7
BAB 2 LANDASAN TEORI
2.1
Pengertian Database Menurut W.H Inmon (2002, p3), database didefinisikan sebagai suatu
koleksi dari penyimpanan data yang terhubung yang sering digunakan dan mengurangi redudansi-perulangan- menurut skemanya. Sebuah database dapat digunakan pada aplikasi tunggal atau jamak. Sesungguhnya data warehouse adalah suatu bentuk dari database, namun data warehouse memiliki sifat interaktif dalam akses informasi dengan waktu respon yang tinggi. Dengan demikian data warehouse berbeda dengan database karena database digunakan pada proses operasional transaksasi bisnis dan data warehouse fokus kepada proses analisis dan pengambilan keputusan bagi eksekutif.
2.2
Pengertian OLTP OLTP (On-Line Transaction Processing) menggambarkan kebutuhan sistem
dalam ruang lingkup operasional dan merupakan proses yang mendukung operasi bisnis sehari-hari. OLTP dirancang untuk memungkinkan terjadinya pengaksesan secara bersamaan oleh beberapa user terhadap sumber data yang sama dan mengatur proses yang diperlukan (Veiera, Professional SQL Server 7.0 Programming, 1999, p 680).
8
Sesuai dengan namanya OLTP mengizinkan transaksi untuk mengakses langsung ke database. Transaksi yang dilakukan termasuk operasi insert, update, dan delete. Database OLTP biasanya bersifat relasional dan dalam bentuk normal ketiga. Dan yang terpenting, database OLTP dibangun untuk mampu menangani banyak transaksi dengan performa tinggi. (Veiera, Professional SQL Server 7.0 Programming, 1999, p 682).
2.3
Pengertian Data Warehouse Data Warehouse ikut berperan dalam pengambilan keputusan database.
Karena banyak organisasi kurang dapat menggunakan Operational database dalam mendukung secara langsung pengambilan keputusan, maka terbentuklah data warehouse. Berikut ini adalah beberapa definisi dari Data Warehouse yang telah kami kumpulkan dari beberapa sumber pustaka. 1. Menurut Inmon dan Hackathorn (1994, p2) Data warehouse merupakan sebuah kumpulan data yang bersifat subject oriented, integrated, time variant, dan non volatile yang dapat mendukung proses pembuatan keputusan manajemen. 2. Menurut Vidette Poe (1996, p6). Data warehouse adalah merupakan data yang bersifat analisis dan hanya dapat dibaca saja yang digunakan sebagai dasar dari sistem penunjang keputusan.
9
3. Data warehouse adalah suatu database pusat dimana seluruh pusat data perusahaan dikumpulkan untuk menunjang keputusan bagi setiap departemen dalam perusahaan tersebut. Dari definisi-definisi diatas dapat ditarik suatu kesimpulan yaitu data warehouse adalah suatu database yang saling terhubung yang digunakan untuk query dan analisis yang memiliki sifat subject oriented (berorientasi subyek), integrated (saling terpadu), nonvolatile (tidak dapat berubah), dan time variant (memiliki variasi waktu) bagi para pengambil keputusan yaitu eksekutif perusahaan. Data-data dari operational database dan external source diekstrak, disaring, disummary dan kemudian diload ke data warehouse. Karena data warehouse mengandung data-data historis, maka seringkali aktivitasnya meliputi pengambilan kembali data-data yang telah benar-benar di summarized.Data warehouse berguna untuk mempermudah membuat aplikasi bagi DSS (Decision Support System) dan EIS (Executive Information System)
2.4
Data Warehouse versus OLTP Database yang disediakan pada lingkungan data warehouse berbeda dengan
database pada lingkungan operasional yang mendukung OLTP (Online Transaction Processing). Perbedaan itu adalah bahwa database pada data warehouse adalah database analasis, sedangkan database pada lingkungan operasional yang mendukung OLTP (Online Transaction Processing) adalah database operasional. OLTP dirancang untuk menangkap informasi dan memutakhirkan isi data dengan sangat cepat.
10
Karakteristik OLTP (Poe,1996,p119) : •
Rata-rata transaksi adalah tinggi.
•
Pemutakhiran data secara teratur setiap kali terjadi perubahan.
•
Tidak terjadi redudansi perulangan untuk menjaga integritas data.
Tabel
OLTP
Data Warehouse
Menjalankan operasi
Mengambil dan menganalisis
sehari-hari
informasi
Manajemen Database
RDBMS
RDBMS
Metode Pemodelan data
Normalisasi
Skema bintang/multidimensi
Akses
SQL
SQL ditambah dengan kemampuan
Tujuan
menganalisis data Kegunaan data
Digunakan untuk menjalankan
Digunakan untuk menganalisis
kegiatan bisnis harian
dan mengamati strategi bisnis
Tabel 2.1 Perbandingan Data Warehouse dengan OLTP
2.5
Karakteristik Data Warehouse Karakteristik Data Warehouse menurut Inmon dan Hackathorn(1994,p2)
adalah sebagai berikut: •
Subject oriented (berorientasi subjek)
•
Time variant (variasi waktu)
•
Integrated (saling terintegrasi)
•
Nonvolatile (tidak dapat berubah)
2.5.1
Subject Oriented
11
Karakteristik pertama dari Data Warehouse yaitu berorientasi pada subyeksubyek utama dari perusahaan. Sebaliknya, OLTP berorientasi pada proses / fungsi. Contohnya, dalam dunia perbankan Data Warehouse akan berorientasi pada subyek utama antara lain customer, vendor, dan product. Sedangkan OLTP berorientasi pada proses / fungsinya, antara lain tabungan, peminjaman, dan kartu kredit.
2.5.2
Time Variant Data dalam data warehouse berhubungan dengan suatu titik atau point
dalam suatu periode waktu(semester, tahun fiscal atau periode pembayaran). Dengan demikian data dalam data warehouse akurat selama periode waktu tertentu. Sehingga dikatakan memiliki rentang waktu(time variance). Data warehouse juga memiliki tempat untuk penyimpanan data untuk 10 tahun yang lalu atau lebih lama lagi. Yang mungkin nanti akan dapat digunakan untuk perbandingan trend dan forecasting
2.5.3
Integrated Adanya konsolidasi dari aplikasi oriented data system yang berbeda yaitu
data dalam warehouse disimpan dalam suatu format yang konsisten ( seperti penamaan variabel, ukuran ukuran serta atribut fisik ). Misalnya dalam aplikasi pengkodean Data warehouse akan sangat berhasil apabila mampu untuk kombinasikan data dari banyak system operasi dan hal itu merupakan suatu yang sangat efektif.
12
Salah satu alasan utama dalam menyatukan data adalah kemampuannya untuk melakukan referensi silang antara aplikasi. Kemampuan untuk menyajikan dan mengerti korelasi antara aktifitas dari grup organisasi yang berbeda dalam suatu perusahaan merupakan suatu fasilitas yang terbaik yang dapat dilakukan oleh data warehouse. Data warehouse tidak hanya melayani penyatuan data diaplikasi sekarang, tetapi memiliki kemampuan untuk menyatukan data dari beberapa versi aplikasi yang telah digunakan sebelumnya Konsistensi yang ditunjukkan oleh data warehouse dapat dilihat pada : •
Encoding (pengkodean) Sebagai contoh, software developer harus memberi kode “m” untuk jenis kelamin pria, “f” untuk jenis kelamin wanita. Dapat juga memberi kode “1” atau “male” untuk pria serta “0” atau “female” untuk wanita.
•
Attribute measurement (pengukuran atribut) Sebagai contoh, ada beberapa satuan ukuran yang digunakan untuk satuan panjang dalam database seperti cm, inchi, meter, dan yard. Dengan karakteristik integrasi data, maka ukuran tersebut harus konsisten seperti menetapkan ukuran satuan panjang yaitu cm.
•
Multiple source (banyak sumber) Dalam database ada kemungkinan banyaknya deskripsi dari suatu informasi, namun dengan prinsip integrasi data, seluruh informasi tersebut harus memiliki kesamaan deskripsi yang konsisten.
•
Conflicting Keys (Kunci yang berbeda)
13
Sebagai contoh, dalam database ada beberapa tipe data yang berbeda dalam field yang sama seperti field kode barang dalam tabel penjualan memiliki tipe data character (char) dengan field size 10 sedangkan dalam tabel lain berbeda, misal char (12). Semua perbedaan itu harus diintegrasikan menjadi satu tipe data yaitu char dengan ukuran 12.
P r o v id e s c o m m o n c o d in g o f d a ta b o th w ith in a n d a c c r o s s s u b je c t a r e a s
R e ta il S a le s S y s te m P ro d u c t C o d e : 9999999
O u tle t S a le s S y s te m P ro d u c t C o d e : XXXXXXXXX
C a ta lo g S a le s S y s te m P ro d u c t C o d e : XXXX9999
P ro d u c t C o d e : C o m m o n C o d e o r a m a p p in g o f th e v a r io u s s o u r c e c o d e S a le s S u b je c t A r e a G a m b a r 2 .1 A s p e k T e rin te g ra s i d a ri D a ta W a re h o u s e S u m b e r : C o re y , M ic h a e l., e t.a l, D a ta W a re h o u s in g (1 9 9 9 ,p 1 0 )
2.5.4
Non volatile Data warehouse tidak dapat mengalami perubahan. Lain halnya pada
database operasional dapat dilakukan update, insert, delete terhadap data yang mengubah isi dari database sedangkan pada data warehouse hanya ada dua kegiatan memanipulasi data yaitu loading data ( mengambil data dari data yang dibutuhkan dari data warehouse ) dan akses data ( proses mengakses data warehouse, seperti melakukan Query atau menampilkan laporan yang dibutuhkan ( tidak ada kegiatan updating data).
14
replace
change
insert insert
replace
replace
change
operational data is updated on a record-byrecord basis regularly
load access data warehouse data is loaded into the warehouse and is accessed there, but once snapshot of data is made, the data in the warehouse does not change
Gambar 2.2 Aspek Nonvolatile Data Warehouse Sumber : http://www.cait/wustl/edu/cait/papers/prism/vol1 no1/
2.6
Struktur Data Warehouse Data warehouse memiliki struktur yang spesifik serta memiliki perbedaan
dalam tingkatan ringkasan, detil data, dan umur data. Struktur tersebut terdiri dari: •
Current Detail Data (Detil data saat ini)
•
Old Detail Data (Detil data historis)
•
Lightly Summarized Data (Ringkasan data level menengah)
•
Highly Summarized Data (Ringkasan data level tinggi)
•
Metadata
15
h ig h ly s u m m a r iz e d
lig h t ly s u m m a r iz e d
c u rre n t d e t a il d a t a
o ld e r d e t a il d a ta
G a m b a r 2 .3 . S tr u k tu r D a ta W a re h o u s e S u m b e r : h t t p : / / w w w . c a it . w u s t l. e d u / c a it / p a p e r s p r is m / v o l1 _ n o 1 / s t r u c t u r e / h o m e . h t m l
2.6.1
Current Detail Data Current Detail Data adalah data yang keakuratannya tepat pada saat akses
berdasarkan variansi waktu.
2.6.2
Old Detail Data Old Detail Data merupakan data yang tersimpan dalam bentuk
penyimpanan yang besar. Old Detail Data berasal dari Current Detail Data backup yang lama yang memiliki ukuran tahunan dan hampir tidak pernah diakses lagi. Old Detailed Data biasanya disimpan pada media penyimpanan alternatif selain disk.
16
Penyusunan direktori untuk data ini menggambarkan umur data agar dapat mempermudah dalam melakukan akses selanjutnya.
2.6.3
Lightly Summarized Data Lightly Summarized Data adalah berupa ringkasan dari Current Detail Data.
Di dalam tahap ini data belum dapat digunakan untuk pengambilan keputusan karena sifat data belum “total summary” yang artinya data masih bersifat detil.Lightly Summarized Data seringkali digunakan sebagai gambaran dari keadaan yang sedang berlangsung maupun yang belum berlangsung. Data ini hampir selalu tersimpan dalam disk dan yang perlu diperhatikan adalah satuan waktu ringkasan dan atribut Lightly Summarized Data.
2.6.4
Highly Summarized Data Highly Summarized Data adalah hasil proses summary yang memiliki sifat
“Total Summary”. Pada tingkat ini data sangat mudah diakses dan pada akhirnya dapat digunakan sebagai pengambil keputusan bagi eksekutif perusahaan. Bagi eksekutif hal ini sangatlah memudahkan karena mereka hanya perlu membaca atau melakukan analisa dalam waktu yang singkat.
2.6.5
Metadata Metadata termasuk dalam komponen penting pada
data warehouse.
Metadata seringkali disebut ‘data tentang data’. Metadata memberikan peranan yang penting untuk keefektifan penggunaan data warehouse. Dengan adanya metadata
17
maka akan mempermudah end user dalam melakukan analisis dan menghemat waktu mereka. Metadata bertindak seperti indeks mengenai isi dari data warehouse. Metadata mengandung : •
Struktur Data Suatu direktori untuk membantu analisis DSS (Decision Support System) untuk mencari lokasi/tempat data dalam data warehouse.
•
Algoritma untuk meringkas data Suatu algoritma untuk proses summary data antara current detail data dengan lightly summarized data dan antara lightly summarized data dengan highly summarized data, dan lain-lain.
•
Pemetaan dari data operasional ke data warehouse Suatu panduan pemetaan data pada pada saat data ditransformasi/diubah dari lingkup data operasional menjadi lingkup data warehouse.
2.7
Anatomi Data Warehouse Penerapan awal dari arsitektur data warehouse dibuat berdasarkan konsep
bahwa data warehouse mengambil data dari berbagai sumber dan memindahkannya ke dalam sebuah pusat pengumpulan data yang besar. Konsep ini sebenarnya lebih cenderung pada sebuah lingkungan mainframe yang terpusat. Keunggulan teknologi client-server memungkinkan data warehouse diterapkan dalam berbagai macam cara untuk menampung kebutuhan pemakai sistem secara lebih proporsional. Misalnya : pemakai tertentu perlu menggabungkan data
18
dari sebuah sistem pengumpulan data yang statis, dengan data dari sistem operasional yang dinamis hanya dalam sebuah query saja. Berikut ini adalah tiga jenis dasar sistem Data Warehouse : 1. Data Warehouse Fungsional (Functional Data Warehouse) 2. Data Warehouse Terpusat (Centralized Data Warehouse) 3. Data Warehouse Terdistribusi (Distributed Data Warehouse)
2.7.1
Data Warehouse Fungsional Data Warehouse Fungsional mempergunakan pendekatan kebutuhan dari
tiap bagian fungsi bisnis, misalnya departemen, divisi, dan sebagainya, untuk mendefinisikan jenis data yang akan ditampung di dalam sistem. Setiap unit fungsi dapat mempunyai gambaran datanya masing-masing. Penerapan jenis sistem pengumpulan data seperti ini beresiko kehilangan konsistensi data di luar lingkungan bisnis bersangkutan. Apabila pendekatan ini lingkupnya diperbesar dari lingkungan fungsional menjadi lingkup perusahaan, konsistensi data perusahaan tidak lagi dapat dijamin. Sebab utama dipergunakan pendekatan seperti ini adalah bahwa sistem ini dapat memberi solusi yang mudah untuk dibangun dengan biaya investasi yang relatif rendah dan dapat memberikan kelompok pemakai sebuah kemampuan sistem pengumpulan data yang terbatas.
2.7.2
Data Warehouse Terpusat Data warehouse terpusat adalah pendekatan yang paling banyak digunakan,
sebagian besar karena keterbiasaan pemakai dengan lingkungan mainframe yang
19
terpusat. Data diambil dari seluruh sistem operasional dan disimpan di dalam pusat penyimpanan data. Pemakai kemudian bekerja dengan mempergunakan data yang telah terkumpul tersebut untuk membangun data warehouse fungsional masingmasing. Keuntungan sistem ini dibandingkan dengan data warehouse fungsional adalah bahwa data benar-benar terpadu. Sistem ini mengharuskan pemasok data harus mengirimkan data tepat pada waktunya agar supaya tetap konsisten dengan pemasok lainnya. Di samping itu, pemakai hanya dapat mengambil data dari bagian pengumpulan saja, dan tidak dapat secara langsung berhubungan dengan pemasok datanya sendiri.
2.7.3
Data Warehouse Terdistribusi Data Warehouse terdistribusi dikembangkan berdasarkan konsep data
warehouse “gateway” yang memungkinkan pemakai untuk langsung berhubungan dengan sumber data maupun dengan pusat pengumpul data lainnya. Gambaran pemakai atas data adalah berupa gambaran logik karena data mungkin diambil dari berbagai sumber yang berbeda. Pendekatan ini mengandalkan keunggulan teknologi “client-server” untuk mengambil data dari berbagai sumber. Pendekatan ini memungkinkan tiap departemen atau divisi untuk membangun pengumpul data fungsionalnya masing-masing atau bahkan sistem operasionalnya dan memadukan bagian-bagian tersebut dengan teknologi client-server. Pendekatan ini memerlukan biaya yang sangat besar karena setiap sistem pengumpulan data fungsional dan sistem operasinya dikelola secara terpisah. Di samping itu, supaya berguna bagi perusahaan data harus disinkronisasikan untuk memelihara keterpaduannya. Metode ini akan
20
sangat efektif apabila data telah tersedia dalam bentuk yang konsisten dan pemakai ingin dapat menambah data tersebut dengan informasi baru apabila ingin memperoleh gambaran baru atas informasi.
2.8
Arsitektur Data Warehouse Menurut Poe (1996,p24) adalah sekumpulan aturan atau stuktur 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 warehouse mempunyai komponen utama yaitu database yang hanya dapat dibaca. Karakteristik arsitektur data warehouse (Poe,1996,pp40-41) : •
Data diambil dari sistem sistem asal (sistem informasi yang ada), database dan file.
•
Data dari sistem asal diintegrasikan dan ditransformasi sebelum disimpan kedalam data warehouse.
•
Data Warehouse adalah jenis database read-only yang diciptakan untuk mengambil keputusan.
•
User mengakses data warehouse via front-end tool atau aplikasi.
21
2.9
Jenis Arsitektur Data Warehouse Ada beragam arsitektur data warehouse diantaranya adalah:
•
Arsitektur two-tier
•
Arsitektur three-tier
•
Arsitektur bottom-up
2.9.1
Arsitektur Two-tier Pada arsitektur two-tier ini, operational data ditransformasikan dan
ditransfer ke data warehouse. Untuk membantu proses transformasi, sebuah Enterprise Data Model (EDM) dibuat. Enterprise Data Model ini menjelaskan tentang struktur data warehouse dan berisi metadata yang dibutuhkan untuk menempatkan dan mengakses database yang dihasilkan dan sumber data eksternal. Arsitektur two-tier biasanya akan menemui kesulitan perfomance bilamana data warehouse berukuran besar.
22
User Departments
Data Warehouse server operational database
operational database
T R A N S F O R M A S I
External Data source
summarize d data
Gambar 2.4 Arsitektur two-tier data warehouse
2.9.2
Arsitektur Three-tier Organisasi yang menemui kesulitan dalam menerapkan arsitektur two-tier
pada umumnya akan beralih ke arsitektur three-tier. User pada departemen pada umumnya hanya mengakses sebagian kecil dari porsi data warehouse. Oleh karena itu digunakanlah data mart. Pada umumnya data mart ini memiliki server yang terpisah dengan data warehouse, yang bertujuan untuk perfomance dan fault tolerance. Masing-masing departemen bertanggung jawab untuk mengawasi data mart departemennya.
23
data mart tier user departments data warehouse server
operational database
data mart operational database
summarized data External Data source Data Warehouse
data mart
Gambar 2.5 Arsitektur three-tier data warehouse
2.9.3
Arsitektur Bottom-up Pada arsitektur bottom-up, data dimodelkan dalam satu function atau proses
dalam satu waktu dan disimpan di data mart yang terpisah. Bilamana waktunya tiba, data baru disintesis, disaring (dibersihkan), dan dimerge ke dalam data mart yang telah tersedia atau dapat juga dengan membangun ke data mart yang baru.
24
data mart tier user departments
operational database
transformation proses data mart operational database
External Data source
Gambar 2.6 Arsitektur bottom-up data warehouse
25
2.10
Kegiatan Inti Data Warehouse : Untuk melakukan penganalisaan dan pelaporan informasi bagi pihak-pihak
pengambil keputusan, maka dalam merancang data warehouse terdapat kegiatankegiatan yang harus ada didalamnya, kegiatannya antara lain :
2.10.1
Memperoleh data dan menggabungkan data Mendapatkan data dari berbagai sumber dan melakukan penggabungan pada
suatu tempat tertentu, data-data yang digabung adalah data yang akan membantu kita dalam pembuatan laporan, karena data tersebut merupakan bentuk suatu kesatuan
2.10.2
Transformasi data Pengolahan data dari awal kebentuk data yang telah disepakati, dengan
mengalami pemrosesan atau pengolahan terlebih dahulu yang sama artinya dengan pengubahan dan kebentuk yang diharapkan
2.10.3
Pendistribusian data Data-data yang akan kita gunakan dalam data warehouse berkaitan dengan
lingkungan kerja dalam perusahaan. Bagi perusahaan yang terhubung dengan jaringan, pemakaian data warehouse mendukung kegiatan ini. Dimana pengguna dapat menggunakan data warehouse ini secara lebih fleksibel dan merata pada masing-masing bagian yang ada dalam perusahaan.
26
2.10.4
Penggunaan data Data yang telah disaring akan menghasilkan ringkasan-ringkasan yang
dapat memudahkan pengguna dalam mengambil suatu keputusan. Disini kegiatan pemakaian data akan menjadi lebih sering jika para pengambil keputusan ingin menganalisa produk yang telah dipasarkan pada masyarakat.
2.11
Skema Bintang Skema bintang (Poe,1996, p120-121) adalah perancangan yang memiliki
struktur sederhana dengan tabel-tabel yang relatif dan penggabungan yang diketahui. Skema Bintang merupakan suatu rancangan database di data warehouse yang menggambarkan hubungan yang jelas antara struktur tabel fakta dan tabel dimensi. Skema ini dapat dibaca dengan mudah oleh para analis maupun pemakai yang tidak biasa dengan stuktur database.
2.12
Keuntungan menggunakan skema bintang Skema bintang memiliki keuntungan yang tidak didapat oleh skema
relasional biasa. Keuntungan skema bintang: •
Respon data yang lebih cepat dihasilkan dari perancangan database
•
Kemudahan dalam mengembangkan atau memodifikasi data yang terus berubah
27
•
End user dapat menyesuaikan cara berpikir dan menggunakan data, konsep ini dikenal juga dengan istilah paralel dalam perancangan database
•
Menyederhanakan pemahaman dan penelusuran metadata bagi pemakai dan pengembang.
2.13
Perancangan Skema Bintang Skema Bintang memiliki 2 macam tabel, yakni:
2.13.1
Tabel Fakta (fact table) Tabel fakta sering juga disebut table mayor. Tabel ini merupakan inti dari
skema bintang dan berisi data aktual yang akan dianalisis(data kuantitatif dan transaksi). Field-field tabel fakta sering disebut measure dan biasanya dalam bentuk numerik. Selalu berisi foreign key dari masing-masing tabel dimensi. Tabel ini dapat terdiri dari banyak kolom dan ribuan baris data
2.13.2
Tabel Dimensi (dimension table) Sering juga disebut tabel minor. Tabel dimensi biasanya lebih kecil dan
berisi data yang merupakan deskripsi lebih lanjut dari data yang ada pada tabel fakta.
2.14
Ketentuan Pembacaan Skema Bintang Adapun ketentuan pembacaan skema bintang adalah sebagai berikut:
•
Bagian yang ada di bawah tabel adalah kolom-kolom dari tabel.
•
Primary key dan foreign key diberi kotak.
28
•
Primary key diarsir, sedangkan foreign key yang bukan primary key tidak diarsir.
•
Foreign
key
yang
berhubungan
ditunjukkan
dengan
garis
yang
menghubungkan tabel-tabel. •
Kolom yang bukan primary key atau foreign key disebut kolom data pada tabel fakta dan atribut pada tabel dimensi.
2.15
Jenis-jenis Skema Bintang Ada beberapa macam jenis skema bintang, yaitu :
2.15.1
Skema Bintang Sederhana Dalam skema ini, setiap tabel harus memiliki primary key yang terdiri dari
satu kolom atau lebih dan primary key tersebut harus bersifat unik. Primary key dari tabel fakta terdiri dari satu atau lebih foreign key. Foreign key adalah kolom pada satu tabel yang nilainya didefinisikan oleh primary key pada tabel yang lain. Gambar dibawah ini menggambarkan hubungan antara tabel fakta dan tabel dimensi. Tabel fakta memiliki tiga foreign key, dimana masing-masing foreign key itu merupakan primary key pada tabel dimensi.
29
Tabel Dimensi 1
Kunci 1 Atribut Atribut ... Atribut
Tabel Fakta Tabel Dimensi 2
Kunci 2 Atribut Atribut ... Atribut
Kunci 1 Kunci 2
Tabel Dimensi 3
Kunci 3
Kunci 3
KolomData KolomData ... KolomData
Atribut Atribut ... Atribut
Gambar 2.7 Hubungan antara tabel dimensi pada Skema Bintang Sederhana (Sumber : Poe, 1996, p124)
2.15.2
Skema Bintang dengan Banyak Tabel Fakta Skema bintang juga dapat terdiri dari lebih dari satu table fakta. Hal ini
terjadi karena mereka berisi lebih banyak tabel fakta, misalnya disamping penjualan terdapat tabel fakta forecasting dan tabel fakta result. Tetapi walaupun terdapat banyak tabel fakta, mereka menggunakan tabel dimensi secara bersama-sama.
30
Tabel Dimensi 1 Kunci 1 Atribut Atribut ... Atribut
Tabel Fakta 1 Tabel Dimensi 2
Kunci 1 Tabel Dimensi 3
Kunci 2
Kunci 2
Atribut Atribut ... Atribut
Kunci 3
Kunci 3
Kolom Data Kolom Data ... Kolom Data
Atribut Atribut ... Atribut
Tabel Fakta 2 Kunci 1 Kunci 2 Kunci 3 Kolom Data Kolom Data ... Kolom Data
Gambar 2.8. Skema Bintang dengan lebih dari 1 Tabel Fakta Sumber : Poe,1996, p126
2.15.3
Skema Snowflake Snowflake merupakan variasi lain dari skema bintang dimana tabel dimensi
dari skema bintang diorganisasi menjadi suatu hierarki dengan melakukan normalisasi. Prinsip dasar dari skema ini tidak jauh berbeda dari skema bintang. Penggunaan tabel dimensi sangatlah menonjol, karena itulah perbedaan mendasar dari skema bintang dan skema snowflake. Skema snowflake menggunakan beberapa tabel fakta dan tabel dimensi yang sudah mengalami normalisasi, sedangkan skema bintang menggunakan tabel dimensi yang masih denormalisasi. Skema snowflake
31
dibuat berdasarkan OLTP sehingga semua data akan termuat detail dalam setiap tabel fakta dan tabel dimensi.
Tabel Dimensi 1
Kunci 1 Atribut 4 Atribut 5
Tabel Fakta Tabel Dimensi 2
Atribut 6 Tabel Atribut 5
Tabel Atribut 6
Kunci 2
Atribut 5
Atribut 6
Atribut 7 Kunci 6 Atribut 8
Tabel Dimensi 6
Kunci 6 Atribut
Kunci 1 Kunci 2
Tabel Dimensi 4 Tabel Dimensi 3
Kunci 3
Kunci 3
KolomData KolomData ... KolomData
Atribut 1 Atribut 2
Tabel Atribut 8
Atribut 3 Kunci 4 Kunci 5
Atribut 8
Kunci 4 Atribut
Tabel Dimensi 5
Kunci 5 Atribut
Gambar 2.9. Skema Snowflake Sumber : Poe, 1996, p129
Keuntungan dari skema snowflake adalah : •
Kecepatan memindahkan data dari data OLTP kedalam metadata.
•
Sebagai kebutuhan dari alat pengambil keputusan tingkat tinggi dimana dengan tipe yang seperti ini seluruh struktur dapat digunakan sepenuhnya.
•
Banyak yang beranggapan lebih nyaman merancang dalam bentuk normal ketiga. Sedangkan kerugiannya adalah mempunyai masalah yang besar dalam hal
kinerja (performance), hal ini disebabkan semakin banyaknya join antar tabel-tabel yang dilakukan dalam skema snowflake ini, maka semakin lambat juga kinerja yang dilakukan. Sebuah skema bintang yang menyediakan atribut yang lengkap, konsisten dan mudah dimengerti memungkinkan bagi pemakai untuk memperoleh penampilan
32
data yang mudah digunakan dan mudah dimengerti. Perancangan skema bintang yang baik membantu pemakai untuk menulis pencarian yang diinginkan dengan cara yang dimengerti.
2.16
Perencanaan Strategi Informasi
analysis of goals and problems critical succes factor analysis
of direct interest to top management
Perform technology impact analysis
Strategic system vision
of primary interest to top MIS planners
The overview model of function of the enterprise
entity-relationship modeling
Gambar 2.10 piramid teknologi informasi Bagian puncak dari
piramid teknologi informasi ada kaitannya dengan
perencanaan strategi. Diagram sederhana yang terdiri dari level-level ini menggambarkan strategi sebagai sebuah level
level single pada puncak piramid.
Bila dilihat secara detil gambar tersebut dibagi menjadi dua lapisan. Lapisan pertama berisi tentang tipe perencanaan yang menjadi perhatian bagi top management. Lapisan kedua berisi tentang model dari perusahaan dan informasinya yang menjadi perhatian utama bagi para perencana sistem informasi.
33
Pada lapisan pertama berkaitan dengan dampak teknologi dimasa depan pada perusahaan, bagaimana cara teknologi tersebut digunakan untuk perusahaan itu agar lebih kompetitif, faktor sukses dalam mengelola perusahaan dan goal serta problem yang ada pada perusahaan (Martin. James: Information Engineering Book II; 1990; p 13-15). Untuk lebih jelasnya berikut penjelasan dari gambar diatas : 1.
Analysis of Goals and Problems : menerangkan tentang bentuk permasalahan
dan
pemecahannya
dari
perusahaan
dengan
cara
menghubungkannya kepada departemen atau unit organisasi yang terlibat serta tanggung jawab yang ada pada tiap-tiap manajer pada masing-masing departemen tersebut. 2.
Critical Succes Factor Analysis : dikaitkan dengan mengidentifikasi area yang “segala sesuatunya harus berjalan dengan benar” jika ingin perusahaan tersebut cepat sukses, dan itu berkaitan dengan mempergunakan sumber daya pada tempat yang tepat.
3.
Technology Impact Analysis : menjelaskan bagaimana teknologi informasi yang ada di perusahaan dapat berguna dalam menghadapi kesempatan dan ancaman di perusahaan.
4.
Strategic System Vision : berkaitan dengan strategi membuat sistem baru dengan tujuan membuat perusahaan tersebut lebih kompetitif. Dalam strategi sistem ini membutuhkan restrukturisasi pada perusahaan.
5.
The overview model of the functions in the enterprise : memetakan fungsi bisnis secara hirarki. Hal ini berhubungan dengan unit organisasi, lokasi dan entitas dimana data tersebut disimpan.
34
6.
Entity Relationship Modeling : menggambarkan hubungan-hubungan antar entitas dalam bentuk diagram. Entitas ini berhubungan dengan fungsi bisnis yang telah dipetakan dalam matriks.
2.17
Data Mart Data Warehouse dan data mart didefinisikan dan digunakan secara terpisah
di dalam sistem data warehouse. Data Mart adalah kumpulan data yang lebih kecil dari data warehouse yang digunakan untuk melakukan analisa bisnis di satu divisi. Sedangkan data warehouse adalah kumpulan dari seluruh data perusahaan yang digunakan untuk melakukan analisa bisnis secara keseluruhan ( Peterson, Timothy; Pinkelman, James; Microsoft OLAP Unleashed, second edition, 2000, p54).
2.18
Agregasi Agregasi adalah proses penghitungan data fakta selama pendefinisian
atribut. Sebagai Contoh: Jumlah mahasiswa berdasarkan jurusan dan program studi dengan menghitung jumlah mahasiswa dari data transaksi yang terjadi. Agregasi dapat dibuat selama proses transformasi dan pemuatan data ke dalam data warehouse. Menurut Poe (1996,p136), faktor yang mendorong pembuatan agregasi: •
Meningkatnya penampilan pencarian(searching)
•
Mengurangi jumlah penggunaan kode produk universal Suatu agregasi yang baik dapat dibuat untuk digunakan oleh 300 user dalam
satu hari, karena akan lebih bermanfaat jika dibandingkan dengan membuat agregasi
35
yang membutuhkan waktu 2 jam tetapi hanya digunakan sekali dalam setahun oleh satu user saja. Salah satu teknik yang harus dicatat adalah saat pemuatan data warehouse. Kita tetap membutuhkan teknik database klasik seperti partisi tabel secara fisik. Hal ini menjadi penting bilamana data warehouse mencapai gigabyte data.
2.19
Denormalisasi Denormalisasi adalah proses penggabungan field-field dari beberapa tabel
untuk meningkatkan penampilan yang ada. Ini adalah sebuah proses yang bertolak belakang dengan bentuk normal dalam proses normalisasi. Alasan utama untuk melakukan hal ini (Poe, 1996, p139) : 1. Untuk mengurangi jumlah hubungan yang terjadi antar tabel-tabel yang harus mengalami proses pada waktu dilakukan pencarian. Dengan inilah penampilan database dapat ditingkatkan. 2. Untuk membuat struktur fisik dari database yang semakin mendekati model dimensi dari pemakai. Membuat struktur tabel sesuai dengan yang ingin ditanyakan oleh pemakai, memungkinkan terjadinya akses langsung, yang sekali lagi akan meningkatkan penampilan.
2.20
Tingkatan Manajemen Pengguna Informasi Tingkatan
manajemen dalam suatu organisasi pada umumnya terbagi
menjadi : 1.
Tingkatan Operasional
36
Berfokus pada pelaksanaan atas apa yang organisasi itu hasilkan atau lakukan. Yang termasuk ke dalam tingkatan operasional ini adalah Senior Geologist, Senior Geophysicalist. 2.
Tingkatan Teknis / Manajemen Mengelola
fungsi
operasi
dan
sebagai
penghubung
antara
yang
memproduksi produk atau jasa dan mereka yang menggunakan keluaran itu. Yang termasuk ke dalam tingkatan teknis ini adalah Field Manager, Operation Manager. 3.
Tingkatan Strategis Menetapkan tujuan jangka panjang dan arah bagi organisasi. Yang termasuk ke dalam tingkatan strategis ini adalah : General Manager.
•
Pengaruh tingkatan manajemen terhadap Sumber Informasi dapat digambarkan sebagai berikut :
Strategic Planning Level
Eksternal
Management Control Level Operational Control Level
Internal
Gambar 2.11 Pengaruh Tingkatan Manajemen terhadap Sumber Informasi
Dapat dilihat bahwa manajemen tingkat strategis menerima informasi eksternal yang lebih banyak dibandingkan dengan informasi yang berasal dari internal. Sebaliknya, tingkatan operasional lebih banyak menerima informasi yang berasal dari internal perusahaan.
37
•
Pengaruh Tingkatan Manajemen terhadap Bentuk Penyajian Informasi dapat digambarkan sebagai berikut :
Strategic Planning Level
Ringkasan
Management Control Level Operational Control Level
Detail
Gambar 2.12. Pengaruh Tingkat Manajemen terhadap Bentuk Penyajian Informasi
Pada gambar tersebut terlihat bahwa tingkatan strategis membutuhkan informasi dalam bentuk yang ringkas (summary), sedangkan tingkatan operasional perusahaan lebih membutuhkan informasi dalam bentuk yang lebih rinci (detail).
2.21
Pengertian Critical Succes Factor (CSF) Critical Succes Factor (CSF) adalah area dalam jumlah terbatas dimana
nilai kepuasan dapat menjamin kinerja yang kompetitif
bagi seorang indvidu,
departemen, atau organisasi. CSF merupakan salah satu area penting dimana “segala sesuatu harus berjalan dengan benar” bagi sebuah bisnis untuk berkembang dan goal seorang manajer dapat dicapai. Sebuah goal berarti keseluruhan tujuan, sebuah CSF adalah apa yang harus dilakukan untuk mencapai goal tersebut. (Martin. James: Information Engineering Book II; 1990; p 89). . 2.22
Pengertian Pembelian Pembelian menurut Mulyadi (1997,p302), pembelian adalah suatu usaha
pengadaan barang yang diperlukan oleh perusahaan. Sistem pembelian digunakan
38
dalam perusahaan untuk pengadaan barang yang diperlukan oleh perusahaan. Transaksi pembelian dapat digolongkan menjadi dua, yaitu pembelian lokal dan impor. Pembelian lokal adalah pembelian dari pemasok dalam negeri, sedangkan pembelian impor adalah pembelian dari pemasok luar negeri. Fungsi yang terkait dengan pembelian adalah : 1. Fungsi gudang : Bertanggung jawab untuk mengajukan permintaan pembelian sesuai dengan posisi persediaan barang yang ada digudang dan untuk menyimpan barang yang telah diterima oleh fungsi penerimaan. 2. Fungsi pembelian : Bertanggung jawab untuk memperoleh informasi mengenai harga barang. Menentukan pemasok yang dipilih dalam pengadaan barang dan mengeluarkan order pembelian kepada pemasok yang dipilih. 3. Fungsi akuntansi : Fungsi yang terkait adalah fungsi pencatatan utang dan persediaan barang. Fungsi pencatatan uang berfungsi untuk mencatat transaksi ke dalam register bukti kas keluar. Fungsi persediaan barang bertanggung jawab untuk mencatat harga produksi barang yang dibeli kedalam kartu persediaan.
2.23
Pengertian Manajemen Produksi dan Manajemen Operasi Manajemen produksi dan operasi menurut T.Hani Handoko (1997,p 3)
merupakan usaha-usaha pengelolaan secara optimal penggunaan sumber daya – sumber daya( atau sering disebut faktor-faktor produksi )-tenaga kerja, mesin-mesin, peralatan-dalam proses transformasi bahan mentah dan tenaga kerja menjadi berbagai produk dan jasa .
39
Setiap perusahaan memiliki karakteristik yang berbeda-beda, sebagai contoh di perusahaan minyak, dikenal adanya istilah eksplorasi dan operasi. Eksplorasi adalah kegiatan pencarian minyak dan gas bumi dengan mempergunakan prinsip – prinsip geologi, geofisika, geokimia , dan pengeboran (Tim Pengelola DPKK Migas, 2000,p III-3) Operasi adalah kegiatan melaksanakan pengembangan lapangan yang meliputi optimalisasi produksi migas melalui kegiatan pengeboran, pemeliharaan sumur dan fasilitas produksi ( Tim Pengelola DPKK Migas, 2000,p III-6) Organisasi –organisasi yang sukses hendaknya mempunyai sistem pelaporan yang memberikan umpan balik (feedback) agar manajer dapat mengetahui apakah kegiatan – kegiatannya dapat memenuhi permintaan konsumen atau tidak.
2.24
Pengertian Penggajian Gaji menurut Mulyadi (1997, p377-378), Gaji merupakan pembayaran atas
penyerahan jasa yang dilakukan oleh karyawan yang mempunyai jenjang jabatan manajer, umumnya gaji dibayarkan secara tetap perbulan. Informasi yang dibutuhkan oleh manajemen dari kegiatan penggajian dan pengupahan adalah : 1.
Jumlah biaya gaji dan upah yang menjadi beban perusahaan selama periode akuntansi tertentu.
2.
Jumlah biaya gaji dan upah yang menjadi beban setiap pertanggungjawaban selama periode akuntansi tertentu.
3.
Jumlah gaji dan upah yang diterima setiap karyawan selama periode akuntansi tertentu.
40
4.
Rincian unsur biaya gaji dan upah yang menjadi beban perusahaan dan setiap pusat pertanggungjawaban selama periode akuntansi tertentu.
2.25
Pengertian Persediaan Persediaan menurut Mulyadi (1997, p 555) terbagi menjadi persediaan
produk jadi, persediaan produk dalam proses, persediaan bahan baku, persediaan bahan penolong, persediaan bahan habis pakai pabrik, dan persediaan suku cadang. Berikut ini adalah penjabaran transaksi dari semua tipe persediaan : Produk selesai diproduksi, readjusment, pembelian, retur pembelian, penjualan, retur penjualan, pemakaian barang gudang, pengembalian barang gudang, penghitungan fisik persediaan.
