BAB 4 PERANCANGAN DATA WAREHOUSE. kendali kontrol terhadap data. Untuk perancangan data warehouse pada PT. Arbe

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


PurchaseFact

SupplierDimension PK

SupplierId SupplierNum SupplierName Address

FK1 FK2 FK3 FK4

TimeId EmployeeId SupplierId ItemId Qty PurchasePrice SumOfItemPurchase TotalOfPurchase AvgOfItemPurchase

ItemDimension PK


Gambar 4.3 Skema Bintang PurchaseFact



83 TimeDimension PK


TransporterDimension PK

DeliveryFact

TransporterId TransporterNum TransporterName Address

CustomerDimension PK

FK1 FK2 FK3 FK4

TimeId EmployeeId TransporterId CustomerId TotalOfDeliveryCost



Gambar 4.4 Skema Bintang DeliveryFact


84 EmployeeDimension PK


SalesReturnFact TimeDimension PK


ItemDimension FK1 FK2 FK3 FK4

TimeId EmployeeId CustomerId ItemId SumOfItemReturned TotalOfSalesReturn

PK

CustomerDimension PK


Gambar 4.5 Gambar Skema Bintang SalesReturnFact


85 TimeDimension PK


PurchaseReturnFact

ItemDimension PK

SupplierDimension


FK1 FK2 FK3 FK4

TimeId EmployeeId SupplierId ItemId SumOfItemReturned TotalOfPurchaseReturn

PK

SupplierId SupplierNum SupplierName 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

•


•

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

•


92

•


•


•


•


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

•


•

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

•


•


93

•


•


•


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

•


•

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

•


•


•


94

•


•


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

•


•

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

•


•


•


•

Num_of_Kbytes = 8192 / 1024 × 1960 = 8 × 1960

95 = 15680 Kbytes

•


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

•


•


•


96

•


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

•


•


•


•


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

•


•

Null Bitmap = 2 + ((4+ 7) / 8) = 3

•

Row_Size = 221 + 3 + 4 = 228 bytes

•


•


•


•


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

•


•

Null Bitmap = 2 + ((4+ 7) / 8) = 3

•

Row_Size = 219 + 3 + 4 = 226 bytes

98

•


•


•


•


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

•


•


•


•


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


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


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


SumOfItemP urchase

Numeri c

9

Num eric

9


TotalOfPurch ase

Numeri c

9

Num eric

9


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


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


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


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


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

BAB 4 PERANCANGAN DATA WAREHOUSE. kendali kontrol terhadap data. Untuk perancangan data warehouse pada PT. Arbe

Recommend Documents