BAB 4 SISTEM YANG DIUSULKAN
4.1
Modifikasi Sistem yang Berjalan Berdasarkan kebijakan perrusahaan, Hotel Four Seasons Jakarta tidak memberikan akses penuh untuk melihat bentuk fisik sistem Basis Data dan Data Warehouse yang sedang berjalan. Oleh karena itu, berdasarkan gambaran kebutuhan informasi yang dibutuhkan untuk melakukan reservasi, dilakukan perancangan sistem berupa modifikasi dari sistem Basis Data dan Data Warehouse yang sedang berjalan.
4.1.1
Sistem Basis Data dan Data Warehouse yang Berjalan Untuk menggambarkan sistem Basis Data yang berjalan pada Hotel Four Seasons Jakarta, dapat dilihat hubungan antar tabel pada Gambar 4.1 di bawah ini.
68
Gambar 4.1 Entity Relationship Diagram
4.1.2
Tabel-Tabel pada Sistem Basis Data 1. Tabel Sources Primary Key
: Source_No
Keterangan
: Digunakan untuk menyimpan semua data identitas source.
Field
Tipe Data
Panjang
Source_No
varchar
10
Nomor source
Source_Name
varchar
20
Nama source
Address
varchar
50
Alamat source
City
varchar
20
Kota source
69
Penjelasan
Company
varchar
20
Nama perusahaan source
AR_Number
varchar
10
Accept/Refuse
VIP_Code
varchar
10
Kode status VIP
Rate_Code
varchar
10
Kode rate kamar yang tersedia
Next_Stay
date
8
Tanggal kapan source akan menginap di hotel lagi
Last_Agent
varchar
10
Nama agent yang terakhir kali merekomendasikan source
Last_Group
varchar
10
Nama group yang terakhir kali merekomendasikan source
Last_Room
varchar
10
Nomor kamar yang terakhir kali di-book oleh source
Country
varchar
20
Negara source
Tabel 4.1 Tabel Sources
2. Tabel Agents Primary Key
: Agent_No
Keterangan
: Digunakan untuk menyimpan semua data identitas agent.
70
Field
Tipe Data
Panjang
Penjelasan
Agent_No
varchar
10
Nomor agent
Agent_Name
varchar
20
Nama agent
Address
varchar
50
Alamat agent
City
varchar
20
Kota agent
Company
varchar
20
Nama perusahaan agent
AR_Number
varchar
10
Accept/Refuse
VIP_Code
varchar
10
Kode status VIP
Rate_Code
varchar
10
Kode rate kamar yang tersedia
Next_Stay
date
8
Tanggal kapan agent akan menginap di hotel lagi
Last_Room
varchar
10
Nomor kamar yang terakhir kali di-book oleh agent
Last_Group
varchar
10
Nama group yang terakhir kali merekomendasikan agent
Last_Source
varchar
10
Nama source yang terakhir kali merekomendasikan agent
Country
varchar
20
Negara agent
Tabel 4.2 Tabel Agents
71
3. Tabel Groups Primary Key
: Group_No
Keterangan
: Digunakan untuk menyimpan semua data identitas group.
Field
Tipe Data
Panjang
Penjelasan
Group_No
varchar
10
Nomor group
Group_Name
varchar
20
Nama group
Address
varchar
50
Alamat group
City
varchar
20
Kota group
Company
varchar
20
Nama perusahaan group
AR_Number
varchar
10
Accept/Refuse
VIP_Code
varchar
10
Kode status VIP
Rate_Code
varchar
10
Kode rate kamar yang tersedia
Next_Stay
date
8
Tanggal kapan group akan menginap di hotel lagi
Last_Agent
varchar
10
Nama agent yang terakhir kali merekomendasikan group
Last_Room
varchar
10
Nomor kamar yang terakhir kali di-book oleh group
Last_Source
varchar
10
72
Nama source yang terakhir
kali merekomendasikan group Country
varchar
20
Negara group
Tabel 4.3 Tabel Groups
4. Tabel Companies Primary Key
: Company_No
Keterangan
: Digunakan untuk menyimpan semua data identitas perusahaan.
Field
Tipe
Panjang
Penjelasan
Data Company_No
varchar
10
Nomor perusahaan
Company_Name
varchar
20
Nama perusahaan
Address
varchar
50
Alamat perusahaan
City
varchar
20
Kota perusahaan
AR_Number
varchar
10
Accept/Refuse
VIP_Code
varchar
10
Kode status VIP
Rate_Code
varchar
10
Kode rate kamar yang tersedia
Next_Stay
date
8
Tanggal kapan perusahaan akan menginap di hotel lagi
Last_Agent
varchar
73
10
Nama agent yang terakhir
kali merekomendasikan perusahaan Last_Group
varchar
10
Nama group yang terakhir kali merekomendasikan perusahaan
Last_Room
varchar
10
Nomor kamar yang terakhir kali di-book oleh perusahaan
Last_Source
varchar
10
Nama source yang terakhir kali merekomendasikan perusahaan
Country
varchar
20
Negara perusahaan
Tabel 4.4 Tabel Companies
5. Tabel VIP_Status Primary Key
: VIP_Code
Keterangan
: Digunakan untuk menyimpan semua data status VIP tiap customer.
Field
Tipe
Panjang
Penjelasan
Data VIP_Code
varchar
10
Kode status VIP
Description
varchar
50
Penjelasan dari tiap status
74
VIP Tabel 4.5 Tabel VIP_Status
6. Tabel Rate_Codes Primary Key
: Rate_Code
Keterangan
: Digunakan untuk menyimpan semua data rate kamar yang tersedia.
Field
Tipe
Panjang
Penjelasan
Data Rate_Code
varchar
10
Kode rate kamar yang tersedia
Description
varchar
50
Penjelasan dari rate kamar yang tersedia
Tabel 4.6 Tabel Rate_Codes
7. Tabel Rate_Classes Primary Key
: Rate_Class
Keterangan
: Digunakan untuk menyimpan semua data kelas kamar yang tersedia.
Field
Tipe
Panjang
Penjelasan
Data Rate_Class
varchar
10
Kode tiap kelas kamar yang tersedia
75
Description
varchar
50
Penjelasan tiap kelas kamar yang tersedia
Tabel 4.7 Tabel Rate_Classes
8. Tabel Rate_Categories Primary Key
: Rate_Category
Keterangan
: Digunakan untuk menyimpan semua data kategori dari kelas kamar yang tersedia.
Field Rate_Category
Tipe Data
Panjang
Penjelasan
varchar
10
Kategori dari kelas kamar yang tersedia
Description
varchar
50
Penjelasan tiap kategori dari kelas kamar yang tersedia
Tabel 4.8 Tabel Rate_Categories
9. Tabel MsRoom Primary Key
: Room_ID
Keterangan
: Digunakan untuk menyimpan semua data kamar yang tersedia.
Field
Tipe Data
Panjang
Penjelasan
Room_ID
varchar
10
ID setiap kamar
Room_Class
varchar
20
Kelas dari kamar-kamar
76
yang tersedia Description
varchar
50
Penjelasan dari kamarkamar yang tersedia
Price
int
4
Harga dari kamar-kamar yang tersedia
Tabel 4.9 Tabel MsRoom
10. Tabel Block_Codes Primary Key
: Block_Code
Keterangan
: Digunakan untuk menyimpan semua data customer yang akan melakukan blocking.
Field Block_Code
Tipe Data
Panjang
varchar
20
Penjelasan Kode dari tiap customer yang akan melakukan blocking
Name
varchar
20
Nama dari customer yang akan melakukan blocking
Start_Date
datetime
8
Tanggal mulai melakukan blocking
End_Date
datetime
8
Tanggal akhir melakukan blocking
Reservation_Type
varchar
77
20
Tipe reservasi yang akan
dilakukan Tabel 4.10 Tabel Block_Codes
11. Tabel MsCustomer Primary Key
: Customer_No
Keterangan
: Digunakan untuk menyimpan semua data customer.
Field
Tipe Data
Panjang
Customer_No
varchar
10
Kode customer
Last_Name
varchar
20
Nama belakang customer
First_Name
varchar
20
Nama depan customer
char
5
Bahasa
Address
varchar
50
Alamat customer
Company_Address
varchar
20
Alamat perusahaan
City
varchar
20
Kota asal
Postal_Code
varchar
10
Kode pos
State
varchar
20
Wilayah/propinsi
Company_Name
varchar
20
Nama perusahaan
Profession
varchar
20
Profesi
char
5
Mr/Mrs/Ms
varchar
20
Suami/istri
char
5
Mata uang yang dipakai
datetime
8
Tanggal lahir
Language
Title Spouse Currency Date_of_Birth
78
Penjelasan
Passport
char
10
Nomor paspor
varchar
20
Kewarganegaraan
Gender
char
1
Jenis kelamin
Allow_Mailing
char
1
Kepastian pemberitahuan
Mail_Action
varchar
10
Cara pemberitahuan
Notes
varchar
50
Catatan tambahan
VIP_Code
varchar
10
Kode status VIP
Nationality
Tabel 4.11 Tabel MsCustomer
12. Tabel MsEmployee Primary Key
: Employee_No
Keterangan
: Digunakan untuk menyimpan semua data karyawan.
Field
Tipe Data
Panjang
Employee_No
varchar
10
Kode karyawan
Last_Name
varchar
20
Nama belakang karyawan
First_Name
varchar
20
Nama depan karyawan
char
5
Bahasa
Address
varchar
50
Alamat karyawan
City
varchar
20
Kota asal
Postal_Code
varchar
10
Kode pos
State
varchar
20
Wilayah/propinsi
Profession
varchar
20
Profesi
Language
79
Penjelasan
Salary
int
4
Gaji karyawan
char
5
Mr/Mrs/Ms
Spouse
varchar
20
Suami/istri
Date_of_Birth
datetime
8
Tanggal lahir
Nationality
varchar
20
Kewarganegaraan
char
1
Jenis kelamin
Communication
varchar
20
Nomor/alamat komunikasi
Notes
varchar
50
Catatan tambahan
Title
Gender
Tabel 4.12 Tabel MsEmployee
13. Tabel Credit_Card Primary Key
: Customer_No dan Credit_Card_Ctr
Keterangan
: Digunakan untuk menyimpan semua data kartu kredit customer.
Field
Tipe Data
Panjang
varchar
10
Kode customer
int
4
Counter kartu kredit
Card_Type
varchar
20
Tipe kartu kredit
Credit_Card_No
varchar
20
Nomor kartu kredit
Expiration_Date
datetime
8
Tanggal kadaluarsa
Customer_No Credit_Card_Ctr
Penjelasan
Tabel 4.13 Tabel Credit_Card
80
14. Tabel ComDetail Primary Key
: Customer_No dan ComDetail_Ctr
Keterangan
: Digunakan untuk menyimpan semua data komunikasi customer.
Field
Tipe Data
Panjang
varchar
10
Kode customer
int
4
Counter komunikasi
ComDetail _Type
varchar
20
Tipe komunikasi
ComDetail_No
varchar
20
Nomor komunikasi
Customer_No ComDetail _Ctr
Penjelasan
Tabel 4.14 Tabel ComDetail
15. Tabel Reservation Primary Key
: Reservation_ID
Keterangan
: Digunakan untuk menyimpan semua data reservasi customer.
Field
Tipe Data Panjang
Penjelasan
Reservation_ID
varchar
10
Kode reservasi
Customer_No
varchar
10
Kode customer
Employee_No
varchar
10
Kode karyawan
Agent_No
varchar
10
Kode agent
Company_No
varchar
10
Kode perusahaan
Group_No
varchar
10
Kode group
Source_No
varchar
10
Kode source
81
Arrival
datetime
8
Tanggal kedatangan
Nights
int
4
Jumlah malam
datetime
8
Tanggal kepergian
Adults
int
4
Jumlah dewasa
Child
int
4
Jumlah anak-anak
No_of_Rooms
int
4
Jumlah kamar
varchar
10
Kode kamar
char
10
Nomor kamar
Rate_Code
varchar
10
Kode rate kamar
Rate_Class
varchar
10
Kode kelas kamar
Rate_Category
varchar
10
Kode kategori dari kelas
Departure
Room_ID Room
kamar Rate_USD Block_Code
float
8
Rate dalam dolar
varchar
20
Kode customer yang akan melakukan blocking
Reservation_Type
char
10
Tipe reservasi
Payment
char
10
Cara pembayaran
Credit_Card_No
varchar
20
Nomor kartu kredit
Expiration_Date
datetime
8
Tanggal kadaluarsa
Cardholder
varchar
20
Nama pemegang kartu
CRS_Res_No
varchar
10
Kode booking online
Tabel 4.15 Tabel Reservation
82
4.1.3
Rancangan Skema Snowflake Data Warehouse Skema Snowflake menunjukkan kegiatan reservasi pelanggan hotel. Dengan adanya tabel-tabel dimensi Dim_Agents, Dim_Groups, Dim_Companies, Dim_Cust, Dim_Rate_Categories, Dim_Rate_Classes, Dim_Rate_Code, Dim_Room, Dim_Time, dan Dim_VIP, data-data reservasi dapat dilihat berdasarkan kategori yang diinginkan.
Gambar 4.2 Rancangan Skema Snowflake
4.1.4
Transformasi Data Warehouse Untuk menuju ke sistem Data Warehouse, proses yang mutlak untuk dilaksanakan adalah proses transformasi data. Transformasi data merupakan sekumpulan operasi yang dilakukan pada sumber data sebelum ditulis ke lokasi tujuan. Adapun tahapan–tahapan dalam proses transformasi data itu adalah sebagai berikut: 83
1. Data–data dari berbagai sumber seperti data reservasi dan lain sebagainya dikumpulkan untuk kemudian diproses lebih lanjut. 2. Data–data yang telah terkumpul tersebut kemudian dilakukan proses transformasi yaitu dengan melakukan penyeragaman atribut dari data–data tersebut. 3. Setelah dilakukan proses transformasi maka data–data yang telah diproses tersebut akan disalurkan ke Data Warehouse yang berfungsi sebagai tempat penampungan seluruh data–data.
Proses transformasi ini menggunakan Analysis Manager, yaitu sebuah pilihan program yang terdapat pada program Microsoft SQL Server. Proses ini dimulai dari tabel Dim_Agents, Dim_Groups, Dim_Companies, Dim_Cust, Dim_Rate_Categories, Dim_Rate_Classes, Dim_Rate_Codes,
Dim_Room,
Dim_Time,
Fact_Reservasi yang akan dijabarkan berikut ini:
84
Dim_VIP_Status
dan
Gambar 4.3 Transformasi Data untuk Tabel Dim_Agents
Gambar 4.3 menunjukkan adanya proses transformasi data dari tabel Agents ke tabel Dim_Agents. Field-field yang ditransformasikan yaitu Agent_No, Agent_Name, City, Company, AR_Number, VIP_Code, Rate_Code, Country, Type.
85
Gambar 4.4 Transformasi Data untuk Tabel Dim_Groups
Gambar 4.4 menunjukkan adanya proses transformasi data dari tabel Groups ke tabel Dim_Groups. Field-field yang ditransformasikan yaitu
Group_No,
Group_Name,
VIP_Code, Rate_Code, Country, Type.
86
City,
Company,
AR_Number,
Gambar 4.5 Transformasi Data untuk Tabel Dim_Companies
Gambar 4.5 menunjukkan adanya proses transformasi data dari tabel
Companies
ditransformasikan
ke yaitu
tabel
Dim_Companies.
Company_No,
Field-field
yang
Company_Name,
City,
AR_Number, VIP_Code, Rate_Code, Country, Type.
87
Gambar 4.6 Transformasi Data untuk Tabel Dim_Customer
Gambar 4.6 menunjukkan adanya proses transformasi data dari tabel
MsCustomer
ditransformasikan
ke yaitu
tabel
Dim_Customer.
Customer_No,
Field-field
Last_Name,
yang
First_Name,
Language, City, Postal_Code, State, Company_Name, Profession, Salutation, Spouse, Currency, Nationality, Gender, Allow_Mailing, Mail_Action, dan VIP_Code.
88
Gambar 4.7 Transformasi Data untuk Tabel Dim_Rate_Categories
Gambar 4.7 menunjukkan adanya proses transformasi data dari tabel Rate_Categories ke tabel Dim_Rate_Categories. Field-field yang ditransformasikan yaitu Rate_Category, dan Description.
89
Gambar 4.8 Transformasi Data untuk Tabel Dim_Rate_Classes
Gambar 4.8 menunjukkan adanya proses transformasi data dari tabel Rate_Classes ke tabel Dim_Rate_Classes. Field-field yang ditransformasikan yaitu Rate_Class, dan Description.
90
Gambar 4.9 Transformasi Data untuk Tabel Dim_Rate_Code
Gambar 4.9 menunjukkan adanya proses transformasi data dari tabel
Rate_Code
ke
tabel
Dim_Rate_Code.
ditransformasikan yaitu Rate_Code, dan Description.
91
Field-field
yang
Gambar 4.10 Transformasi Data untuk Tabel Dim_Room
Gambar 4.10 menunjukkan adanya proses transformasi data dari tabel MsRoom ke tabel Dim_Room. Field-field yang ditransformasikan yaitu Room_ID, Room_Class, Description, dan Price.
92
Gambar 4.11 Transformasi Data untuk Tabel Dim_Time
Gambar 4.11 menunjukkan adanya proses transformasi data dari tabel Reservation ke tabel Dim_Time. Field-field yang ditransformasikan yaitu Arrival, Year, dan Month.
93
Gambar 4.12 Transformasi Data untuk Tabel Dim_VIP
Gambar 4.12 menunjukkan adanya proses transformasi data dari tabel VIP_Status ke tabel Dim_VIP. Field-field yang ditransformasikan yaitu VIP_Code, dan Description.
94
Gambar 4.13 Transformasi Data untuk Tabel Fact_Reservasi
Gambar 4.13 menunjukkan adanya proses transformasi data dari tabel
Reservation
ditransformasikan Agent_No,
ke yaitu
Group_No,
tabel
Fact_Reservasi.
Room_ID, Source_No,
Field-field
Customer_No, No_of_Rooms,
yang
Company_No, Rate_Code,
Rate_Class, Rate_Category, Adults, Child, Block_Code, Arrival, Reservation_Type, Payment, dan Rate_USD.
95
4.1.5
Meta Data dari Data Marts 1. Tabel Dim_Agents Primary Key: Agent_ID
Field
Tipe Data
Panjang
Source Table
Source Field
Agent_ID
varchar
Agent_Name
10
Agents
Agent_No
Transform
varchar
20
Agents
Agent_Name
Transform
Address
varchar
50
Agents
Address
Transform
City
varchar
20
Agents
City
Transform
Company
varchar
20
Agents
Company
Transform
AR_Number
varchar
10
Agents
AR_Number
Transform
VIP_Code
varchar
10
Agents
VIP_Code
Transform
Rate_Code
varchar
10
Agents
Rate_Code
Transform
Next_Stay
date
8
Agents
Next_Stay
Transform
Last_Room
varchar
10
Agents
Last_Room
Transform
Last_Group
varchar
10
Agents
Last_Group
Transform
Last_Source
varchar
10
Agents
Last_Source
Transform
Country
varchar
20
Agents
Country
Transform
char
1
Agents
Type
Transform
Type
Keterangan
Tabel 4.16 Tabel Dim_Agents
2. Tabel Dim_Groups Primary Key: Group_ID Field
Tipe Data
Panjang
96
Source Table
Source Field Keterangan
Group_ID
varchar
10
Groups
Group_No
Transform
Group_Name
varchar
20
Groups
Group_Name
Transform
Address
varchar
50
Groups
Address
Transform
City
varchar
20
Groups
City
Transform
Company
varchar
20
Groups
Company
Transform
AR_Number
varchar
10
Groups
AR_Number
Transform
VIP_Code
varchar
10
Groups
VIP_Code
Transform
Rate_Code
varchar
10
Groups
Rate_Code
Transform
Next_Stay
date
8
Groups
Next_Stay
Transform
Last_Room
varchar
10
Groups
Last_Room
Transform
Last_Agent
varchar
10
Groups
Last_Agent
Transform
Last_Source
varchar
10
Groups
Last_Source
Transform
Country
varchar
20
Groups
Country
Transform
char
1
Groups
Type
Transform
Type
Tabel 4.17 Tabel Dim_Groups
3. Tabel Dim_Companies Primary Key: Company_ID Field
Tipe Data
Panjang
Source Table
Company_ID
varchar
10
Companies
Company_No
Transform
Company_Name
varchar
20
Companies
Company_Name
Transform
Address
varchar
50
Companies
Address
Transform
City
varchar
20
Companies
City
Transform
97
Source Field
Keterangan
AR_Number
varchar
10
Companies
AR_Number
Transform
VIP_Code
varchar
10
Companies
VIP_Code
Transform
Rate_Code
varchar
10
Companies
Rate_Code
Transform
Next_Stay
date
8
Companies
Next_Stay
Transform
Last_Room
varchar
10
Companies
Last_Room
Transform
Last_Agent
varchar
10
Companies
Last_Agent
Transform
Last_Source
varchar
10
Companies
Last_Source
Transform
Country
varchar
20
Companies
Country
Transform
char
1
Companies
Type
Transform
Type
Tabel 4.18 Tabel Dim_Companies
4. Tabel Dim_Customer Primary Key: Customer_ID Field
Tipe Data
Panjang
Customer_ID
varchar
10
MsCustomer
Customer_No
Transform
Last_Name
varchar
20
MsCustomer
Last_Name
Transform
First_Name
varchar
20
MsCustomer
First_Name
Transform
char
5
MsCustomer
Language
Transform
City
varchar
20
MsCustomer
City
Transform
Postal_Code
varchar
10
MsCustomer
Postal_Code
Transform
State
varchar
20
MsCustomer
State
Transform
Company_Name
varchar
20
MsCustomer
Company_Name
Transform
Profession
varchar
20
MsCustomer
Profession
Transform
Language
Source Table
98
Source Field
Keterangan
Title
char
5
MsCustomer
Title
Transform
Currency
char
5
MsCustomer
Currency
Transform
varchar
20
MsCustomer
Nationality
Transform
Gender
char
1
MsCustomer
Gender
Transform
Allow_Mailing
char
1
MsCustomer
Allow_Mailing
Transform
Mail_Action
varchar
10
MsCustomer
Mail_Action
Transform
VIP_Code
varchar
10
MsCustomer
VIP_Code
Transform
Nationality
Tabel 4.19 Tabel Dim_Customer
5. Tabel Dim_Rate_Categories Primary Key: Rate_Category Field
Tipe Data
Panjang
Source Table
Source Field
Keterangan
Rate_Category
varchar
10
Rate_Categories Rate_Category
Transform
Description
varchar
50
Rate_Categories Description
Transform
Tabel 4.20 Tabel Dim_Rate_Categories
6. Tabel Dim_Rate_Classes Primary Key: Rate_Class Field
Tipe Data
Panjang
Source Table
Source Field
Rate_Class
varchar
10
Rate_Classes
Rate_Class
Transform
Description
varchar
50
Rate_Classes
Description
Transform
Tabel 4.21 Tabel Dim_Rate_Classes
99
Keterangan
7. Tabel Dim_Rate_Code Primary Key: Rate_Code Field
Tipe Data
Panjang
Source Table
Source Field
Keterangan
Rate_Code
varchar
10
Rate_Codes
Rate_Code
Transform
Description
varchar
50
Rate_Codes
Description
Transform
Tabel 4.22 Tabel Dim_Rate_Code
8. Tabel Dim_Room Primary Key: Room_ID Field
Tipe Data
Panjang
Room_ID
varchar
10
MsRoom
Room_ID
Transform
Room_Class
varchar
20
MsRoom
Room_Class
Transform
Description
varchar
50
MsRoom
Description
Transform
int
4
MsRoom
Price
Transform
Price
Source Table
Source Field
Keterangan
Tabel 4.23 Tabel Dim_Room
9. Tabel Dim_Time Primary Key: Time_ID Field
Tipe Data
Panjang
datetime
8
Year
int
4
-
-
Create
Month
int
4
-
-
Create
Time_ID
Source Table
Source Field
Reservation
Arrival
Tabel 4.24 Tabel Dim_Time
100
Keterangan Transform
10. Tabel Dim_VIP Primary Key: VIP_Code Field
Tipe Data
Panjang
Source Table
Source Field
Keterangan
VIP_Code
varchar
10
VIP_Status
VIP_Code
Transform
Description
varchar
50
VIP_Status
Description
Transform
Tabel 4.25 Tabel Dim_VIP
11. Tabel Fact_Reservasi Primary Key: Customer_ID, Agent_ID, Company_ID, Source_ID, Group_ID, Time_ID Keterangan:
Untuk melihat jumlah reservasi berdasarkan dimensi customer, agent, company, source, group, waktu.
Field
Tipe Data Panjang
Source Table
Source Field
Keterangan
Customer_ID
varchar
10
Reservation
Customer_No
Transform
Room_ID
varchar
10
Resevertion
Room_No
Transform
Num_Room
int
4
Reservation
No_of_Rooms
Transform
Rate_Code
varchar
10
Reservation
Rate_Code
Transform
Rate_Class
varchar
10
Reservation
Rate_Class
Transform
Rate_Category
varchar
10
Reservation
Rate_Category
Transform
Adult
int
4
Reservation
Adult
Transform
Child
int
4
Reservation
Child
Transform
varchar
20
Reservation
Block_Code
Transform
char
10
Reservation
Reservation_Type
Transform
Block_Code Reservation_Type
101
Payment
char
10
Reservation
Payment
Transform
Rate_USD
float
8
Reservation
Rate_USD
Transform
Agent_ID
varchar
10
Reservation
Agent_No
Transform
Group_ID
varchar
10
Reservation
Group_No
Transform
Company_ID
varchar
10
Reservation
Company_No
Transform
Source_ID
varchar
10
Reservation
Source_No
Transform
Time_ID
datetime
8
Reservation
Arrival
Transform
Jumlah_Res
numeric
10
Reservation
-
Create
Tabel 4.26 Tabel Fact_Reservasi
4.2
Rancangan Data Mining Rancangan Data Mining pada Hotel Four Seasons Jakarta dimulai dengan melakukan pencarian data yang berhubungan dengan pembuatan laporan bagi pihak eksekutif perusahaan, kemudian data tersebut disaring dan hasilnya ditransformasikan sehingga pada saat dimasukkan ke suatu tempat media penyimpanan, data-data tersebut menjadi konsisten dan terintegrasi. Pengumpulan data tersebut menjadi terpusat pada suatu tempat dan pada tempat itu pula tersedia cadangan data yang dapat digunakan dalam pemakaian Data Mining untuk mengakses data yang berhubungan dengan pembuatan laporan bidang marketing yang akan dianalisa oleh pimpinan perusahaan. Di bawah ini merupakan gambaran arsitektur Data Mining yang akan digunakan pada Hotel Four Seasons Jakarta:
102
Gambar 4.14 Arsitektur Data Mining Hotel Four Seasons Jakarta
Alasan-alasan untuk menggunakan arsitektur di atas adalah sebagai berikut: 1. Arsitektur terpusat ini sesuai dengan struktur Hotel Four Seasons Jakarta, di mana pihak manajerial tingkat atas yang menjadi pengguna dari Data Mining berada di pusat. 2. Bentuk arsitektur terpusat memudahkan dalam melakukan pengawasan dan pemeliharaan data yang akan digunakan untuk aplikasi Data Mining. Sedangkan komponen-komponen untuk mendukung perancangan Data Mining pada Hotel Four Seasons Jakarta adalah sebagai berikut: 1. Sumber data Memiliki sumber data internal, karena data yang diperoleh berasal dari keseluruhan data operasional pada bagian marketing Hotel Four Seasons Jakarta. 2. Transformasi data Karena data yang diperoleh berasal dari berbagai platform yang berbeda sehingga digunakan proses transformasi. Proses ini menyaring data yang
103
tidak dibutuhkan kemudian mengkonversikan data kedalam bentuk yang diinginkan agar menjadi konsisten dan terintegrasi. 3. Data Warehouse Merupakan media penyimpanan hasil dari proses transformasi untuk digunakan sebagai sarana pendukung proses analisa oleh pimpinan pada bagian marketing. 4. Data Mining Merupakan proses penemuan pola-pola yang tersembunyi pada data-data yang tersimpan dalam Data Warehouse. 5. Aplikasi Penggunaan data yang telah tersimpan pada Data Mining ini, umumnya dilakukan
dengan
menggunakan
aplikasi
sebagai
sarana
untuk
pengambilan data harus diberikan kinerja yang lebih tinggi sehingga pengambilan data yang dapat dilakukan dengan cepat.
Berdasarkan hasil analisis yang telah dilakukan sebelumnya dan penentuan arsitektur Data Mining yang akan dibangun, rancangan Data Mining yang akan diimplementasikan ini merupakan Data Mining reservasi, yang merupakan ruang lingkup kegiatan perusahaan. Perancangan Data Mining reservasi pada Hotel Four Seasons Jakarta meliputi: 1. Penganalisaan dan pengamatan permasalahan yang ada pada perusahaan Pada tahap ini dilakukan wawancara pada pihak yang terkait di bagian marketing dan disertai pengamatan mengenai masalah yang ada.
104
Kemudian berdasarkan hasil analisa dan wawancara akan diberikan suatu usulan pemecahan masalah. 2. Penentuan kebutuhan informasi sesuai dengan masalah yang ada Pada tahap ini dilakukan penentuan informasi apa saja yang sesuai dengan kebutuhan perusahaan sehingga informasi yang dimasukkan ke dalam Data Mining dapat memenuhi kebutuhan informasi perusahaan. 3. Perancangan skema snowflake Berdasarkan analisa dan informasi-informasi yang dikumpulkan, maka dapat diketahui data-data yang diperlukan dalam tabel fakta dan dimensi dengan menggunakan bantuan skema snowflake. 4. Pentransformasian data ke dalam Data Warehouse Semua data yang ada dari seluruh bagian diseragamkan terlebih dahulu, kemudian dilakukan proses transformasi data sehingga data yang ada menjadi terintegrasi dan konsisten pada suatu media penyimpanan. 5. Pentransformasian data ke dalam Data Mining Semua data yang telah ada pada Data Warehouse dianalisa untuk menghasilkan sebuah mining model. 6. Perancangan aplikasi Perancangan aplikasi dapat dilakukan setelah perancangan Data Mining sesuai dengan yang diharapkan. Aplikasi ini digunakan agar user dapat dengan mudah berinteraksi dengan data yang tersedia sehingga membantu proses pengambilan keputusan.
105
Setelah melakukan transformasi ke dalam Data Warehouse, proses selanjutnya adalah transformasi ke Data Mining. Transformasi ini juga dilakukan dengan menggunakan Analysis Manager.
Gambar 4.15 Transformasi Data Mining
Gambar 4.15 menunjukkan adanya proses untuk melakukan refresh data pada mining model. Setelah melakukan transformasi, masih dengan menggunakan Analysis Manager dilakukan beberapa kali percobaan untuk membuat mining model untuk menentukan field apa saja yang saling mempengaruhi berdasarkan data-data yang dimasukkan sehingga dapat menjelaskan keuntungan Data Mining.
106
4.2.1 Perancangan Aplikasi Data Mining Setelah melakukan proses transformasi ke dalam Data Mining, kemudian dirancang sebuah aplikasi menggunakan Microsoft Visual Basic yang dihubungkan dengan Microsoft SQL Server sehingga di dalamnya mampu menampung aplikasi Data Warehouse berupa cube dan aplikasi Data Mining berupa mining model. Berikut adalah State Transition Diagram (STD) dari aplikasi Data Mining yang dibuat pada Hotel Four Seasons Jakarta:
107
Gambar 4.16 State Transition Diagram
Sedangkan di bawah ini adalah State Transition Diagram (STD) untuk menu utama pilihan ‘Reservasi’: 108
Gambar 4.17 State Transition Diagram Menu Reservasi
4.2.2 Tampilan Layar Tampilan layar Data Mining untuk Hotel Four Seasons Jakarta terbagi dalam beberapa bagian, yaitu :
• Tampilan Layar Login
Gambar 4.18 Tampilan Layar Login
Penjelasan : 1. User akan melakukan input ‘Username’ dan ‘Password’ pada textbox yang telah tersedia kemudian mengklik tombol ‘Login’.
109
2. Jika ’Username’ dan ’Password’ benar maka akan muncul tampilan layar ’Welcome’. 3. Jika ’Username’ dan ’Password’ salah maka akan muncul tampilan layar pesan kesalahan yaitu berupa message box yang memberitahu user bahwa ’Username’ dan ’Password’ yang dimasukkan salah, kemudian text box ’Username’ dan ’Password’ akan dikosongkan. 4. Jika tombol ’Exit’ diklik maka menu ditutup.
• Tampilan Layar Welcome
Gambar 4.19 Tampilan Layar Welcome
Penjelasan: 1. Merupakan tampilan untuk menyatakan bahwa ‘Username’ dan ‘Password’ yang dimasukkan benar. 2. Jika tombol ’OK’ diklik, maka akan masuk ke menu utama.
110
• Tampilan Layar Pesan Kesalahan
Gambar 4.20 Tampilan Layar Pesan Kesalahan
Penjelasan : 1. Merupakan tampilan layar untuk menampilkan pesan kesalahan. Kesalahan tersebut dapat terjadi apabila user salah menginput ‘Username’ dan atau ‘Password’. 2. Jika tombol ’OK’ diklik, maka akan kembali ke menu login dan textbox ’Username’ dan ’Password’ akan dikosongkan.
• Tampilan Layar Menu Utama
Gambar 4.21 Tampilan Layar Menu Utama 111
Penjelasan: 1. Merupakan menu utama pada aplikasi Data Mining pada Hotel Four Seasons Jakarta. 2. Terdapat 3 (tiga) buah menu pilihan utama yaitu menu ’File’, menu ’Reservation’, dan menu ’Help’.
• Tampilan Layar Menu Utama untuk Pilihan Session
Gambar 4.22 Tampilan Layar Menu Utama untuk Pilihan ‘Session’
Penjelasan: 1. Terdapat 3 pilihan pada menu ‘Session’ yaitu ‘Log Out’, ‘Change Password’, dan ‘Exit’. 2. Pilih ‘Log Out’ untuk logout. 3. Pilih ‘Change Password’ untuk merubah password. 4. Pilih ‘Exit’ untuk keluar dari aplikasi.
112
• Tampilan Layar Session untuk Pilihan Change Password
Gambar 4.23 Tampilan Layar Session untuk Pilihan ‘Change Password’
Penjelasan: 1. Merupakan menu bagi user untuk merubah password lama dengan password yang baru. 2. Isi ‘Password’, dan ‘Password Confirmation’, kemudian klik tombol ‘Save’ untuk menyimpan password baru. 3. Klik ‘Reset’ untuk mengosongkan kembali menu Change Password. 4. Klik ‘Cancel’ untuk keluar dari layar ini tanpa merubah password.
113
• Tampilan Layar Menu Utama untuk Pilihan Reservation
Gambar 4.24 Tampilan Layar Menu Utama untuk Pilihan ‘Reservation’
Penjelasan: 1. Terdapat 2 (dua) pilihan pada menu ‘Reservation’ yaitu ‘Cube’, dan ‘Mining Model’ 2. Pilih ‘Cube’ untuk melihat cube dari Data Warehouse berdasarkan kategori yang diinginkan. 3. Pilih ‘Mining Model’ untuk melihat mining model dari reservasi.
114
• Tampilan Layar Menu Utama untuk Pilihan Cube
Gambar 4.25 Tampilan Layar Reservation untuk Pilihan ‘Cube’
Penjelasan: 1. Cube terdiri dari beberapa bagian menu: ‘Custom Reservation’, ‘Reservation by Rate’, ‘Reservation by VIP Status’, ‘Reservation by Name’, dan ‘Reservation by Income’. 2. Pilih ‘Custom Reservation’ untuk melihat cube berdasarkan kebutuhan user
. 115
• Tampilan Layar Cube untuk Pilihan Custom Reservation
Gambar 4.26 Tampilan Layar Cube untuk Pilihan ‘Custom Reservation’
Penjelasan: 1. Pilih tombol bergambar disket untuk menyimpan tampilan cube yang diinginkan. 2. Pilih tombol bergambar folder untuk membuka tampilan cube yang sebelumnya telah disimpan. 3. Pilih
tombol
‘Transform’
untuk
meng-update
tampilan
cube
berdasarkan data yang terbaru. 4. Setiap tampilan cube, dapat disimpan ke dalam format Microsoft Excel dengan memilih tombol ‘Export to Excel’.
116
Gambar 4.27 Tampilan Layar Cube untuk Pilihan ‘Export to Excel’
5. Setiap tampilan cube, dapat ditampilkan ke dalam chart dengan memilih tombol ‘Chart’.
117
Gambar 4.28 Tampilan Layar Cube untuk Pilihan ‘Chart’
6. Dari tiap tampilan cube, dapat dicetak dengan memilih tombol ‘Print’ untuk mencetak print preview.
118
Gambar 4.29 Tampilan Layar Cube untuk Pilihan ‘Print’
119
• Tampilan Layar Cube untuk Pilihan Reservation by Rate
Gambar 4.30 Tampilan Layar Cube untuk Pilihan ‘Reservation by Rate’
Penjelasan: Pilihan ‘Reservation by Rate’ untuk menampilkan cube berdasarkan rate class dan rate category.
120
• Tampilan Layar Cube untuk Pilihan Reservation by VIP Status
Gambar 4.31 Tampilan Layar Cube untuk Pilihan ‘Reservation by VIP Status’
Penjelasan: Pilihan ‘Reservation by VIP Status’ untuk menampilkan cube berdasarkan VIP status.
121
• Tampilan Layar Cube untuk Pilihan Reservation by Name
Gambar 4.32 Tampilan Layar Cube untuk Pilihan ‘Reservation by Name’
Penjelasan: Pilihan ‘Reservation by Name’ untuk menampilkan cube berdasarkan company, agent dan group.
122
• Tampilan Layar Cube untuk Pilihan Reservation by Income
Gambar 4.33 Tampilan Layar Cube untuk Pilihan ‘Reservation by Income’
Penjelasan: Pilihan ‘Reservation by Income’ untuk menampilkan cube yang menunjukkan pendapatan.
Pilihan ‘Mining Model’ menampilkan mining model dari reservasi untuk melihat pola-pola yang terdapat di dalamnya, yang dapat dibagi berdasarkan field, seperti ‘Allow_Mailing’, ‘Payment’, ‘Rate_Category’, ‘Rate_Classes’, ‘Rate_Code’, dan ‘Reservation Type’.
123
• Tampilan Layar Mining Model Allow_Mailing
Gambar 4.34 Mining Model ‘Allow_Mailing’
Penjelasan: Dari mining model di atas diketahui bahwa field ‘Allow_Mailing’ dipengaruhi oleh ‘Rate_Classes’. Sehingga yang dapat disimpulkan untuk menunjang DSS (Decision Support System) di antaranya: “Untuk
‘Rate_Class’
tertentu,
beberapa
kasus
memenuhi
field
‘Allow_Mailing’, sehingga dapat dilakukan promosi dari ‘Rate_Class’ tersebut melalui bentuk surat-menyurat.”
124
• Tampilan Layar Mining Model Payment
Gambar 4.35 Mining Model ‘Payment’
Penjelasan: Dari mining model di atas diketahui bahwa field ‘Payment’ dipengaruhi oleh ‘Rate_Category’. Sehingga yang dapat disimpulkan untuk menunjang DSS (Decision Support System) di antaranya: “Untuk ‘Rate_Category’ tertentu, beberapa kasus memenuhi field ‘Payment’ dengan Credit Card, sehingga dapat dilakukan promosi dari Rate_Category tersebut dengan mengadakan kerjasama dengan perusahaan yang mengeluarkan kartu kredit.”
125
• Tampilan Layar Mining Model Rate_Category
Gambar 4.36 Mining Model ‘Rate_Category’
Penjelasan: Dari mining model di atas diketahui bahwa field ‘Rate_Category’ dipengaruhi oleh ‘Rate_Classes’. Sehingga yang dapat disimpulkan untuk menunjang DSS (Decision Support System) di antaranya: “Untuk ‘Rate_Classes’ tertentu, beberapa kasus memilih ‘Rate_Category’ yang sama, sehingga dapat dilakukan promosi berupa potongan harga untuk customer yang melakukan reservasi dengan bentuk seperti itu dengan tujuan menarik lebih banyak lagi customer.” 126
• Tampilan Layar Mining Rate_Classes
Gambar 4.37 Mining Model ‘Rate_Classes’
Penjelasan: Dari mining model di atas diketahui pola yang sama seperti sebelumnya bahwa field ‘Rate_Classes’ dipengaruhi oleh ‘Rate_Category’. Sehingga dapat disimpulkan keputusan yang sama untuk menunjang DSS (Decision Support System).
127
• Tampilan Layar Mining Model Rate_Code
Gambar 4.38 Mining Model ‘Rate_Code’
Penjelasan: Pola yang sama juga dapat dilihat dari mining model di atas bahwa field ‘Rate_Code’ dipengaruhi oleh ‘Rate_Classes’. Sehingga dapat disimpulkan keputusan yang sama untuk menunjang DSS (Decision Support System).
128
• Tampilan Layar Mining Model Reservation_Type
Gambar 4.39 Mining Model ‘Reservation_Type’
Penjelasan: Dari mining model di atas diketahui bahwa field ‘Reservation_Type’ dipengaruhi oleh ‘Payment’. Sehingga yang dapat disimpulkan untuk menunjang DSS (Decision Support System) di antaranya: “Untuk ‘Reservation_Type’ tertentu, beberapa kasus memilih ‘Payment’ dengan kartu kredit, sehingga dapat dilakukan lebih banyak lagi kerjasama dengan perusahaan kartu kredit yang dapat lebih menguntungkan customer.”
129
• Tampilan Layar Menu Utama untuk Pilihan Help
Gambar 4.40 Tampilan Layar Menu Utama untuk Pilihan ‘Help’
Penjelasan: 1. Terdapat 2 (dua) pilihan pada menu ‘Help’ yaitu ‘Information’, dan ‘About’. 2. Pilih ‘Information’ untuk melihat panduan aplikasi Data Mining.
130
Gambar 4.41 Tampilan Layar Help untuk Pilihan ‘Information’
3. Pilih ‘About’ untuk melihat data-data penyusun aplikasi Data Mining.
Gambar 4.42 Tampilan Layar Help untuk Pilihan ‘About’
131
4.3
Dukungan Perangkat 4.3.1
Dukungan Perangkat Keras Untuk perancangan aplikasi Data Mining ini, dibutuhkan dukungan perangkat keras dengan spesifikasi minimum sebagai berikut: 1. Untuk Server Processor : Pentium 3-700 MHz Memori
: 256 MB
Hardisk
: 20 GB
2. Untuk Client Processor : Intel Pentium 3
4.3.2
Memori
: 64MB
Hardisk
: 10 GB
Dukungan Perangkat Lunak Sedangkan untuk perangkat lunak aplikasi Data Mining ini, diperlukan sebuah perangkat lunak untuk menjalankan sistem pada server maupun client. Perangkat–perangkat lunak yang dibutuhkan itu seperti Microsoft Windows 2000 Advanced Server dan Microsoft SQL 2000 untuk server sedangkan untuk client, perangkat–perangkat lunak yang dibutuhkan adalah Microsoft Windows XP Professional Edition sebagai sistemnya dan Microsoft Office XP Professional guna membuat laporan– laporan yang dibutuhkan.
132
4.4
Evaluasi Aplikasi Data Mining Untuk mengetahui hasil aplikasi Data Mining pada Hotel Four Seasons Jakarta, maka dilakukan evaluasi terhadap hasil pengaplikasian sistem tersebut. Evaluasi tersebut dilakukan dengan melakukan demonstrasi program di depan pihak Hotel Four Seasons Jakarta. Dari hasil evaluasi yang ada maka dapat diketahui bahwa: •
Dengan adanya Data Mining, laporan yang dihasilkan akurat dan cepat, karena data–data disimpan dalam tempat penyimpanan tertentu dan telah terintegrasi.
•
Data–data perusahaan lebih terjamin keamanannya dengan penggunaan Data Mining, karena tidak semua orang dapat mengakses data yang disimpan.
•
Pemakaian aplikasi Data Mining pada perusahaan dapat mengoptimalkan penggunaan data–data yang diperlukan bagi pengambilan keputusan yang penting sehingga mendukung DSS (Decision Support System) dan EIS (Executive Information System).
133
