BAB 2 LANDASAN TEORI
2.1
Product Profitability 2.1.1. Pengertian Penjualan Menurut Mulyadi (1997, p204) menyatakan kegiatan penjualan terdiri dari transaksi penjualan barang dan jasa, baik secara kredit maupun tunai. Penjualan merupakan aktivitas yang penting dalam suatu perusahaan, karena dengan adanya penjualan dapat menghasilkan pendapatan bagi perusahaan. Menurut Romney dan Steinbart (2003, p157) penjualan merupakan suatu set rekursif dari kegiatan bisnis dan operasi pemrosesan informasi terkait yang dihubungkan dengan penyediaan barang dan pelayanan pelanggan serta penerimaan pembayaran dari penjualan tersebut. Jadi, penjualan adalah kegiatan mengalihkan barang dan jasa untuk dijual kepada pelanggan serta promosi agar tercapai penjualan yang menghasilkan laba.
2.1.2
Pengertian Profitability Menurut Soliha dan Taswan (2002), profitability adalah tingkat keuntungan bersih yang mampu diraih oleh perusahaan pada saat menjalankan operasinya.
6
7 Menurut
Hofstrand
(2006),
profitability
adalah
ukuran
perbandingan antara pendapatan dan pengeluaran. Pendapatan adalah uang yang dihasilkan dari aktifitas bisnis. Misalnya, jika sebuah barang diproduksi dan dijual, maka terciptalah pendapatan. Pengeluaran adalah biaya dari sumber-sumber daya yang digunakan pada aktifitas bisnis. Misalnya, benih jagung adalah sebuah pengeluaran pada bisnis pertanian, karena benih jagung digunakan pada proses produksi.
2.1.3
Pengertian Product Profitability Menurut Brown (2005), product profitability adalah pendapatan yang dihasilkan oleh sebuah produk dikurangi biaya yang diperlukan untuk sebuah produk. Product profitability adalah sebuah fungsi dari pendapatan dan biaya. Sistem yang baik memungkinkan kita untuk menentukan profitabilitas dari setiap produk dengan mengidentifikasi pendapatan dan biaya pada setiap produk (http://www.wipfli.com).
2.2
Lembaga Pendidikan Non formal Menurut Undang-Undang Republik Indonesia nomor 20 tahun 2003 tentang sistem pendidikan nasional, yang dimaksud pendidikan non formal adalah jalur pendidikan di luar pendidikan formal yang dapat dilaksanakan secara terstruktur dan berjenjang.
8 Pendidikan non formal meliputi pendidikan kecakapan hidup, pendidikan anak usia dini, pendidikan kepemudaan, pendidikan pemberdayaan perempuan, pendidikan keaksaraan, pendidikan keterampilan dan pelatihan kerja, pendidikan kesetaraan, serta pendidikan lain yang ditujukan untuk mengembangkan kemampuan peserta didik. Satuan pendidikan non formal terdiri atas lembaga kursus, lembaga pelatihan, kelompok belajar, pusat kegiatan belajar masyarakat, dan majelis taklim, serta satuan pendidikan yang sejenis. Kursus dan pelatihan diselenggarakan bagi masyarakat yang memerlukan bekal pengetahuan, keterampilan, kecakapan hidup, dan sikap untuk mengembangkan diri, mengembangkan profesi, bekerja, usaha mandiri, dan/atau melanjutkan pendidikan ke jenjang yang lebih tinggi. Hasil pendidikan non formal dapat dihargai setara dengan hasil program pendidikan formal setelah melalui proses penilaian penyetaraan oleh lembaga yang ditunjuk oleh Pemerintah atau Pemerintah Daerah dengan mengacu pada standar nasional pendidikan. Lembaga Pendidikan adalah lembaga yang secara resmi ditetapkan sebagai satuan pelayanan pendidikan baik pada jalur formal maupun non formal melalui sebuah ketetapan yang dikeluarkan oleh Depdiknas dan/atau Dinas Pendidikan di tingkat Propinsi/Kabupaten/Kota Dengan demikian lembaga pendidikan non formal dapat diartikan sebagai lembaga yang secara resmi ditetapkan sebagai satuan pelayanan pendidikan pada jalur non formal melalui sebuah ketetapan yang dikeluarkan oleh Depdiknas dan/atau Dinas Pendidikan di tingkat Propinsi/Kabupaten/Kota.
9 2.3
Aplikasi Analytics (Analytical Application) Aplikasi analytics merupakan sebuah aplikasi yang dirancang untuk memenuhi kebutuhan sebuah organisasi dalam mengukur, menganalisa, dan mengoptimasi kinerja bisnis (Morris, 2002). Aplikasi analytics merupakan salah satu bentuk aplikasi berbasis fakta (fact-based system) yang digunakan untuk kegiatan BI (Business Intelligence) yaitu sebuah istilah yang diperkenalkan oleh Howard Dresner dari Gartner Group pada tahun 1989 untuk menggambarkan sekumpulan konsep dan metodologi yang dirancang untuk meningkatkan pengambilan keputusan dalam bisnis melalui penggunaan fact dan fact-based system (Zaman, 2005). Secara umum BI bukanlah sebuah produk juga bukanlah sebuah sistem tetapi sebuah istilah umum yang menggabungkan arsitektur, aplikasi, dan database. Dalam
perkembangannya,
pembicaraan
mengenai
BI
seringkali
diasosiasikan dengan Aplikasi Analytics (Analytics Application) dikarenakan para manajer, para business analyst, dan pengguna lain dalam sebuah organisasi menggunakan aplikasi analytics untuk melakukan kegiatan BI yang pada intinya adalah melakukan berbagai kegiatan analisis terhadap berbagai data yang dimiliki perusahaan yang biasanya berasal dari Data Warehouse, Data Mart, atau dari aplikasi OLTP dalam organisasi (Turban, 2005).
2.3.1
Perbedaan antara Aplikasi Analytics dan BI Tools Beberapa pandangan umum saat ini mengkategorikan Analytics sebagai BI Application sehingga dapat dibedakan dengan BI Tools yaitu
10 berbagai teknologi yang bisa digunakan untuk kegiatan BI seperti OLAP, Query Reporting Tools, dan Data Mining. Walaupun penyebutan ini tidak sepenuhnya salah, tetapi ada perbedaan mendasar antara BI Tools dan aplikasi analytics. BI Tools merupakan sekumpulan teknologi (OLAP, Query Reporting Tools, dan Data Mining) dan berbagai program aplikasi sedangkan
aplikasi
analytics
terdiri
dari
sekumpulan
kegiatan
pemrograman yang dikhususkan untuk melakukan analisis data pada area tertentu dalam bisnis seperti pemasaran, penjualan, real estate, dengan tujuan membantu memperbaiki dan mempercepat pengambilan keputusan bisnis (Zaman, 2005). Aplikasi analytics mendayagunakan berbagai teknologi BI Tools tetapi secara fundamental memiliki perbedaan dengan BI Tools dalam hal spesialisasi, segmentasi, dan struktur (Morris, 2002). -
Spesialisasi: Aplikasi analytics adalah aplikasi yang mengkhususkan diri pada proses bisnis dan fungsi tertentu dalam bisnis sedangkan BI Tools bersifat umum (generic).
-
Segmentasi: Aplikasi analytics dapat disegmentasi berdasarkan fungsi bisnis seperti keuangan, pemasaran, atau produksi, sedangkan BI Tools dapat disegmentasikan berdasarkan teknologi yang digunakan seperti data mining atau OLAP.
-
Struktur: Aplikasi analytics mengatur dan mengkoordinasikan aktivitas bisnis untuk mencapai tujuan tertentu seperti menghasilkan
11 anggaran perusahaan atau melakukan penilaian terhadap kinerja dari supplier, sedangkan BI Tools menyediakan peralatan untuk mendukung ad hoc query dan analisis yang tidak didefinsikan terlebih dahulu (predefined analysis).
2.3.2
Jenis-jenis Aplikasi Analytics Pada tahun 1997, IDC mengkategorikan aplikasi analytics sebagai sebuah aplikasi perangkat lunak (application software) yang mendukung kegiatan di sebuah organisasi yang tidak dapat dilakukan oleh sistem transaksional seperti ERP, POS (Point-of-Sale), berbagai aplikasi legacysystem yang lain. Secara umum IDC mengelompokkan aplikasi Analytics menjadi tiga kelompok berdasarkan pertumbuhan jumlah pemakai dan jumlah sistem yang dipakai (Morris, 2002). Pada gambar 2.1 ditunjukkan perkembangan pendapatan dari tiga jenis aplikasi analytics di dunia.
12
Gambar 2.1 Worldwide Software Revenues for Packaged Analytics Applications Source: IDC, 2002
Tiga jenis aplikasi analyitcs yang paling banyak digunakan dan memiliki pertumbuhan pendapatan yang baik adalah: •
Financial
Analytics
(Business
Performance
Management
Application) : Aplikasi analytics jenis ini digunakan untuk mengukur dan mengoptimalisasi kinerja keuangan perusahaan seperti kegiatan penyusunan dan evaluasi anggaran atau budgeting dan juga mengevaluasi
strategi
bisnis
perusahaan
(misalnya
Balanced
Scorecard). Aplikasi Budgeting dan Aplikasi Financial Consolidation
13 merupakan paket aplikasi analytics pertama yang pernah ada. Saat ini paket aplikasi analytics jenis Financia/ Business Performance Management berusaha untuk mengintegrasikan kegiatan budgeting, perencanaan (planning), financial consolidation, activity-based management, dan balanced scorecard dalam sebuah aplikasi yang terpadu. •
Operations/Production Analytics: Aplikasi analytics jenis ini digunakan untuk mengukur dan mengoptimalkan kegiatan delivery dari produk atau jasa dari sebuah perusahaan seperti aplikasi demand planning, workforce optimization, atau healthcare outcomes analysis. Aplikasi jenis ini akan berbeda untuk setiap industri karena adanya perbedaan karakteristik operasi dari masing-masing industri. Jenis aplikasi yang populer untuk kategori ini adalah Demand Planning dan Pricing Optimization.
•
CRM Analytics: Aplikasi analytics jenis ini digunakan untuk mengukur dan mengoptimalkan kegiatan Customer Relationship seperti aplikasi untuk mengukur customer profitability, customer retention, dan marketing analysis.
2.3.3
Aplikasi Sales Analytics Aplikasi sales analytics merupakan salah satu aplikasi yang mendukung kegiatan CRM Analytics yaitu kegiatan yang meliputi
14 menangkap, menyimpan, melakukan ekstraksi, memproses, melakukan interpretasi, dan melaporkan berbagai data customer kepada pemakai untuk keperluan kegiatan analisis lebih lanjut (Morris, 2002). Dalam aktivitas penjualan di suatu perusahaan aplikasi sales analytics digunakan oleh para pengambil keputusan dan pelaksana di Departemen Penjualan untuk mendukung kegiatan perencanaan dan pengendalian kinerja penjualan dengan menyediakan berbagai informasi untuk keperluan analisis yang disajikan dalam berbagai sudut pandang seperti: •
informasi penjualan untuk setiap channel (sales by channel)
•
penjualan setiap outlet (sales by outlet)
•
penjualan setiap unit organisasi (sales by unit)
•
penjualan untuk setiap produk (sales by product)
•
penjualan setiap kategori produk (sales by product category)
•
penjualan setiap wilayah (sales by region)
•
penjualan setiap musim (sales by season) Aplikasi sales analytics ini mampu memberikan gambaran yang
terintegrasi dari semua kegiatan penjualan dalam sebuah organisasi sehingga memampukan Sales Manager, Sales Analyst, dan juga Sales Representative untuk memahami berbagai trend dan pola penjualan sehingga dapat mengambil keputusan lebih tepat. Secara umum aplikasi sales analytics digunakan untuk kegiatan analisis aktivitas penjualan yang meliputi: y
Sales Functional Performance Analysis
15 y
Product Sales Analysis
y
Sales Organizational Effetiveness Analysis
2.3.3.1 Analisis Kinerja Penjualan (Sales Performance Analysis) Dalam kegiatan analisis kinerja penjualan, sebuah aplikasi sales analytics akan menyediakan berbagai informasi untuk mengevaluasi kinerja penjualan dan menjadi dasar bagi penentuan strategi penjualan di masa depan. Jenis informasi yang ditampilkan meliputi revenue, volume, dan margin dari penjualan yang dilakukan di berbagai bagian organisasi seperti penjualan di region, penjualan di sales office, dan penjualan oleh sales reps. Aplikasi sales analytics mampu memberikan jawaban dari berbagai pertanyaan yang menyangkut kinerja dalam bidang penjualan, seperti: 1. Berapa banyak penjualan yang dilakukan dalam periode ini dalam revenue dan volume penjualan dan bagaimana perbandingannya dengan periode yang lalu? 2. Trend apa yang muncul dalam setiap periode? 3. Region mana yang melakukan penjualan terbaik dan mana yang terjelek? 4. Apakah revenue tertinggi yang dicapai di suatu region mempunyai margin yang sesuai target? Bagaimana kontribusi dari masing-masing divisi (kantor cabang) dan saluran pemasaran
(distributor)
terhadap
keseluruhan
kinerja
16 penjualan? 5. Divisi dan saluran pemasaran mana yang paling efektif dan mampu mencapai target revenue dan target margin? 6. Bagaimana kontribusi pendapatan dari masing-masing kantor cabang pada tahun ini? 7. Bagaimana urutan prestasi sales reps dalam revenue, volume, dan margin yang dihasilkan? Beberapa parameter pengukuran yang bisa digunakan untuk memonitor kinerja penjualan misalnya: 1. Units sold, percentage change 2. Revenue, percentage change 3. Average order value 4. Profit margin per order 2.3.3.2 Analisis Penjualan Produk (Product Sales Analysis) Dalam kegiatan analisis penjualan produk, aplikasi sales analytics berperan dalam meningkatkan kualitas dan efektivitas dari produk yang ditawarkan dengan cara memahami bagaimana produk yang sekarang ini menyentuh kebutuhan pelanggan dan bertambah sampai batas bawah. Aplikasi sales analytics dapat menjawab beberapa pertanyaan yang berkaitan dengan analisis penjualan produk, seperti : 1. Produk-produk apa saja yang paling banyak dijual? Seberapa
17 banyak pendapatan yang didapat? 2. Bagaimana jenis produk tertentu mempengaruhi keuntungan secara keseluruhan? 3. Produk apa yang muncul sebagai best-seller? Produk apa yang penjualannya menurun? 4. Pada daerah mana dan kelompok pelanggan apa produk yang terjual paling banyak? Beberapa parameter pengukuran yang bisa digunakan untuk memonitor penjualan produk misalnya : 1. Jumlah unit yang terjual pada tiap produk (Units sold by product) 2. Presentasi pendapatan dan keuntungan tiap produk (Percentage revenue and profit by product) 3. Jumlah pelanggan tiap produk (Customer count by product) 4. Rep count by product 5. Contribution to profit by product 6. Pendapatan tiap produk (Revenue by product) 2.3.3.3 Analisis Efektivitas Penjualan (Sales Effectiveness Analysis) Dalam kegiatan analisis efektivitas penjualan, aplikasi sales analytics berperan untuk mengevaluasi dan meningkatkan efektivitas penjualan dan proses invoicing dengan cara memahami bagaimana sumber daya dialokasikan, dimana transaksi yang banyak terjadi, dan sebagainya.
18 Beberapa pertanyaan yang berhubungan dengan analisis efektivitas penjualan, antara lain seperti : 1. Berapa banyak sales order dan invoice yang diproses tiap tahun?
Bagaimana
hal
tersebut
berpengaruh
terhadap
pendapatan? Apakah hal ini meningkat setiap waktu? 2. Organisasi mana yang menghasilkan transaksi paling banyak? 3. Seberapa seefektif sales rep dalam menjaga margin dengan tetap menjaga diskon tetap rendah? Beberapa parameter pengukuran yang bisa digunakan untuk memonitor efektivitas penjualan misalnya : 1. Pendapatan penjualan tiap sales rep (sales revenue by sales rep) 2. Jumlah pesanan (count of orders) 3. Jumlah faktur (count of invoices) 4. Jumlah sales rep (sales rep count) 5. Jumlah produk tiap sales rep (product count by sales rep)
2.3.4
Online Analytical Processing (OLAP) 2.3.4.1 Pengertian OLAP Menurut Connolly dan Begg (2002, p1101), OLAP adalah perpaduan dinamis, analisis, dan konsolidasi dari suatu multidimensional database yang besar. OLAP merupakan sebuah istilah
yang
menggambarkan
sebuah
teknologi
yang
19 menggunakan
sebuah
kumpulan
data
multidimensi
untuk
menyediakan akses yang cepat kepada informasi strategi untuk keperluan analisis secara mendetail. Menurut Peterson dan Pinkleman (1999, p8), OLAP adalah sebuah software yang menyediakan sebuah tampilan data multidimensi untuk tujuan analisis bisnis. Sistem OLAP sudah disebut sebagai Decision Support Systems dan Business Intelligence Systems. OLAP dapat mengubah kumpulan besar data yang jarang digunakan menjadi informasi strategis yang dapat meningkatkan proses bisnis. Jadi, OLAP adalah sebuah teknologi yang menggunakan kumpulan data multidimensi untuk kemudian dianalisa dan menghasilkan informasi yang berguna dan digunakan untuk mengambil keputusan.
2.3.4.2 OLAP Benchmark OLAP Council telah menerbitkan sebuah analytical processing benchmark disebut sebagai APB-1 (OLAP Council, 1998). Tujuan dari APB-1 adalah untuk mengukur kinerja OLAP server secara keseluruhan daripada kinerja dari tugas-tugas secara perorangan. Untuk memastikan hubungan APB-1 terhadap aplikasi bisnis, operasi yang dijalankan pada database adalah berdasarkan operasi bisnis yang paling umum (Connolly dan Begg, 2002, p1102).
20 Untuk
menyediakan
perbandingan
kinerja
terhadap
kombinasi hardware dan software yang berbeda, maka ditetapkan sebuah standar benchmark metric yang disebut Analytical Queries per Minute (AQM). AQM menggambarkan sejumlah query analytic yang diproses setiap menit termasuk data loading dan waktu perhitungan.
2.3.4.3 Aplikasi OLAP Persyaratan penting dari semua aplikasi OLAP adalah kemampuan untuk menyediakan kepada user informasi just-intime (JIT), yang diperlukan untuk membuat keputusan-keputusan efektif tentang arah strategi sebuah perusahaan. Informasi JIT adalah data yang sudah dihitung yang biasanya menggambarkan hubungan yang kompleks dan selalu dikalkulasikan on-the-fly. Menganalisa dan membuat model hubungan yang kompleks mudah dilakukan jika respond time-nya cepat. Sebagai tambahan, karena sifat hubungan data yang mungkin tidak diketahui secara baik, maka model data harus fleksibel. Data model yang fleksibel memastikan bahwa sistem OLAP dapat merespon untuk merubah kebutuhan bisnis sebagai syarat untuk membuat keputusan yang efektif (Connolly dan Begg, 2002, pp1102-1103). Di bawah ini adalah contoh dari aplikasi OLAP dalam area fungsional yang berbeda :
21 Area Fungsional Finansial Sales Marketing Manufacturing
Contoh Aplikasi OLAP Anggaran, analisa kinerja keuangan, dan model finansial Sales analysis dan sales forecasting Market researh analysis, promotion analysis, custemor analysis, dan segmentasi pelanggan atau pasar Perencanaan produksi dan defect analysis
Tabel 2.1 Area Fungsional aplikasi OLAP Source : Connolly dan Begg, 2002
2.3.4.4 Manfaat OLAP Manfaat yang didapat dari implementasi aplikasi OLAP yang berhasil, antara lain (Connolly dan Begg, 2002, p1104) : y
Meningkatkan produktifitas dari end-user bisnis, pengembang IT, dan juga seluruh organisasi. Akses yang lebih terkendali dan terencana terhadap informasi strategi dapat menyediakan pengambilan keputusan yang efektif.
y
Mengurangi backlog pengembangan aplikasi untuk staf IT dengan membuat end-user dapat membuat perubahan skema mereka sendiri dan membangun model milik mereka sendiri
y
Mempertahankan kendali organisasi melalui integritas data yang berhubungan sebagai aplikasi OLAP yang tergantung pada data warehouse dan sistem OLTP untuk me-refresh sumber data.
y
Meningkatkan pendapatan dan profitabilitas yang potensial
22 dengan cara memampukan organisasi untuk merespon lebih cepat terhadap permintaan pasar
2.4
Metodologi Perancangan Aplikasi Analytics Menurut Connolly dan Begg (2002, p273), siklus sebuah aplikasi database terdiri dari beberapa tahap sebagai berikut : 1. Perencanaan Database (Database Planning) Perencanaan database menurut Connolly dan Begg (2002, p273) adalah kegiatan pengaturan yang memungkinkan tahap-tahap dalam aplikasi database dapat diwujudkan seefisien dan seefektif mungkin.
2. Definisi Sistem (System Definition) Pendefinisian sistem (system definition) menggambarkan ruang lingkup dan batasan dari aplikasi database dan pandangan pengguna utama (major user views). Pandangan pengguna (user view) menggambarkan apa yang dibutuhkan oleh aplikasi database dari sudut pandang jabatan tertentu, seperti manajer atau pengawas, maupun dari sudut pandang area aplikasi perusahaan, seperti pemasaran, personalia, atau pengawasan persediaan. (Connolly dan Begg, 2002, p275).
3. Requirement Collection and Analysis Pengumpulan kebutuhan dan analisis adalah proses mengumpulkan
23 dan menganalisa informasi tentang bagian organisasi yang didukung oleh aplikasi
database,
dan
menggunakan
informasi
tersebut
untuk
mengidentifikasi kebutuhan pengguna terhadap sistem yang baru (Connolly dan Begg, 2002, p276). Suatu proses resmi dalam menggunakan teknik-teknik seperti wawancara dan kuesioner untuk mengumpulkan fakta-fakta tentang sistem, kebutuhan dan preferensi dinamakan dengan teknik fact-finding (Connolly dan Begg, 2002, p302).
4. Perancangan Database (Database Design) Perancangan database adalah proses pembuatan sebuah rancangan untuk database yang akan mendukung operasi dan tujuan perusahaan (Connolly dan Begg, 2002, p279). Metodologi perancangan (design methodology) adalah pendekatan terstruktur yang menggunakan prosedur, teknik, peralatan, dan dokumentasi untuk mendukung dan memudahkan proses perancangan. Teknik ini digunakan untuk membantu merencanakan, mengatur, mengontrol, dan mengevaluasi proyek pengembangan database.
a) OLAP Design Dalam mendesain database OLAP, terdapat sebuah teknik modeling yang disebut dengan ADAPT (Application Design for Analytical Processing Technologies) (Bulos dan Forsman, 2006). Dasar utama dari ADAPT adalah cube dan dimension, yang juga merupakan
24 objek inti dari OLAP multidimensional data model. Simbol yang digunakan untuk kedua objek tersebut seperti yang terlihat dalam gambar di bawah ini :
Gambar 2.2 Objek inti dalam OLAP Source : Bulos dan Forsman (2006)
Dalam database OLAP, hypercube adalah bagian utama dari penyimpanan data bisnis, sebuah array yang mempunyai banyak dimensi. Istilah "hypercube" ditentukan oleh banyak tekhnikal pada literatur marketing, beberapa penjual perangkat lunak juga menggunakan istilah "measure" atau "fact" sebagai hypercube pada saat mengacu pada data bisnis dalam sebuah database OLAP. Untuk menghilangkan kebingungan dalam hal dimana sebuah database mempunyai sebuah dimensi ukuran (measure dimension), ADAPT menggunakan istilah hypercube, atau "cube" untuk istilah lebih singkatnya. Demikian juga ADAPT menghindari penggunaan istilah "fact" karena pada umunnya dikenal sebagai fact tables, sebuah istilah yang menggambarkan implementasi fisik dari sebuah database.
25 Langkah pertama dalam mendesign sebuah database OLAP adalah menentukan hypercube utama yang diperlukan dalam aplikasi dan dimensi-dimensinya. Sebagai contoh, misalnya dalam sebuah sales, terdapat 3 cube utama : units, sales, dan list price. Units dan sales memiliki dimensi time, product, dan customer. List price memiliki dimensi time dan product. Aplikasi tersebut memiliki 3 cube dan 3 dimensi. Diagram ADAPTnya dapat digambarkan seperti di bawah ini :
Gambar 2.3 Contoh Diagram ADAPT Source : Bulos dan Forsman (2006)
y
Hirarki (Hierarchy) dan level Hirarki secara umum adalah kumpulan dari level-level sebuah data. Hirarki dan level dalam ADAPT dapat digambarkan sebagai berikut :
Gambar 2.4 Hirarki dan level
26 Source : Bulos dan Forsman (2006)
Misalnya, sebuah calendar hierarchy memiliki level year, quartal, dan month. Dalam menggambarkan calender hierarchy seperti pada gambar 2.5, digunakan sebuah garis dengan 1 tanda panah untuk menunjukkan bahwa
calender hierarchy berada di
dalam time dimension. Penghubung antara level menunjukkan tingkat yang lebih tinggi dari level. Year adalah tingkatan tertinggi dalam calender hierarchy.
Gambar 2.5 calendar hierarchy Source : Bulos dan Forsman (2006)
27 y
Dimensions Objects Untuk menyempurnakan desain aplikasi yang akan dibuat, diperlukan simbol-simbol ADAPT tambahan : member, attribute, dan scope, yang merupakan objek database yang tergabung dengan sebuah dimensi dan digunakan untuk menggambarkan sebuah dimensi dengan lebih lengkap. Sebuah member adalah nilai sebuah dimensi tunggal. Januari, 1998 adalah contoh member dari dimensi waktu. Jakarta, Bandung, dan Aceh adalah member dari dimensi tempat.
Gambar 2.6 Member Scope adalah kumpulan dari member suatu dimensi. Seperti kumpulan produk-produk baru.
Gambar 2.7 Scope Attribute adalah informasi deskriptif tentang member dari sebuah dimensi. Sebuah attribute dapat berupa semua jenis tipe data. Misalnya, nama manajer dari sebuah entitas organisasi adalah textual attribut, dan jumlah hari kerja dalam sebuah periode waktu adalah numeric attribute.
Gambar 2.8 Attribute
28 b) Tipe penyimpanan data (storage types of data) Menurut Peterson dan Pinkleman (1999, pp421-422), Cube yang dibuat ada tiga tipe penyimpanan, yaitu: 1. MOLAP (Multidimensional Data Storage) MOLAP menggunakan tipe penyimpanan data dengan lebih rinci untuk analisis multidimensional, yang menangani data dan agregasi seperti berikut: •
Data di-copy dari sumber data dan disimpan dalam cube MOLAP yang dikhususkan untuk struktur yang multidimensional. Ketika data di-query, original data tidak dibutuhkan karena semua data tersedia dalam cube.
•
Agregasi disimpan dalam struktur cube yang dikhususkan untuk multidimensional.
2. ROLAP (Relationnal Data Storate) ROLAP menggunakan struktur relational database untuk disimpan dalam agregasi cube. Data dan agregasi menangani seperti berikut: •
Ketika cube di-query dan tingkat dasar (base level) dari data dibutuhkan, data diambil dari sumber data asli.
•
Agregasi disimpan dalam relational database sebagai tabel. Informasi dalam tabel ini diambil pada saat dilakukan query MDX (Multidimensional Expressions).
3. HOLAP (Hybrid Data Storage) HOLAP adalah tipe penyimpanan database yang mengkombinasikan
29 fitur ROLAP dan MOLAP. HOLAP menangani data seperti ROLAP dan agregasi seperti MOLAP, yakni: •
Data ditinggalkan dimana data tersebut di dalam sumber data. Ketika cube di-query dan tingkat dasar data dibutuhkan, data diambil dari sumber data asli.
•
Agregasi disimpan dalam struktur cube yang dikhususkan untuk multidimensional.
5. Pemilihan Database (Database Selection) Karena suatu organisasi memerlukan perluasan atau perubahan pada sistem yang sedang berjalan, maka akan menjadi hal yang perlu untuk mengevaluasi produk-produk DBMS yang baru. Tujuannya untuk memilih sebuah sistem yang sesuai dengan kebutuhan perusahaan saat ini maupun di masa yang akan datang, yang seimbang dengan biaya-biaya yang dikeluarkan termasuk dalam pembelian produk DBMS, perangkat lunak maupun perangkat keras tambahan yang dibutuhkan untuk mendukung sistem database, dan biaya-biaya lain yang berhubungan dengan perubahan dan pelatihan pegawai.
6. Perancangan Aplikasi (Application Design) Perancangan aplikasi adalah mendesain antarmuka dan program aplikasi yang menggunakan dan memproses database.
30 7. Prototyping Prototyping adalah membangun sebuah model kerja dari aplikasi database yang tidak memiliki semua fitur yang diperlukan atau semua fungsi yang seharusnya ada pada sistem akhirnya (Connolly dan Begg, 2002, p291). Tujuan utama prototyping adalah untuk memungkinkan pengguna menggunakan prototype untuk mengidentifikasi fitur-fitur yang bekerja dengan baik pada sistem, atau kekurangannya, dan memberikan saran bagi peningkatan kerja sistem atau bahkan memberikan masukan terhadap fiturfitur baru ke dalam aplikasi database.
8. Implementasi Menurut Connolly dan Begg (2002, p292), implementasi adalah realisasi fisik dari database dan perancangan aplikasi. Juga akan diimplementasikan komponen lain dari aplikasi database seperti menu layar, pemasukan data, dan laporan-laporan.
9. Konversi dan Loading Data Konversi dan loading data adalah proses pemindahan data yang ada ke database yang baru dan mengubah setiap aplikasi yang ada agar berjalan pada database yang baru (Connolly dan Begg, 2002, p292). Tahapan ini hanya dibutuhkan jika sistem database yang baru menggantikan sistem yang lama.
31 10. Testing Pengujian adalah proses untuk menjalankan program aplikasi dengan tujuan untuk menemukan kesalahan (Connolly dan Begg, 2002, p293). Pengujian memperlihatkan bahwa database dan program aplikasi bekerja sesuai dengan spesifikasinya dan bahwa kinerjanya memuaskan.
11. Operational Maintenance Pemeliharaan operasi adalah proses mengawasi dan memelihara sistem yang telah diimplementasi. Kegiatan yang dilakukan antara lain : y
Mengawasi kinerja sistem. Jika kinerjanya menurun ke tingkat yang tidak dapat diterima, database perlu diorganisasi ulang (reorganization).
y
Pemeliharaan dan upgrade aplikasi database-nya (jika diperlukan). Setelah aplikasi database dijalankan secara penuh, pengawasan diperlukan untuk memastikan kinerjanya tetap berada pada tingkat yang dapat diterima.
