan bagaimana keandalan dalam menangani query yang dihasilkan oleh aplikasi data warehouse dalam mengakses sekumpulan data yang besar sehingga dapat memberikan performance yang memuaskan. Pertimbangan ini dilakukan sebagai salah satu langkah untuk mencegah berbagai gangguan yang tidak diharapkan.
120 Perangkat
keras
yang
disarankan
untuk
digunakan
dalam
implementasi data warehouse agar mencapai optimalisasi performance yang dihasilkan oleh aplikasi:
•
•
Server
Processor Intel Pentium IV dengan Clock Speed 2.66 GHz
Harddisk 120 GB
Memory 1 GB RAM
CD ROM 52x
Client
Processor Intel Pentium IV Clock Speed 2.66 GHz
Harddisk 40 GB
Memory 512 MB RAM
4.3.2 Dukungan Perangkat Lunak (Software) Perangkat lunak yang dimaksud merupakan perangkat-perangkat yang digunakan baik dalam pemrosesan data warehouse maupun perangkat yang berfungsi menyajikan informasi yang terdapat dalam data warehouse sehingga mudah di analisis dari berbagai sudut pandang. Perangkat lunak yang digunakan sebagai front end tool untuk merancang aplikasi data warehouse adalah “Microsoft Visual Studio 2005”. Di mana aplikasi ini merupakan penghubung antara user dengan data warehouse yang telah telah dirancang. Sebagai framework aplikasi ini menggunakan “Microsoft.NET Framework SDK v2.0”.
121 Perangkat yang digunakan sebagai back end tool dari aplikasi data warehouse digunakan Microsoft SQL Server 2000. Microsoft SQL Server ini mempunyai berbagai kemampuan seperti kemampuan untuk menyimpan data dalam kapasitas yang lumayan besar selain itu juga telah disediakan fasilitas untuk melakukan transformasi data. Berikut software yang dapat digunakan dalam menjalankan aplikasi data warehouse pada PT. Arbe Styrindo: 1. Server Sistem Operasi : Microsoft Windows XP Professional Edition Service Pack 2 Database
:
Microsoft SQL Server 2000 Enterprise Edition 2. Client Sistem Operasi: Microsoft Windows XP Professional Edition Service Pack 2 Database
:
Microsoft SQL Server 2000 Enterprise Edition Front End Tool : Microsoft.NET Framework SDK v2.0 4.4 Transformasi Data Transformasi data merupakan bagian yang sangat penting dalam pembangunan sebuah data warehouse. Transformasi data merupakan proses pemindahan data-data yang menjadi sumber pembangunan data warehouse yang
122 biasanya diperoleh dari database operasional ke suatu tempat penyimpanan yang menjadi tempat tujuan dibangunnya data warehouse. Dalam proses transformasi ini, dibutuhkan metadata yang akan membantu developer dalam memetakan pemindahan data dari database operasional ke data warehouse. Untuk melakukan transformasi data tentunya ada dua sisi utama yang tidak dapat terpisahkan yaitu sumber data dan tujuan transformasi. Sumber data bagi data warehouse PT. Arbe Styrindo ini berasal database dengan DBMS (Database Management System) Microsoft SQL Server 2000 yang akan ditransformasi ke database dengan DBMS yang sama dengan menggunakan fasilitas DTS (Data Transformation Service) yang telah tersedia dalam Microsoft SQL Server 2000. Dengan menggunakan fasilitas DTS pada Microsoft SQL Server 2000, developer dapat melakukan ekstraksi, transformasi, serta penggabungan data dari suatu sumber data ke sumber data yang dituju. Selain itu DTS juga mempunyai kemampuan untuk melakukan import, export dan transport data yang beragam antara satu atau lebih sumber data, seperti misalnya SQL Server, Microsoft Excel atau Microsoft Access dan juga menyediakan hubungan berupa ODBC (Open Database Connectivity) data source yang didukung oleh OLE DB Provider for ODBC dan service seperti logging package execution details, controlling transactions dan penanganan variable global. Proses transformasi data yang dilakukan pada PT. Arbe Styrindo antara lain sebagai berikut: 1. Melakukan pembacaan terhadap data-data operasional yang ada dalam perusahaan. Dari data-data yang diperoleh, akan dilakukan proses
123 penyaringan dan pemilihan data-data yang akan dimasukkan ke dalam data warehouse. 2. Untuk menjaga konsistensi data warehouse maka data-data yang dianggap kurang konsisten akan dieliminasi. Proses ini dikenal dengan cleansing. 3. Melakukan perhitungan terhadap data-data yang membutuhkan kalkulasi. 4. Setelah semua sumber data yang diperlukan telah terpenuhi maka dilakukan proses transformasi data dari tempat penyimpanan sumber data ke data warehouse yang dirancang. 4.4.1 Proses Transformasi Tabel Dimensi Berikut langkah-langkah dalam melakukan tranformasi tabel dimensi:
•
Menentukan database sumber dan database tujuan yang diinginkan. (Gambar 4.7 dan Gambar 4.8 )
•
Menghubungkan antara database sumber dan database tujuan. (Gambar 4.9)
•
Memilih data yang ingin dipindahkan. Langkah-langkah yang harus dilakukan adalah : o Memilih tabel dari database sumber dengan menggunakan query. (Gambar 4.10) o Memilih tabel tujuan perpindahan data. (Gambar 4.11) o Menentukan hubungan field antara tabel OLTP dan data warehouse. (Gambar 4.12)
124 o Memproses shared dimension yang akan digunakan pada cube. (Gambar 4.13)
Berikut gambar proses transformasi tabel dimensi yang dilakukan berdasarkan langkah-langkah di atas. Untuk membuat penulisan menjadi lebih efisien, maka gambar proses transformasi tabel dimensi akan diwakili oleh transformasi tabel ItemDimension.
Proses transformasi data pada tabel
dimensi yang lain mempunyai cara yang sama dengan proses transformasi data pada tabel ItemDimension.
Gambar 4.7 Gambar Pengaturan Database Sumber ItemDimension
125
Gambar 4.8 Gambar Pengaturan Database Tujuan ItemDimension
Gambar 4.9 Menghubungkan Database Sumber dengan Database Tujuan
126
Gambar 4.10 Gambar Pemilihan Tabel Database Sumber
Gambar 4.11 Gambar Pemilihan Tabel Tujuan Perpindahan Data
127
Gambar 4.12 Menentukan Hubungan Field antara Tabel OLTP dan Data Warehouse
128
Gambar 4.13 Gambar Pengaturan Pemrosesan Cube
Gambar 4.14 Gambar Rancangan Package Data Transformation ItemDimension
129 4.4.2 Proses Transformasi Tabel Fakta Berikut langkah-langkah dalam melakukan tranformasi tabel fakta:
•
Menentukan database sumber dan database tujuan yang diinginkan. (Gambar 4.15 dan Gambar 4.16)
•
Menghubungkan antara database sumber dan database tujuan. (Gambar 4.17)
•
Memilih data yang ingin dipindahkan. Langkah-langkah yang harus dilakukan adalah : o Memilih
tabel
dari
database
sumber
atau
dengan
menggunakan query. (Gambar 4.18) o Memilih tabel tujuan perpindahan data. (Gambar 4.19) o Pastikan kesesuaian field antara tabel OLTP dan data warehouse. (Gambar 4.20) o Memproses shared dimension yang akan digunakan pada cube. (Gambar 4.21)
Berikut gambar proses transformasi tabel fakta yang dilakukan berdasarkan langkah-langkah di atas. Untuk membuat penulisan menjadi lebih efisien, maka gambar proses transformasi tabel fakta akan diwakili oleh transformasi tabel PurchaseFact. Proses transformasi data pada tabel fakta lainnya mempunyai cara yang sama dengan proses transformasi data pada tabel PurchaseFact.
130
Gambar 4.15 Gambar Pengaturan Database Sumber PurchaseFact
Gambar 4.16 Gambar Pengaturan Database Tujuan PurchaseFact
131
Gambar 4.17 Menghubungkan Database Sumber dengan Database Tujuan
Gambar 4.18 Gambar Pemilihan Tabel Database Sumber
132
Gambar 4.19 Gambar Pemilihan Tabel Tujuan Perpindahan Data
Gambar 4.20 Menentukan Hubungan Field antara Tabel OLTP dan Data Warehouse
133
Gambar 4.21 Gambar Pengaturan Proses Cube
Gambar 4.22 Gambar Rancangan Package Data Transformation PurchaseFact
134 4.5 Estimasi Waktu Implementasi Data Warehouse Untuk melakukan implementasi sistem data warehouse yang telah direncananakan maka akan dilakukan berbagai kegiatan yang akan menunjang terlaksananya implementasi sistem dengan baik. Berikut jadwal kegiatan yang dilakukan dalam perencanaan implementasi sistem data warehouse yang telah dirancang: Tabel 4.31 Tabel Jadwal Rencana Implementasi Sistem
No
Kegiatan
Tanggal 3
1.
Instalasi s/w dan aplikasi
2.
Konversi data
3.
Uji Coba Aplikasi
4.
Pelatihan User
5.
Evaluasi
4
7
8
11
12
14
15
Berikut penjelasan kegiatan-kegiatan implementasi data warehouse di atas: 1. Instalasi s/w dan aplikasi Kegiatan ini berupa instalasi perangkat lunak yang diperlukan untuk menerapkan sistem baru. Hal ini perlu dilakukan karena belum semua softwaresoftware yang diperlukan untuk implementasi sistem dan aplikasi telah terinstalasi. Apabila proses instalasi software telah terlaksana dengan lancar maka akan dilakukan instalasi aplikasi data warehouse yang nantinya akan diterapkan di perusahaan.
135 2. Konversi Data Kegiatan ini merupakan proses restore data warehouse ke dalam DBMS yang telah tersedia pada perusahaan. Restore dilakukan karena perancangan data warehouse dilakukan pada DBMS yang terpisah dengan DBMS perusahaan. Karena akan dilakukan restore data warehouse maka dilakukan proses backup terhadap data warehouse yang telah dirancang sebelumnya. Backup ini akan menyimpan semua data termasuk tabel-tabel beserta strukturnya yang telah ada dalam data warehouse. 3. Uji coba aplikasi Setelah semua syarat dan kebutuhan telah terpenuhi maka dilakukan uji coba terhadap aplikasi data warehouse yang dibuat. Dalam uji coba ini akan dianalisis apakah aplikasi yang dibuat telah sesuai dengan kebutuhan yang ada. Dalam proses uji coba ini juga akan diteliti apakah aplikasi yang dibuat sudah baik dan bebas bug ataupun kesalahan yang dapat mengganggu performance sistem. 4. Pelatihan User Hal ini perlu dilakukan agar user yang menggunakan aplikasi dapat beradaptasi dan mengenal aplikasi baru dengan baik sehingga pada saat aplikasi diterapkan tidak terjadi kebingungan dan aplikasi dapat dioperasikan dengan baik. 5. Evaluasi Setelah semua kegiatan yang dijadwalkan terlaksana, dilakukan evaluasi terhadap sistem yang diimplementasikan dan evaluasi terhadap kegiatan pelatihan terhadap user yang telah dilakukan. Hal ini dilakukan untuk mengukur tingkat keberhasilan kegiatan yang telah dilakukan baik keberhasilan
136 pengimplementasian sistem maupun keberhasilan kegiatan pelatihan user dengan menggunakan berbagai indikator. 4.6 Rencana Backup Untuk melakukan implementasi sistem data warehouse yang telah direncananakan maka akan dilakukan berbagai kegiatan yang akan menunjang terlaksananya implementasi sistem dengan baik. Berikut jadwal kegiatan yang dilakukan dalam perencanaan backup sistem data warehouse yang telah dirancang: Tabel 4.32 Tabel Rencana Backup
Proses Backup OLTP Data Warehouse Data Transformation Package Aplikasi
Jadwal Backup OLTP dapat dilakukan setiap hari Sabtu (hari kerja terakhir setiap minggu). Backup data warehouse dapat dilakukan setiap akhir bulan sebelum proses ETL selanjutnya dilakukan. Backup terhadap package ini dapat dilakukan pada waktu implementasi sistem untuk pertama kali. Backup aplikasi dapat dilakukan pada waktu implementasi sistem untuk pertama kali.
4.7 Analisis Manfaat Data warehouse beserta aplikasi yang telah dirancang pada PT. Arbe Styrindo dapat memberikan manfaat yang antara lain: 1. Mempermudah pengambilan keputusan yang berguna dalam perencanaan strategi bisnis yang akan diterapkan selanjutnya berdasarkan informasi yang diperoleh, baik strategi dalam pemasaran maupun perbaikan mutu barang. 2. Dengan adanya data warehouse ini, data-data operasional yang sebelumnya terpisah-pisah menjadi terintegrasi sehingga business user dapat melihat data yang ada secara global.
137 3. Data warehouse yang ada dapat membantu para business user dalam melihat data yang ada dengan berbagai sudut pandang yang berbeda sehingga analisis yang diperoleh merupakan analisis yang mempunyai dasar dan alasan. 4. Data-data tentang penjualan, pembelian, pengiriman, retur penjualan, maupun retur pembelian yang ada dapat dianalisis secara optimal melalui aplikasi yang telah terbangun dengan dukungan berbagai grafik yang dapat mendeskripsikan tingkat keberhasilan yang telah dicapai oleh perusahaan. 5. Proses pengumpulan data untuk menghasilkan suatu laporan dapat dilakukan dengan proses yang cepat serta laporan yang dihasilkan akan memiliki dasar yang kuat sehingga laporan menjadi akurat dan terpercaya. 4.8 Evaluasi Berdasarkan hasil evaluasi yang diperoleh dari PT. Arbe Styrindo, prototype aplikasi data warehouse yang ada dapat memberikan kemudahan dalam melakukan analisis data oleh eksekutif, memudahkan dalam pembuatan laporan khususnya laporan penjualan, pembelian, pengiriman, retur penjualan maupun retur penjualan. Dengan adanya data warehouse ini maka laporan yang dihasilkan menjadi konsisten, valid dan akurat serta terhindar dari kesalahan perhitungan terhadap data-data yang memerlukan perhitungan karena telah melalui proses prekalkulasi pada saat tranformasi data. Aplikasi yang telah dirancang memiliki kemudahan
dalam
penggunaannya
karena
telah
dirancang
agar
tidak
membingungkan user dalam penggunaannya. Pivot table yang disediakan dalam aplikasi membuat user mudah dalam melihat data dari berbagai sudut pandang.
138 Selain itu, dukungan grafik yang bervariasi memudahkan user dalam menganalisis data yang ada sesuai dengan tipe yang disukai. Berdasarkan hasil evaluasi pelatihan user dalam penggunaan aplikasi, setelah melalui tahapan pelatihan user dapat mengoperasikan aplikasi dengan mudah dan tidak banyak menemui kesulitan. 4.9 Rancangan Layar 4.9.1 Rancangan Layar Halaman Splash Halaman ini merupakan halaman yang pertama kali muncul ketika aplikasi dijalankan. Halaman ini menampilkan logo perusahaan PT. Arbe Styrindo, versi dari aplikasi yang dibuat, dan nama aplikasi.
Welcome PT. Arbe Styrindo Versi Aplikasi Data Warehouse Application Logo Perusahaan
Copyright 2007
Progress Bar
Gambar 4.23 Gambar Rancangan Layar Halaman Splash
139 4.9.2 Rancangan Layar Halaman Login Halaman login adalah halaman yang dapat digunakan oleh user untuk memasukkan username dan password yang dibutuhkan dalam menjalankan aplikasi.
Gambar 4.24 Rancangan Layar Halaman Login
140 4.9.3 Rancangan Layar Halaman Connect Database Halaman ini digunakan untuk menghubungkan aplikasi dengan database server. Untuk melakukan koneksi ke database server, user harus memasukkan nama database server yang akan digunakan. Jika koneksi berhasil dilakukan maka informasi status pada aplikasi akan menampilkan tulisan “Connected”. Jika koneksi gagal dilakukan atau koneksi belum dilakukan maka informasi status pada aplikasi akan menampilkan tulisan “Not Connected”.
Gambar 4.25 Gambar Rancangan Layar Halaman Connect Database
141 4.9.4 Rancangan Layar Halaman Menu Utama Halaman menu utama terdiri dari enam menu utama, yaitu file, view, settings, tools, windows, dan help. Selain itu terdapat empat buah toolbar yang dapat digunakan oleh user, yaitu : database, pivot table, transformation, dan view chart. Toolbar yang tersedia digunakan untuk mengakses fungsi-fungsi yang tersedia di dalam aplikasi. Toolbar database digunakan untuk mengakses halaman connect database, disconnect database, backup database, dan restore database. Toolbar pivot table digunakan untuk mengakses halaman pivot. Toolbar
transformation
digunakan
untuk
mengakses
halaman
data
transformation. Sedangkan toolbar chart digunakan untuk mengakses halaman chart. Pada bagian bawah aplikasi terdapat status bar yang menampilkan informasi kepada user mengenai status dari aplikasi, koneksi ke database, dan waktu saat aplikasi dijalankan.
Gambar 4.26 Gambar Rancangan Layar Halaman Utama
142
Gambar 4.27 Gambar Rancangan Layar Toolbar Pivot
Gambar 4.28 Gambar Rancangan Layar Toolbar Data Transformation
143
Gambar 4.29 Gambar Rancangan Layar Toolbar Chart
144 4.9.5 Rancangan Layar Halaman Backup Database Halaman ini digunakan untuk proses backup terhadap database. Pada halaman ini user harus memilih database yang akan di backup.
Gambar 4.30 Gambar Rancangan Layar Halaman Backup Database
145 4.9.6 Rancangan Layar Halaman Restore Database Halaman ini digunakan untuk proses restore terhadap database. Pada halaman ini user harus memilih lokasi dari database yang akan di restore.
Gambar 4.31 Gambar Rancangan Layar Halaman Restore Database
4.9.7 Rancangan Layar Halaman Menu File Halaman menu file terdiri dari beberapa submenu, yaitu :
•
Submenu Login, digunakan untuk menampilkan halaman login.
•
Submenu Logout, digunakan untuk keluar dari aplikasi.
•
Submenu Change Password, digunakan untuk menampilkan halaman change password yang berguna untuk mengganti password user.
•
Submenu Close, digunakan untuk menutup halaman yang sedang aktif.
146
•
Submenu Exit, digunakan untuk keluar dari aplikasi.
PT. Arbe Styrindo File
View
Settings
Tools
Windows
Help Transformation
Database
Login Logout Change Password
View Chart
Pivot Table
Close Exit
Status Aplikasi
Status Koneksi Ke Database
Tanggal & Jam
Gambar 4.32 Gambar Rancangan Layar Halaman Menu File
147 4.9.8 Rancangan Layar Halaman Change Password Halaman ini digunakan untuk mengubah password yang akan digunakan oleh user untuk melakukan login ke dalam aplikasi. User dapat mengubah password dengan cara memasukkan password baru sebanyak dua kali.
Gambar 4.33 Gambar Rancangan Layar Halaman Change Password
148 4.9.9 Rancangan Layar Halaman Menu View Halaman menu view terdiri dari beberapa submenu, yaitu :
•
Submenu Cube, digunakan untuk menampilkan halaman cube.
•
Submenu Star Schema, digunakan untuk menampilkan halaman star schema.
•
Submenu Chart, digunakan untuk menampilkan halaman chart yang akan menampilkan informasi kepada user dalam bentuk chart.
•
Submenu Data Transformation Service, digunakan untuk menampilkan halaman Data Transformation yang digunakan untuk menjalankan transformasi data.
•
Submenu Pivot Table, digunakan untuk menampilkan halaman pivot yang akan menampilkan informasi kepada user dalam bentuk pivot.
Gambar 4.34 Gambar Rancangan Layar Halaman View
149 4.9.10 Rancangan Layar Halaman Cube Halaman Cube digunakan untuk menampilkan cube yang telah dibuat oleh user. Cube yang dipilih oleh user akan ditampilkan pada halaman ini. Pada halaman ini terdapat chart dan pivot yang dapat menampilkan isi cube yang dibuka oleh user. Cube yang sedang dibuka oleh user ditampilkan pada bagian Current Cube. Sedangkan measure dan dimensi yang ada di dalam cube ditampilkan pada bagian Measure and Dimensions. Pada halaman ini, user dapat menyimpan tampilan dari chart atau pivot dalam bentuk laporan (report). Fungsi ini dapat digunakan user pada bagian Report.
PT. Arbe Styrindo File
View
Settings
Tools
Windows
Help Transformation
Database
Cube PT. Arbe Styrindo
View Chart
Pivot Table
Report
Current Cube Chart and Pivot
Measure and Dimension
Status Aplikasi
Status Koneksi Ke Database
Tanggal & Jam
Gambar 4.35 Gambar Rancangan Layar Halaman Cube
150 4.9.11 Rancangan Layar Halaman Star Schema Halaman Star Schema digunakan untuk menampilkan gambar rancangan star schema yang digunakan dalam perancangan data warehouse.
Gambar 4.36 Gambar Rancangan Layar Halaman Star Schema
4.9.12 Rancangan Layar Halaman Chart Halaman ini digunakan untuk menampilkan chart yang berguna untuk menyajikan informasi kepada user. Untuk mengubah property dari chart yang ditampilkan user dapat menggunakan chart toolbar. Pada chart toolbar ini, terdapat beberapa menu yang dapat digunakan untuk mengubah tampilan chart, mencetak chart, menyimpan chart ke dalam gambar, dan lain-lain. Bagian
151 Measure and Dimensions dapat digunakan user untuk mengubah data yang ditampilkan pada chart.
Gambar 4.37 Gambar Rancangan Layar Halaman Chart
152 4.9.13 Rancangan Layar Halaman Data Transformation Halaman ini digunakan untuk melakukan transformasi data (Data Transformation Service). Aplikasi akan menjalankan transformasi data sesuai dengan dimensi atau fakta yang dipilih oleh user. PT. Arbe Styrindo File
View
Settings
Tools
Windows
Help Transformation
Database
Data Transformation PT. Arbe Styrindo
Package Name
Status Aplikasi
View Chart
Pivot Table
OK
Cancel
Status Koneksi Ke Database
Tanggal & Jam
Gambar 4.38 Gambar Rancangan Layar Halaman Data Transformation
153 4.9.14 Rancangan Layar Halaman Pivot Halaman ini digunakan untuk menampilkan pivot yang berguna untuk menyajikan informasi kepada user. Untuk mengubah property dari pivot yang ditampilkan user dapat menggunakan pivot toolbar. Bagian Measure and Dimensions dapat digunakan user untuk mengubah data yang ditampilkan pada pivot. PT. Arbe Styrindo File
View
Settings
Tools
Windows
Help Transformation
Database
Pivot Toolbar
View Chart
Pivot Table Measure and Dimensions Pivot
Status Aplikasi
Status Koneksi Ke Database
Tanggal & Jam
Gambar 4.39 Gambar Rancangan Layar Halaman Pivot
154 4.9.15 Rancangan Layar Halaman Menu Settings Halaman menu Settings terdiri dari beberapa submenu, yaitu :
•
Submenu Database, digunakan untuk menampilkan toolbar database, yang dapat digunakan untuk mengakses halaman connect database, disconnect database, backup database, dan restore database.
•
Submenu Look and Feel, digunakan untuk mengubah tampilan dari aplikasi yang sedang dijalankan oleh user.
Gambar 4.40 Gambar Rancangan Layar Halaman Menu Settings
155 4.9.16 Rancangan Layar Halaman Menu Tools Halaman menu Tools terdiri dari beberapa submenu, yaitu :
•
Submenu Query, digunakan untuk menampilkan halaman query.
•
Submenu Export Chart As, digunakan untuk menyimpan chart, yang sedang ditampilkan ke dalam bentuk gambar (image).
•
Submenu Print Preview, digunakan untuk menampilkan print preview dari chart atau pivot table yang sedang dibuka oleh user.
•
Submenu Print, digunakan untuk mencetak chart atau pivot table yang sedang dibuka oleh user.
Gambar 4.41 Gambar Rancangan Layar Halaman Menu Tools
156 4.9.17 Rancangan Layar Halaman Query Halaman ini digunakan untuk menjalankan query SQL melalui aplikasi ini. Dengan adanya halaman ini, user dapat menampilkan data yang diinginkan sesuai dengan kebutuhan user menggunakan query SQL.
Gambar 4.42 Gambar Rancangan Layar Halaman Query
4.9.18 Rancangan Layar Halaman Menu Windows Halaman menu Windows terdiri dari beberapa submenu, yaitu :
•
Submenu Tab Document, digunakan untuk menyusun halaman-halaman yang dibuka dalam aplikasi dalam susunan tab.
•
Submenu Auto Hide All, digunakan untuk menutup semua toolbar yang dibuka oleh user.
157
•
Submenu Close All Document, digunakan untuk menutup semua halaman yang sedang dibuka oleh user.
Gambar 4.43 Gambar Rancangan Layar Halaman Menu Windows
158 4.9.19 Rancangan Layar Halaman Menu Help Halaman menu Help terdiri dari beberapa submenu, yaitu :
•
Submenu Arbe Styrindo on the Web, digunakan menampilkan website PT. Arbe Styrindo melalui aplikasi.
•
Submenu About Us, digunakan untuk menampilkan halaman about.
Gambar 4.44 Gambar Rancangan Layar Halaman Menu Help
159
4.9.20 Rancangan Layar Halaman About Halaman ini digunakan untuk menampilkan informasi mengenai aplikasi dan pembuat aplikasi ini.
About Data Warehouse Application
Data Warehouse About Versi Aplikasi Copyright
Logo About
OK System Info
Gambar 4.45 Gambar Rancangan Layar Halaman About