BAB II LANDASAN TEORI
2.1.
Data Data adalah deskripsi dasar tentang suatu kejadian, kegiatan dan transaksi
yang direkam, diklasifikasikan dan disimpan namun tidak terorganisir untuk dapat menyampaikan suatu arti yang spesifik (Turban&rainer, 2009). Menurut pendapat lainnya data adalah fakta atau observasi mentah yang biasanya mengenai fenomena fisik atau transaksi bisnis(Indrajani,2009) Dalam keilmuan (ilmiah), fakta dikumpulkan menjadi data. Data kemudian diolah sehingga dapat diutarakan secara jelas dan tepat agar dapat dimengerti oleh orang lain yang tidak langsung mengalaminya sendiri, hal ini dinamakan deskripsi. 2.2.
Informasi Informasi dapat didefinisikan sebagai data yang diolah menjadi bentuk
yang lebih berguna dan lebih berarti bagi penerimanya. Informasi diperoleh dari kegiatan pengumpulan data. Setelah terkumpul, data kemudian diolah dan dianalisis serta dipilah-pilah sehingga didapatkan informasi yang berguna dan sesuai dengan kebutuhan. Kualitas dari sebuah informasi ditentukan oleh tiga hal yaitu, keakuratan informasi, ketepatan waktunya (up-to-date), dan relevan dengan keadaan atau kebutuhan.
2.3. Basis data Menurut O’Brien (2002, p.166) basis data merupakan kumpulan dari beberapa file dokumen yang terhubung secara logis. Menurut Date (2000, p.10) basis data merupakan kumpulan data tetap (data yang hampir tidak mengalami perubahan), yang digunakan oleh sistem aplikasi dibeberapa perusahaan. Menurut Conolly & Begg (2002, p.14) basis data adalah kumpulan data yang terhubung secara logis, dan merupakan deskripsi dari data itu sendiri, yang
dirancang untuk mempermudah proses pencarian informasi yang dibutuhkan oleh perusahaan. Dari beberapa definisi tentang basis data yang telah disebutkan diatas, dapat disimpulkan bahwa basis data merupakan kumpulan data yang terhubung secara logis dan digunakan pada sistem aplikasi perusahaan, yang dapat mempermudah proses pencarian informasi.
2.3.1 Pembagian basis data menurut jenisnya: 1.
Basis data flat-file. Basis data flat-file ideal untuk data berukuran kecil dan dapat dirubah dengan mudah. Pada dasarnya, mereka tersusun dari sekumpulan string dalam satu atau lebih file yang dapat diurai untuk mendapatkan informasi yang disimpan. Basis data flat-file baik digunakan untuk menyimpan daftar atau data yang sederhana dan dalam jumlah kecil. Basis data flatfile akan menjadi sangat rumit apabila digunakan untuk menyimpan data dengan struktur kompleks walaupun dimungkinkan pula
untuk
menyimpan data semacam itu. Beberapa kendala dalam menggunakan basis data jenis ini adalah rentan pada korupsi data karena tidak adanya penguncian yang melekat ketika data digunakan atau dimodifikasi dan juga adanya duplikasi data yang mungkin sulit dihindari. Salah satu tipe basis data flat-file adalah file CSV yang menggunakan pemisah koma untuk setiap nilainya.
2. Basis data relasional. Basis data ini mempunyai struktur yang lebih logis terkait cara penyimpanan. Kata "relasional" berasal dari kenyataan bahwa tabel-tabel yang berada di basis data dapat dihubungkan satu dengan lainnya. Basis data relasional menggunakan sekumpulan tabel dua dimensi yang masing-masing tabel tersusun atas baris (tupel) dan kolom (atribut). Untuk membuat hubungan antara dua atau lebih tabel, digunakan key (atribut kunci) yaitu primary key di salah satu tabel dan foreign key di tabel yang lain. Saat ini, basis data relasional menjadi pilihan karena
keunggulannya. Beberapa kelemahan yang mungkin dirasakan untuk basis data jenis ini adalah implementasi yang lebih sulit untuk data dalam jumlah besar dengan tingkat kompleksitasnya yang tinggi dan proses pencarian informasi yang lebih lambat karena perlu menghubungkan tabel-tabel terlebih dahulu apabila datanya tersebar di beberapa tabel. Beberapa contoh basis data relasional adalah Microsoft Access, MySQL, Oracle, Microsoft SQL Server dan PostgreSQL.
2.4.
Data Warehouse
2.4.1.
Pengertian Data Warehouse merupakan basis data relasional yang didesain lebih
kepada query dan analisa daripada proses transaksi, dan biasanya mengandung data historis dari proses transaksi dan bisa juga data dari sumber lainnya untuk tujuan pengambilan keputusan. Data Warehouse dapat juga dikatakan sebagai tempat penyimpanan ringkasan dari data historis yang seringkali diambil dari basis data departemen, organisasi atau perusahaan (Kimball dan Caserta, 2004). Menurut (kimball, ross, 2002) Data warehouse adalah sebuah sarana yang dapat meningkatkan kualitas pengambilan keputusan, data warehouse berisi data yang dapat mendukung proses DSS. Tujuan dari perancangan data warehouse untuk mengelola data yang sebelumnya sudah tersimpan tetapi tidak teroganisir dengan baik ke dalam sebuah tempat penyimpanan untuk melakukan analisis suatu kondisi dalam perusahaan yang menghasilkan sebuah informasi yang bermanfaat dalam pengambilan keputusan. 2.4.2. Karakteristik Karakteristik data warehouse menurut Inmon yaitu : 1. Subject Oriented (Berorientasi Subkek) Data warehouse berorientasi subjek artinya data warehouse didesain untuk menganalisa data berdasarkan subjek-subjek tertentu dalam organisasi, bukan pada proses atau fungsi aplikasi tertentu.
Data warehouse diorganisasikan disekitar subjek-subjek utama dari perusahaan (costumers, products dan sales) dan tidak diorganisasikan pada areaarea aplikasi utama (costumer invoicing, stock control dan product sales). Hal ini dikarenakan kebutuhan dari data warehouse untuk menyimpulkan data-data yang bersifat sebagai penunjang suatu keputusan, dari pada aplikasi yang berorientasi terhadap data. Jadi dengan kata lain, data yang disimpan adalah berorientasi kepada subjek bukan terhadap proses. Secara garis besar perbedaan antara data operasional dan data warehouseyaitu : Tabel 2. 1 Perbedaan Data Operasional dan Data Warehouse Data Operasional
Data Warehouse
Dirancang
Dirancang berdasarkan pada
berorientasi
hanya pada aplikasi dan fungsi
subjek-subjek tertentu (utama).
tertentu. Fokusnya
pada
desain
database dan proses.
Fokusnya pada pemodelan data dan desain data.
Berisi rincian atau detail data.
Berisi data-data history yang akan
dipakai
dalam
proses
analisis. Relasi antar tabel berdasar aturan terkini (selalu mengikuti
Banyak aturan bisnis tersaji antara tabel-tabel.
rule(aturan) terbaru).
2. Integrated (Terintegrasi) Datawarehouse dapat menyimpan data-data yang berasal dari sumbersumber yang terpisah kedalam sutau format yang konsisten dan saling terintegrasi satu dengan lainnya. Dengan demikian data tidak bisa dipecah-pecah karena data yang ada merupakan suatu kesatuan yang menunjang keseluruhan konsep data warehouse itu sendiri. Syarat integrasi sumber data dapat dipenuhi dengan berbagai cara seperti konsisten dalam penamaan variabel, konsisten dalam ukuran variabel, konsisten struktur pengkodean dan konsisten dalam atribut fisik dari data.
3. Time Variant (Rentang Waktu) Seluruh data pada data warehouse dapat dikatakan akurat atau valid pada rentang waktu terntentu. Untuk melihat interval waktu yang digunakan dalam mengukur keakuratan suatu data warehouse, kita dapat menggunakan cara antara lain : Cara yang paling sederhana adalah menyajikan data warehouse pada rentang waktu tertentu, misalnya 5 sampai 10 tahun ke depan. Cara yang kedua, dengan menggunakan variasi atau perbedaan waktu yang disajikan dalam data warehouse baik implisit maupun eksplisit secara eksplisit dengan unsur waktu dalam hari, minggu, bulan dsb. Secara implisit misalnya pada saat data tersebut diduplikasi pada setiap bulan, atau per tiga bulan. Unsur waktu akan tetap ada secara implisit didalam data tersebut. Cara ketiga, variasi waktu yang disajikan data warehouse melalui serangkaian snapshot yang panjang. Snapshot merupakan tampilan dari sebagian data tertentu sesuai keinginan pemakai dari keseluruhan data yang ada bersifat read-only.
4. Non Volatile Karakteristik keempat dari data warehouse adalah non volatile, maksudnya data pada data warehouse tidak di-update secara real time tetapi di refresh dari sistem operasional secara regular. Data yang baru selalu ditambahkan sebagai suplemen bagi database itu sendiri dari pada sebagai sebuah perubahan. Database tersebut secasra kontinu menyerap data baru ini, kemudian secara incremental disatukan dengan data sebelumnya. 2.4.3. Arsitektur Menurut Poe (2003), arsitektur adalah sekumpulan atau struktur yang memberikan kerangka untuk keseluruhan rancangan suatu sistem atau produk. Arsitektur data menyediakan kerangka dengan mengidentifikasikan dan memahami bagaimana data akan pindah melalui sistem dan digunakan dalam perusahaan. Arsitektur data untuk data warehouse mempunyai komponen utama yaitu read-only database.
Aplikasi Aplikasi Custom-Built
Aksess
Legacy
Data Mart
Memilih Replikasi Ekstrasi
OLTP
Pemasaran Laporan Metadata
Transformasi Integrasi
Eksternal
Data Warehouse perusahaan
Manajemen Resiko
Database Target
Data Mart
Memelihara Persiapan
Data/Sistem Operasional
Data Mart
Rekayasa
Peranti Pelaporan Produksi Peranti Query Relasional Visualisasi Informasi OLAP/ ROLAP
Browser Web Dat Mininga
Gambar 2. 1 Arsitektur Data Warehouse (Poe, 2003)
Komponen utama arsitektur data warehouse (poe, 2003): 1. Operational Data Sumber data dari data warehouse dapat diambil langsung dari mainframe, basis data relasional seperti Oracle, Ms SQL server dan sebagainya, Selain itu dapat melalui Operational Data Source(ODS). ODS menampung data yang diekstrak dari sitem utama atau sumber-sumber data yang ada dan kemudian data hasil ekstraksi tersebut dibersihkan. 2. Load Manager Load manager juga disebut sebagai komponen front-end yang bertugas melakukan seluruh operasi yang berhubungan dengan ekstrasi dan me-load data ke warehouse. 3. Warehouse Manager Warehouse manager melakukan seluruh operasi-operasi yang berhubungan dengan kegiatan manajemen data di dalam warehouse. Operasi-operasi tersebut meliputi : Analisis terhadap data untuk memastikan konsistensi, Transformasi
dan penggabungan sumber data dari tempat penyimpanan sementara menjadi tabel-tabel data warehouse, Penciptaan indeks-indeks dan view berdasarkan tabel-tabel dasar, Melakukan denormalisasi dan agregasi jika diperlukan dan melakukan Backing-up dan mengarsipkan data. 4. Query manager Query manager juga disebut komponen back-end, melakukan operasioperasi yang berhubungan dengan menejemen user queries. Operasi-operasi yang dilakukan oleh komponen ini termasuk mengarahkan query kepada tabeltabel yang tepat dan menjadwalkan eksekusi dari query tersebut. 5. End-user Acces Tools Prinsip atau tujuan utama dari dibangunnya data warehouse adalah untuk menyediakan informasi bisnis kepada user untuk dapat melakukan pengambilan keputusan secara cepat dan tepat. User ini berinteraksi dengan warehouse melalui end-user access tools. Data wareouse harus secara efisien mendukung secara khusus kebutuhan user serta secara rutin melakukan analisi. Performa yang baik dapat dicapai dengan merencanakan dahulu keperluan-keperluan untuk melakukan joins, summations dan laporan-laporan per periode dengan end-users. 2.5.
Data Staging dan ETL Merupakan fase yang terjadi ketika mengintegrasikan data ke dalam data
warehouse. Tiga fungsi utama yang perlu dilakukan untuk membuat data siap digunakan pada datawarehouse adalah Extraction, Transformation dan Loading. Transformation merupakan proses yang mempunyai peran dalam melakukan perubahan dan integrasi skema serta struktur yang berbeda-beda ke dalam skema dan struktur yang terdefinisi dalam data warehouse. Ketiga fungsi ini terdapat pada staging area. Gambar 2.2 menjelaskan mengenai data staging dan proses ETL :
Gambar 2. 2 Data Staging dan ETL dalam Data warehouse (Paul Lane,2002) 1. Extraction Bagian pertama dari suatu proses ETL adalah men-ekstrak data dari sumber data. Disebut ekstrak, Karena proses mengubah data ke dalam suatu format yang berguna untuk proses transformasi. Pengambilan data ini tidak mengambil keseluruhan data yang ada di database operasional, melainkan hanya mengambil data matang saja.
Pada proses ekstraksi data terdapat proses
cleansing data dimana data operasional yang telah diambil/dibaca akan diperbaiki dair kesalahan-kesalahan pada input data, redudansi data, nilai field yang tidak konsisten, dan sebagainya. Proses ini meliputi penyaringan data yang digunakan langsung dalam data warehouse, dapat langsung dimasukkan langsung dalam data warehouse atau dimasukkan dalam tempat penampungan sementara terlebih dahulu. Pada hakikatnya bagian dari ekstraksi melibatkan penguraian dari data yang telah diekstrak, menghasilkan suatu pengecekan jika data bertemu dengan suatu struktur atau pola yang diharapkan.Jika bukan, data tersebut mungkin ditolak secara keseluruhan. 2. Transformation Proses yang ke dua adalah transformasi data yang telah diekstrak ke dalam format yang diperlukan. Hal ini perlu dilakukan mengingat data yang diambil berasal dari sumber yang berbeda yang kemungkinan memiliki standarisasi ke dalam format umum yang disepakati dan digunakan dalam data warehouse. Aturan-aturan data Transformation antara lain :
1. Extracting Mengambil data dari sumber operasional dalam “as is” status, dan sumbersumber data berasal dari mainframes yang hampir seluruhnya berupa databaserelasional. 2. Conditioning Perubahan tipe data dari sumber data ke target data (data warehouse) tetapi tetap dalam bentuk database relasional misal: dilakukan perubahan tipe data atau penamaan data field yang ada di database relasional ke dalam data warehouse dengan format yang dimengerti dan disesuaikan dengan kebutuhan. 3. Scrubbing Digunakan untuk membersihkan/meningkatkan kualitas data. 4. Merging Proses penggabungan data dengan memperhatikan aturan-aturan dalam mengintegrasikan data. 5. House Holding Mengidentifikasikan semua anggota dari household (berada di alamat yang sama) unutk mengirimkan report. Menjamin hanya satu jenis dokumen saja yang dikirimkan kepada setiap household karena mengirimkan multiple reportakan mengakibatkan naiknya “cost” pada data warehouse. 6. Enrichment Mengambil data dari sumber eksternal (diluar data source yang seharusnya) untuk memperkaya data operasional yang sudah ada. 7. Scoring Komputasi probalitas tentang sebuah event, sebagai contoh menghitung kemungkinan pelanggan membeli produk baru. 8. Delta Updating Proses update yang hanya meng-update data baru saja tanpa menghasilkan duplikasi record. 9. Refresh Proses yang mempropagasi terjadinya proses peng-updatean dari sumber data ke data warehouse, caranya misalnya melakukan refresh secara periodik (setiap malam/minggu) atau setelah event-event yang signifikan, ketika data
warehouse membutuhkan data yang bersangkutan ,atau berdasarkan kebijakan refresh yang dibuat oleh administrator berdasarkan kebutuhan pengguna. 10. Validating Proses pemeriksaan kebeneraan data yang dihasilkan dari penggabungan. 2.6.
Perancangan Data Warehouse
2.6.1. Pendekatan Perancangan Metode perancangan data warehouse menurut kimball yang digunakan meliputi 9 tahap yang dikenal dengan nine-step methodology (Connolly dan Begg, 2005:1187). Kesembilan tahap tersebut yaitu : 1. Pemilihan Proses (Choosing the process) Proses mengacu pada subjek masalah dari bagian data mart. Data mart yang akan dibangun harus sesuai anggaran dan dapat menjawab masalahmasalah bisnis yang penting. Pemilihan proses ini
dilakukan untuk
memeperjelas batasan mengenai data warehouse yang dibuat. 2. Pemilihan Grain (Choosing the grain) Pemilihan grain berarti menentukan secara tepa tapa yang dipresentasi kan oleh record pada table fakta. 3. Identifikasi dari penyampaian dimensi (Indentifying and conforming the dimensions) Pada tahap ini diakukan penyesuaian dimensi dan grain yang ditampilkan dalam bentuk matriks 4. Pemilihanfakta (Choosing the fact) Grain dari table fakta menentukan fakta yang bisa digunakan. 5. Penyimpanan pre-calculation di table fakta (Storing pre-calculation int fact table) Setelah fakta-fakta dipilih, maka dilakukan pengkajian ulang untuk menentukan apakah ada fakta-fakta yang dapat diterapkan untuk kalkulasi awal. 6. Memastikan table dimensi (Rounding out the dimensions tables) Dalam tahap ini, kembali pada tabel dimensi dan menambahkan gambaran teks tehadap dimensi yang memungkinkan dan mudah dimengerti user. 7. Pemilihan durasi database (Choosing the duration of the database)
Pemilihan durasi data histori yang dimiliki perusahaan dapat dilakukan sesuai dengan kebutuhan informasi. Umumnya semakin banyak data yang dipindahkan kedalam data warehouse semakin lengkap pula informasi yang dihasilkan. 8. Melacak perubahan dari dimensi secara perlahan (Tracking slowly changing dimensions) Mengamati perubahan dari dimensi pada table dimensi dapat dilakukan dengan tiga cara, yaitu mengganti secara langsung pada table dimensi ,membentuk record baru untuk setiap perubahan data yang membentuk kolom baru yang berbeda. 9. Penentuan prioritas dan model query (Deciding the query priorities and the query models) Mempertimbangkan pengaruh dari rangan fisik, seperti penyortiran urutan table fakta pada disk dan keberadaan dari penyimpanan awal ringkasan (summaries) atau penjumlahan (aggregate). 2.6.2. Pemodelan Dimensional Menurut Connolly dan Begg (2005: 1183), Pemodelan dimensional adalah sebuah teknik perancangan logika yang bertujuan untuk merepresentasikan data ke dalam sebuah standar, bentuk intuiting yang dapat diakses dengan performa yang tinggi. Setiap model dimenional terdiri dari tabel fakta dan sekumpulan tabel yang lebih kecil yang disebut tabel dimensi. Pendekatan model dimensional yaitu mengorganisasi data ke dalam bentuk fakta (Fact) diwakili dalam bentuk tabel fakta (diorganisir berdasarkan tema sentral ) contohnya data transaksi penjualan. Hal-hal seperti data transaksi numerik seperti harga, jumlah, berat, dll disebut sebagai measure. Pendekatan lainnya yaitu mengorganisasi data ke dalam dimension (referensi informasi dari fakta) dalam bentuk tabel dimensi contoh : yang berkaitan dengan tabel transaksi penjualan : produk, costumer, dll. Penjelasan mengenai fakta, dimensi dan measure adalah sebagai berikut :
1. Fact Fact adalah suatu koleksi dari relasi data-data items, terdiri dari ukuranukuran dan konteks data. Setiap fact biasanya merepresentasikan sebuah bisnis item, suatu transaksi bisnis, atau sebuah kejadian yang dapat digunakan dalam analisis bisnis atau proses bisnis. Dalam data mart, fact di implementasikan dalam tabel dasar dimana semua data numerik dan disimpan. 2. Dimensions Dimensions adalah suatu koleksi dari anggota atau unit-unit data dengan tipe
yang
sama.
Dalam
sebuah
diagram,
suatu
dimensi
biasanya
direpresentasikan dengan suatu axis. Dalam dimensional model, semua data menunjukan fact tabel yang diasosiakan dengan satu dan hanya satu member dari setiap multiple dimensions. Jadi dimensi menunjukan latar belakang kontekstual dari fact. Banyak proses analisis yang digunakan untuk menghitung (quatify) dampak dari dimensi pada fact. Dimensi adalah parameter dari apa yang ingin dilakukan dalam On-Line Analytical Processing (OLAP) sebagai contoh, dalah suatu database untuk menganalisa semua penjualan dari produk, dimensi berikut ini harus ada : Waktu, Lokasi, Pembeli, dan Penjual. Dimensi biasanya juga dapat dipetakan bukan angka numerik, entity yang bersifat informatif seperti merek atau karyawan, berikut merupakan penjelasan : Dimension Member : Suatu dimensi berisi banyak anggota-anggota. Suatu anggota dimensi adalah nama pembeda atau indetifier yang digunakan untuk membedakan posisi suatu data item. Sebagai contoh, semua bulan, empat bulanan dan tahunan membuat dimensi waktu. Dan semua kota, wilayah dan Negara merupakan dimensi geografi. Dimension Hierarchies : dapat mengatur anggota dari suatu dimensi kedalam satu atau banyak hirarki. Setiap hirarki dapat juga mempunyai banyak level hirarki. Setiap member dari dimensi tidak boleh dilokasikan kedalam satu struktur hirarki. 3. Measure Suatu measure (ukuran) adalah suatu besaran (angka numerik) atribut dari sebuah fact, yang menunjukan performance atau behavior (tingkah laku) dari
bisnis secara relatif pada suatu dimensi. Angka atau nomor yang ditunjukan disebut dengan variable. Sebagai contoh ukuran dari penjualan dalam bentuk uang, besarnya penjualan, jumlah pengadaan, biaya pengadaan, banyaknya transaksi dan lainnya. Suatu ukuran dijelaskan dengan kombinasi dari member dari suatu dimensi dan diletakkan dalam fact.
2.6.3.
Star Schema Struktur skema bintang adalah salah satu struktur yang dapat dengan
mudah dipahami dan digunakan oleh pengguna. Dalam skema bintang terdapat dua jenis tabel, yaitu tabel fakta dan tabel dimensi yang berisi referensi data. Tabel fakta berisi field yang menunjukan fakta dari suatu subjek yang di identifikasi bahwa dengan field ini kita bisa mengukur nilai suatu aktivitas dalam subjek tertentu. Misalnya dalam subjek penjualan. Tabel fakta ini berisi foreign key dari tabel dimensi, karena berhubungan dengan tabel-tabel dimensi di sekelilingnya Tabel dimensi merupakan penjelasan dari data yang terdapat dalam tabel fakta. Misalnya dalam tabel fakta menyebutkan penjualan produk ke pelanggan, maka untuk melihat detail mengenai pelanggan, bisa dilihat dalam tabel dimensi pelanggan yang berhubungan dengan tabel fakta tersebut.
Gambar 2. 3 Model Star
2.6.4. Extract, Transform, Load ETL adalah proses pengambilan data dari application data dan mengintegrasikannya ke dalam data warehouse (Inmon,2002). Atau biasa diartikan sebagai proses migrasi dari database operasional menuju data warehouse. Tujuan ETL adalah mengumpulkan, menyaring, mengolah dan menggabungkan data-data yang relevan dari berbagai sumber untuk disimpan ke dalam data warehouse. Hasil dari proses ETL adalah dihasilkannya data yang memnuhi kriteria data warehouse seperti data histori, terpadu, terangkum, statis dan memiliki struktur yang dirancang untuk keperluan proses analisis. Proses ETL ini dibagi menjadi tiga, yaitu: Extract, adalah proses penentuan source yang akan digunakan sebagai sumber data bagi data warehouse. Dalam proses ini ditentukan data apa saja yang dibutuhkan, tabel apa yang dijadikan sumber.
Transform, setelah data ditentukan barulah data-data tersebut dirubah agar sesuai dengan standard yang ada pada data warehouse. Kemudian di Load, yaitu proses untuk memasukan data-data yang sudah ditransform ke dalam data warehouse untuk disimpan sebagai summary. 2.6.5. Dashboard Dashboard adalah komponen yang umumnya memiliki Performance Management Systems, Performance Measurement Systems, Business Process Management (BPM) suites, dan BI Platforms. Dashboard menyediakan tampilan visual dari informasi penting yang disatukan dan diatur dalam sebuah layar tunggal sehingga informasi dapat dipahami cukup dengan sekali lihat, serta mudah untuk dieksplorasi. Dashboard merupakan keturunan langsung dari Executive Information Systems (EIS) lama dan system Decision Support Systems (DSS), dengan meningkatkan fungsional dan penampilan. Karena mereka terhubung dengan sistem data yang kuat dan memanfaatkan Key Performance Indicators (KPI). Menurut (Few, 2006:33) ada tiga jenis dashboard, yaitu sebagai berikut: 1. TacticalDashboard Mengukur produktivitas jangka pendek dan efektivitas. Hasilnya sering digunakan oleh contributor individu. 2. OperationalDashboard Mengukur efektivitas jangka pendek dari fungsi bisnis yang spesifik padat atau level unit bisnis. Level dashboard ini dapat secara potensial dikembangkan untuk seorang knowledge worker atau local team manager. 3. StrategicDashboard Dibangun untuk level pengaturan kebijakan dari organisasi. Dashboard menampilkan metric yang menggambarkan strategi dan tujuan korporasi.
2.6.6. Metode Visualisasi Data Menurut Kirk (2012: 120), memilih metode visualisasi yang tepat merupakan hal yang sangat penting karena akan mempengaruhi definisi dari visual yang ditampilkan. Berikut adalah metode visualisasi data beserta fungsinya. Tabel 2. 2 Metode Visualisasi Data MetodeVisualisasi Bar Chart
Fungsi Digunakan untuk membandingkan data yang memiliki kategori
tertentu,
dapat
juga
digunakan
untuk
menampilkan data yang kontinu dan diskontinu. Pie Chart
Digunakan
untuk
memberikan
kategori,merepresentasikan
100%
rincian
nilai
darikuantitas
(jumlah dari nilai variable pada seluruh kategori), dan ukuran dari setiap potongan adalah prosentase dari total yang direpresentasikan oleh kategori yang ditunjukkan potongan. Piechart biasanya digunakan untuk mempresentasikan frekuensi. Line Chart
Digunakan untuk menampilkan informasi dalam rangkaian titik data yang dihubungkan dengan segmen garis
lurus.
Line
Chart
Digunakan
untuk
memvisualisasikan trens elama jangka waktu tertentu. Tabel
Digunakan untuk mempresentasikan data dalam baris dan
kolom
dengan
kategori
tertentu, sehingga
memudahkan dalam hal analisis. Tabel digunakan untuk menampilkan angka, tingkatan, proporsi,dan persentase kumulatif.
2.6.7. Waterfall Model Menurut (I Sommerville, 2011) terdapat 5 tahapan pada waterfall model, yaitu requirement analysis and definition, system and software design, implementation and unit testing, integration and system testing, dan operation and maintenance.
Gambar 2. 4Waterfall Model (I Sommerville, 2011)
1. Requirenment Analysis and Definition Merupakan tahapan penetapan fitur, kendala, serta tujuan sistem melalui proses wawancara yang dilakukan dengan pengguna sistem. Proses ini bertujuan untuk menentukan spesifikasi sistem yang akan dibangun. 2. Sytem and Software Design Tahapan ini merupakan tahapan pembentukan suatu arsitektur sistem berdasarkan yang telah ditentukan pada proses sebelumnya. Tahapan ini berfungsi sebagai gambaran abstraksi dasar sistem perangkat lunak dan hubungan-hubungannya.
3. Implementation and System Testing Pada tahapan ini dilakukan proses implementasi desain yang telah dibuat pada tahapan sebelumnya kedalam bentuk program dengan menggunakan bahasa pemrograman. Setiap unit akan dilakukan pengujian untuk memastikan semua fungsi dengan yang diharapkan. 4. Integration and System Testing Pada tahapan ini setiap unit program akan dilakukan pengintegrasian antara satu dengan yang lainnya, serta dilakukan proses ujicoba sebagai satu sistem yang utuh untuk memastikan sistem yang dibangun telah memenuhi persyaratan yang ada. 5. Operation and Maintenance Tahapan ini merupakan tahapan terakhir dimana pada tahapan ini dilakukan proses penggunaan sistem. Pada tahapan ini dapat dilakukan perbaikan apabila ada error ditemukan.
2.6.8. UML (Unified Modeling Language) (Booch, G, 199) UML adalah bahasa standar untuk menulis rancangan peranti lunak yang digunakan untuk memvisualisasikan, membuat spesifikasi, membangun
dan
mendokumentasikan
sistem
peranti
lunak.
Dengan
menggunakan model diharapkan pengembangan piranti lunak dapat memenuhi semua kebutuhan pengguna dengan lengkap dan tepat, Main concept sebagai term yang akan muncul pada saat kita membuat digaram UML di definiskan dalam beberapa diagram seperti: 1. Use Case Diagram Menurut teori Booch, use case diagram adalah kumpulan gambaran relasi antar use case dengan aktor, Diagram ini sangat penting untuk mengorganisai suatu sistem, use case diagram digunakan untuk melihat sudut pandang isstem secara statik
2. Class Diagram Class
Diagram
menampilkan
kumpulan
kelas-kelas,
antarmukan,
kolaborasi dan hubungan mereka. Diagram ini adalah yang paling umum ditemui pada pemodelan sistem berorientasi objek. 3. Sequence Diagram Sequence diagram adalah diagram interaksi yang menekankan pada pengiriman waktu pesan. Sequence diagram menunjukan sekumpulan objek dan pesan yang dikrim dan diterima oleh objeknya. Objek umumnya dinamai atau anonim dari kelasnya, tapi juga merepresentasikan contoh dari objek lainya. 4. Activity Diagram Activity diagram adalah diagram yang merupakan bentuk lain dari statechart diagram yang menunjukan aliran dari aktivitas ke aktivitas lainnya dalam sebuah sistem. Activity diagram menangani sudut pandang sistem secara dinamis, penting dalam pemodelan sistem dan menekankan pada kontrol aliran di antara objek. 5. Colaboration Diagram Colaboration diagram juga menggambarkan interaksi antar objek seperti sequence diagram, tetapi lebih menekankan pada peran masing-masing objek dan bukan pada waktu penyampaian pesan. Setiap pesan memiliki sequence number, dimana pesan dari level tertinggi memiliki nomor 1. 2.6.9. SQL (Strukutur Query Language) SQL adalah bahasa yang dirancang dengan penggunaan relasi untuk merubah masukan menjadi keluaran sesuai dengan kebutuhan. Sebagai sebuah bahasa standar internasional SQL menetapkan 2 komponen pokok yaitu: 1.
Data Definition Language (DDL) untuk mendefinisikan struktur
pada basis serta untuk melakukan akses kontrol terhadap data. 2.
Data Manipulating Language (DML) untuk mengembalikan dan memperbarui data
2.6.10 DBMS (Database Management System) Database Management System adalah perangkat lunak yang dapat memungkinkan pengguna untuk mendefinisikan, membuat, memlihara, dan mengontrol database (Connoly dan Begg, 2005k16) 2.6.11. PHP (PHP Hypertext Prepocessor) (A Saputra, 2011) yang dimaksud dengan PHP adalah suatu bahasa pemrograman yang berfungsi untuk membangun suatu website dinamis.PHP bersifat open source sehingga dapat dipakai secara cuma-cuma dan mampu berjalan pada sistem operasi windows maupun linux. Adapun keunggulan yang dimiliki PHP yaitu : 1. Mudah untuk dipelajari 2. PHP dapat diaplikasikan ke berbagai Operasi Sistem dan dapat di akses oleh banyak web browser 3. Memiliki tingkat akses yang cepat 4. Bersifat open source 5. Didukung oleh beberapa web server, seperti apache, IIS, lighttod, xitami. 6. Dapat mendukung database , baik yang gratis maupun yang berbayar, seperti MySQL, PostgreSQL, mSQL, Infomix,SQL Server, Oracle 2.6.12. Query Query adalah kemampuan untuk menampilkan suatu data dari database dimana data diambil dari tabel-tabel yang ada di dalam databse sesuai dengan kebutuhan. Bahasa query merupakan bahasa khusus yang digunakan untuk melakukan query pada basis data. Contoh penggunaan bahasa query adalah SELECT * FORM PENJUALAN WHERE KD_WAKTU=2. Query tersebut meminta untuk menampilkan semua record yang terdapat pada tabel service dengan KD_WAKTU=2. 2.6.13. High Chart High chart adalah sebuah charting library yang ditulis dengan menggunakan bahasa pemograman javascript .High chart menawarkan grafik yang interaktif yang dapat digunakan pada aplikasi berbasis web. Saat ini
highchart mendukung grafik tipe line, spline, area, arespline, column, bar, pie, dan scatter. Highchart dapat berjalan dihampir semua browser. 2.6.14. Pentaho Pentaho adalah sebuah nama perusahaan dan juga nama dari produk yang dimiliki oleh perusahaan tersebut. Pentaho merupakan sebuah perusahaan yang khusus membuat software untuk keperluan data warehouse (DWH) dan business intelligence (BI). Produk-produk yang ditawarkan dalam dua bentuk edisi, yaitu Enterprice Edition (EE) dan Community Edition (CE). Perbedaan produk EE dan CE terletak pada : 1. Produk EE memiliki fitur-fitur yang tidak disediakan para produk CE. Untuk menggunakan produk EE diharuskan membayar biaya berlangganan tahunan dan akan mendapatkan dukungan layanan langsung dari pentaho corporation. 2.
Produk CE bersifat gratis selama digunakan sesuai dengan
perjanjian lisensi yang telah disediakan, produk CE tidak mendapatkan dukungan dari pentaho corporation. 2.6.15. Pentaho Data Integration (PDI) Pada tahun 2001, matt casters membuat sebuah perangkat ETL yang diberi nama kettle yang merupakan singkatan dari KDE ETTL Environment, karena pada awalnya perangkat ini dituukan untuk dapat dijalankan di atas K Desktop Environmernt (KDE) linux. ETTL pada kettle merupakan singkatan dari Extraction, Transpormation,Transformation, dan Loading. Karena kettle memiliki beragam keunggulan disbanding perangkat ETL open source lainnya, pada april 2006, kode sumber kettle resmi diambil oleh pentaho. Oleh pentaho, kettle diberi namapentaho data integration (PDI). 2.6.16. Step Step merupakan blok bangunan inti dari transformation. Masing-masing step memiliki fungsi dan tugas tertentu, misalkan ada step yang berfungsi membaca file excel, ada step yang berfungsi untuk memilih field, ada step yang
berfungsi untuk melakukan proses insert/update data ke dalam database, dan lain sebagainta. Kettle memiliki ratusan step siap pakai, dalam spoon setiap step diawali oleh ikon-ikon unik. Antara step yang satu dengan step yang lainnya dihubungkan menggunakan transformation hop. 2.6.17. Black-box Tests Menurut Black (2007,45), behavioral atau black box tests merupakan pengujian mengenai apa yang dilakukan oleh sistem, terutama perlikaunya (behavior) dan masalah-masalah bisnis. Black box test dilakukan untuk mengidentifikasi bug yang terdapat pada hasil-hasil, pemrosesan dan perilaku dari sistem. Black box test biasanya dilakukan oleh tester. Sementara itu menurut Tian (2005, p74) menyebutkan bahwa Black-Box Testing atau disebut juga Functional Testing berfokus pada perilaku eksternal dari suatu software atau berbagai komponennya sambil memandang obyek yang diuji sebagai sebuah kotak hitam (black box) sehingga mencegah tester untuk melihat isi –isi di dalamnya.
