PEMBUATAN PURWARUPA DATA WAREHOUSE ANALISA PENJUALAN UNTUK DEPARTEMEN PENJUALAN DI P.T. NIPPON INDOSARI CORPINDO - PASURUAN

Prosiding Seminar Nasional Manajemen Teknologi VI Program Studi MMT-ITS, Surabaya 4 Agustus 2007

PEMBUATAN PURWARUPA DATA WAREHOUSE ANALISA PENJUALAN UNTUK DEPARTEMEN PENJUALAN DI P.T. NIPPON INDOSARI CORPINDO - PASURUAN Aribowo, Rully Soelaiman Magister Manajemen Teknologi Institut Teknologi Sepuluh Nopember Email : [email protected], [email protected]

ABSTRAK Kemampuan menjual suatu produk merupakan tujuan suatu perusahaan agar tetap bisa berkembang dan bersaing. Sehingga perlu dilakukan pengamatan terhadap produk yang telah dihasilkan dan kemampuannya di pasaran. Perusahaan roti merupakan perusahaan yang mempunyai karakteritik unik pada produknya. Roti merupakan jenis makanan yang mudah kadaluarsa sehingga memerlukan pengamatan yang lebih jeli untuk pemasarannya. Data yang ada pada perusahaan terdiri lebih dari satu juta baris yang harus dianalisa, dan membutuhkan kecepatan dalam pemrosesannya. Karena bila hal tersebut mampu dikelola dengan baik maka akan mendapatkan informasi yang berguna untuk meningkatkan penjualan perusahaan. Hal ini terkait dengan target penjualan yang harus dicapai sekitar 66 milyar untuk tahun ini, padahal tahun lalu hanya dicapai penjualan sekitar 40 milyar saja. Dalam mengelola suatu data yang besar untuk dapat menyajikan suatu informasi yang cepat dan akurat adalah dengan menggunakan metoda Data Warehouse. Pengumpulan data yang khusus untuk dibuat suatu informasi yang berguna dapat menggunakan fasilitas yang ada pada Ms SQL Server 2000. Dengan fasilitas yang ada bisa disajikan suatu informasi yang beracuan pada Dimensi Data yang dibuat berdasarkan kebutuhan sesuai dengan logical data yang diinginkan. Pembuatan suatu logikal data bisa menggunakan Snowflake dan Starschema. Untuk pelaporannya bisa disusun sesuai kebutuhan dengan menggunakan Cube yang juga merupakan fasilitas pada Ms SQL Server 2000. Pemanfaatan Data Warehouse secara benar akan mampu memberikan informasi penjualan secara cepat dan akurat. Informasi ini akan mampu menunjang kinerja dari Departemen Penjualan di Perusahaan, sesuatu kebutuhan informasi yang perusahaan inginkan. Kata kunci : Cube, Data Warehouse, Data dimention, Snowflake dan Starschema

PENDAHULUAN P.T. Nippon Indosari Corpindo merupakan pabrik penghasil roti dengan nama dagang SARIROTI. Pertama kali pabrik roti tersebut berdiri di Cikarang sekitar tahun 1996, yang kemudian mengembangkan produksinya ke wilayah Jawa Timur tepatnya di Pasuruan sejak bulan September tahun 2005. Produk SARIROTI mempunyai beberapa macam jenis roti. Pemasaran produk SARIROTI dari Pasuruan meliputi wilayah Jawa Timur, Jawa Tengah, Yogyakarta, dan Bali. Produk SARIROTI di Cikarang merupakan salah satu produk yang mempunyai loyalty index yang tinggi menurut survey Majalah SWA di salah satu edisinya dan menempati urutan pertama untuk produk-produk dari industri yang sejenis. Penjualan untuk pabrik di Cikarang mencapai 15 milyar dalam


sebulan. Dalam rangka menunjang operasional kegiatan administrasi sudah ada suatu sistem informasi yang terintegrasi antara modul-modul Penjualan, Supply Chain Management, Produksi, Keuangan, dan Akuntansi. Aplikasi yang ada merupakan sistem aplikasi yang sudah paket yaitu ACCPAC dari Sage Software Inc., sehingga tidak mungkin melakukan customize disisi aplikasinya. Namun demikian aplikasi yang sekarang digunakan sudah mampu untuk memenuhi kebutuhan dalam hal transaksional untuk keperluan administrasi. Setiap akhir tahun berjalan dilakukan penyusunan AOP (Anggaran Operasional Perusahaan) untuk tahun berikutnya. Diakhir tahun 2005 perusahaan membuat AOP untuk tahun 2006, dan merencanakan target NS (Net Sales) yang merupakan pendapatan bersih dari penjualan sebesar 60 milyar dengan BS (Bad Stock) yang merupakan retur dari customer tidak lebih dari 10%, sehingga GS (Gross Sales) yang merupakan omzet total minimal yang harus dipenuhi sebesar 66,667 milyar. Hingga bulan Nopember tahun 2006, pabrik yang ada di Pasuruan mempunyai total NS sebesar 31,480 milyar, BS sebesar 5,087 milyar, dan GS sebesar 36,567 milyar. Dari data diatas terlihat hasil penjualan hingga bulan Nopember 2006 belum memenuhi target yang harus dicapai sebesar 60 milyar. Salah satu hal yang menyebabkan kegagalan diatas adalah tidak mampunya pihak manajemen untuk mengambil keputusan yang tepat berdasarkan data nyata yang ada. Untuk melihat sejauh mana kemampuan suatu produk di pasaran harusnya bisa dilihat dari kebutuhan pasar yang ada, dan ini bisa diambil dari data transaksi yang sudah ada di basisdata. Aplikasi saat masih bersifat transaksional sehingga belum mampu menyajikan laporan yang bersifat informatif untuk kepentingan pengambilan keputusan yang harus cepat dan akurat. Meskipun demikian aplikasi sudah menggunakan mesin basisdata Ms SQL Server 2000, yang mempunyai fasilitas OLAP (On Line Analytical Processing), namun masih harus dilakukan pengelompokan data yang nantinya bisa digunakan untuk meyajikan informasi yang cepat dan akurat. Pengelompokan data ini dilakukan agar mesin basisdata utama tidak mengalami overload saat dilakukan akses data untuk kebutuhan laporan yang diperlukan. METODA Metoda untuk perancangan datawarehouse ini dibagi menjadi lima tahapan : Perencanaan Proyek Penelitian 1.

2.

Wawancara, yaitu melakukan pencarian informasi lewat pertanyaan langsung kepada pihak yang berkepentingan untuk nantinya menggunakan laporan yang akan ditampilkan dengan suatu aplikasi yang memanfaatkan data warehouse yang sudah dibuat. Analisis Dokumen, dari operasional saat ini tentunya sudah ada beberapa dokumen penunjang operasional yang digunakan untuk mendapatkan informasi untuk kepentingan pengambilan keputusan, dari dokumen nini akan di analisa untuk bisa menambahkan informasi yang sudah didapatkan dari hasil wawancara.

Analisa Kebutuhan Dari pengumpulan data yang diperoleh maka dilakukan analisa. Keinginan dari pengguna akan sangat mempengaruhi arah dari analisis. Langkah selanjutnya adalah melakukan suatu desain, dalam tahap ini akan dibuat suatu logikal data warehouse yang disebut sebagai star-schema ataupun snowflake. Langkah-langkah analisa data hingga ISBN : 978-979-99735-3-5 C-1-2


diperoleh logikal data warehouse adalah sebagai berikut : 1. Menterjemahkan kebutuhan dari proses bisnis ke dalam model dimensional. 2. Membuat suatu logikal data warehouse yang disebut sebagai star-schema ataupun snowflake. 3. Melakukan test terhadap model dimensional yang sudah dibuat untuk memastikan bahwa laporan yang diinginkan pengguna bisa dibuat dari model dimensional yang sudah dibuat. Melakukan analisis data secara lebih detil hingga melakukan pemetaan antara target data dengan sumber data, berikut manipulasi yang diperlukan sesuai kebutuhan bisnis. Perancangan dan Identifikasi Kelayakan Sistem Pada perancangan ini dibutuhkan data yang sesuai dan menunjang hasil yang diinginkan. Kelengkapan data harus diperiksa kembali. Ditahap ini dilakukan beberapa pembersihan data yang tidak digunakan atau pun melengkapi data yang nantinya bisa menunjang hasil yang diinginkan. Untuk melakukan identifikasi kelayakan sistem pertama kali dilakukan dengan percobaan terhadap desain proses ETL (Ekstraksi, Transformasi, dan Load data), yang dilanjutkan dengan melakukan pencetakan laporan yang diinginkan. Laporan yang akan digunakan disini akan diperoleh dari analisa kebutuhan terhadap departemen yang berkepentingan. Implementasi Setelah dilakukan perancangan maka untuk dapat digunakan user dilakukan implementasi. Implementasi beracuan pada perancangan yang telah disusun dan diidentifikasi kelayakannya. Ujicoba dan Evaluasi Kelayakan Antar Muka Uji coba dan evaluasi antarmuka berguna untuk pengguna bahwa data warehouse dan antarmuka yang dibuat telah sesuai dengan yang diinginkan. Pada evaluasi ini akan terlihat kemampuan data warehouse dan antar-mukanya dalam menyajikan informasi yang cepat dan akurat, sesuai dengan perancangan yang telah dibuat. Hasil uji coba dan evaluasi ini harus sesuai dengan kebutuhan laporan dan data yang diperoleh pada tahap perencanaan. HASIL DAN DISKUSI Analisa kebutuhan yang dihasilkan dari wawancara dan mempelajari dokumen yang ada, diperoleh beberapa kebutuhan penyajian informasi untuk analisa penjualan. Beberapa informasi yang diperlukan dapat dilihat pada Tabel 1. Dari identifikasi sistem yang saat ini berjalan diperoleh beberapa tabel dari dua basis data yang berbeda untuk di lakukan ETL, tabel itu antara lain : 1. Basis data ACCPAC dengan tabel : a. ARCUS b. ICITEM c. ICPCOD d. OESHDT 2. Basis data OTF (Order To Factory) dengan tabel : a. OTFSUPV b. OTFTYPE

ISBN : 978-979-99735-3-5 C-1-3


Setelah diperoleh data awal tentang analisa kebutuhan dan identifikasi sistem yang saat ini berjalan maka disusun suatu basis data untuk Data Warehouse dengan cara melakukan ETL (Extract Transfer Load). Data yang dihasilkan dari ETL diperoleh dari DTS pada mesin basis data Ms SQL Server. Dengan demikian server data tidak terbebani oleh data untuk OLAP dan akses informasi menjadi lebih cepat. Tabel 1. Pemetaan KPI, Laporan harian KPI dan Laporan Bulanan terhadap perancangan Data Warehouse No 1

2

3

4

5

6

7

Description

Database ACCPAC

Table ICITEM OESHDT

ACCPAC

ICITEM OESHDT

ACCPAC

ICITEM ICPCOD OESHDT

Per Channel Distribution - By Day - By Week - By Month - By Quarter - By Semester Per Key Account Executive - By Month - By Quarter - By Semester

ACCPAC

ARCUS ICITEM OESHDT

ACCPAC

ICITEM OESHDT OTFSUPV

Per Area - By Day - By Week - By Month - By Quarter - By Semester Per Type (Tawar/Manis) - By Day - By Week - By Month - By Quarter - By Semester

ACCPAC

Penjualan All Produk - By Day - By Week - By Month - By Quarter - By Semester Penjualan Per Produk - By Day - By Week - By Month - By Quarter - By Semester Penjualan Per Produk - By Type Discount

OTF

OTF

ACCPAC

ARCUS ICITEM OESHDT OTFTYPE

ICITEM OESHDT

ISBN : 978-979-99735-3-5 C-1-4

Gap - Tables have too many columns and records. - Have no period table. - Tables have too many columns and records. - Have no period table.

Action - Cleaning data and build period table.

- Tables have too many columns and records. - Have no period table. - Tables have too many columns and records. - Have no period table. - Tables have too many columns and records. - Have no period table. - Tables have too many columns and records. - Have no period table.

- Cleaning data and build period table.






Gambar 1. Alur pembuatan data warehouse

Proses ETL dilakukan dengan menggunakan perintah SQL yanga ada di Ms SQL Server dan dilakukan DTS secara otomatis dari mesin basis data yang ada. Dari proses ETL ini diperoleh basis data baru bernama ACCPACDW yang berisi beberapa tabel antara lain : ARCUS, ICITEM, ICPCOD, OESHDT, OTFSUPV, dan OTFTYPE Dari tabel yang berada pada basis data ACCPACDW dibuat beberapa dimensi data yang akan digunakan untuk proses OLAP. Dimensi data dibuat berdasarkan data yang dibutuhkan untuk membuat laporan yang diinginkan sesuai yang telah ada pada daftar keinginan. Pada proses OLAP dibuat pula beberapa tabel fakta yang berrelasi dengan beberapa tabel dimensi yang telah dibuat sebelumnya. Hubungan antara tabel fakta dan dimensi yang ada berupa logikal data warehouse yang dapat berupa Star Schema atau Snowflake Schema, tergantung dari dimensi yang digunakan. Beberapa dimensi yang dibuat yaitu, CUSTOMER, ITEM, O_PER_ITEM, PRICECODE, SALESMAN, TIME_ALL, dan TYPEOUTL. Beberapa logikal data warehouse yang telah dibuat adalah : ALL, SALES_QUANTITY, dan TIME_ALL. Tabel 2. Snowflake Schema

ISBN : 978-979-99735-3-5 C-1-5


Untuk dapat diakses hingga end user maka perlu dilakukan implementasi pada komputer user dengan antar muka yang mampu untuk berhubungan dengan Analysis Service yang ada di server. Salah satu antar muka sederhana yang bisa digunakan adalah Ms Excel dengan menggunakan koneksi data ke OLAP service. Dari Data yang diambil ini maka dapat dibuat berbagai macam penyajian informasi menggunakan pivot table. Dari pivot tabel dapat diperoleh bebrapa informasi seperti dibawah ini : Gambar 3. Tabel Pivot

KESIMPULAN Dari hasil penelitian yang telah dilakukan dapat disimpulkan bahwa pembuatan purwarupa datawarehouse mampu menyediakan berbagai kebutuhan penyajian informasi yang diinginkan oleh user untuk dapat mengambil keputusan. Pembuatan purwarupa data warehouse dapat mengurangi keterlambatan penyajian informasi yang diinginkan.. DAFTAR PUSTAKA Adamson, Christopher and M. Venerable (1998) Data Warehouse Design Solution, John Wiley & Son, New York. Adamson, Christopher (2006) Mastering Data Warehouse Aggregates Solutions for Star Schema Performance eBook, John Wiley, Indianapolis, Indiana. Bain, Tony and Friends (2001) Professional SQL Server 2000 Data Warehousing with Analysis Services eBook, Wrox Press Ltd, Canada. Delaney, Kalen (2001) Inside Microsoft SQL Server 2000 eBook, Microsoft Press, Washington.

ISBN : 978-979-99735-3-5 C-1-6


Humphries, Hawkins, and Dy (1999) Data Warehousing Architecture and Implementation, Prentice Hall PTR, New Jersey. Kendall, Kenneth and Julie Kendall (2003) System Analysis and Design, Edisi 5, Jilid 1, Ed: T.A.H. Al-Hamdany, Person Education Asia dan Prenhallindo, Jakarta. Kotler, Phillip (2000) Manajemen Pemasaran, Edisi Millenium, Prenhallindo, Jakarta. Larson, Brian (2004) Microsoft SQL Server 2000 Reporting Services eBook, McGraw Hill, California. Thomsen, Erik (2002) OLAP Solution eBook Building Multidimensional Information Systems, Edisi 2, John Wiley & Son, Canada.

ISBN : 978-979-99735-3-5 C-1-7

PEMBUATAN PURWARUPA DATA WAREHOUSE ANALISA PENJUALAN UNTUK DEPARTEMEN PENJUALAN DI P.T. NIPPON INDOSARI CORPINDO - PASURUAN

Recommend Documents