BAB II LANDASAN TEORI 2.1. Teori Enterprise Architecture EA adalah cara untuk membuat tampilan abstrak dari sebuah organisasi yang membantu dalam membuat perencanaan dan keputusan yang lebih baik. Lingkup EA melebihi dari sekedar perencanaan teknologi, dengan menambahkan perencanaan strategis sebagai pendorong utama bagi organisasi dan perencanaan bisnis sebagai sumber dari sebagian besar program dan kebutuhan sumber daya (EA = Strategy + Business + Technology) (Bernard, 2005).
2.1.1. Dokumentasi Enterprise Architecture Dokumentasi EA dapat dipenuhi dengan mengikuti enam elemen standar: •
EA documentation framework
•
Implementasi metodologi
•
Tampilan arsitektur yang berjalan
•
Tampilan arsitektur di masa depan
•
Pengembangan rencana EA management
•
Threads (beberapa area yang umum untuk semua tingkat pada framework)
6
7
Gambar II-1: Framework Dokumentasi EA (Sumber: Bernard, 2005)
2.1.2. Komponen dan Artifak pada Enterprise Architecture Komponen EA adalah sumberdaya tergantikan yang menyediakan kapabilitas pada tiap tingkat dari framework. Contohnya adalah tujuan dan inisiatif strategis, jasa bisnis, arus informasi, sistem informasi, web services, dan aplikasi perangkat lunak. Artifak EA adalah produk dokumentasi dari komponen EA. Artifak EA dapat berupa dokumen teks, diagram, spreadsheet, dan lain-lain (Bernard, 2005).
8
EA Cube Level/Thread Strategic Goals & initiatives (I)
Business Products & Services (B)
Data & information (D)
Systems & Applications (SA)
Networks & Infrastructure (NI)
Artifact ID # S‐1 S‐2 S‐3 S‐4 S‐5 B‐1 B‐2 B‐3 B‐4 B‐5 B‐6 D‐1 D‐2 D‐3 D‐4 D‐5 D‐6 D‐7 D‐8 SA‐1 SA‐2 SA‐3 SA‐4 SA‐5 SA‐6 SA‐7 SA‐8 SA‐9 NI‐1 NI‐2 NI‐3 NI‐4 NI‐5 NI‐6 NI‐7
Artifact Name Strategic Plan Swot Analysis Concept of Operations Scenario Concept of Operations Diagram Balanced Scorecard Business Plan Node Connectivity Diagram Business Process/ Service Model Business Process/ Product Matrix Use Case Narative & Diagram Investment Business Case Knowledge Management Plan Information Exchange Matrix Object State‐Transition Diagram Object Event Sequence Diagram Logical Data Model Physical Data Model Activity/Entity (CRUD) Matrix Data Dictionary / Object Library System Interface Diagram System Communication Description System Infterface Matrix System Data Flow Diagram System/Operation Matrix System Data Exchange Matrix System Performance Matrix System Evolution Diagram Web Application Diagram Network Connectivity Diagram Network Inventory Capital Equipment Inventory Building Blueprints Network Center Diagram Cable Plant Diagram Rack Elevation Diagram
Tabel II-1: Daftar Artifak EA 1
9
EA Cube Level/Thread
Artifact ID #
Security (SP)
SP‐1
Security and Privacy Plan
SP‐2 SP‐3 SP‐4 SP‐5 Standards (ST)
Security Solution Description System Accreditation Document Continuity Of Operation Plan Disaster Recovery Procedures Technical Standards Profile
ST‐1 ST‐2
Workforce (W)
Artifact Name
Technology Forecast Workforce Plan
W‐1 W‐2 W‐3
Organizational Chart Knowledge and Skills Profile
Tabel II-2: Daftar Artifak EA 2
10
2.1.2.1.
S-1: Perencanaan Strategis
Menurut Bernard (Bernard, 2005), perencanaan strategis adalah kebijaksanaan tingkat tinggi dan dokumen perencanaan yang digunakan perusahaan untuk mendokumentasikan arah tujuanya. Isi dari artifak perencanaan strategis adalah: •
Visi dan misi
•
Ringkasan analisis SWOT
•
Mengembangkan diagram CONOPS
•
Mengembangkan strategi kompetitif umum
•
Pernyataan pengarahaan strategis
•
Mengidentfikasikan tujuan strategis
•
Mengidentifikasikan inisiatif strategis
2.1.2.2.
S-2: Analisis SWOT
Analisis SWOT melihat keseluruhan dari organisasi dengan mengidentifikasi faktor internal dan eksternal: Faktor internal •
Kekuatan
•
Kelemahan
11
Faktor eksternal •
Ancaman
•
Kesempatan
2.1.2.3.
B-6: Use Case Diagram
Diagram Use Case dibuat mengikuti format pada Unified Modeling Languange (UML) untuk mengidentifikasi kebutuhan bisinis, konteks, stakeholders (actors), dan aturan bisnis untuk interaksi mereka dengan sistem, jasa, dan aplikasi yang diidentifikasikan sebagai solusi teknologi yang membutuhkan pengembangan (Bernard, 2005). Asosiasi dalam use case diagram mengindikasikan aktor-aktor mana yang menginisiasikan use case tertentu. Aktor adalah entitas yang berhubungan dengan sistem. Aktor bisa beruma orang atau sistem lain. Use case merepresentasikan kegiatan sistem yang dilakukan berdasarkan keinginan aktor (Booch, Maksimchuk, Engle, Young, Conallen, & Houston, 2007).
12
Gambar II-2: Diagram Use Case (Sumber: Booch, Maksimchuk, Engle, Young, Conallen, & Houston, 2007)
2.1.2.4.
D-5: Model data logikal
Model data logikal menggambarkan struktur basis data pada sebuah organisasi. Data model semantic dapat di kembangkan menggunakan metode tradisional terstruktur dan simbologis (Entity Relationship Diagram), atau dapat juga dengan menggunakan UML, yang menghasilkan Class Diagram (Bernard, 2005).
13
2.2. Teori Evaluasi Menurut Cronholm dan Goldkuhl (Cronholm & Goldkuhl, 2003), tipe-tipe evaluasi dapat digolognkan menjadi 6 jenis. Tipe-tipe tersebut digolongkan berdasarkan strategi mengenai bagaimana cara melakukan evaluasi dan apa yang akan di evaluasi. Strategi mengenai bagaimana cara melakukan evaluasi: •
Goal-free evaluation Evaluasi ini lebih mengarah kepada pendekatan interpretatif. Tujuanya adalah untuk memperdalam pengertian mengenai apa yang harus dievaluasi dan untuk menumbuhkan motivasi dan komitmen.
•
Goal-based evaluation Evaluasi ini dapat didefinisikan sebagai pengukuran sampai sejauh mana sebuah program telah mencapai tujuan yang spesifik dan jelas.
•
Criteria-based evaluation Contoh dari pendekatan ini adalah penggunaan heuristics dan checklists.
Strategi mengenai apa yang akan dievaluasi dapat dibedakan menjadi: •
IT- Systems as such Merupakan keterlibatan
evaluasi dari
sistem
pengguna.
TI
Sumber
tanpa data
adalah sistem IT itu sendiri dan dokumentasi sistem TI.
meperdulikan yang
digunakan
14
IT-Systems in use Merupakan evaluasi situasi pada saat pengguna menggunakan sistem TI. Sumber datanya dapat berupa hasil wawancara mengenai persepsi mereka tentang sistem TI. Dari kombinasi 2 jenis strategi tersebut, tipe-tipe evaluasi dapat digolongkan menjadi 6 tipe seperti yang digambarkan pada tabel dibawah ini.
Tabel II-3: Tipe-tipe evaluasi (Sumber: Cronholm & Goldkuhl, 2003)
2.2.1. Karakteristik Tipe-tipe Evaluasi Tipe 1 – Goal Free Evaluation of IT-System as Such Perspektif utama Pendekatan Open‐minded Pengetahuan apa yang Mendapatkan pemahaman yang lebih luas dari sistem IT, ingin dicapai pengetahuan awal yang dapat diperdalam Sumber Data Sistem IT, Deskripsi dari sistem IT Deduktif atau induktif Induktif Pengamat pakar Siapa yang akan berpartisipasi
15
Kapan harus memilih tipe ini
Apabila pembelajaran awal diinginkan untuk lebih mengenal sistem IT, saat hanya memiliki sedikit sumber, saat tidak ada user yang tersedia
Tabel II-4: Tipe 1 Tipe 2 – Goal Based Evaluation of IT-System as Such Perspektif utama Bergantung pada karakter dari tujuan Pengetahuan apa yang Apakah sistem IT memenuhi tujuan bisnis yang diinginkan? ingin dicapai Efek positif dan negative potensial dari sistem IT untuk bisnis. Kontribusi apa yang diharapkan dari sistem IT Sumber data Sistem IT, deskripsi tujuan, spesifikasi kebutuhan, deskripsi Deduktif atau induktif Siapa yang akan berpartisipasi Kapan harus memilih tipe ini
sistem IT Deduktif Pengamat pakar Saat evaluasi yang jelas dan terfokus diinginkan, saat terdapat sedikit sumber, pada saat tidak ada pengguna yang tersedia
Tabel II-5: Tipe 2 Tipe 3 – Criteria Based Evaluation of IT-System as Such Perspektif utama Bergantung pada karakter dari kriteria Pengetahuan apa yang Kualitas dari sistem IT menurut sudut pandang yang sesuai ingin dicapai dengan kriteria Sumber data Sistem IT, deskripsi dari kriteria, deskripsi sistem IT Deduktif atau induktif Deduktif Pengamat pakar Siapa yang akan berpartisipasi Kapan harus memilih tipe ini
Saat evaluasi yang terfokus diinginkan, saat terdapat sedikit sumber, pada saat tidak ada pengguna yang tersedia
Tabel II-6: Tipe 3 Tipe 4 – Goal Free Evaluation of IT-System in Use Perspektif utama Pengetahuan apa yang ingin dicapai Sumber data
Pendekatan open‐minded Untuk mendapatkan pemahaman atas sistem IT yang lebih dalam dan luas, peran sistem IT pada bisnis, social, dan efek organisasional Sistem IT, Observasi dari interaksi, persepsi pengguna pada sistem IT, pengetahuan awal pengguna
16
Deduktif atau induktif
Induktif Siapa yang berpartisipasi Pengamat pakar, Pengguna Kapan harus memilih Pada saat evaluasi menyeluruh diinginkan
Tabel II-7: Tipe 4
Tipe 5 – Goal Based Evaluation of IT-System in Use Perspektif utama Bergantung pada karakter dari tujuan Pengetahuan apa yang Apakah sistem IT memenuhi tujuan bisnis yang diinginkan? ingin dicapai Efek positif dan negative potensial dari sistem IT untuk bisnis. Kontribusi apa yang telah dicapai oleh sistem IT Sumber data Sistem IT, deskripsi tujuan, spesifikasi kebutuhan, deskripsi sistem IT, Observasi dari interaksi, persepsi pengguna pada sistem IT, pengetahuan awal pengguna Deduktif atau induktif Deduktif Pengamat pakar, Pengguna Siapa yang akan berpartisipasi Kapan harus memilih tipe ini
Pada saat evaluasi menyeluruh diinginkan, saat memiliki banyak sumber
Tabel II-8: Tipe 5 Tipe 6 – Criteria Based Evaluation of IT-System in Use Perspektif utama Bergantung pada karakter dari kriteria Pengetahuan apa yang Untuk mendapatkan pemahaman atas sistem IT yang lebih ingin dicapai dalam dan luas, persepsi pengguna atas sistem IT Sumber data Sistem IT, deskripsi dari kriteria, deskripsi sistem IT, Observasi dari interaksi, persepsi pengguna pada sistem IT, pengetahuan awal pengguna Deduktif atau induktif Deduktif Pengamat pakar, Pengguna Siapa yang akan berpartisipasi Kapan harus memilih tipe ini
Pada saat evaluasi menyeluruh diinginkan, saat memiliki banyak sumber
Tabel II-9: Tipe 6
17
2.2.2. Laporan Findings and Recommendations Laporan findings and recommendations mencakup ulasan yang akan dianggap "konsultasi" atau jasa penasehat " Contoh keterlibatan yang termasuk dalam kategori ini termasuk implementasi system, implementasi ERP, tinjauan keamanan, review aplikasi basis data, infrastruktur TI dan perbaikan yang diperlukan, dan manajemen proyek. IT auditor dapat memberikan keahlian teknis yang diperlukan dalam batas tertentu (Hunton, Bryant, & Nancy, 2004).
2.3. Dasar Business Intelligence Data yang dihasilkan oleh peristiwa bisnis bersifat mentah dan tanpa konteks, seperti data pelanggan, produk dan transaksi. Informasi adalah data yang sudah memiliki konteks dan makna contohnya, informasi mengenai pembelian produk yang dibeli oleh pelanggan tertentu. Intelligence adalah actionable information insight dan digunakan oleh berbagai pemakai informasi untuk mencapai tujuan bisnis, contohnya kelompok pelanggan mana yang
membeli produk terntentu? Apakah ada
kecenderungan pada pembelian produk tertentu oleh pelanggan-pelanggan tertentu? Bagaimana kita dapat memakai kencenderungan tersebut untuk meperkirakan apa yang akan terjadi di masa depan. (Mohanty, 2008).
18
2.3.1. Pengertian Business Intelligence Business intelligence adalah intelligence berdasarkan informasi bisnis, kejadian yang telah terjadi dan strategi untuk masa depan. Business intelligence adalah tentang mendapatkan profitability yang lebih besar dengan menganalisis data dan angka dalam jumlah yang besar, kualifikasi the assesments, mencari kecenderungan, dan masalah yang tersembunyi didalamnya, memberdayakan tindakan untuk menyelesaikan masalah dan menyediakan actionable insight (Mohanty, 2008).
2.3.2. Arsitektur Business Intelligence Menurut Carlo Vercellis (Vercellis, 2009), arsitektur business intelligence memiliki tiga komponen utama, yaitu: •
Sumber data Pada tahap pertama diperlukan untuk mengumpulkan data dari berbagai macam sumber utama dan tambahan yang berbeda-beda.
•
Data warehouses dan data marts Menggunakan alat ekstraksi dan transformasi yang biasa disebut ETL. Data yang berasal dari sumber yang berbeda-beda dapat disimpan pada basis data yang digunakan untuk mendukung analisis business intelligence.
19
•
Metodologi business intelligence Data akhirnya dapat digunakan untuk menerapkan model matematika dan metodologi analisis.
Gambar II-3: Arsitektur Business Intelligence (Sumber: Vercellis, 2009)
20
2.3.3. Business Intelligence Framework
Gambar II-4: Business Intelligence Component Framework (Sumber: Eckerson, 2003)
2.3.3.1.
Data Warehousing Environment
Adalah dimana tim teknikal menghabiskan 60 sampai 80 persen dari waktu mereka. Tujuanya adalah untuk mengekstrak, membersihkan, memodelkan, mentransformasikan, mentransfer, dan memasukan data transaksional dari satu atau lebih sistem operasional kedalam data warehouse. Seperti arkeolog, tim teknikal perlu untuk menguraikan arti dan validitas dari ribuan elemen-elemen data dan nilai dalam berbagai sistem operasional. Lalu mereka harus menyatukan semua kembali kedalam satu kesatuan model dari bisnis (Eckerson, 2003).
21
2.3.3.2.
Analytical Environment
Oval bagian kanan pada diagram sebelum menunjuk kepada analytical environment, yang
merupakan domain dari business users, yang menggunakan
analytical tools untuk query, report, analyze, mine, dan visualize dan, yang paling penting, mengambil tindakan atas data yang ada pada data warehouse. Karena mayoritas dari business users hanya mau berinteraksi dengan laporan standard, tim teknikal membuat hal ini sebagai tambahan dan meletakanya pada corporate intranet. Pemakai dapat melihat laporan sebagai dokumen tetap, menyaring laporan dengan kriteria yang relevan, atau menavigasi laporan untuk mengubah tampilan atau tingkat dari detil. Sebagai tambahan, banyak organisasi yang menyediakan laporan exception-driven, seperti dashboard atau scorecards, yang menunjukan bagaimana performa dibandingkan dengan rencana (Eckerson, 2003).
22
2.3.4.3.
The Analytical Landscape of Business Intelligence
Strategic and Tactical Analysis 75% REPORT WHAT HAPPENED? Operational Reports Web Reports Exception Reports Scorecards
Operational Analysis
20% 5% 75% ANALYZE Predict MONITOR WHY DID IT HAPPEN? WHAT WILL HAPPEN?WHAT JUST HAPPENED? Spreadsheet Linear Regression Dashboards OLAP Affinity Analysis Alerts Planning Optimization Decision Engines Forecast Simulation Agents
Historical Data (Data Warehouses/Marts Real-Time Data (OS/EAI) DATA MINING BUSINESS PROCESS BUSINESS PERFORMANCE PREDICTIVE MODELING MONITORING MANAGEMENT Analytical Sophistication
Gambar II-5: The Analytical Landscape of Business Intelligence (Sumber: Eckerson, 2003) Ketiga domain pertama (report, analyze, dan predict) digunakan untuk mengambil keputusan strategis dan taktikal. Keputusan strategis melibatkan analisis data untuk tujuan jangka panjang (contoh: untuk tahun berikutnya) atau untuk mengelola kemajuan organisasi dalam memenuhi tujuan strategis dan misi. Balanced scorecards, perencanaan, dan penganggaran semuanya melibatkan analisis strategis. Keputusan taktikal, dilain sisi, mengarahkan tindakan yang perlu dilaksanakan pada waktu dekat (contoh: bulan depan). Keputusan taktikal lebih bersifat processdriven dibandingkan strategis. Contohnya pembeli retail membuat keputusan taktikan dimana dia menentukan produk mana yang harus dibeli dan dalam jumlah berapa untuk toko-toko yang berbeda (Eckerson, 2003).
23
2.4. Dasar Data Warehouse dan Data Mining Data Warehouse adalah basis data yang menyajikan satu sumber yang konsisten untuk manajemen informasi agar dapat melakukan pelaporan dan analisis diseluruh bagian organisasi (Moody & Kortink, 2000).
2.4.1. Arsitektur Data Warehouse Arsitektur data warehouse terdiri dari beberapa komponen fungsional. Yang pertama adalah data warehouse itu sendiri bersama dengan data marts yang menampung data dan berfungsi untuk memungkinkan data untuk dapat diakses. Yang kedua adalah aplikasi pengambilan data yang biasa disebut dengan ETL yang memungkinkan data untuk dapat ditarik, ditransformasikan, dan disimpan kedalam data warehouse. Komponen fungsional terakhir adalah aplikasi business intelligence dan DSS yang merepresentasikan front-end dan memungkinkan knowledge workers untuk
2009).
melakukan
analisis
dan
memvisualisasikan
hasilnya
(Vercellis,
24
Gambar II-6: Database Architecture Sumber: (Vercellis, 2009)
2.4.2. Star Schema Star Schema merupakan bagian pembangunan yang dasar pada dimensional modeling. Star Schema terdiri dari table fakta sebagai pusat dan beberapa tabel dimensi yang berada disekitarnya. Tabel fakta berisikan pengukuran yang dapat diagregasikan dalam berbagai cara. Tabel dimensi menyediakan basis untuk melakukan agregasi terhadap pengukuran pada tabel fakta (Moody & Kortink,
2000). Gambar II-7: Star Schema (Sumber : Moody & Kortink, 2000) Menurut Moody dan Kortink (Moody & Kortink, 2000), tabel fakta dibentuk berdasarkan setiap entitas transaksi yang terdapat pada basis data transaksional. Dan tabel dimensi dibentuk berdasarkan entitas komponen yang terdapat pada basis data transaksional.
25
2.4.3. Metadata Menurut Carlo Vercellis (Vercellis, 2009), metadata merupakan salah satu jenis struktur informasi dimana terdapat data yang menjelaskan data, yang pada business intelligence digunakan untuk menjelaskan makna-makna dari data yang tedapat pada business intelligence. Dokumentasi yang disediakan metadata terdiri dari: •
Dokumentasi struktur data warehouse (contoh: layout, dimensi, logical view, dll)
•
Dokumentasi genealogi data, menjelaskan sumber data dan transformasi data.
•
Daftar yang menyimpan statistic penggunaan data warehouse
•
Dokumentasi mengenai makna dari data warehouse, dengan menyajikan definisi dari istilah yang dipakai, dan menjelaskan sifat data.
2.4.4. ETL(Extract,Transform,and Loading) Menurut Carlo Vercellis (Vercellis, 2009), ETL mengacu pada perangkat lunak yang dikhususkan untuk memperoleh data dengan tepat dan cepat dengan otomatis. Tiga fungsi utamanya adalah ekstraksi, transformasi dan pemuatan data kedalam data warehouse. Extract
26
Dimana di tahap awal ini, data dikumpulkan dari sumber internal dan eksternal yang tesedia. Kemudian dilakukan proses pemisahan data dapat dibuat antara ekstraksi awal, dimana data dapat tersedia relatif ditentukan berdasarkan keseluruhan periode, dan pengupdatean data warehouse berikutnya dengan menggunakan data baru yang tersedia dari waktu ke waktu. Pemilihan data yang akan diimpor didasarkan pada desain data warehouse, yang pada gilirannya tergantung operasional dalam suatu domain aplikasi tertentu. Transform Tujuan dari pembersihan dan tahap transformasi adalah untuk meningkatkan kualitas data yang dikumpulkan dari berbagi sumber, melalui koreksi inkonsistensi, ketidakakuratan, dan nilai-nilai yang hilang. Loading Akhirnya, setelah di ekstraksi dan diubah, data dimuat ke dalam table data warehouse untuk membuat data tersedia bagi analis dan aplikasi pendukung keputusan.
2.4.5. Pengertian Data Mining Data mining merupakan kegiatan mengekstrak informasi prediktif yang tersembunyi dari basis data yang besar. Data mining adalah teknologi canggih dengan potensi yang besar dalam membantu organisasi untuk fokus kepada informasi yang paling penting pada data warehouse. Alat data mining dapat memperkirakan trend
27
prilaku dimasa depan dan membantu organisasi dalam mengambil keputusan yang bersifat knowledge-driven (Deshpande & Thakare, 2010).
2.4.6. Model dan Metode untuk Data Mining Terdapat berbagai macam metode pembelajaran yang tersedia untuk melakukan tugas-tugas data mining. Beberapa teknik yang berasal dari ilmu computer, seperti classification trees atau association rules. Beberapa metode lainya berasal dari statistika multivariasi, seperti regresi atau bayesian classifiers. Masih banyak tedapat metode-metode lainya, misalnya adalah metode yang baru-baru ini saja dikembangkan termasuk metode matematika (Vercellis, 2009).
2.4.7. Tugas-tugas Data Mining Tugas-tugas data mining berberda-beda berdasarkan penggunaan dari informasi yang dihasilkan data mining, Menurut Deshpande dan Thakare (Deshpande & Thakare, 2010), tugas-tugas data mining dikelompokan menjadi: 1. Exploratory Data Analysis: hanya melakukan eksplorasi data tanpa tujuan yang jelas mengenai hal yang dicari. Teknik ini interaktif dan visual 2. Descriptive Modeling: menjelaskan semua data, termasuk kemungkinan distribusi data secara keseluruhan. 3. Predictive Modeling: model ini memungkinkan untuk menebak nilai suatu variabel berdasarkan variabel-variabel yang telah diketahui.
28
4. Discovering Patterns and Rules: mendeteksi pola dengan tujuan menemukan kecurangan dengan mendeteksi daerah-daerah dimana data menunjukan perbedaan yang signifikan dibandingkan lainya. 5. Retrieval by Content: menemukan pola yang menunjukan kemiripan terhadap pola yang dicari pada dataset. Biasanya digunakan untuk teks dan gambar.
