View
225
Download
0
Category
Preview:
Citation preview
8
Bab 2
LANDASAN TEORI
2.1 Dasar–Dasar Data warehouse
2.1.1 Pengertian Sistem Informasi
Menurut pendapat Steven Alter (1999, p4), “An information system is a
work system that use information technology to capture, transmit, store, retrieve,
manipulate or display information”, yang artinya mengatakan bahwa sistem
informasi adalah suatu sistem yang bekerja dengan menggunakan teknologi
informasi untuk mengambil, mengirimkan, menyimpan, mendapatkan kembali,
memanipulasi atau menampilkan informasi.
2.1.2 Pengertian Data
Menurut Steven Alter (1999, p166), “Data are facts, images, or sounds
that may or may not be pertinent or useful for particular task”, yang artinya data
merupakan fakta, gambar, atau suara yang berhubungan atau tidak berhubungan
atau tidak dan bermanfaat bagi tugas tertentu.
Menurut Mallach (2000, p95), “Data is what the information system
department creates, stores, and provides”, yang diartikan bahwa data adalah apa
saja yang diciptakan, disimpan dan disediakan oleh departemen informasi.
Di sini kita dapat melihat bahwa data merupakan suatu bentuk
keterangan-keterangan yang belum diolah atau dimanipulasi, serta data yang
9
didapatkan pada suatu perusahaan pada umumnya didapatkan dari hasil kegiatan
operasi sehari-hari atau hasil dari transaksi.
2.1.3 Pengertian Database
Menurut C. J. Date (2000, p10), “A Database is collection of persistent
data that is used by the application system of some given enterprise”, dimana
artinya Database merupakan kumpulan dari data yang hampir tidak mengalami
perubahan dan digunakan oleh aplikasi sistem pada tahap beberapa perusahaan.
Menurut Thomas Connolly dan Carolyn Begg (2002, p14), “Database is
a shared collection of logically related data, and a description of this data,
designed to meet the information needs if an organization”, artinya database
adalah kumpulan data yang saling berhubungan satu sama lain yang digunakan
secara bersama-sama dan kumpulan data ini dirancang untuk memenuhi
kebutuhan informasi suatu perusahaan. Pendapat Connolly ini didukung oleh
Raghu Ramakrishnan (2003, p4).
2.1.4 Pengertian Data warehouse
Menurut Vidette Poe (1996, p6), “A Data warehouse is a read-only
analytical database that used as the foundation of a decision support system”,
dapat diartikan bahwa Data warehouse merupakan database yang bersifat analisis
dan hanya dapat dibaca saja yang digunakan sebagai dasar dari sistem penunjang
keputusan.
10
Menurut Ramalho (2001, p206), data warehouse adalah sebuah database
yang mengandung data yang biasanya mewakili sejarah bisnis dari suatu
organisasi. Data historis dari data warehouse digunakan dalam aktivitas analisis
yang mendukung keputusan-keputusan bisnis dalam beberapa tingkat. Data di
dalam data warehouse diorganisir untuk mendukung analisis, bukan transaksi
pemrosesan dalam waktu nyata, seperti pada sistem Online Transaction Processing
(OLTP). Menurut Ramalho (2001, p204), data warehouse adalah pendekatan
untuk penyimpanan data dimana sumber-sumber data yang heterogen (yang biasa
tersebar pada beberapa database OLTP) dimigrasikan untuk penyimpanan data
yang homogen dan terpisah.
Menurut W.H Inmon (2002, p389), “A data warehouse is a collection of
integrated, subject integrated database designed to support the DSS fuction, where
each unit of data is relevant to some moment in time” yang artinya Data
warehouse adalah koleksi data yang mempunyai sifat berorientasi subyek,
terintegrasi, rentang waktu, yang dirancang untuk mendukung sistem pendukung
keputusan dimana tiap data berhubungan dengan suatu kejadian pada suatu waktu.
Menurut Ralph Kimball, “A data warehouse is a copy of transaction data
specifically structured for querying and reporting.” yang artinya data warehouse
adalah salinan dari data transaksi yang tersusun untuk laporan dan query.
Dari definisi-definisi di atas, dapat disimpulkan bahwa data warehouse
adalah database yang saling bereaksi yang dapat digunakan untuk proses query
data dan sebagai analisis yang bersifat orientasi subyek (subject oriented),
terintegrasi (integrated), tidak dapat berubah (nonvolatile), dan mempunyai variasi
11
waktu tertentu (time variant) bagi para pengambil keputusan manajemen dari suatu
perusahaan.
Dengan adanya data warehouse, akan dapat mempermudah pembuatan
aplikasi-aplikasi DSS (Decision Support System) atau EIS (Executive Information
System). Berikut ini beberapa keuntungan data warehouse menurut Thomas
Connolly dan Carolyn Begg (2002, p1048) adalah sebagai berikut :
a. Modal yang dikeluarkan akan kembali lebih cepat.
b. Keuntungan dalam bersaing dengan perusahaan lainnya yang sejenis.
c. Meningkatkan produktifitas dalam pengambilan keputusan
2.1.5 Istilah-istilah dalam Data warehouse
Beberapa Istilah–istilah yang berhubungan dengan data warehouse antara
lain :
1. DSS (Decision Support System)
Merupakan suatu sistem yang dapat menganalisis dan mendukung suatu
pengambilan keputusan yang baik dan berguna bagi pengguna informasi.
2. Data Mart
Menurut Connoly (2002,p1067), “ Data mart is a subset of a data warehouse
that support the requirements of a particular department of business
function”, yang berarti Data Mart adalah subset dari data warehouse yang
mendukung kebutuhan informasi dari suatu departemen atau fungsi bisnis
tertentu. Perbedaan antara data mart dengan data warehouse adalah :
12
• Data Mart hanya berfokus pada kebutuhan user yang berkaitan dengan
suatu departemen atau fungsi bisnis.
• Data Mart tidak mengandung data operasional secara detil, tidak seperti
data warehouse.
• Data yang ada dalam data mart lebih sedikit daripada yang ada dalam data
warehouse, data mart juga lebih mudah dimengerti karena lebih sederhana
3. OLAP (On – Line Analytical Processing)
Menurut Mallach (2000, p531), OLAP adalah “ A category of software that
enables analyst, managers, and executive to gain insight into data through
fast,cinsistent, interactive access to a wide variety of possible views of
information that has been transformed from raw data to reflect the real
dimensionality of the enterprise as understood by the user”, yang berarti
OLAP adalah kategori teknologi software yang dapat memungkinkan
seorang system analyst, manager, dan eksekutif untuk melihat data yang ada
dengan akses yang cepat, konsisten dan interaktif sehingga dapat melihat
informasi yang sudah ditranformasi dari data mentah menjadi dimensi
keadaan nyata yang dapat dimengerti dengan mudah oleh user.
4. OLTP
Merupakan pemrosesan penyimpanan data mengenai kegiatan operasional
atau transaksi kegiatan perusahaan sehari-harinya. OLTP dirancang untuk
13
memungkinkan terjadinya pengaksesan secara bersamaan oleh beberapa user
terhadap sumber data yang sama dan mengatur proses yang diperlukan
5. Tabel Dimensi
Tabel yang berisikan kategori dengan ringkasan data detail yang dapat
dilaporkan, seperti laporan keuntungan pada tabel fakta dapat dilaporkan
sebagai dimensi waktu (bisa perbulan, perkuartal, dan pertahun).
6. Tabel Fakta
Tabel yang pada umumnya mengandung data histori dimana key (kunci)
yang dihasilkan sangat unik karena merupakan kumpulan foreign key dan
primary key yang ada pada tabel dimensi yang berhubungan atau merupakan
tabel terpusat dari skema bintang. Tabel fakta juga menyimpan tipe measure
yang berbeda, seperti measure yang secara langsung terhubung dengan tabel
dimensi (Additive) dan measure yang tidak berhubungan dengan tabel
dimensi (Non-Additive).
2.2 Anatomi Data warehouse
Dalam menentukan bentuk data warehouse yang akan digunakan oleh
suatu perusahaan, terlebih dahulu kita harus mengetahui kebutuhan yang kita
perlukan dalam menjalankan aplikasi yang dirancang. Bentuk umum yang sering
digunakan dalam data warehouse adalah data warehouse fungsional, terpusat,
dan terdistribusi.
14
2.2.1 Functional Data warehouse (Data warehouse Fungsional)
Terlihat pada gambar 2.1 bahwa data warehouse dibuat lebih dari satu
dan dikelompokkan berdasarkan masing-masing fungsi keuangan (financial),
fungsi marketing, fungsi kinerja personalia, dan lain-lainnya. Keuntungan dari
bentuk ini adalah dapat dengan mudah dibangun dengan biaya yang relatif
murah, sedangkan kerugiannya adalah resiko kehilangan konsistensi dan
terbatasnya kemampuan dalam pengumpulan data bagi pengguna.
Source
Source
Source
Functional DataWarehouse
Functional DataWarehouse
Workstation
Workstation
Gambar 2.1 Bentuk Data warehouse Fungsional
2.2.2 Centralized Data warehouse (Data warehouse Terpusat)
Terlihat pada gambar 2.2 bahwa bentuk ini mirip seperti bentuk
functional data warehouse, namun disini sumber data terlebih dahulu
dikumpulkan dan diintegrasikan pada suatu tempat terpusat, kemudian barulah
data tersebut dibagi-bagi berdasarkan fungsi-fungsi yang dibutuhkan oleh
perusahaan dan bentuk ini paling sering digunakan oleh perusahaan yang belum
memiliki jaringan eksternal.
15
Bentuk 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.
Keuntungan dari bentuk ini adalah data benar-benar terpadu karena
konsistensinya yang tinggi sedangkan kerugian dari bentuk ini adalah biaya yang
dibutuhkan mahal serta perlu waktu yang cukup lama untuk membangun bentuk
ini.
Source
Source
Source
CentralizedData
Warehouse
Functional DataWarehouse
Functional DataWarehouse
Workstation
Workstation
Gambar 2.2 Bentuk Data warehouse Terpusat
2.2.3 Distributed Data warehouse (Data warehouse Terdistribusi)
Terlihat pada gambar 2.3 bahwa sistem data warehouse menggunakan
gateway yang berguna sebagai jembatan antara lokasi data warehouse dengan
workstation. Dalam sistem data warehouse, workstation menggunakan sistem
yang berbeda–beda, sehingga pada bentuk ini memungkinkan kita untuk
mengakses sumber data yang berbeda di luar lokasi perusahaan (eksternal).
16
Keuntungan dari bentuk ini adalah kelebihannya dalam mengakses data
dari luar perusahaan yang lebih mengalami sinkronisasi terlebih dahulu dan tetap
terjaga konsistensinya. Kerugiannya adalah bentuk ini paling mahal dan
kompleks untuk diterapkan karena sistem operasinya dikelola secara terpisah.
Source
Source
Source
Data WarehouseGateway
Workstation
Workstation
Gambar 2.3 Bentuk Data warehouse Terdistribusi
2.3 Karakteristik Data warehouse
Menurut Inmon (2000, p467), “A subject-oriented, integrated, non-
volatile, and time-variant collection of data in support of management’s
decision.” Berdasarkan definisi menurut William Inmon, data warehouse
mempunyai beberapa karakteristik sebagai berikut : berorientasi subyek (subject
oriented), terintegrasi (integrated), tidak dapat berubah (nonvolatile), dan
mempunyai variasi waktu tertentu (time variant).
2.3.1 Subject Oriented (Berorientasi Subyek)
Data warehouse bersifat subject oriented artinya data warehouse
didesain untuk menganalisis data berdasarkan fungsi utama dalam bisnis, bukan
berdasarkan data transaksi. Secara garis besar perbedaan mendasar antara data
operasional dan data warehouse terlihat pada tabel 2.1 :
17
Data Operasional Data warehouse
Berorientasi hanya pada aplikasi dan
fungsi tertentu
Berorientasi pada subyek-subyek
tertentu (fungsi utama)
Fokus pada desain database dan
proses
Fokus pada pemodelan data dan
desain data
Berisi rincian data atau detail data Berisi data-data histori yang akan
dipakai untuk proses analisis
Relasi antar tabel berdasarkan aturan
terbaru
Banyak aturan bisnis yang tersaji
antara tabel-tabel
Tabel 2.1 Perbandingan Subject Oriented antara Data warehouse dengan Data Operasional
2.3.2 Integrated (Terintegrasi)
Data warehouse bersifat integrated artinya data warehouse harus
menyimpan data-data yang berasal dari sumber-sumber yang terpisah kedalam
suatu format yang konsisten dan saling terintegrasi satu dengan yang lainnya.
Dengan demikian data tidak bisa dipecah-pecah karena data yang ada merupakan
sebuah kesatuan tunggal yang menunjang keseluruhan konsep data warehouse,
bukan sebagai kumpulan file yang berbeda dalam pengelompokan atau struktur
data.
Data warehouse harus dapat memecahkan masalah-masalah seperti
konflik penamaan variabel dan inkonsistensi diantara ukuran-ukuran yang
dipakai didalamnya dengan cara konsistensi dalam pemberian nama, penentuan
18
ukuran dari tipe variabel, struktur koding, serta penentuan atribut data secara
fisik.
2.3.3 Nonvolatile (Tidak Dapat Berubah)
Data warehouse bersifat read-only, pengguna tidak dapat mengubah data.
Pengguna hanya bisa menambah data baru, sedangkan data yang lama tetap ada
dan tidak dihapus. Berbeda dengan sistem database operasional yang bersifat
mengumpulkan data (data capture), data warehouse berfungsi untuk mendukung
system reporting. Pada sistem database operasional terdapat tiga operasi yaitu
insert, update, delete. Sedangkan pada data warehouse terdapat dua operasi yaitu
loading data dan akses data (query data).
2.3.4 Time Variant (Variasi Waktu)
Data yang ada dalam data warehouse tergantung pada suatu dimensi
waktu sehingga perubahan yang terjadi dapat diketahui berdasarkan suatu waktu
tertentu. Hal ini bukan berarti merubah data setiap waktu. Data tersebut
merupakan hasil summary. Hal ini akan membantu dalam menentukan performa
data warehouse query serta dalam membentuk pengertian bisnis.
2.4 Kegiatan Data warehouse
Untuk melakukan penganalisaan dan pelaporan informasi bagi pihak-pihak
yang mengambil keputusan maka dalam merancang data warehouse terdapat
kegiatan-kegiatan yang harus ada didalamnya, kegiatan-kegiatan itu adalah :
19
1. Memperoleh dan menggabungkan data
Mendapatkan data dari berbagai sumber dan melakukan penggabungan pada
suatu tempat tertentu, data-data yang digabung adalah data-data yang akan
membantu kita dalam pembuatan laporan, karena data tersebut merupakan
suatu bentuk kesatuan.
2. Transformasi data
Pengolahan data dari awal ke bentuk data yang telah disepakati dengan
mengalami pemrosesan atau pengolahan terlebih dahulu.
3. Pendistribusian data
Data-data yang akan kita gunakan dalam data warehouse berkaitan dengan
lingkungan kerja dalam lingkungan perusahaan. Bagi perusahaan yang
terhubung dengan jaringan, pemakaian data warehouse mendukung kegiatan
ini secara lebih fleksibel dan merata pada masing-masing bagian yang ada
dalam perusahaan.
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
menganalisis produk yang telah dipasarkan di masyarakat.
2.5 Arsitektur dan Infrastruktur Data warehouse
20
2.5.1 Arsitektur Data warehouse
Menurut Poe (1996, p24), arsitektur adalah sekumpulan aturan atau
struktur yang memberikan kerangka untuk keseluruhan rancangan suatu sistem
atau produk. Arsitektur data menyediakan kerangka dengan mengindentifikasikan
dan memahami bagaimana data akan pindah melalui sistem dan digunakan dalam
perusahaan. Arsitektur data untuk data warehouse mempunyai komponen utama
yaitu database yang hanya dapat dibaca.
Karakteristik arsitektur data warehouse menurut Poe (1996, p40-41) adalah
sebagai berikut :
1. Data diambil dari sistem asal (sistem informasi yang ada), database, dan file.
2. Data dari sistem asal diintegrasikan dan ditransformasi sebelum disimpan
kedalam Data Base Management System (DBMS) seperti Oracle, Ms SQL
Server, IBM DB2, Sybase, dan masih banyak yang lainnya.
3. Data warehouse adalah jenis database read-only yang diciptakan untuk
mengambil keputusan
4. User mengakses data warehouse melalui front-end toll atau aplikasi.
Arsitektur dan infrastruktur dari data warehouse sangat erat hubungannya,
dan satu dengan yang lainnya saling berkaitan. Keberhasilan pengembangan data
warehouse dipengaruhi oleh pengindentifikasian arsitektur mana yang terbaik dan
infrastruktur apa yang dibutuhkan. Arsitektur yang sama mungkin akan
membutuhkan infrastruktur yang berbeda, tergantung pada lingkungan perusahaan
atau organisasi. Ada beberapa macam arsitektur data warehouse, diantaranya
adalah :
21
• Arsitektur two-tier
• Arsitektur three-tier
• Arsitektur bottom-up
2.5.1.1 Arsitektur Two-Tier
Seperti terlihat pada gambar 2.4 bahwa pada arsitektur ini, data
operasional ditransformasikan dan ditransfer ke data warehouse. Untuk
membantu proses transformasi, perlu dibuat sebuah Enterprise Data Model
(EDM). 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.
Umumnya arsitektur dengan tipe ini akan menemui kesulitan
performance bilamana data warehouse berukuran besar.
22
TRANSFORMASI
SummarizedData
Data WarehouseServer
User
Operational Databasedan
External Data Source
Data Warehouse
Gambar 2.4 Arsitektur Two-Tier Data warehouse
2.5.1.2 Arsitektur Three-Tier
Organisasi yang menemui kesulitan dalam menerapkan arsitektur two-tier
umumnya akan beralih ke arsitektur three-tier.
Pada umumnya user hanya mengakses sebagian kecil dari data
warehouse. Oleh karena itu perlu digunakan data mart. Data mart ini memiliki
server yang terpisah dengan data warehouse, yang bertujuan untuk performance
dan fault tolerance. Masing-masing departemen bertanggung jawab untuk
mengawasi data mart departemennya. Bentuk arsitektur three-tier dapat dilihat
pada gambar 2.5.
23
TRANSFORMASI
SummarizedData
Data WarehouseServer
Operational Databasedan
External Data Source
Data Mart
Data MartData Warehouse
Data Mart Tier
Data Mart Tier
User
User
Gambar 2.5 Arsitektur Three-Tier Data warehouse
2.5.1.3 Arsitektur Bottom-Up
Terlihat pada gambar 2.6 bahwa pada arsitektur ini, data dimodelkan
dalam satu fungsi atau proses pada satu waktu dan disimpan di data mart yang
terpisah. Bilamana waktunya tiba, data baru disintesis, disaring, dan di-merge ke
dalam data mart yang telah tersedia atau ke data mart yang baru.
24
Data Mart
Data Mart Tier User
Data Mart
Operational Databasedan
External Data Source
Proses Transformation
Gambar 2.6 Arsitektur Bottom-Up Data warehouse
2.5.2 Infrastruktur Data warehouse
Menurut Vidette Poe (1996, p54), infrastruktur data warehouse
merupakan perangkat lunak, perangkat keras, pelatihan, dan komponen-
komponen lainnya yang menyediakan dukungan untuk mengimplementasikan
arsitektur data warehouse. Infrastruktur teknikal berupa teknologi, platform,
database, gateway, dan komponen-komponen yang penting yang mendukung
arsitektur data warehouse yang dipilih.
Untuk mengaplikasikan sebuah arsitektur data warehouse bisa
diimplementasikan dengan beberapa cara yaitu dengan menggunakan
infrastruktur yang berbeda. Arsitektur dan infrastruktur saling berkaitan erat dan
25
satu dengan yang lainnya saling mendukung. Pengaruh dari lingkungan atau
organisasi juga otomatis mempengaruhi penentuan suatu infrastruktur yang akan
kita pilih.
2.6 Struktur Data warehouse
Menurut Poe (1997, p96-97), data warehouse memiliki struktur yang
spesifik dan mempunyai perbedaan dalam tingkatan detail data serta perbedaan
dalam tingkatan umur data. Gambar 2.7 menunjukkan struktur dari data
warehouse menurut Poe.
Highly SummarizedData
Lightly SummarizedData
Current DetailData
Metadata
Old Detail Data
Gambar 2.7 Struktur Data warehouse
Berdasarkan struktur diatas, data warehouse memiliki beberapa
komponen seperti : Current detail data, old detail data, lightly summarized data,
highly summarized data, dan metadata.
26
2.6.1 Current Detail Data
Current detail data adalah data detail yang sedang aktif saat ini,
mencerminkan keadaan yang sedang berjalan saat ini dan merupakan tingkatan
terendah dalam data warehouse. Current detail data ini biasanya memerlukan
media penyimpanan data yang cukup besar. Alasan perlu diperhatikannya current
detail data adalah sebagai berikut :
1. Menggambarkan kejadian yang baru terjadi dan selalu menjadi perhatian
utama.
2. Hampir selalu disimpan di media penyimpanan karena cepat diakses tetapi
mahal dan kompleks dalam pengaturannya.
3. Dapat digunakan dalam membuat rekapitulasi sehingga current detail data
harus akurat.
4. Jumlahnya sangat banyak dan disimpan pada tingkat penyimpanan terendah.
2.6.2 Old Detail Data
Old Detail Data merupakan data historis, dapat berupa hasil back-up
yang dapat disimpan dalam media penyimpanan yang terpisah dan dapat diakses
kembali pada saat tertentu. Data ini jarang diakses sehingga disimpan dalam
media penyimpanan alternatif sepeerti tape desk. Penyusunan direktori untuk
data ini harus menggambarkan umur dari data agar memudahkan pengaksesan
kembali.
27
2.6.3 Lightly Summarized Data
Lightly Summarized Data merupakan ringkasan dari detail data, tapi
belum bersifat total summary. Data ini memiliki tingkatan detail yang lebih
tinggi dan mendukung kebutuhan data warehouse pada tingkatan departemen.
Tingkatan ini disebut juga data mart. Akses terhadap data ini banyak digunakan
untuk view dari suatu kondisi yang sedang dan sudah berjalan.
2.6.4 Highly Summarized Data
Highly Summarized Data merupakan hasil proses ringkasan yang bersifat
total, solid, dan mudah diakses. Dilakukan untuk melakukan analisis
perbandingan data berdasarkan urutan waktu dan analisis yang menggunakan
database multi-dimensi. Database multi-dimensi adalah suatu teknologi software
komputer yang dirancang untuk meningkatkan efesiensi dalam mencari tabel
(query), sehingga menjadi media penyimpanan yang lebih baik, serta
mempermudah pengambilan data dalam jumlah yang besar.
2.6.5 Metadata
Metadata bukanlah merupakan hasil kegiatan operasional seperti keempat
jenis data diatas. Metadata berisi informasi yang penting tentang data dalam data
warehouse yang berfungsi sebagai :
28
1. Direktori yang akan dipakai user dalam mencari lokasi dalam data
warehouse.
2. Merupakan penuntun pemetaan (Mapping) dalam proses transformasi dari
operasional ke data warehouse.
3. Suatu panduan untuk proses summary data dari detail data menjadi lightly
summarized dan kemudian menjadi highly summarized data.
Metadata merupakan bentuk suatu jaringan yang sangat penting bagi
pengguna data warehouse. Data yang tersedia harus dapat digunakan oleh user
dengan istilah yang sesuai dengan cara user dalam melakukan pekerjaannya.
Karena data warehouse melakukan banyak fungsi, maka metadata penting untuk
menjawab kebutuhan dari suatu fungsi tertentu. Karena setiap departemen
biasanya menggambarkan setiap struktur data yang spesifik meskipun asal datanya
sama. Metadata berisi struktur fisik setiap tabel dan kolom yang berhubungan dan
terdokumentasi secara keseluruhan.
2.7 Kegunaan Data warehouse
Data warehouse yang digunakan selama ini memberikan kemudahan dan
keuntungan karena data warehouse biasanya digunakan untuk melakukan tiga
tugas yang berbeda. Ketiga tugas data warehouse tersebut adalah untuk
pembuatan laporan, OLAP, dan proses informasi eksekutif.
29
2.7.1 Pembuatan Laporan
Pembuatan laporan merupakan salah satu kegunaan data warehouse yang
paling umum. Dengan menggunakan query sederhana dalam data warehouse
dapat dihasilkan informasi berdasarkan dimensi waktu, seperti pertahun,
perbulan, dan bahkan perhari.
2.7.2 OLAP (On line Analytical Processing)
Data warehouse digunakan dalam melakukan analisis bisnis untuk
mengetahui kecenderungan pasar dan faktor-faktor penyebabnya. Dengan adanya
data warehouse, semua informasi baik detil maupun hasil summary yang
dibutuhkan dalam proses analisis mudah didapat. Dalam hal ini data warehouse
merupakan tool yang handal untuk melakukan analisis data yang kompleks.
OLAP mendayagunakan konsep data multi-dimensi dan memungkinkan
pemakai untuk menganalisis data sampai mendetail, tanpa perlu mengetikkan
perintah SQL. Dengan demikian maka data berupa fakta dapat dilihat dengan
menggunakan dimensi yang berbeda. Fasilitas lain yang ada pada tool perangkat
lunak OLAP adalah fasilitas drill-down dan roll-up. Drill-down adalah
kemampuan untuk melihat detail dari suatu informasi yang ditampilkan,
sedangkan roll-up merupakan kebalikan dari fasilitas drill-down.
30
2.7.3 Proses Informasi Eksekutif
Data warehouse digunakan untuk mencapai ringkasan informasi yang
penting dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi
keseluruhan data. Dengan menggunakan data warehouse, segala laporan telah
diringkas dan dapat pula diketahui rinciannya secara lengkap sehingga
memudahkan proses pengambilan keputusan. Informasi dan data pada laporan
data warehouse menjadi target informatif bagi user, yang dalam hal ini adalah
pihak eksekutif.
2.8 Primary key dan Foreign key
Menurut Kristanto (2002, p20), primary key merupakan suatu atribut atau
satu set minimal atribut yang tidak hanya mengindentifikasikan secara unik suatu
kejadian spesifik, tapi juga dapat mewakili setiap kejadian dari suatu entity.
Menurut Kristanto (2002, p21), foreign key adalah suatu atribut atau satu
set atribut yang melengkapi suatu relationship (hubungan) yang menunjuk ke
induknya.
Ketika database dibuat, perintah-perintah SQL digunakan untuk
membuat tabel yang akan merancang kolom-kolom dan membentuk primary key
dan foreign key.
31
2.9 Nine-Step Methodology
Nine-Step Methodology merupakan salah satu metode dalam merancang
data warehouse. Metode ini dikembangkan oleh Kimball. Tahapan-tahapan dalam
Nine-Step Methodology adalah :
1. Choosing the process
Menentukan proses berarti menentukan subyek utama. Subyek utama merujuk
pada suatu kegiatan bisnis perusahaan yang terpenting.
2. Choosing the grain
Menentukan grain maksudnya menentukan apa yang direpresentasikan oleh
suatu tabel fakta. Setelah menentukan grain dari tabel fakta maka untuk
selanjutnya dapat ditentukan tabel-tabel dimensi yang berhubungan dengan
tabel fakta tersebut. Penentuan grain dari suatu tabel fakta berarti juga
menentukan grain dari setiap tabel dimensi.
3. Identifying and conforming the dimensions
Tahap selanjutnya adalah mengidentifikasi dan menghubungkan dimensi
tersebut dengan tabel fakta. Dimensi merupakan kumpulan sudut pandang
mengenai suatu fakta yang terdapat pada tabel fakta.
4. Choosing the facts
Grain dari suatu tabel fakta menentukan fakta-fakta yang bisa ditampilkan. Pada
tahap ini, hal yang dilakukan adalah menentukan measure (ukuran) yang
dibutuhkan pada tabel fakta.
32
5. Storing pre-calculations in the fact table
Umumnya hasil perhitungan dari atribut di database tidak disimpan pada suatu
atribut khusus pada database tersebut, namun pada tahap ini, perlu
dipertimbangkan kembali penyimpanan hasil perhitungan pada suatu atribut
tersendiri di database dengan alasan mengurangi resiko kesalahan pada
program setiap kali melakukan perhitungan pada atribut-atribut tersebut.
6. Rounding out the dimension tables
Dari dimensi-dimensi yang telah diidentifikasi, pada tahap ini dibuat deskripsi
dari tabel-tabel dimensi yang memuat informasi terstruktur mengenai atribut-
atribut pada tabel dimensi.
7. Choosing the duration of the database
Pada tahap ini ditentukan durasi atau periode waktu dari data-data yang akan
dimasukkan ke data warehouse.
8. Tracking slowly changing dimensions
Dimensi dapat berubah, untuk mengantisipasinya ada 3 cara untuk mengubah
data di dimensi, yaitu :
1. Menulis ulang atribut yang berubah
2. Membuat record baru pada dimensi
3. Membuat suatu atribut alternatif untuk menampung nilai yang baru,
sehingga nilai lama dan nilai baru dari atribut tersebut bisa diakses secara
bersamaan.
33
9. Deciding the query priorities and the query models
Pada tahap terakhir ini, pertimbangan yang dilakukan lebih berupa perancangan
fisik dari data warehouse.
2.10 Alat Perancangan Data warehouse
Menurut Poe (1996, p120), alat yang digunakan untuk merancang data
warehouse adalah skema bintang (star schema). Skema bintang mempunyai
struktur yang sederhana dengan tabel yang relatif sedikit dan hubungan antar
tabel yang terlihat jelas. Rancangan ini dapat melakukan query dengan cepat
serta mudah dimengerti oleh analis dan pengguna akhir.
2.10.1 Skema Bintang
Menurut Poe (1996, p33), metode yang digunakan untuk merancang data
warehouse adalah dengan menggunakan skema bintang, yaitu metode
perancangan yang dilakukan dengan struktur yang sederhana dengan
menggunakan beberapa tabel dan jalur yang terhubung dengan baik dan jelas.
Menurut Connoly (2002, p1079), “star schema is a logical structure that
has a fact table containing factual data in the center, surrounded by dimension
tables containing reference data (which can be denormalized).”, yang berarti
skema bintang adalah struktur logikal yang memiliki tabel fakta yang berisi data
factual, dikelilingi oleh tabel dimensi yang berisi data referensi (dimana dapat
didenormalisasikan). Teori Connolly ini didukung oleh A. Silberschatz., Korth,
H. F. Sudarshan, S. (2003) dan Ralph Kimball (1996).
34
Dengan menggunakan skema bintang ini akan menghasilkan waktu
respon yang lebih cepat dalam query data dibanding dengan proses transaksional
yang menggunakan struktur normalisasi. Selain itu skema bintang memudahkan
end user untuk memahami struktur database pada data warehouse yang
dirancang.
2.10.2 Tipe Tabel Skema Bintang
Dalam skema bintang ada dua tipe tabel, yaitu tabel fakta dan tabel
dimensi. Tabel fakta dapat disebut juga sebagai tabel mayor, terdiri dari data
kuantitatif atau data fakta mengenai bisnis, informasi yang di-query. Infomasi ini
selalu diukur secara statistik dan dapat mengandung banyak kolom dan baris.
Tabel dimensi disebut juga sebagai tabel minor, karena lebih kecil dan
mencerminkan dimensi bisnis.
2.10.3 Jenis Skema Bintang
2.10.3.1 Skema Bintang Sederhana
Dalam skema bintang sederhana, setiap tabel mempunyai primary key
yang terdiri dari sebuah kolom atau lebih. Primary key akan membuat setiap
baris menjadi unik. Primary key tersebut pada tabel fakta akan menjadi foreign
key. Primary key pada tabel fakta, terdiri dari satu atau lebih foreign key.
35
Kunci 1
Kunci 3
Kunci 2
AtributAtribut...Atribut
Tabel Fakta
Kunci 1
AtributAtribut...Atribut
Tabel Dimensi 1
Kunci 2
AtributAtribut...Atribut
Tabel Dimensi 2
Kunci 3
AtributAtribut...Atribut
Tabel Dimensi 3
Gambar 2.8 Skema Bintang Sederhana
Gambar 2.8 diatas menunjukkan hubungan antara satu tabel fakta dan tiga
tabel dimensi. Tabel utama terdapat primary key yang terdiri dari tiga foreign
key, yaitu kunci-1, kunci-2 dan kunci-3, yang masing – masing merupakan
primary key di tabel masing-masing.
Dalam sebuah skema bintang, dapat juga memiliki lebih dari satu tabel
fakta, karena adanya fakta yang tidak saling berhubungan. Tabel semacam ini
umumnya digunakan untuk jumlah data yang besar dan untuk berbagai macam
tingkatan data yang teragregasi seperti terlihat pada gambar 2.9.
Kunci 1
Kunci 3
Kunci 2
AtributAtribut...Atribut
Tabel Fakta 2
Kunci 1
Kunci 3
Kunci 2
AtributAtribut...Atribut
Tabel Fakta 1Kunci 1
AtributAtribut...Atribut
Tabel Dimensi 1
Kunci 2
AtributAtribut...Atribut
Tabel Dimensi 2
Kunci 3
AtributAtribut...Atribut
Tabel Dimensi 3
Gambar 2.9 Skema Bintang Dengan Beberapa Tabel Fakta
36
Pada gambar 2.9 terdapat dua tabel fakta dan tiga tabel dimensi yang
memperlihatkan hubungan many-to-one antara foreign key pada kedua tabel fakta
tersebut dengan primary key pada masing masing tabel dimensi.
Tabel fakta juga dapat digunakan untuk menggambarkan hubungan
many-to-many antara berbagai tabel dimensi yang sudah jelas dalam bisnis. Jenis
skema bintang ini dikenal dengan tabel asosiasi. Tabel asosiasi berguna untuk
menyelaraskan hubungan many-to-many diantara dimensi yang berbeda. Gambar
skema bintang dengan tabel asosiasi dapat dilihat pada gambar 2.10.
Kunci 1
Kunci 3
Kunci 2
AtributAtribut...Atribut
Tabel Fakta 1
Kunci 1
AtributAtribut...Atribut
Tabel Dimensi 1
Kunci 3
AtributAtribut...Atribut
Tabel Dimensi 3
Kunci 2
AtributAtribut...Atribut
Tabel Dimensi 2Kunci 2
Kunci 4
Tabel Fakta 2
Kunci 4
Atribut
Tabel Fakta 2
Gambar 2.10 Skema Bintang Dengan Tabel Asosiasi
Tabel dimensi juga mungkin mengandung foreign key yang
mereferensikan primary key di tabel dimensi yang lain. Tabel dimensi yang
direferensikan ini dinamakan outboard atau secondary dimension table. Pada
gambar 2.11 terlihat bahwa tabel dimensi 3 mempunyai dua outboard table yaitu
tabel dimensi 4 dan tabel dimensi 5.
37
Kunci 1
Kunci 3
Kunci 2
AtributAtribut...Atribut
Tabel Fakta
Kunci 1
AtributAtribut...Atribut
Tabel Dimensi 1
Kunci 2
AtributAtribut...Atribut
Tabel Dimensi 2
Kunci 3
AtributAtribut...Atribut
Tabel Dimensi 3
Kunci 4
Kunci 5
Kunci 4
AtributAtribut...Atribut
Tabel Dimensi 4
Kunci 5
AtributAtribut...Atribut
Tabel Dimensi 5
Gambar 2.11 Skema Bintang Dengan Tabel Dimensi Tambahan
2.10.3.2 Skema Bintang Majemuk
Kunci 1
AtributAtribut...Atribut
Tabel Dimensi 1
Kunci 2
AtributAtribut...Atribut
Tabel Dimensi 2
Kunci 3
AtributAtribut...Atribut
Tabel Dimensi 3FKey 3
Kunci 2
Kunci 1
AtributAtribut...Atribut
Tabel Fakta
FKey 2
FKey 1
Gambar 2.12 Skema Bintang Majemuk
Pada gambar 2.12 terlihat bahwa tabel fakta dalam skema bintang
majemuk memiliki dua kumpulan foreign key. Foreign key yang pertama
mengandung suatu referensi dengan tabel dimensi sedangkan sisanya adalah
primary key yang merupakan gabungan dari satu atau lebih kolom yang
menghasilkan suatu indentifikasi unik untuk setiap barisnya. Perbedaan antara
38
skema bintang majemuk dengan skema bintang sederhana adalah saling tidak
identiknya primary key dan foreign key dalam skema bintang majemuk.
2.10.3.3 Skema Snowflake
Menurut Connoly (2002, p1080), “snowflake schema is a variant of the
star schema where dimension table do not contain denormalized data.”, dapat
diartikan bahwa skema snowflake adalah bentuk lain dari skema bintang dimana
tabel dimensi tidak berisi data yang didenormalisasi. Suatu tabel dimensi dapat
memiliki tabel dimensi lainnya seperti terlihat pada gambar 2.13. Ciri-ciri
snowflake adalah:
1. Tabel dimensi dinormalisasi dengan dekomposisi pada level atribut.
2. Setiap dimensi mempunyai satu key untuk setiap level pada hirarki dimensi
3. Kunci level terendah menghubungkan tabel dimensi dengan tabel fakta dan
tabel atribut berlevel rendah
Kunci 1
Kunci 3
Kunci 2
AtributAtribut...Atribut
Tabel Fakta
Kunci 1Atribut 4Atribut 5Atribut 6
Tabel Dimensi 1
Kunci 2Tabel Dimensi 2
Kunci 3
Atribut 1Atribut 2Atribut 3
Tabel Dimensi 3
Kunci 4
Kunci 5
Kunci 4
AtributAtribut...Atribut
Tabel Dimensi 4
Kunci 5
AtributAtribut...Atribut
Tabel Dimensi 5
Atribut 7
Kunci 6
Atribut 8
Atribut 5
Tabel Atribut 5
Kunci 6
AtributAtribut...Atribut
Tabel Dimensi 6
Atribut 8
Tabel Atribut 8
Gambar 2.13 Skema Snowflake
39
2.10.4 Keuntungan Skema Bintang
Keuntungan dengan menggunakan skema bintang dan snowflake menurut
Connoly adalah sebagai berikut :
• Efisiensi, struktur database yang konsisten sehingga lebih efisien dalam
mengakses data dengan menggunakan alat / tool untuk menampilkan data
termasuk laporan tertulis dan query.
• Kemampuan untuk mengatasi perubahan kebutuhan, skema bintang dapat
beradaptasi terhadap perubahan kebutuhan pengguna, karena semua tabel
dimensi memiliki kesamaan dalam hal menyediakan akses ke tabel fakta.
Artinya bahwa desain skema sebaiknya mampu mendukung ad hoc query dari
pengguna.
• Extensibility, model dimensional dapat dikembangkan. Seperti menambah
tabel fakta selama data masih konsisten, menambah tabel dimensi selama ada
nilai tunggal di tabel dimensi tersebut yang mendefinisikan setiap record tabel
fakta yang ada, menambahakan attribut tabel dimensi, dan memecah record
tabel dimensi yang ada menjadi level yang lebih rendah dari level sebelumnya.
• Kemampuan untuk menggambarkan situasi bisnis pada umumnya,
pendekatan standar untuk menangani situasi umum di dunia bisnis terus
bertambah.
• Proses query yang bisa diprediksi, aplikasi data warehouse yang mencari
data dari level yang dibawahnya akan dengan mudah menambah jumlah atribut
pada tabel dimensi dari sebuah skema bintang. Aplikasi yang mencari data dari
40
level yang setara akan menghubungkan tabel fakta yang terpisah melalui tabel
dimensi yang dapat diakses bersama.
2.10.5 Agregasi
Agregasi adalah proses perhitungan data fakta terhadap atribut-atribut yang
telah didefinisikan. Sebagai contoh, agregasi dapat dibuat dari 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 kedalam data warehouse.
Menurut Poe (1996, p136), fakor yang mendorong pembuatan agregasi
adalah :
1. Meningkatkan performa pencarian data (searching).
2. Mengurangi jumlah penggunaan kode produk universal.
Suatu agregasi yang baik dapat dibuat untuk digunakan oleh tiga ratus user dalam
satu hari, karena akan lebih bermanfaat jika dibandingkan dengan membuat
agregasi yang membutuhkan waktu dua jam tetapi hanya digunakan sekali dalam
setahun oleh satu user saja.
Salah satu teknik yang harus dicatat adalah saat permuatan data
warehouse, kita tetap membutuhkan teknik database klasik seperti partisi tabel
secara fisik. Hal ini akan menjadi penting ketika kapasitas data warehouse
mencapai gigabyte data.
41
2.11 Normalisasi dan Denormalisasi
2.11.1 Normalisasi
Menurut Thomas Connolly dan Carolyn Begg (2002, p376),
“Normalisasi is a technique for producing a set of relation with desirable
properties, given the data requirements of an enterprise”, diartikan Normalisasi
adalah suatu teknik untuk menghasilkan sekumpulan hubungan dengan properti
yang diinginkan, memberikan kebutuhan data dari sebuah perusahaan.
Menurut Dianne Siebold (2003, p165), Normalisasi adalah serangkaian
panduan yang diterapkan pada rancangan database untuk memisahkan data.
Sesungguhnya ada lima tingkatan normalisasi, tetapi yang paling sering
digunakan dalam melakukan normalisasi adalah tiga tingkat pertama dalam
normalisasi, sedangkan tingkatan lainnya dapat terjadi tergantung pada data yang
ada. Tingkat pertama dalam normalisasi disebut dengan First Normal Form
(1NF), tingkat kedua disebut dengan Second Normal Form (2NF), dan Third
Normal Form (3NF), ketiga tingkat normalisasi tersebut berdasarkan pada
functional dependency antar atribut pada suatu hubungan. Tingkatan selanjutnya
adalah Fourth Normal Form (4NF) dan Fifth Normal Form (5NF), dimana
tingkatan pada normalisasi ini sangat jarang terjadi.
First Normal Form (1NF) menyatakan bahwa tabel tidak bisa memuat
nilai yang berulang, atau kolom multi-nilai. Second Normal Form (2NF)
menyebutkan bahwa tabel harus berisi entitas tunggal dan setiap kolom non-
primary key bergantung pada seluruh primary key. Third Normal Form (3NF)
menyatakan bahwa semua kolom non-primary key independen, dengan kata lain,
42
sebuah kolom non-primary key bisa saja tidak bergantung pada kolom non-
primary key lainnya.
Langkah pertama dalam normalisasi database adalah memastikan setiap
tabel memiliki sebuah kunci utama. Saat menerapkan normalisasi dalam sebuah
database jumlah tabel dan kolom bertambah, yang juga menambah jumlah dan
kompleksitas penyertaan (join) yang dibutuhkan untuk mengambil data dari
database. Normalisasi meningkatkan efisiensi dan integritas database,
khususnya untuk meng-update data.
2.11.2 Denormalisasi
Normalisasi memang dapat meningkatkan efisiensi dan integritas suatu
database, namun ada saat-saat tertentu perlu dilakukan denormalisasi untuk
meningkatkan kinerja query. Denormalisasi dibutuhkan ketika jumlah penyertaan
(join) relasional yang diperlukan untuk mengambil informasi memerlukan waktu
yang banyak.
Dalam melakukan denormalisasi penyimpanan data dalam database akan
melanggar ketentuan dalam normalisasi terutama Third Normal Form (3NF) yang
bertujuan untuk menghilangkan redudansi data. Namun jika normalisasi
menghabiskan waktu dalam memberikan suatu informasi dari tabel yang
diinginkan akan lebih efisien jika disimpan dalam sebuah tabel.
Keuntungan melakukan denormalisasi adalah :
1. Mengurangi jumlah relasi yang terjadi antar tabel sehingga akan
meningkatkan kecepatan proses query data.
43
2. Membuat struktur fisik database agar mudah dimengerti menurut model
dimensi dari pemakai. Struktur tabel yang dibuat sesuai keinginan pemakai
memungkinkan terjadinya akses langsung yang akan meningkatkan kinerja.
Kelemahan dalam melakukan proses denormalisasi adalah :
1. Proses denormalisasi secara tidak langsung akan membuat redudansi data
2. Proses denormalisasi memerlukan alokasi memory dan storage (tempat
penyimpanan) yang besar.
2.12 Fase Pengembangan Piranti Lunak
Menurut Roger S. Pressman (2001, p22), dalam usaha untuk
mengembangkan piranti lunak, terbagi dalam tiga fase umum dengan tanpa
mempedulikan area aplikasi, ukuran, proyek, atau kompleksitasnya. Berikut ini
adalah fase-fase dalam pengembangan piranti lunak :
• Fase definisi (Definition Phase), pada tahap ini pengembang harus
mengidentifikasikan informasi yang akan diproses, fungsi dan petunjuk kerja
yang dibutuhkan, tingkah laku sistem yang diharapkan, bentuk interface yang
diharapkan, batasan desain yang ada, serta kriteria validasi yang dibutuhkan.
• Fase pengembangan (Development Phase), pada tahap ini pengembang harus
mendefinisikan konstruksi dari data, mengimplementasikan fungsi-fungsi serta
detail prosedur sebagai sebuah arsitektur perangkat lunak, merancang interface
(tampilan antar muka pemakai), menterjemahkan rancangan kedalam bahasa
pemrograman, dan melakukan pengujian.
44
• Fase pemeliharaan (Maintenance Phase), tahap ini berfokus pada perubahan
setelah melakukan koreksi kesalahan, penyesuaian yang dibutuhkan ketika
perangkat lunak berkembang, serta perubahan karena adanya perubahan
kebutuhan.
2.13 Metode Pengembangan Software Pendukung
Salah satu metode pengembangan software yang paling baik menurut
Roger S. Pressman adalah dengan menggunakan prototyping model. Tahapan-
tahapan dalam metode ini adalah :
• Listen to customer
Pada tahap ini, pihak pengembang dengan user saling bertemu untuk
mengumpulkan user requirements.
• Build / revise mock-up
Pada tahap ini, pihak pengembang akan membuat quick design yang berfokus
pada representasi dari kebutuhan user. Kemudian dari quick design tersebut,
dibentuk sebuah prototipe.
• Customer test drives mock-up
Prototipe yang telah dibentuk kemudian dievaluasi oleh user. Tujuan dari
evaluasi prototipe ini adalah untuk memuaskan kebutuhan user, dan juga
untuk mencari tahu kebutuhan user selanjutnya.
Ketiga tahap diatas akan diulang terus-menerus hingga seluruh kebutuhan user
telah terpenuhi.
45
Umumnya setelah seluruh kebutuhan user diketahui, prototipe yang telah
dibentuk akan dibuang dan kemudian membangun sebuah software baru yang
memenuhi standar kualitas dan keseluruhan kebutuhan user tersebut.
2.14 Kamus Data
Menurut McLeod Jr (2001, p582), kamus data adalah suatu penjelasan
tertulis mengenai data yang berada didalam database.
Menurut Silberschatz, Korth dan Sudarshan (2002, p17) “Data
dictionary, which stores metadata about the structure of the database, in
particular the schema of the database.”, yang diartikan Kamus data, dimana
menyimpan metadata tentang struktur dari database, dalam hubungan skema dari
database.
2.15 Teknik Fact-Finding
Menurut Thomas Connolly dan Carolyn Begg (2002, p302), “Fact-
finding is the formal process of using techniques such as interviews and
questionnaires to collect facts about systems, requirements, and preferences.”,
dapat diartikan bahwa fact-finding merupakan proses formal yang menggunakan
teknik seperti wawancara dan kuesioner untuk mengumpulkan fakta mengenai
sistem, kebutuhan, dan preferensi.
Teknik fact-finding mutlak diperlukan pada tahap awal perancangan data
warehouse untuk memperoleh berbagai informasi dari user. Kemudian dari
informasi tersebut, dapat dilakukan tahap analisis untuk menentukan definisi
sistem dan kebutuhan dari user. Menurut Thomas Connolly dan Carolyn Begg
46
(2002, p305), ada lima teknik fact-finding yaitu : examine documentation
(pemeriksaan dokumentasi), interview (wawancara), observation (pengamatan),
research (penelitian), questionnaires (kuesioner).
2.15.1 Examine Documentation
Teknik ini amat berguna untuk mencari informasi seputar permasalahan
dan sistem yang ada. Dengan memeriksa dokumen-dokumen, laporan, dan file
yang bersangkutan maka kita akan dapat dengan mudah memahami
permasalahan yang ada atau sistem yang sedang berjalan.
Terlihat pada tabel 2.2 bahwa beberapa tipe dokumen yang perlu
diperiksa adalah memo internal, e-mail, dokumen, laporan, dan flowchart.
Tujuan dari Pemeriksaan Sumber Data yang Berguna
1. Menguraikan masalah dan
kebutuhan data warehouse
2. Menguraikan sistem yang ada
1. Memo internal, e-mails,
dokumen-dokumen, laporan
perkembangan
2. Flowcharts, berbagai tipe
diagram yang berhubungan
dengan sistem, kamus data,
dokumentasi program,
user manual
Tabel 2.2 Tipe Dokumentasi yang Perlu Diperiksa
47
2.15.2 Interview
Diantara keseluruhan teknik fact-finding, teknik ini yang paling sering
digunakan untuk memperoleh informasi. Ada dua jenis wawancara yaitu :
wawancara terstruktur dan wawancara tak terstruktur. Wawancara terstruktur
berarti pihak yang melakukan wawancara telah menyiapkan beberapa pertanyaan
yang akan diajukan, sebaliknya dengan wawancara tak terstruktur. Pada
wawancara seperti ini, pertanyaan yang diajukan bebas dan tergantung pada
situasi ketika wawancara. Dilihat dari jenis pertanyaan yang diajukan,
wawancara dapat dibagi menjadi dua, yaitu : open-ended questions dan closed-
ended questions. Open-ended berarti pihak diwawancara bebas menjawab sesuai
dengan pertanyaan yang diajukan. Sedangkan close-ended berarti pertanyaan
yang diajukan berupa pilihan yang spesifik dan membutuhkan jawaban langsung.
Beberapa keuntungan dan kerugian menggunakan interview (wawancara)
dapat dilihat pada tabel 2.3 :
48
Keuntungan Kerugian
1. Pihak yang diwawancara dapat
menjawab pertanyaan secara
bebas dan terbuka
2. Pihak yang diwawancara dapat
merasa sebagai bagian dari
proyek
3. Pewawancara bebas memberikan
pertanyaan seputar komentar
menarik dari pihak diwawancara
4. Pewawancara bebas untuk
mengadaptasi atau mengulangi
pertanyaan selama wawancara
5. Pewawancara bisa mengamati
bahasa tubuh dari pihak yang
diwawancara
1. Membutuhkan waktu lama dan
biaya yang cukup banyak
2. Keberhasilan wawancara
tergantung pada kemampuan
komunikasi dari pewawancara
3. Keberhasilan wawancara
tergantung dari keseriusan pihak
diwawancara untuk
berpartisipasi selama proses
wawancara berlangsung
Tabel 2.3 Keuntungan dan Kerugian Interview
2.15.3 Observation
Pengamatan secara langsung pada kegiatan operasional perusahaan
merupakan salah satu teknik fact-finding yang paling efektif untuk memahami
sistem yang berjalan. Diperlukan persiapan yang matang supaya proses observasi
dapat berjalan lancar dan mencapai hasil yang maksimal.
49
Beberapa keuntungan dan kerugian dari penggunaan teknik observation
dapat dilihat pada tabel 2.4 :
Keuntungan Kerugian
1. Memungkinkan validasi data
dan fakta untuk diperiksa
2. Pengamat dapat melihat secara
langsung apa yang telah
dikerjakan
3. Pengamat dapat juga
memperoleh data yang
menjelaskan lingkungan fisikal
dari tugas
4. Relatif lebih murah
5. Pengamat dapat mengukur
1. Setiap orang bisa menampilkan
hasil yang berbeda bila
melakukan observasi
2. Kemungkinan adanya
kekurangan observasi tugas pada
level yang berbeda
3. Beberapa tugas tidak selalu bisa
dilakukan dengan cara observasi
4. Susah untuk dipraktekkan
Tabel 2.4 Keuntungan dan Kerugian Observation
2.15.4 Research
Teknik fact-finding yang berguna adalah dengan melakukan penelitian
terhadap masalah dan aplikasi. Sumber informasi yang bagus untuk proses
penelitian adalah jurnal komputer, internet, dan buku referensi.
Beberapa keuntungan dan kerugian dari penggunaan teknik research
dapat dilihat pada tabel 2.5 :
50
Keuntungan Kerugian
1. Dapat menghemat waktu bila
solusi dari masalah telah
tersedia
2. Peneliti dapat melihat adanya
kesamaan masalah dan
bagaimana pemecahannya
3. Penelitian bersifat up-to-date
1. Boros waktu
2. Membutuhkan akses ke sumber
informasi
3. Kemungkinan masalah tidak
akan terselesaikan apabila
masalah yang ada belum pernah
didokumentasi.
Tabel 2.5 Keuntungan dan Kerugian Research
2.15.5 Questionnaires
Teknik fact-finding ini amat berguna untuk mencari informasi dari
banyak orang. Ada dua tipe pertanyaan yang dapat diajukan melalui kuesioner,
yaitu : free-format questions dan fixed-format questions. Free-format questions
berarti memberikan kebebasan pada responden untuk menjawab pertanyaan.
Sedangkan fixed-format questions berarti pertanyaan yang diajukan
membutuhkan respon yang spesifik, contoh : pilihan jawaban yang telah
disediakan untuk setiap pertanyaan.
Beberapa keuntungan dan kerugian dari penggunaan teknik ini dapat
dilihat pada tabel 2.6 :
51
Keuntungan Kerugian
1. Responden dapat menjawab
kuesioner secara lengkap
2. Murah untuk pencarian data
dari banyak orang
3. Umumnya responden akan
memberikan jawaban yang
jujur
4. Mudah untuk dianalisis dan
ditabulasi
1. Jumlah responden sedikit,
kemungkinan hanya sekitar 5%-
10%
2. Jawaban yang diberikan bisa
tidak lengkap
3. Responden bisa salah tafsir
pertanyaan
4. Tidak bisa menganalisis bahasa
tubuh responden
5. Memakan waktu ketika
menyiapkan pertanyaan
Tabel 2.6 Keuntungan dan Kerugian Questionnaires
2.16 Analisis SWOT (Strengthen, Weakness, Opportunities, Threats)
Menurut Freddy Rangkuti (2004, p18), analisis SWOT adalah identifikasi
berbagai faktor secara sistematis untuk merumuskan strategi perusahaan.
Analisis ini didasarkan pada logika yang dapat memaksimalkan kekuatan
(Strengths), dan peluang (Opportunities), namun secara bersamaan dapat
meminimalkan kelemahan (Weaknesses) dan ancaman (Threats). Proses
pengambilan keputusan strategis selalu berkaitan dengan pengembangan misi,
tujuan, strategi dan kebijakan perusahaan. Dengan demikian perencana strategi
(strategic planner) harus menganalisis faktor-faktor strategis perusahaan
52
(kekuatan, kelemahan, peluang dan ancaman) dalam kondisi yang ada saat ini.
Hal ini disebut dengan analisis situasi. Model yang paling populer untuk analisis
situasi adalah Analisis SWOT.
Penelitian menunjukkan bahwa kinerja perusahaan dapat ditentukan oleh
kombinasi faktor internal dan eksternal. Kedua faktor tersebut harus
dipertimbangkan dalam analisis SWOT. SWOT adalah singkatan dari lingkungan
Internal Strengths dan Weakness serta lingkungan eksternal Opportunities dan
Ancaman (threats) yang dihadapi dunia bisnis. Analisis SWOT membandingkan
antara faktor eksternal Peluang (opportunities) dan Ancaman (threats) dengan
faktor internal Kekuatan (strengths) dan Kelemahan (weaknesses), seperti terlihat
pada gambar 2.14.
BERBAGAI PELUANG
BERBAGAI ANCAMAN
KEKUATANINTERNAL
KELEMAHANINTERNAL
1. Mendukung strategi agresif
2. Mendukung strategi diversifikasi
3. Mendukung strategi turn-around
4. Mendukung strategi defensif
Gambar 2.14 Diagram Analisis SWOT
53
Kuadran 1 : Ini merupakan situasi yang sangat menguntungkan. Perusahaan
tersebut memiliki peluang dan kekuatan sehingga dapat
memanfaatkan peluang yang ada. Strategi yang harus diterapkan
dalam kondisi ini adalah mendukung kebijakan pertumbuhan yang
agresif (Growth oriented strategy).
Kuadran 2 : Meskipun menghadapi berbagai ancaman, perusahaan ini masih
memiliki kekuatan dari segi internal. Strategi yang harus diterapkan
adalah menggunakan kekuatan untuk memanfaatkan peluang jangka
panjang dengan cara strategi diversifikasi (produk/pasar).
Kuadran 3 : Perusahaan menghadapi peluang pasar yang sangat besar, tetapi di
lain pihak, perusahaan harus menghadapi beberapa
kendala/kelemahan internal. Fokus strategi perusahaan ini adalah
meminimalkan masalah-masalah internal perusahaan sehingga
dapat merebut peluang pasar yang lebih baik.
Kuadran 4 : Ini merupakan situasi yang sangat tidak menguntungkan,
perusahaan tersebut menghadapi berbagai ancaman dan kelemahan
internal.
54
Alat yang digunakan untuk menyusun faktor-faktor strategis perusahaan
adalah matrik SWOT. Matrik ini dapat menggambarkan secara jelas peluang dan
ancaman eksternal yang dihadapi perusahaan untuk disesuaikan dengan kekuatan
dan kelemahan yang dimilikinya. Matrik ini dapat menghasilkan empat
kemungkinan alternatif strategis seperti terlihat pada tabel 2.7.
INTERNAL
EKSTERNAL
STRENGTHS (S)
• Faktor Kekuatan
Internal
WEAKNESSES (W)
• Faktor Kelemahan
Internal
OPPORTUNITIES (O)
• Faktor Peluang
Eksternal
STRATEGI SO
Ciptakan strategi yang
menggunakan kekuatan
untuk memanfaatkan
peluang
STRATEGI WO
Ciptakan strategi yang
meminimalkan kelemahan
untuk memanfaatkan
peluang
THREATS (T)
• Faktor Ancaman
Eksternal
STRATEGI ST
Ciptakan strategi yang
menggunakan kekuatan
untuk mengatasi
ancaman.
STRATEGI WT
Ciptakan strategi yang
meminimalkan kelemahan
dan menghindari ancaman
Tabel 2.7 Matrik SWOT
55
a. Strategi SO
Strategi ini dibuat berdasarkan jalan pikiran perusahaan, yaitu dengan
memanfaatkan seluruh kekuatan yang dimiliki perusahaan untuk merebut dan
memanfaatkan peluang sebesar-besarnya.
b. Strategi ST
Strategi dalam menggunakan kekuatan yang dimiliki perusahaan untuk
mengatasi berbagai ancaman.
c. Strategi WO
Strategi ini diterapkan berdasarkan pemanfaatan peluang yang ada dengan
cara meminimalkan kelemahan yang ada.
d. Strategi WT
Strategi ini didasarkan pada kegiatan yang bersifat defensif dan berusaha
meminimalkan kelemahan yang ada serta menghindari ancaman.
56
2.17 Critical Success Factor (CSF)
Menurut Laudon (1998, p434), CSF adalah sejumlah kecil tujuan
operasional yang dapat diidentifikasi, dibentuk oleh industri, perusahaan,
manajer, dan lingkungan lebih luas yang dipercaya untuk memastikan sukses
tidaknya sebuah organisasi. Digunakan untuk menentukan kebutuhan informasi
dari suatu organisasi.
Menurut McLeod (2001, p109), sebuah CSF adalah satu dari aktivitas
perusahaan yang mempunyai pengaruh kuat terhadap kemampuan perusahaan
untuk memenuhi tujuannya. Sebuah perusahaan umumnya mempunyai banyak
CSF. Kekuatan dari metode CSF adalah bahwa CSF menghasilkan set data yang
lebih kecil untuk dianalisis daripada analisis perusahaan (enterprise analysis)
secara keseluruhan. Hanya manajer tingkat atas yang diwawancara, dan
pertanyaan berfokus pada sejumlah kecil CSF daripada pertanyaan yang luas
sehingga mendapatkan informasi yang dibutuhkan.
2.18 Kerangka Berpikir Dalam Memecahkan Masalah
Kerangka berpikir merupakan gambaran secara sistematis mengenai
kaitan antar variabel yang diteliti untuk mengembangkan suatu sistem. Ada
beberapa teknik yang dapat digunakan untuk memecahkan masalah, yaitu Fact-
Finding Techniques, Analisis SWOT, dan menggunakan DTS (Data
Transformation Service) yang ada pada Microsoft SQL Server 2000.
Fact-Finding Techniques diperlukan dalam pembuatan data warehouse
meliputi pendefinisian sistem, perancangan dan penentuan kebutuhan serta tahap
analisis. Penentuan kebutuhan data berdasarkan pada kebutuhan perancangan
57
sistem dan kebutuhan data bagi pihak Badan Pengkajian dan Penerapan
Teknologi (BPPT).
Strengthens, Weakness, Opportunities, Threats (SWOT) diperlukan untuk
mencari kekuatan dan kelemahan dari sistem yang akan dibuat berdasarkan
faktor internal dan faktor eksternal. Untuk memudahkan dalam penentuan
kekuatan dan kelemahan sistem digunakan salah satu matriks SWOT. Matrik ini
dapat menggambarkan secara jelas peluang dan ancaman eksternal maupun
internal yang dihadapi sistem yang akan dirancang.
Data Transformation Service (DTS) sebagai salah satu tools yang ada
pada Microsoft SQL Server 2000 berguna untuk melakukan transformasi data
dari database operasional kedalam data warehouse. DTS diperlukan karena tools
ini memiliki kemampuan untuk mengubah data yang ada pada database
operasional sebelum disalin kedalam data warehouse.
Pada gambar 2.15 terlihat metode peneliti dalam melakukan perancangan
data warehouse perencanaan energi listrik pada Badan Pengkajian dan
Penerapan Teknologi (BPPT) :
58
Analisis dan Perancangan DataWarehouse Perencanaan Energi Listrik
BPPT
Studi Kepustakaan Tentang DataWarehouse
Studi Sistem yang Ada PadaPerencanaan Energi Listrik BPPT
Dengan Teknik Fact-Finding
Mencari Kelemahan dari Sistem yangSedang Berjalan
Mencari Alternatif Solusi DenganMenggunakan SWOT
Desain Database Data Warehouse :1. Choosing the process2. Choosing the grain3. Identifying and conforming the dimension4. Choosing the facts5. Storing pre-calculation in the fact table5. Rounding out the dimension tables6. Choosing the duration of the database7. Tracking slowly changing dimensions8. Deciding the query priorities and the query model
Desain Aplikasi Data Warehouse :1. Merancang Layar2. Pembuatan Spesifikasi Proses
Coding :1. Microsoft SQL Server 20002. DTS (Data Transformation Service)3. Visual Basic.Net
Implementasi
Gambar 2.15 Kerangka Berpikir Penulis
Recommended