BAB IV PERANCANGAN DATA WAREHOUSE

BAB IV PERANCANGAN DATA WAREHOUSE 4.1 Arsitektur Data Warehouse Berdasarkan penelitian yang dilakukan pada PT. Makmur Pangan Kharisma, arsitektur data warehouse yang cocok digunakan adalah bentuk data warehouse yang terpusat (Centralized Data Warehouse). Data Warehouse ini dapat berguna sebagai database yang bertujuan untuk pembuatan laporan atau dasar dari sistem pengambilan keputusan. Data Warehouse ini letaknya terpisah dari database OLTP agar kinerja sistem operasional tidak menjadi berat atau terganggu. Berikut ini adalah beberapa alasan mengapa data warehouse terpusat cocok untuk PT.MPK : a. Arsitektur data warehouse terpusat merupakan bentuk yang paling umum digunakan oleh perusahaan-perusahaan yang sedang berkembang, dimana database berada di satu tempat terpusat. b. Pengawasan dan pemeliharaan data dalam aplikasi data warehouse menjadi lebih mudah. c. Rancangan data warehouse menjadi lebih mudah untuk dikembangkan dengan harga yang relatif murah jika dibandingkan dengan data warehouse terdistribusi. d. PT. MPK belum mempunyai cabang sehingga pusat kegiatan yang berhubungan dengan pengolahan data berada di satu tempat.

86

87

Karena pertimbangan-pertimbangan diatas maka kami mengusulkan arsitektur data warehouse terpusat. Berikut adalah gambaran dari arsitektur data warehouse PT. MPK :

Gambar 17 Arsitektur Data Warehouse PT. Makmur Pangan Kharisma Komponen-komponen yang terdapat pada data warehouse terpusat diusulkan antara lain : 1. Sumber Data (Data Source) Sumber data dari data warehouse berasal dari data-data yang terdapat pada tabel-tabel master dan transaksi database operasional. Data yang diambil

88

adalah data yang bersangkutan dengan proses pembelian, persediaan, dan penjualan. 2. Transformasi Data Sumber-sumber data yang bersangkutan dengan proses pembelian, persediaan dan penjualan akan diubah dengan proses transformasi ke dalam bentuk yang konsisten dan terintegrasi sehingga dapat menghasilkan data yang benar-benar akurat dan terpercaya. 3. Data Warehouse Komponen ini merupakan tempat dimana data yang telah tersaring dan telah ditransformasi dikumpulkan pada tempat tertentu untuk dipergunakan sebagai sumber penganalisaan laporan pembelian, persediaan barang dan penjualan oleh para top Manajemen perusahaan. 4. OLAP OLAP berfokus pada konsep multidimensional database, sehingga user dapat menganalisis data-data dari laporan pembelian, persediaan barang dan penjualan dari sudut pandang yang berbeda-beda. 5. User Director, Finance and Administration Manager, dan Warehouse Supervisor menggunakan dan mengakses data yang ada di dalam data warehouse melalui aplikasi yang dibuat. Aplikasi ini bertujuan untuk mempermudah dan juga mempercepat user untuk memperoleh data yang dibutuhkan untuk mengambil keputusan.

89

6. Front-End Tools Komponen ini adalah sebuah interface dimana interface ini yang menghubungkan

data

warehouse

dengan

user.

Dengan

interface,

memudahkan user untuk mengambil data dari data warehouse untuk dibuat menjadi sebuah laporan. 4.2 Perancangan Data Warehouse Metode Perancangan data warehouse yang digunakan didasarkan pada metodologi sembilan tahap (nine-step methodology) Ralph Kimball. 4.2.1 Memilih Proses (Choosing The Process) Berdasarkan pada ruang lingkup dan ketentuan yang diberikan oleh perusahaan maka beberapa proses yang akan digunakan dalam data warehouse antara lain adalah sebagai berikut : 1.

Pembelian Yang dimaksud dengan pembelian pada PT. Makmur Pangan Kharisma adalah pembelian bahan-bahan kimia dan makanan. Dokumen yang digunakan pada proses ini adalah Faktur Pembelian. Sedangkan data yang digunakan adalah Supplier, Barang, JenisBarang, Karyawan, Waktu, dan Negara.

2.

Persediaan Yang dimaksud dengan persediaan pada PT. Makmur Pangan Kharisma adalah persediaan bahan-bahan kimia dan makanan. Dokumen yang digunakan pada proses ini adalah Surat Masuk Barang (SMB) dan Surat

90

Keluar Barang (SKB). Sedangkan data yang digunakan adalah Barang, JenisBarang, Waktu. 3.

Penjualan Yang dimaksud dengan penjualan pada PT. Makmur Pangan Kharisma adalah penjualan langsung bahan-bahan kimia dan makanan. Dokumen yang digunakan pada proses ini adalah Faktur Penjualan. Sedangkan data yang digunakan adalah Customer, Barang, JenisBarang, Karyawan, Waktu dan Kota.

4.2.2 Memilih Grain (Choosing The Grain) Pemilihan grain pada perancangan data warehouse perusahaan mencakup : 1. Pembelian Analisis yang dapat dilakukan pada proses pembelian adalah barang yang paling banyak dibeli, jenis barang yang paling sering dibeli, supplier yang paling banyak membeli barang, jumlah pembelian barang, total pembelian sebelum pajak, total pembelian setelah pajak dan rata-rata pembelian yang dapat dilihat berdasarkan supplier, barang, jenisbarang, waktu, negara dan karyawan. 2. Persediaan Analisis yang dapat dilakukan pada proses persediaan adalah jumlah barang awal, jumlah barang keluar, dan jumlah barang masuk dan jumlah barang akhir berdasarkan barang, jenisbarang dan berdasarkan waktu.

91

3. Penjualan Analisis yang dapat dilakukan pada proses penjualan adalah barang yang paling banyak terjual, jenis barang yang paling banyak terjual, customer yang paling banyak membeli barang, kota asal customer yang paling banyak membeli, jumlah penjualan barang, total penjualan sebelum pajak, total penjualan setelah pajak, dan rata-rata penjualan yang dapat dilihat berdasarkan barang, jenisbarang, customer, waktu, karyawan dan kota. 4.2.3 Identifikasi dan membuat dimensi yang sesuai (Identifying and Conforming the dimensions) Dimensi yang dipilih adalah waktu, barang, jenisbarang, karyawan, supplier, negara, customer dan kota. Berikut adalah dimensi yang dipilih untuk masingmasing proses bisnis adalah : 1.

Pembelian Dimensi yang digunakan dalam analisis Pembelian adalah waktu, barang, jenisbarang, supplier, negara dan karyawan.

92

Karyawan

Negara

X

Jenis Barang yang paling sering dibeli

X

Supplier yang paling sering dibeli

X

Jumlah Beli Barang

X

X

X

X

X

X

Total Pembelian sebelum pajak

X

X

X

X

X

X

Total Pembelian setelah pajak

X

X

X

X

X

X

Rata-rata Pembelian

X

X

X

X

X

X

X X

Persediaan Dimensi yang digunakan dalam analisis persediaan adalah waktu, barang, dan jenisbarang.

Grain Jumlah Barang Awal

X

X

X

Jumlah Barang Masuk

X

X

X

Jumlah Barang Keluar

X

X

X

Jumlah Barang Akhir

X

X

X

Jenis

Dimensi

Barang

Barang

Tabel 32 Tabel Grain vs Dimensi pada analisis persediaan Waktu

2.

Supplier

X

Grain

Barang

Barang

Barang yang paling banyak dibeli

Dimensi

Jenis

Waktu

Tabel 31 Tabel Grain vs Dimensi pada analisis pembelian

93

3.

Penjualan Dimensi yang digunakan dalam analisis penjualan adalah waktu, barang, jenisbarang, customer, karyawan, dan kota.

Karyawan

Customer

X

X

Jenis Barang paling banyak dijual

X

Customer yang paling banyak membeli

X

Kota asal customer yang sering membeli

X

Jumlah Jual Barang

X

X

X

X

X

X

Total Penjualan sebelum pajak

X

X

X

X

X

X

Total Penjualan setelah pajak

X

X

X

X

X

X

Rata-rata Penjualan

X

X

X

X

X

X

Kota

Barang

Barang paling banyak dijual

Grain

Jenis

Waktu

Dimensi

Barang

Tabel 33 Tabel Grain vs Dimensi pada analisis penjualan

X X X

4.2.4 Memilih Fakta (Choosing The Facts) Berikut adalah fakta yang diperlukan oleh pengguna : 1) FaktaPembelian Fakta yang berkaitan dengan analisis pembelian adalah barang yang paling sering dibeli, jenis barang yang paling sering dibeli, supplier yang paling banyak dibeli, jumlah barang yang dibeli, total pembelian sebelum pajak, total pembelian setelah pajak dan rata-rata pembelian.

94

2) FaktaPersediaan Fakta yang berkaitan dengan analisis persediaan adalah jumlah barang awal, jumlah barang yang masuk, jumlah barang yang keluar, jumlah barang akhir. 3) FaktaPenjualan Fakta yang berkaitan dengan analisis penjualan adalah barang yang paling banyak terjual, jenis barang yang paling banyak terjual, customer yang paling banyak membeli, jumlah barang yang dijual, kota asal customer yang banyak melakukan penjualan, total penjualan sebelum pajak, total penjualan setelah pajak dan rata-rata penjualan. 4.2.5 Menentukan data pre-kalkulasi dari tabel Fakta (Storing pre-calculation in the fact table) Fakta-fakta hasil kalkulasi yang digunakan adalah sebagai berikut : 1) FaktaPembelian meliputi : - JumlahBeliBarang = SUM (Qty) - TotalPembelianSebelumPajak = SUM (Qty * HargaBeli) - TotalPembelianSetelahPajak = SUM ((PPN * (Qty * HargaBeli)) + (Qty * HargaBeli)) - RataRataPembelian = AVG ((PPN * (Qty * HargaBeli)) + (Qty * HargaBeli))

2) FaktaPersediaan meliputi : - JumlahBarangAwal = SUM (Jumlah_Awal) - JumlahBarangKeluar = SUM (Jumlah_Keluar)

95

- JumlahBarangMasuk = SUM (Jumlah_Masuk) - JumlahBarangAkhir = SUM (Jumlah_Sisa) 3) FaktaPenjualan meliputi : - JumlahJualBarang = SUM (Qty) - TotalPenjualanSebelumPajak = SUM (Qty * HargaJual) - TotalPenjualanSetelahPajak = SUM ((PPN *(Qty * HargaJual)) + (Qty * HargaJual)) - RataRataPenjualan = AVG ((PPN *(Qty * HargaJual)) + (Qty * HargaJual))

Berikut adalah tabel-tabel fakta yang digunakan : 1) FaktaPembelian Tabel 34 Tabel FaktaPembelian Atribut

Tipe Data

WaktuID

Int

BarangID

Int

JenisBarangID

Int

SupplierID

Int

KaryawanID

Int

NegaraID

Int

JumlahBeliBarang

Num

TotalPembelianSebelumPajak

Num

TotalPembelianSetelahPajak

Num

RataRataPembelian

Num

96

2) FaktaPersediaan Tabel 35 Tabel FaktaPersediaan Atribut

Tipe Data

WaktuID

Int

BarangID

Int

JenisBarangID

Int

JumlahBarangAwal

Int

JumlahBarangMasuk

Int

JumlahBarangKeluar

Int

JumlahBarangAkhir

Int

3) FaktaPenjualan Tabel 36 Tabel FaktaPenjualan Atribut

Tipe Data

WaktuID

Int

BarangID

Int

JenisBarangID

Int

CustomerID

Int

KaryawanID

Int

KotaID

Int

JumlahJualBarang

Num

TotalPenjualanSebelumPajak

Num

TotalPenjualanSetelahPajak

Num

RataRataPenjualan

Num

97

4.2.6 Melengkapi table dimensi (Rounding out the dimension Tabels) Berikut adalah tabel dimensi yang ada pada data warehouse : 1. DimensiWaktu Tabel 37 Tabel DimensiWaktu Atribut Tipe Data Constraint WaktuID

Int

Primary key

Bulan

Int

-

Kuartal

Int

-

Tahun

Int

-

2. DimensiBarang Tabel 38 Tabel DimensiBarang Atribut Tipe Data Constraint BarangID

Int

Primary key

KdBarang

Char (5)

Not null

NamaBarang

Varchar (30)

-

3. DimensiJenisBarang Tabel 39 Tabel DimensiJenisBarang Atribut Tipe Data Constraint BarangID

Int

Primary key

KdJenisBarang

Char (5)

Not null

JenisBarang

Varchar (20)

-

4. DimensiKaryawan Tabel 40 Tabel DimensiKaryawan Atribut Tipe Data Constraint KaryawanID

Int

Primary key

KdKaryawan

Char (5)

Not null

NamaKaryawan

Varchar (20)

Not null

JenisKelamin

Varchar(10)

-

98

5. DimensiSupplier Tabel 41 Tabel DimensiSupplier Atribut Tipe Data Constraint SupplierID

Int

Primary key

KdSupplier

Char (5)

Not null

NamaSupplier

Varchar (20)

-

Alamat

Varchar (30)

-

6. DimensiNegara Tabel 42 Tabel DimensiNegara Atribut Tipe Data Constraint NegaraID

Int

Primary key

KdNegara

Char (5)

Not null

NamaNegara

Varchar (20)

-

7. DimensiCustomer Tabel 43 Tabel DimensiCustomer Atribut Tipe Data Constraint CustomerID

Int

Primary key

KdCustomer

Char (5)

Not null

NamaCustomer

Varchar (20)

-

Alamat

Varchar (30)

-

8. DimensiKota Tabel 44 Tabel DimensiKota Atribut Tipe Data Constraint KotaID

Int

Primary key

KdKota

Char (5)

Not null

NamaKota

Varchar (20)

-

99

4.2.7 Memilih durasi dari basis data (Choosing the duration of the database) Berdasarkan kebutuhan PT. MPK, maka data yang akan dianalisis merupakan data dari Januari 2005 sampai dengan Desember 2009. Tabel 45 Durasi database untuk data warehouse PT. MPK Database

Database ada sejak tahun

Data yang masuk ke Data Warehouse

Data dalam Data Warehouse

MPK

2005

Januari 2005 – Desember 2009

5 Tahun

4.2.8 Melacak dimensi yang berubah secara perlahan (Tracking slowly changing dimension) Atribut dari tabel dimensi tidak selamanya memiliki nilai yang tetap atau bersifat relatif statis. Perubahan nilai atribut dalam dimensi dapat terjadi dalam waktu yang cukup lama. Oleh karena itu perlu dilakukan update jika perlu untuk menjaga kekonsistenan dan ke-akuratan data. Dimensi-dimensi yang ada kemungkinan berubah terdapat pada tabel di bawah ini : Tabel 46 Atribut yang mungkin berubah Nama Dimensi

Atribut yang mungkin berubah

DimensiSupplier

NamaSupplier

DimensiCustomer

NamaCustomer

Untuk mengatasi masalah ini, dipilih tipe kedua dari tiga tipe yang telah dijelaskan oleh Kimball dan Ross dalam rangka memantau perubahan yang terjadi dalam dimensi (Kimball dan Ross, 2002, p97). Tipe kedua ini adalah dimana atribut dimensi yang diubah menyebabkan record dimensi baru diciptakan dengan surrogate key yang berbeda. Berikut adalah contoh penerapannya :

100

Data pada DimensiSupplier sebelum berubah : SupplierID

KdSupplier

NamaSupplier

1

KU001

Capol GmbH

2

KU002

Cargill Incorporated

Data pada DimensiSupplier setelah terjadi perubahan nama pada Supplier dengan SupplierID 1: SupplierID

KdSupplier

NamaSupplier

1

KU001

Capol GmbH

2

KU002

Cargill Incorporated

3

KU001a

Calex GmbH

4.2.9 Menentukan prioritas dan mode dari query (Deciding the query priorities and the query modes) Dalam tahapan ini yang dilakukan adalah mempertimbangkan pengaruh pada perancangan fisikal, seperti keberadaan dari ringkasan (summaries) dan penjumlahan (aggregate). Selain itu, masalah ETL (Extract, Transformation, Loading), backup, dan keamanan (Security) yang memberikan batasan privilege kepada user juga merupakan faktor yang harus diperhatikan. Adapun analisis pengguna dari laporan atau kebutuhan informasi yang disediakan oleh data warehouse adalah sebagai berikut :

101

Tabel 47 Pengguna informasi Data Warehouse User Informasi Komisaris dan Director

- Informasi digunakan untuk menganalisis perencanaan pembukaan cabang baru perusahaan. - Informasi digunakan untuk menganalisis keuntungan dari perusahaan.

Finance dan Administration Manager

- Informasi digunakan untuk menganalisis pendapatan dari penjualan dan pengeluaran untuk pembelian perusahaan.

Warehouse Supervisor

- Informasi digunakan untuk menganalisis perencanaan pengadaan barang untuk persediaan di gudang.

4.3 Metadata Seperti yang dibahas sebelumnya pada landasan teori, metada bukanlah data fisik dari data maupun sekedar kamus data mengenai data yang ada pada data warehouse. Metadata merupakan ensiklopedi lengkap mengenai keberadaan data dan sumber daya informasi penghubung pada data warehouse. Metadata yang dibuat merupakan metadata setiap tabel yang ada pada data warehouse, mulai dari tabel fakta, dimensi, maupun logging. Metadata yang disajikan dilengkapi juga dengan nama asal tabel dan field pada database source hingga keterangan mengenai field bersangkutan. Metadata dari data warehouse yang dirancang adalah sebagai berikut :

102

103

104

105

106

107

108

109

4.4 Skema Bintang Dari perancangan data warehouse PT. Makmur Pangan Kharisma dihasilkan skema Bintang. Skema yang dihasilkan adalah sebagai berikut : 1. Skema Bintang Data Warehouse

Gambar 18 Skema Bintang Gabungan

110

2. Skema Bintang Fakta_Pembelian

Gambar 19 Skema Bintang Fakta_Pembelian

111

3. Skema Bintang Fakta_Persediaan

Gambar 20 Skema Bintang Fakta_Persediaan

112

4. Skema Bintang Fakta_Penjualan

Gambar 21 Skema Bintang Fakta_Penjualan 4.5 Pengimplementasian Data Warehouse 4.5.1 Menentukan Database Sumber dan Tujuan Data warehouse Database sumber dari data warehouse adalah database yang digunakan dalam operasi harian, yaitu database OLTP PT. Makmur Pangan Kharisma, dalam hal ini database dengan schema MPK. Dan Database tujuan adalah database baru yang dibuat untuk implementasi data warehouse. 4.5.2 Implementasi ETL (Extract, Transformation, Loading) Proses ETL akan dilakukan 6 Bulan sekali.

113

Tabel 59 Tabel Keterangan Proses ETL Pelaku ETL Proses Keterangan IT Manager

6 Bulan Sekali

Memilih dan mentransformasikan data operasional ke dalam data warehouse

4.5.2.1 Transformasi Data Proses transformasi data dimulai dari DimensiBarang, DimensiWaktu, DimensiJenisBarang,

DimensiKaryawan,

DimensiSupplier,

DimensiNegara,

DimensiKota, DimensiCustomer, FaktaPembelian, FaktaPersediaan, FaktaPenjualan yang dijabarkan sebagai berikut : a. Dimensi

114

115

Saat proses transformasi dijalankan :

Gambar 22 Proses Transformasi Dimensi

b. Dimensi Waktu

116

117


Gambar 23 Proses Transformasi Dimensi Waktu c. Fakta

118

119


Gambar 24 Proses Transformasi Fakta 4.5.3 Penerapan Data Warehouse Pada tahap ini akan dilakukan perancangan aplikasi desktop yang dapat digunakan oleh eksekutif perusahaan untuk melihat informasi yang terdapat dalam data warehouse. Aplikasi tersebut dirancang dengan menggunakan Microsoft Visual Studio 2008 dan komponen pendukung seperti Crystal Report. Penggunaan piranti lunak (software) untuk pembuatan aplikasi tersebut didasarkan pada pertimbangan faktor kemudahan user dalam menggunakan aplikasi serta tampilan yang bersifat user friendly. 4.5.4 Rencana Backup Backup akan dilakukan oleh bagian IT Manager. Backup pada data warehouse dilakukan setiap sebelum menjalankan proses ETL. Backup dilakukan untuk menanggulangi jika ada kegagalan dalam proses ETL. Backup dilakukan dengan disimpan ke media harddisk portable yang berbeda.

120

4.5.5 Analisis Kapasitas Media Penyimpanan Dalam pengolahan data, kapasitas media penyimpanan menjadi salah satu aspek yang perlu dipertimbangkan. Transaksi yang terjadi pada OLTP mempengaruhi pertumbuhan data secara terus menerus. Oleh karena itu, diperlukan analisis kapasitas media penyimpanan sehingga mampu menampung pertumbuhan data yang terus-menerus selama beberapa tahun ke depan. Rumus yang akan digunakan untuk perhitungan kebutuhan penyimpanan record dalam SQL Server 2008 (SQL Server Books Online) adalah : a. Num_Row = Jumlah Baris/Jumlah Record. b. Num_Col = Jumlah kolom dalam tabel. c. Fixed_Data_Sized = Jumlah bytes yang dibutuhkan oleh semua kolom yang mempunyai tipe data dengan ukuran pasti. d. Num_Variable_Cols = Jjumlah kolom yang mempunyai tipe data dengan ukuran tidak pasti seperti varchar, nvarchar, varbinary. e. Max_Var_Size = Ukuran byte terbesar dari semua kolom yang mempunyai tipe data dengan ukuran yang tidak pasti. f. Variable_Data_Size = Jumlah bytes yang dibutuhkan untuk semua kolom variable = 2 + (Num_Variable_Cols x 2) + Max_Var_Size. g. Null_Bitmap = Bit status null kolom = 2 + ((Num_Col + 7) / 8). h. Row_Size = Fixed_Data_Size + Variable_Data_Size + Null_Bitmap + 4 Nilai 4 merepresentasikan data row header i. Rows_per_Page = 8096 / (Row_Size + 2). j. Num_of_Pages = Num_Row / Rows_per_Page.

121

k. Num_of_Bytes = 8192 x Num_of_Pages. l. Num_of_Kbytes = 8192 / 1024 x Num_of_Pages = 8 x Num_of_Pages. Analisis perkiraan kapasitas media penyimpanan data pada data warehouse PT. MPK untuk perhitungan fakta adalah sebagai berikut : Rn = R x (n + (1 + i)n)

n = Tahun keR = Jumlah Record i = Presentase pertumbuhan record per Tahun Perhitungan untuk dimensi yang mengalami pertumbuhan data adalah sebagai berikut : Rn = R x (1 + i)n n = Tahun keR = Jumlah Record i = Presentase pertumbuhan record per Tahun Berikut adalah analisis perkiraan kapasitas media penyimpanan untuk 5 Tahun mendatang dengan asumsi presentase pertumbuhan sebesar 10% per Tahun. 1.

Fakta Pembelian Asumsi : Jumlah transaksi dalam 1 Bulan = 120 x 20 = 2400 transaksi Jumlah record dalam satu transaksi sekitar 3 record Jumlah record dalam 1 Bulan = 2400 x 3 = 7200 Jumlah record dalam 1 Tahun = 7200 x 12 = 86400

122

Maka dapat dihitung jumlah record sampai tahun ke-5 yaitu : R5 = 86400 x (5 + (1 + 0.1)5) = 571149 Jumlah record FaktaPembelian pada tahun ke-5 adalah 571149 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah :

2.

•

Num_Row = 571149 rows

•

Num_Col = 10 columns

•

Fixed_Data_Sized = 4+4+4+4+4+4+4+15+15+15 = 73 bytes

•

Num_Variable_Cols = 0

•

Null_Bitmap = Bit status null kolom = 2 + ((10 + 7) / 8) = 4.125

•

Row_Size = 73 + 4.125 + 4 = 81.125 bytes

•

Rows_per_Page = 8096 / (81.125 + 2) = 98 rows

•

Num_of_Pages = 571149/98 = 5828 pages

•

Num_of_Bytes = 8192 x 5828 = 47742976 bytes

•

Num_of_Kbytes = 8 x 5828 = 46624 Kbytes = 45.53 Mbytes

Fakta Persediaan Asumsi : Jumlah transaksi dalam 1 Bulan = 300 x 20 = 6000 transaksi Jumlah record dalam satu transaksi sekitar 3 record Jumlah record dalam 1 Bulan = 6000 x 3 = 18000 Jumlah record dalam 1 Tahun = 18000 x 12 = 216000 Maka dapat dihitung jumlah record sampai tahun ke-5 yaitu :

123

R5 = 216000 x (5 + (1 + 0.1)5) = 1427870 Jumlah record FaktaPembelian pada tahun ke-5 adalah 1427870 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : • Num_Row = 1427870 rows • Num_Col = 7 columns • Fixed_Data_Sized = 4+4+4+15+15+15+15 = 72 bytes • Num_Variable_Cols = 0 • Null_Bitmap = Bit status null kolom = 2 + ((7 + 7) / 8) = 3.75 • Row_Size = 72 + 3.75 + 4 = 79.75 bytes • Rows_per_Page = 8096 / (79.75 + 2) = 99 rows • Num_of_Pages = 1427870/99 = 14423 pages • Num_of_Bytes = 8192 x 14423 = 118153216 bytes • Num_of_Kbytes = 8 x 14423 = 115384 Kbytes = 112.68 Mbytes 3.

Fakta Penjualan Jumlah transaksi dalam 1 Bulan = 180 x 20 = 3600 transaksi Jumlah record dalam satu transaksi sekitar 3 record Jumlah record dalam 1 Bulan = 3600 x 3 = 10800 Jumlah record dalam 1 Tahun = 10800 x 12 = 129600 Maka dapat dihitung jumlah record sampai tahun ke-5 yaitu : R5 = 129600 x (5 + (1 + 0.1)5) = 856722

124

Jumlah record FaktaPembelian pada tahun ke-5 adalah 856722 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah :

4.

•

Num_Row = 856722 rows

•

Num_Col = 10 columns

•

Fixed_Data_Sized = 4+4+4+4+4+4+4+15+15+15 = 73 bytes

•


•


•

Row_Size = 73 + 4.125 + 4 = 81.125 bytes

•


•


•


•

Num_of_Kbytes = 8 x 8742 = 69936 Kbytes = 68.30 Mbytes

Dimensi Waktu •

Num_Row = 1825 rows

•

Num_Col = 4 columns

•

Fixed_Data_Sized = 4+4+4+4= 16 bytes

•


•


•

Row_Size = 16 + 3.375 + 4 = 23.375 bytes

•


•


125

5.

•


•

Num_of_Kbytes = 8 x 5 = 40 Kbytes

Dimensi Barang Jumlah Barang saat ini = 294 R5 = 294 x (1 + 0.1)5) = 474 Jumlah record DimensiBarang pada tahun ke-5 adalah 474. Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : •

Num_Row = 474 rows

•

Num_Col = 3 columns

•

Fixed_Data_Sized = 4+5 = 9 bytes

•


•

Max_Var_Size = 30

•

Variable_Data_Size = Jumlah bytes yang dibutuhkan untuk semua kolom variable = 2 + (1 x 2) + 30 = 34

6.

•


•

Row_Size = 9 + 34 + 2.5 + 4 = 49.5 bytes

•


•


•


•

Num_of_Kbytes = 8 x 5 = 24 Kbytes

Dimensi JenisBarang Jumlah record DimensiJenisBarang pada tahun ke-5 adalah 2.

126

Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : •

Num_Row = 2 rows

•

Num_Col = 3 columns

•


•


•

Max_Var_Size = 20

•


7.

•


•

Row_Size = 9 + 24 + 2.5 + 4 = 39.5 bytes

•


•

Num_of_Pages = 2/195 = 0.01 pages

•

Num_of_Bytes = 8192 x 0.01 = 81.92 bytes

•

Num_of_Kbytes = 8 x 0.01 = 0.08 Kbytes

Dimensi Karyawan Jumlah Karyawan saat ini = 376 R5 = 376 x (1 + 0.1)5) = 606 Jumlah record DimensiKaryawan pada tahun ke-5 adalah 606. Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : •

Num_Row = 606 rows

•

Num_Col = 4 columns

127

•


•


•

Max_Var_Size = 20 + 10 = 30

•


8.

•


•

Row_Size = 9 + 36 + 3.375 + 4 = 52.375 bytes

•


•


•


•


Dimensi Supplier Jumlah Supplier saat ini = 108 R5 = 108 x (1 + 0.1)5) = 174 Jumlah record DimensiSupplier pada tahun ke-5 adalah 174. Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : •

Num_Row = 174 rows

•

Num_Col = 4 columns

•


•


•

Max_Var_Size = 20 + 30 = 50

128

•


9.

•


•

Row_Size = 9 + 56 + 3.375 + 4 = 72.375 bytes

•


•


•


•


Dimensi Negara Jumlah Negara saat ini = 10 R5 = 10 x (1 + 0.1)5) = 16 Jumlah record DimensiNegara pada tahun ke-5 adalah 16. Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : •

Num_Row = 16 rows

•

Num_Col = 3 columns

•


•


•

Max_Var_Size = 20

•


•


•

Row_Size = 9 + 24 + 2.5 + 4 = 39.5 bytes

129

•


•


•


•


10. Dimensi Customer Jumlah Customer saat ini = 502 R5 = 502 x (1 + 0.1)5) = 809 Jumlah record DimensiCustomer pada tahun ke-5 adalah 809. Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : •

Num_Row = 809 rows

•

Num_Col = 4 columns

•


•


•

Max_Var_Size = 20 + 30 = 50

•


•


•

Row_Size = 9 + 56 + 3.375 + 4 = 72.375 bytes

•


•


•


130

•


11. Dimensi Kota Jumlah Kota saat ini = 25 R5 = 25 x (1 + 0.1)5) = 40 Jumlah record DimensiKota pada tahun ke-5 adalah 40. Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : •

Num_Row = 40 rows

•

Num_Col = 3 columns

•


•


•

Max_Var_Size = 20

•


•


•

Row_Size = 9 + 24 + 2.5 + 4 = 39.5 bytes

•


•


•


•


131

Tabel 60 Hasil Analisis Perkiraan Kapasitas Media Penyimpanan lima (5) tahun kedepan Nama Tabel Besar Jumlah Jumlah record Jumlah Record Current 5 tahun (Kbytes) (Bytes) Record mendatang DimensiWaktu

23.375

-

1825

40

DimensiBarang

49.5

294

474

24

DimensiJenisBarang

39.5

2

2

0.08

DimensiKaryawan

52.375

376

606

32.56

DimensiSupplier

72.375

108

174

12.8

DimensiNegara

39.5

10

16

0.64

72.375

502

809

59.36

39.5

25

40

1.68

FaktaPembelian

81.125

86400

571149

46624

FaktaPersediaan

79.75

216000

1427870

115384

FaktaPenjualan

81.125

129600

856722

69936

Total :

232115.04

DimensiCustomer DimensiKota

4.6 Perancangan Layar Aplikasi 1. Layar Login Pada Rancangan layar login, user akan diminta untuk memasukkan inputan berupa username dan password. Tombol login digunakan untuk verifikasi username dan password. Bila user memasukkan username dan password dengan benar, maka user akan dialihkan ke halaman menu.

132

Logo PT. Makmur Pangan Kharisma Username : Password : Login

Gambar 25 Rancangan Layar Halaman Login Jika user tidak memasukkan username, maka muncul pesan sebagai berikut :

Logo PT. Makmur Pangan Kharisma

Please fill your Username!

Gambar 26 Rancangan Layar Halaman Login dengan username kosong Jika user tidak memasukkan password, maka muncul pesan sebagai berikut :


Please fill your Password!

Gambar 27 Rancangan Layar Halaman Login dengan password kosong

133

Jika user salah memasukkan username dan password, maka muncul pesan sebagai berikut :


Username or Password is incorrect!

Gambar 28 Rancangan Layar Halaman Login dengan username yang salah

134

2. Layar Menu Utama Pada layar ini terdapat empat (4) menu utama yaitu Menu, Pivot, Report dan Windows.

Logo PT. Makmur Pangan Kharisma Menu

Pivot

Report

Change Password Logout

Pembelian

Pembelian

Persediaan

Persediaan

Penjualan

Penjualan

Windows

Gambar 29 Rancangan Layar Halaman Menu Utama Pada Halaman ini, user dapat mengubah password dengan memasukkan username, password lama, password baru, dan verifikasi password baru.

Logo PT. Makmur Pangan Kharisma Change Password

Username : Old Password : New Password: Verify New Password : OK

Cancel

Gambar 30 Rancangan Layar Halaman Change Password

135

Pada halaman ini ditampilkan pivot pembelian, persediaan, dan penjualan. User dapat menampilkan informasi yang diinginkan dalam bentuk tampilan multidimensional.

Logo PT. Makmur Pangan Kharisma Pivot Pembelian

Analisis : Select one

Bulan :

Tahun :

Group By : Select one

Select one

Select one

Kuartal :

Select one

View

Content of Pivot

Gambar 31 Rancangan Layar Halaman Pivot Pembelian

Logo PT. Makmur Pangan Kharisma Pivot Persediaan


Bulan :

Tahun :


Select one

Select one

Kuartal :

Select one

View

Content of Pivot

Gambar 32 Rancangan Layar Halaman Pivot Persediaan

136

Logo PT. Makmur Pangan Kharisma Pivot Penjualan


Bulan :

Tahun :


Select one

Select one

Kuartal :

Select one

View

Content of Pivot

Gambar 33 Rancangan Layar Halaman Pivot Penjualan Pada halaman ini akan ditampilkan report mengenai pembelian, persediaan dan penjualan. User dapat menampilkan informasi yang diinginkan dengan memilih pengelompokkan informasi tersebut berdasarkan parameter Bulan, Kuartal dan Tahun. User juga dapat menampilkan grafik dalam bentuk Pie, Bar, atau Line.

Logo PT. Makmur Pangan Kharisma Report Pembelian


Bulan :

Tahun :


Select one

Chart Type :

Pie

Bar

Select one

Line

Kuartal :

Select one

View

Content of Report

Gambar 34 Rancangan Layar Halaman Report Pembelian

137

Logo PT. Makmur Pangan Kharisma Report Persediaan


Bulan :

Tahun :


Select one

Chart Type :

Pie

Bar

Select one

Line

Kuartal :

Select one

View

Content of Report

Gambar 35 Rancangan Layar Halaman Report Persediaan

Logo PT. Makmur Pangan Kharisma Report Penjualan


Bulan :

Tahun :


Select one

Chart Type :

Pie

Bar

Select one

Line

Kuartal :

Select one

View

Content of Report

Gambar 36 Rancangan Layar Halaman Report Penjualan

138

4.7 Kebutuhan Sumber Daya Dalam mendukung perancangan aplikasi data warehouse ini, aspek yang harus diperhatikan adalah sumber daya pendukung berupa piranti lunak (Software) dan perangkat keras (Hardware). Untuk senantiasa menjaga dan meningkatkan performansi dari data warehouse dan aplikasi yang telah dirancang, secara berkesinambungan perlu dilakukan peningkatan mutu dan spesifikasi dari perangkat keras (Hardware). Berikut diuraikan kebutuhan yang diperlukan baik dari segi teknologi maupun personil yang dianggap memegang peranan penting. 4.7.1 Kebutuhan Spesifikasi Perangkat Keras (Hardware) Beberapa perangkat keras yang digunakan dalam pengimplementasian sistem antara lain server, dengan pertimbangan tingkat penanganan query dalam jumlah yang besar yang akan dilakukan terhadap data warehouse. Disini spesifikasi dari server sangat menentukan tingkat performansi dari data warehouse. Perangkat keras yang disarankan untuk digunakan dalam pengimplementasian data warehouse agar tingkat optimalisasi performance dapat dicapai antara lain : a.

Server dengan spesifikasi : 1. Intel Pentium Core 2 Duo processor 2.40 GHz 2. Memori 4 GB 3. Hard Disk 250 GB

b.

Client dengan spesifikasi : 1. Processor Intel Pentium Dual Core processor 1.80 GHz 2. Memori 1 GB 3. Hard Disk 40 GB

139

4.7.2 Kebutuhan Spesifikasi Perangkat Lunak (Software) Piranti lunak yang digunakan sebagai back end tool dari aplikasi data warehouse menggunakan. Berikut ini adalah piranti lunak yang disarankan dalam penggunaan aplikasi data warehouse pada PT. Makmur Pangan Kharisma : a.

Server 1. Windows Server 2003 2. Microsoft SQL Server 2008

b.

Client 1. Microsoft Windows 7 2. Visual Basic 2008 3. Crystal Report

4.7.3 Kebutuhan Sumber Daya Manusia (SDM) Untuk pengembangan aplikasi dan pemeliharaannya, diperlukan seorang Database administrator (DBA) untuk melakukan maintenance dari data warehouse yang merupakan fondasi utama dari aplikasi yang telah dirancang. 4.8 Jadwal Implementasi Sistem pada PT. Makmur Pangan Kharisma Implementasi data warehouse diawali dengan instalasi software dan aplikasi yang dibutuhkan untuk pengimplementasian sistem baru pada hardware yang sudah terinstalasi. Setelah itu dilakukan proses konversi data operasional perusahaan dengan proses data transformation service (ETL). Setelah proses tersebut selesai, maka akan dilakukan uji coba sistem awal. Selanjutnya berfokus kepada pelatihan user, hal ini dimaksudkan agar user dapat memahami system yang akan diterapkan.

140

Berikut jadwal rencana kegiatan yang dilakukan dalam perencanaan implementasi sistem data warehouse yang telah dirancang :

No.

Tabel 61 Jadwal Rencana Kegiatan Implementasi Rencana Kegiatan Minggu 6

1. 2. 3.

Install dan Setup Data Warehouse ETL (Extract, Transformation, Loading) Uji coba sistem Aplikasi

4. 5.

Pelatihan User Evaluasi

7

8

9

10

11

12

4.9 Layar Tampilan Informasi dan Analisis Informasi yang dibutuhkan Pada layar Login, user akan memasukkan Username dan Password. Tombol Login akan digunakan untuk mem-verifikasi Username dan Password. Tampilan layar halaman Login adalah sebagai berikut :

Gambar 37 Tampilan layar Halaman Login

13

141

Jika user tidak memasukkan username, maka akan muncul error message box :

Gambar 38 Tampilan layar Halaman Warning_Username_Null Jika user tidak memasukkan password, maka akan muncul error message box :

Gambar 39 Tampilan layar Halaman Warning_Password_Null

142

Jika user salah memasukkan username dan password, maka akan muncul error message box :

Gambar 40 Tampilan layar Halaman Warning_Username_Wrong Jika user sudah melakukan login dengan username dan password yang cocok, maka akan masuk menuju ke halaman Menu Utama. Di dalamnya terdapat Menu bar yang terdiri dari File, Pivot, Report, Windows, dan About.

Gambar 41 Tampilan layar halaman Menu Utama

143

Pada menu ‘File’ terdapat submenu Change Password yang apabila ditekan maka windows akan berpindah menuju ke tampilan form untuk mengubah password, submenu logout yang apabila ditekan maka user akan keluar dari system dan windows akan berpindah menuju ke Layar Login dan submenu Exit yang apabila ditekan maka akan mengeluarkan user dari system.

Gambar 42 Tampilan layar halaman Menu_File Pada halaman change password ini, maka user dapat mengubah password dengan memasukkan username, password lama, password baru, dan verifikasi password baru. Tampilan halaman dari change password adalah sebagai berikut :

Gambar 43 Tampilan layar halaman Change Password

144

Apabila user salah memasukkan password lama, maka akan muncul error message box sebagai berikut :

Gambar 44 Tampilan layar halaman Change Password_WarningOldPass

Gambar 45 Tampilan layar halaman Change Password_Success

145

Pada menu ‘Pivot’ terdapat submenu Pembelian, Persediaan dan Penjualan.

Gambar 46 Tampilan layar halaman Menu_Pivot Pada halaman pivot pembelian ini user dapat menampilkan informasi yang diinginkan dalam bentuk tampilan multidimensional. User dapat menentukan analisis, bulan, kuartal, tahun, group by yang ingin ditampilkan. Juga terdapat tombol view yaitu untuk menampilkan pivot yang telah ditentukan oleh user. Tampilan layar halaman Pivot Pembelian sebagai berikut :

Gambar 47 Tampilan layar halaman Pivot Pembelian

146

Gambar 48 Tampilan layar halaman View_Pivot_Pembelian Begitu juga pada halaman pivot persediaan. Tampilan layar halaman Pivot Persediaan sebagai berikut :

Gambar 49 Tampilan layar halaman Pivot Persediaan

Gambar 50 Tampilan layar halaman View_Pivot_Persediaan

147

Begitu juga pada halaman pivot penjualan. Tampilan layar halaman Pivot Penjualan sebagai berikut :

Gambar 51 Tampilan layar halaman Pivot Penjualan

Gambar 52 Tampilan layar halaman View_Pivot_Penjualan

148

Pada menu ‘Report’ terdapat submenu Pembelian, Persediaan dan Penjualan.

Gambar 53 Tampilan layar halaman Menu_Report Pada halaman report pembelian ini user dapat menampilkan informasi dalam bentuk grafik/chart sesuai keinginan masing-masing user. User dapat menentukan analisis, bulan, kuartal, tahun, group by dan bentuk grafik/chart yang ingin ditampilkan. Juga terdapat tombol view yaitu untuk menampilkan report yang telah ditentukan oleh user. Tampilan layar halaman Report Pembelian sebagai berikut :

Gambar 54 Tampilan layar halaman Report Pembelian

149

Gambar 55 Tampilan layar halaman View_Report_Pembelian Begitu juga pada halaman report persediaan. Tampilan layar halaman Report Persediaan sebagai berikut :

Gambar 56 Tampilan layar halaman Report Persediaan

150

Gambar 57 Tampilan layar halaman View_Report_Persediaan Begitu juga pada halaman report penjualan. Tampilan layar halaman Report Penjualan sebagai berikut :

Gambar 58 Tampilan layar halaman Report Penjualan

151

Gambar 59 Tampilan layar halaman View_Report_Penjualan

152

Pada menu ‘Windows’ terdapat submenu Cascade, Tile Horizontal dan Tile Vertical. Submenu Cascade untuk menampilkan semua windows yang terbuka, Submenu Tile Horizontal untuk mengatur windows-windows secara horizontal, Submenu Tile Vertical untuk mengatur windows-windows secara vertical dan Submenu Close all untuk menutup semua windows yang terbuka.

Gambar 60 Tampilan layar halaman Menu_Windows

Gambar 61 Tampilan layar halaman Menu_Windows_Cascade

153

Gambar 62 Tampilan layar halaman Menu_Windows_TileHorizontal

Gambar 63 Tampilan layar halaman Menu_Windows_TileVertical

4.10 Evaluasi Sistem Setelah perancangan dan implementasi aplikasi data warehouse pada PT. MPK dilaksanakan maka dapat diperoleh hasil evaluasi dari aplikasi ini yang

154

dilakukan secara langsung kepada user, dengan cara memperhatikan bagaimana aplikasi ini dapat membantu user di dalam menyediakan informasi yang dibutuhkan oleh perusahaan seperti mengetahui total penjualan barang tertinggi di kota mana dalam kurun waktu yang lebih singkat dibandingkan dengan sebelumnya. Adapun aspek-aspek aplikasi yang di-evaluasi meliputi kemudahan penggunaan aplikasi sistem yang diterapkan, kelengkapan data, tampilan laporan dalam aplikasi dan keakuratan data yang dihasilkan. Bagian yang melakukan evaluasi terhadap aplikasi ini adalah bagian IT Manager. Setelah melakukan evaluasi terhadap aplikasi yang diusulkan, maka kesimpulan yang didapat dari wawancara evaluasi berlangsung yaitu : •

Keakuratan data yang dihasilkan oleh laporan sudah benar dan lengkap. Hal ini dapat dibandingkan dengan kurangnya keakuratan data yang ada sebelumnya karena tidak adanya proses ETL yang menjamin integritas data dan konsistensi data.

•

Terdapatnya fitur chart/grafik dalam report yang memudahkan user dalam melakukan penganalisa-an data yang ada pada data warehouse dan lebih cepat dalam mengambil keputusan.

•

Kemudian dari sisi kemudahan penggunaan aplikasi, dapat dirasakan kemudahan dalam penggunaan aplikasinya, karena user hanya perlu menentukan data apa yang ingin dilihat dan dimensi apa saja yang dibutuhkan.

BAB IV PERANCANGAN DATA WAREHOUSE

Recommend Documents