Upload
trinhtuyen
View
217
Download
0
Embed Size (px)
Citation preview
6
BAB 2
LANDASAN TEORI
2.1 Pengertian Database dan Data Warehouse
2.1.1 Pengertian Database
Menurut Connolly dan Begg (2002, p14) database adalah
kumpulan data yang berhubungan satu sama lain yang digunakan secara
bersama-sama, dan kumpulan data ini didesain untuk memenuhi
kebutuhan informasi suatu perusahaan.
Menurut Wikipedia (http://en.wikipedia.org/wiki/Database),
database adalah kumpulan elemen data atau fakta yang disimpan di
komputer secara sistematis.
Jadi, dapat disimpulkan database adalah kumpulan data yang
berhubungan secara sistematis dan digunakan untuk memenuhi
kebutuhan informasi suatu perusahaan. Pada perusahaan Teh Tong Tji ini
menggunakan database SQL Server 2000.
2.1.2 Pengertian DBMS (Database Management System)
Menurut Connolly dan Begg (2002,p16), DBMS adalah sistem
perangkat lunak yang memungkinkan user untuk mendefinisikan,
membuat, memelihara, dan mengontrol akses ke database.
Menurut Wikipedia (http://en.wikipedia.org/wiki/Database)
DBMS adalah program komputer yang digunakan untuk mengatur sebuah
database.
7
2.1.3 Pengertian Data Warehouse
Menurut W.H Inmon (2002, p31) data warehouse adalah koleksi
data yang mempunyai sifat berorientasi subyek, terintegrasi, tidak
mengalami perubahan, dan memiliki rentang waktu dari koleksi data
dalam mendukung proses pengambilan keputusan manajemen.
Menurut Vidette Poe (1996,p6), data warehouse merupakan
database yang bersifat analisis dan hanya dapat dibaca saja, yang
digunakan sebagai dasar dari sistem penunjang keputusan.
Menurut Wikipedia
(http://en.wikipedia.org/wiki/data_warehouse) data warehouse adalah
tempat penyimpanan utama dari sebuah data historis perusahaan, yang
berhubungan dengan perusahaan tersebut.
Dalam data warehouse hanya terdapat dua kegiatan terhadap data
yaitu, loading data dan akses data, tidak ada kegiatan update, insert, dan
delete data. Data warehouse berguna untuk mempermudah membuat
aplikasi DSS (Desicion Support System) dan EIS (Executive Information
System).
2.1.4 Pengertian Data Mart
Menurut Connolly dan Begg (2002, p1067) data mart dengan
sebuah area fungsional dari perusahaan atau memiliki lingkup yang
terbatas.
Ada beberapa karakteristik yang membedakan antara data mart
dengan data warehouse, di antaranya :
8
1. Data mart berfokus pada kebutuhan pengguna yang berhubungan
dengan satu bagian departemen atau fungsi bisnis.
2. Data mart tidak berisi data operasional secara detil, tidak seperti
data warehouse.
3. Data mart lebih mudah dimengerti dan digunakan karena berisi data
yang lebih sedikit dibandingkan dengan data warehouse.
2.2 Karakteristik Data Warehouse
Menurut W.H Inmon (2002, p31) karakteristik data warehouse adalah
sebagai berikut :
a. Subject Oriented (Beriorientasi subyek)
Data Warehouse bersifat subject oriented artinya data warehouse
digunakan untuk menganalisa data berdasarkan subyek-subyek tertentu
dalam organisasi, bukan berorientasi pada aplikasi-aplikasi tertentu, yang
mempermudah user dalam pengambilan keputusan.
Beberapa perbedaan antara data primitif (data operasional) dan
data warehouse diantaranya sebagai berikut :
9
Data Operasional Data Warehouse
Berorientasi pada aplikasi Berorientasi subyek
Dapat berubah Tidak dapat berubah
Dapat diakses oleh sebuah unit
dalam satu waktu
Dapat diakses oleh sebuah set unit
dalam satu waktu
Jumlah data yang diproses kecil Jumlah data yang diproses besar
Tidak ada redundancy data Ada redundancy data
Untuk komunitas karyawan Untuk komunitas manajer
Dibutuhkan efisiensi data Dibutuhkan kecepatan data
Tabel 2.1 Perbedaan data operasional dan data warehouse
b. Integrated (Terintegrasi)
Data warehouse bersifat integrated artinya data warehouse
menyimpan data dari berbagai sumber yang berbeda yang disimpan ke
dalam suatu format yang konsisten dan data tersebut terintegrasi satu
sama lain, dimana data-data tersebut merupakan suatu kesatuan dan tidak
dapat dipecah-pecah.
c. Non volatile (Tidak dapat diubah)
Data warehouse bersifat non volatile, artinya data warehouse
tidak dapat diubah. Pengguna tidak dapat mengubah data warehouse
yang sudah ada. Berbeda dengan database operasional yang memiliki tiga
kegiatan operasi yaitu insert, update, dan delete, data warehouse hanya
memiliki dua kegiatan yaitu loading dan akses data.
d. Time variant (Variasi Waktu)
Data warehouse berisikan record-record yang bersifat historis.
Record yang ada di dalam data warehouse berjangka 5-10 tahun,
10
sehingga record-record yang lama akan tetap berada dalam sistem. Inilah
yang digunakan sebagai bahan untuk analisis pengambilan keputusan.
Namun record yang terlalu lama disimpan tidak efektif karena bisa
memberikan hasil analisa yang kurang tepat. Dalam OLTP (Online
Transaction Processing) , record yang ada merupakan record terbaru.
OLTP tidak menyimpan record –record yang lama untuk mempercepat
proses. Semakin sedikit data yang disimpan maka waktu pemrosesan data
semakin cepat.
2.3 Anatomi Data Warehouse
Dalam menentukan bentuk data warehouse yang akan digunakan oleh
suatu perusahaan, terlebih dahulu kita harus mengetahui kebutuhan informasi
yang diperlukan oleh perusahaan. Data warehouse terdiri atas tiga jenis dasar
sistem, yaitu :
1. Data warehouse Fungsional (Functional Data Warehouse)
Data warehouse fungsional dibangun berdasarkan
kebutuhan informasi dari tiap bagian fungsi bisnis perusahaan.
Data warehouse fungsional merupakan pendekatan yang
digunakan untuk membangun suatu sistem data warehouse
dengan biaya investasi yang rendah.
2. Data warehouse terpusat (Centralized Data Warehouse)
Data warehouse terpusat dibangun dari data operasional
yang dikumpulkan dalam pusat penyimpanan data yang
digunakan oleh pengguna untuk membangun data warehouse
fungsional masing-masing.
11
Kebanyakan organisasi membangun dan memelihara
lingkungan data warehouse terpusat yang tunggal (Inmon, 2002,
p201). Pengaturan ini masuk akal karena alasan sebagai berikut :
1. Data di dalam data warehouse terintegrasi antar
perusahaan dan gambaran terintegrasi digunakan hanya
pada kantor pusat
2. Perusahaan beroperasi pada model bisnis terpusat
3. Volume dari data dalam data warehouse seperti tempat
penyimpanan tunggal yang terpusat
4. Sekalipun data dapat terintegrasi dan diedarkan antar area
lokal yang beragam, data tersebut akan tidak praktis untuk
diakses.
3. Data warehouse terdistribusi (Distributed Data Warehouse)
Perusahaan yang memiliki cabang tersebar di seluruh
dunia membutuhkan informasi yang mencakup tidak hanya
wilayah lokal saja tetapi juga wilayah global. Global data
warehouse membutuhkan informasi terpadu dari data warehouse
tempat infomasi dikumpulkan. Disamping itu, ada kebutuhan
yang lain untuk data warehouse yang terpisah di setiap cabang
perusahaan. Dalam kasus ini, data warehouse terdistribusi
dibutuhkan. (Inmon,2002,p202). Tiga tipe dari data warehouse
terdistribusi :
12
1. Data warehouse yang terdistribusi secara geografi terdiri
dari data warehouse lokal dan data warehouse global.
2. Data warehouse yang terdistribusi dalam banyak prosesor,
secara logis ada satu data warehouse tetapi secara fisiknya
ada banyak data warehouse yang saling berhubungan.
3. Data warehouse yang tumbuh dalam sumber yang tidak
terkoordinasi.
2.4 Arsitektur Data Warehouse
Menurut Connoly dan Begg (2002, p1053), arsitektur data warehouse
dapat digambarkan sebagai berikut :
Gambar 2.1 Arsitektur Data Warehouse
13
- Operasional Data
Sumber data untuk data warehouse berasal dari :
• Mainframe operasional data memegang kendali di hirarki generasi
pertama dan di database jaringan.
• Bagian data memegang kendali di kepemilikan system file seperti VSAM,
RMS, dan relasi DBMS seperti Informix dan Oracle.
• Private data memegang kendali di workstation dan private servers.
• External System seperti Internet, database komersial yang tersedia atau
database yang berhubungan dengan pemasok organisasi atau konsumen.
- Operasional Datastore
Operasional datastore adalah sebuah tempat penyimpanan untuk data
operasional saat ini dan terintegrasi yang digunakan untuk analisis. Operasional
database seringkali terstruktur dan terisi dengan data yang sama seperti data
warehouse, tetapi kenyataannya operasional datastore adalah suatu tempat untuk
menampung data yang akan masuk ke dalam data warehouse.
- Load Manager
Load Manager menampilkan semua operasi yang berhubungan dengan
extraction dan loading data ke dalam data warehouse. Datanya mungkin
diesktrak secara langsung dari sumber data atau lebih umumnya berasal dari
operasional datastore.
14
- Warehouse Manager
Warehouse Manager menampilkan semua operasi yang berhubungan dengan
manajemen data di dalam data warehouse. Operasi yang dilakukan oleh
warehouse manager antara lain :
• analisis data untuk memastikan konsistensi data
• perubahan dan menyatukan sumber data dari penyimpanan sementara ke
dalam tabel di data warehouse
• membuat indeks-indeks dan views di tabel awal
• membuat denormalisasi (jika perlu)
• membuat aggregrasi (jika perlu)
• mem-backup data dan menyimpan data
- Query Manager
Query Manager menampilkan semua operasi yang berhubungan dengan
manajemen dari pengguna queries. Operasi yang dilakukan oleh query manager
antara lain memerintah query untuk dimasukkan kedalam tabel yang benar dan
menjadwal eksekusi query. Di beberapa kasus, query manager juga membuat
profile query untuk membolehkan warehouse manager untuk menentukan indeks
dan aggregrasi mana saja yang diperlukan.
- Detailed data
Di beberapa kasus, detil data tidak disimpan secara online tetapi ditentukan oleh
aggregrasi data ke level berikutnya. Bagaimanapun, di basis regular, detil data
dimasukkan ke dalam data warehouse untuk menambah aggregrasi data.
- Lightly and Highly Summarized Data
15
Tujuan dari ringkasan informasi adalah untuk menaikkan kemampuan queries.
Walaupun ada harga operasional yang berhubungan secara inisial dengan
ringkasan data, ini ditutupi dengan menghilangkan keperluan untuk melanjutkan
ringkasan operasi-operasi (seperti sorting atau grouping) di pengguna queries.
Ringkasan data diperbaharui secara terus menerus sebagai data baru yang diisi ke
dalam data warehouse.
- Archive / Backup Data
Walaupun ringkasan data didapat dari detil data, mungkin diperlukan untuk
mem-backup ringkasan data online jika data tersebut tetap melebihi
penyimpanan untuk detil data. Data tersebut dipindah ke tempat penyimpanan
seperti magnetic tape atau optical disk.
- Metadata
Metadata digunakan untuk berbagai tujuan antara lain :
• proses extraction dan loading - metadata digunakan untuk memetakan
sumber data ke view umum data dalam data warehouse
• proses manajemen warehouse - metadata digunakan untuk meng-
otomatiskan produksi dari tabel ringkasan.
• Sebagai bagian dari proses manajemen warehouse - metadata digunakan
untuk mengatur query ke sumber data yang paling penting.
- End-User Access Tools
Tujuan utama dari data warehouse adalah untuk menyediakan informasi untuk
pemakai bisnis dalam membuat keputusan strategis. Pemakai ini berinteraksi
16
dengan data warehouse menggunakan end-user access tools. End-user access
tools dapat dibagi menjadi 5 kelompok, yaitu :
• Laporan dan Alat Query
Menghasilkan program laporan dan laporan tertulis, sedangkan query
tools didesain untuk menerima SQL atau menghasilkan pernyataan SQL
untuk men-query data di dalam data warehouse.
• Alat Pengembangan Aplikasi
Keperluan end user dari laporan dan alat query terkadang tidak cukup
karena analisis yang diperlukan tidak dapat ditampilkan atau karena
interaksi pengguna memerlukan keahlian yang tinggi dari user. Beberapa
dari alat pengembangan aplikasi ini terintegrasi dengan alat OLAP yang
terkenal, dan dapat mengakses semua sistem database utama, termasuk
Oracle, Sybase, dan Informix.
• Alat Executive Information System (EIS)
Executive Information System, dikembangkan untuk mendukung
pembuatan keputusan tingkat tinggi. Alat EIS berhubungan dengan
mainframe pengguna untuk membangun kebiasaan-kebiasaan, aplikasi
grafik pendukung keputusan untuk menyediakan sebuah gambaran data-
data organisasi dan akses ke sumber data luar.
• Alat Online Analytical Processing (OLAP)
Alat OLAP berdasarkan dari konsep multi dimensional database dan
membolehkan pengguna untuk menganalisa data menggunakan kompleks,
multi-dimensional views. Aplikasi bisnis khusus ini digunakan untuk
17
menilai keefektifan marketing, perkiraan sales produk, dan rencana
kapasitas.
• Alat Data Mining
Data Mining adalah proses menemukan korelasi baru, pola, arah yang
baru dengan menganalisa sejumlah besar data menggunakan statistik,
matematika, dan teknik artificial intelligence (AI).
2.5 Struktur Data Warehouse
Data warehouse memiliki struktur yang terdiri atas komponen-komponen
sebagai berikut :
• Current Detail Data (detil data saat ini)
Current Detail Data adalah data detil yang aktif saat ini, yang
merupakan level terendah dari data warehouse dan mencerminkan keadaan
yang sedang berjalan.Current Detail Data biasanya memerlukan tempat
penyimpanan yang cukup besar.
• Old Detail Data (detil data historis)
Old Detail Data merupakan data historis, yang dapat berupa hasil
backup yang disimpan dalam media penyimpanan yang terpisah dan dapat
diakses sewaktu-waktu pada saat dibutuhkan. Penyusunan direktori untuk
data ini harus menggambarkan umur dari data agar memudahkan apabila
ingin diakses kembali.
• Highly Summarized Data (ringkasan data level tinggi)
Highly Summarized Data merupakan hasil proses ringkasan yang
bersifat total dan mudah untuk diakses. Digunakan untuk melakukan
18
analisa perbandingan data berdasarkan urutan waktu dan analisa yang
menggunakan data multi dimensi. Database multi dimensi adalah suatu
teknologi software komputer yang dirancang untuk meningkatkan efisiensi
dalam mencari tabel atau query sehingga media penyimpanan menjadi
lebih baik, serta memudahkan pengambilan data dalam jumlah yang besar.
• Lightly Summarized Data (ringkasan data level menengah)
Lightly Summarized Data merupakan ringkasan dari detil data,
tetapi belum bersifat total summary. Data-data ini memiliki tingkatan
yang lebih tinggi dan mendukung kebutuhan data warehouse pada
tingkatan departemen.Tingkatan data ini disebut juga data mart. Akses
terhadap data jenis ini banyak digunakan untuk view dari suatu kondisi
yang sedang dan sudah berjalan.
• Metadata
Metadata memuat informasi yang penting mengenai data dalam
data warehouse yang berfungsi sebagai :
1. Direktori yang akan dipakai oleh user dalam mencari lokasi dalam
data warehouse,
2. Suatu panduan untuk summary data dari detil data menjadi lightly
summarized data dan kemudian menjadi highly summarized data,
3. Merupakan penuntun pemetaan (mapping) dalam proses
transformasi dari operasional ke data warehouse.
Karena data warehouse harus melayani banyak fungsi, maka
metadata penting untuk menjawab kebutuhan dari suatu fungsi tertentu,
19
karena setiap departemen dalam perusahaan biasanya menggambarkan
struktur data yang spesifik meskipun asal datanya sama.
Struktur data warehouse dapat dilihat pada gambar :
Gambar 2.2 Struktur Data Warehouse
2.6 Granularity
Salah satu faktor penting yang harus diperhatikan oleh pengembang data
warehouse adalah granularity. Granularity mempengaruhi efisiensi dari
penggunaan data dalam analisis yang dilakukan.
Menurut Inmon, (2002,p43) granularity merupakan sebuah level
kedetilan / summarization dari unit data yang ada dalam data warehouse.
Semakin tinggi tingkat kedetilan data maka semakin rendah level granularity dan
juga sebaliknya.
2.7 Agregasi
Menurut Poe (1996,p136) agregrasi adalah proses akumulasi data fakta
sepanjang atribut yang didefinisikan. Contohnya, dapat dihasilkan sebuah
ringkasan berisi hasil penjualan dolar didalam area dan departemen tertentu
20
dengan menambahkan penjualan dolar dari level detil toko dan barang. Agregrasi
dapat dibuat selama proses transformasi dan pemuatan data ke dalam data
warehouse.
Faktor yang mendukung pembuatan agregrasi adalah :
1. Meningkatkan performa query
2. Mengurangi jumlah penggunaan CPU cycle
2.8 Denormalisasi
Menurut Poe (1996, p137-139) denormalisasi adalah proses
penggabungan tabel secara hati-hati dan bijaksana untuk meningkatkan performa.
Alasan dilakukannya denormalisasi adalah untuk mengurangi jumlah
penggabungan yang harus diproses dalam rata-rata query, sehingga
meningkatkan performa database. Sekarang ini, pengembang data warehouse
telah memperbaiki teknik denormalisasi dan menghasilkan pendekatan skema
bintang.
2.9 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.
2.9.1 Skema Bintang
Menurut Connoly dan Begg (2002,p1079), skema bintang adalah
struktur logikal yang memiliki tabel fakta yang berisi data faktual,
dikelilingi oleh tabel dimensi yang berisi data reference (dimana dapat
didenormalisasikan).
21
Menurut Wikipedia ( http://en.wikipedia.org/wiki/Star_schema ),
skema bintang adalah skema di dalam data warehouse yang paling
sederhana di mana tabel fakta tunggal berisi gabungan primary key dari
setiap tabel dimensi dan kolom tambahan yang berupa fakta numerik.
2.9.2 Keuntungan Menggunakan Skema Bintang
Menurut Connoly dan Begg keuntungan menggunakan skema
bintang antara lain :
• Efisiensi, struktur database yang konsisten membuat akses data lebih
efisien dengan menggunakan alat untuk menampilkan data termasuk
laporan tertulis dan query.
• Kemampuan untuk mengatasi perubahan kebutuhan, skema bintang
dapat beradaptasi terhadap perubahan kebutuhan, karena semua tabel
dimensi memiliki kesamaan dalam hal menyediakan akses ke tabel
fakta.
• Extensibility, model dimensional dapat dikembangkan. Contohnya
menambah tabel fakta selama data masih konsisten, menambah tabel
dimensi selama masih ada nilai tunggal di tabel dimensi tersebut yang
mendefinisikan setiap record tabel fakta yang ada.
• Kemampuan untuk menggambarkan situasi bisnis pada umumnya.
• 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.
22
2.9.3 Tipe Tabel Skema Bintang
Di dalam data warehouse terdapat dua macam tipe tabel, yaitu :
2.9.3.1 Tabel fakta (fact table)
Tabel fakta sering disebut juga tabel mayor. Tabel ini berisi data
aktual yang akan dianalisis (data kuantitatif dan transaksi). Field-field
tabel fakta sering disebut measure dan juga selalu berisi foreign key dari
masing-masing tabel dimensi.
2.9.3.2 Tabel dimensi (dimension table)
Tabel dimensi sering disebut juga tabel minor. Tabel dimensi
biasanya lebih kecil daripada tabel fakta dan berisi data yang merupakan
deskripsi dari data-data yang ada pada tabel fakta.
2.9.4 Skema Bintang Sederhana
Dalam skema bintang sederhana ini, setiap tabel harus
mempunyai primary key yang dapat terdiri dari satu kolom atau lebih.
Primary key pada tabel fakta dapat terdiri dari satu atau lebih foreign key
dan primary key tersebut harus unique.
23
Gambar dibawah ini menggambarkan hubungan antara tabel fakta
dan tabel dimensi . Di dalam tabel fakta terdapat tiga foreign key yang
berasal dari primary key tabel dimensi.
Gambar 2.3 Skema Bintang Sederhana
Sumber : Poe, 1996, p124
Dalam sebuah skema bintang, dapat juga terdapat lebih dari satu
tabel fakta, karena adanya fakta yang tidak saling berhubungan. Walau
terdapat tabel fakta lebih dari satu, tabel dimensi digunakan secara
bersama-sama.
24
Gambar dibawah ini menggambarkan hubungan antara dua tabel
fakta dengan tiga tabel dimensi yang memperlihatkan hubungan many to
one.
Gambar 2.4 Skema Bintang dengan beberapa tabel fakta
Sumber : Poe, 1996, p126
Tabel dimensi mungkin juga mengandung primary key yang
menghubungkan ke tabel dimensi lainnya. Tabel dimensi yang
direferensikan ini dinamakan outboard atau secondary dimension table.
25
Pada gambar dibawah ini, tabel dimensi tiga mempunyai dua
outboard tabel yaitu tabel dimensi empat dan tabel dimensi lima.
Gambar 2.5 Skema Bintang dengan Tabel Dimensi Tambahan
Sumber : Poe,1996, p128
2.9.5 Skema Bintang Majemuk
Tabel fakta dalam skema bintang majemuk memiliki dua
kumpulan 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 identifikasi
unik untuk setiap barisnya. Perbedaan antara skema bintang sederhana
dan skema bintang majemuk adalah saling tidak identiknya primary key
dan foreign key dalam skema bintang majemuk.
26
Gambar 2.6 Skema Bintang Majemuk
Sumber : Poe, 1996
2.10 Skema Snowflake
Menurut Connolly dan Begg (2002,p1080) skema snowflake merupakan
skema yang berbeda dengan skema bintang karena tabel dimensi tidak berisi data
denormalisasi.
Snowflake merupakan variasi lain dari skema bintang di mana tabel
dimensi dari skema bintang diorganisasi menjadi suatu hierarki dengan
melakukan denormalisasi.
Prinsip dasar dari skema ini tidak berbeda jauh dengan skema bintang.
Pengunaan tabel dimensi sangatlah menonjol, karena itulah perbedaan mendasar
dari skema bintang dan skema snowflake. Skema snowflake menggunakan
beberapa tabel fakta dan tabel dimensi yang sudah mengalami normalisasi,
sedangkan skema bintang menggunakan tabel dimensi yang masih
didenormalisasi. Skema snowflake dibuat berdasarkan OLTP sehingga semua
data akan termuat detail dalam setiap tabel fakta dan tabel dimensi.
27
Keuntungan dari skema snowflake adalah :
• Kecepatan memindahkan data dari OLTP ke dalam metadata
• Sebagai kebutuhan dari alat pengambil keputusan tingkat tinggi di
mana dengan tipe yang seperti ini seluruh struktur dapat digunakan
sepenuhnya.
• Banyak yang beranggapan lebih nyaman merancang dalam bentuk
normal ketiga.
Sedangkan kerugiannya adalah mempunyai masalah yang besar dalam
hal kinerja (performance), hal ini disebabkan semakin banyaknya join antar
tabel-tabel yang dilakukan dalam skema snowflake ini, maka semakin lambat
juga kinerja yang dilakukan.
Berikut ini adalah contoh gambar dari skema snowflake :
Gambar 2.7 Skema Snowflake
Sumber : Poe (1996,p129)
28
2.11 Pengertian Analisis SWOT
Menurut Rangkuti, (2002, p18-19), analisis SWOT adalah identifikasi
berbagai faktor secara sistematis untuk merumuskan berbagai strategi perusahaan.
Analisis ini didasarkan pada logika yang dapat memaksimalkan kekuatan
(Strength) dan peluang (Opportunities), namun secara bersamaan dapat
meminimalkan kelemahan (Weakness) dan ancaman (Threat).
Lingkungan yang diamati di dalam analisis SWOT mencakup lingkungan
internal (kekuatan dan kelemahan) dan lingkungan eksternal (peluang dan
ancaman).
1. Strength (kekuatan)
Setiap perusahaan harus mengetahui kekuatan yang dimilikinya dan dapat
membandingkan kekuatan tersebut dengan kekuatan para pesaing.
2. Weakness (kelemahan)
Kelemahan atau masalah yang dihadapi oleh perusahaan kadang dapat
menyebabkan kegagalan suatu rencana bisnis yang bukan karena masing-
masing bagiannya tidak memiliki kekuatan yang dibutuhkan, melainkan
karena bagian-bagian tersebut tidak bekerja sama sebagai sebuah tim.
3. Opportunity (peluang)
Peluang pemasaran adalah suatu kebutuhan dimana perusahaan dapat
bergerak dengan memperoleh laba. Peluang tersebut dapat dicatat dan dipilih
menurut daya tarik dan kemungkinan keberhasilannya.
29
4. Threat (ancaman)
Sebagian perkembangan dalam lingkungan eksternal merupakan ancaman.
Ancaman lingkungan adalah tantangan akibat kecenderungan yang tidak
menguntungkan atau perkembangan yang akan mengurangi penjualan dan
laba apabila tidak dilakukan gerakan defensif.
Gambar 2.8 Analisis SWOT
Kuadran 1 : Menggambarkan situasi yang sangat menguntungkan
perusahaan, dimana perusahaan memiliki kekuatan dan dapat memanfaatkan
peluang yang ada. Strategi yang harus diterapkan dalam kondisi ini adalah
mendukung kebijakan pertumbuhan yang agresif.
Kuadran 2 : Meskipun menghadapi berbagai ancaman, perusahaan
memiliki kekuatan dari segi internal. Strategi yang harus diterapkan adalah
menggunakan kekuatan untuk memanfaatkan peluang jangka panjang dengan
cara strategi diversifikasi produk atau pasar.
30
Kuadran 3 : Perusahaan menghadapi peluang pasar yang sangat besar,
tetapi di lain pihak, perusahaan menghadapi berbagai kendala atau kelemahan
internal. Fokus strategi perusahaan ini adalah meminimalkan masalah-masalah
internal perusahaan sehingga dapat merebut peluang pasar yang lebih baik.
Kuadran 4 : Menggambarkan situasi yang tidak menguntungkan, dimana
perusahaan menghadapi berbagai ancaman dan kelemahan internal.
2.12 Pengertian Analisis Critical Success Factor (CSF)
Menurut Laudon (2004, p380), Critical Success Factor (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 sebuah organisasi.
Menurut McLeod (2001, p109), Critical Success Factor (CSF) adalah
satu dari aktifitas dari 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 kumpulan data yang lebih kecil untuk dianalisis daripada
analisis perusahaan (enterprise analysis) secara keseluruhan. Hanya manajer
tingkat atas yang diwawancarai dan pertanyaan berfokus pada sejumlah kecil
CSF daripada pertanyaan yang luas sehingga dapat memuat informasi apa yang
dibutuhkan. Ini khususnya untuk manajer tingkat atas dan membantu di dalam
membangun DSS dan EIS.
31
2.13 Nine Step Methodology
Nine step methodology merupakan salah satu metode 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
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.
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
32
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 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 database
Pada tahap ini ditentukan durasi atau periode waktu dari data-data
yang akan dimasukkan ke dalam data warehouse.
8. Tracking slowly changing dimensions
Dimensi dapat berubah, untuk mengantisipasinya ada tiga cara
untuk mengubah data di dimensi, yaitu :
• Menulis ulang atribut yang berubah
• Membuat record baru pada dimensi
• Membuat suatu atribut alternatif untuk menampung nilai yang baru,
sehingga nilai lama dan nilai baru dari atribut tersebut bisa diakses
secara bersamaan.
9. Deciding the query priorities and the query models
Pada tahap terakhir ini, pertimbangan yang dilakukan lebih berupa
perancangan fisik dari data warehouse
33
2.14 Pengertian Penjualan
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.
Menurut Mulyadi (1997,p204) kegiatan penjualan terdiri dari transaksi
penjualan barang atau jasa, baik secara kredit maupun tunai. Penjualan adalah
suatu proses penting dalam melaksanakan tujuan dari perusahaan yaitu untuk
memperoleh keuntungan semaksimal mungkin.
Ditinjau dari cara pembayarannya, penjualan dibagi menjadi dua macam,
yaitu :
1. Penjualan Tunai
Penjualan tunai dilakukan oleh perusahaan yang bersangkutan
dengan cara mewajibkan pembeli melakukan pembayaran harga barang
terlebih dahulu sebelum barang diserahkan kepada pembeli.
Menurut Mulyadi (1997,p474) pembeli diwajibkan untuk
melakukan pembayaran harga barang terlebih dahulu sebelum barang
tersebut dikerahkan oleh perusahaan. Barang kemudian diserahkan kepada
pembeli dan transaksi penjualan tunai dicatat oleh perusahaan. Penjualan
tunai dilakukan oleh perusahaan yang bersangkutan dengan cara
mewajibkan pembeli melakukan pembayaran harga barang terlebih dahulu
sebelum barang tersebut diserahkan kepada pembeli.
34
2. Penjualan Kredit
Penjualan kredit adalah penjualan yang pembayarannya dilakukan
beberapa waktu kemudian setelah menerima barang yang dipesannya.
Pembayaran biasanya dilakukan dalam jangka waktu yang telah disepakati
oleh kedua belah pihak.
Menurut Mulyadi (2001,p202) penjualan kredit dilaksanakan oleh
perusahaan dengan cara mengirimkan barang sesuai dengan pesanan yang
diterima oleh pembeli dan untuk jangka waktu tertentu perusahaan
mempunyai tagihan kepada pembeli tersebut.
Menurut Mulyadi (2001,p204-205) fungsi-fungsi yang terkait dalam
sistem penjualan kredit adalah sebagai berikut :
a. Fungsi Penjualan
Fungsi ini bertanggung jawab untuk menerima surat order
dari pembeli, mengedit order dari pelanggan untuk menambahkan
informasi yang belum ada pada surat order tersebut, meminta
otorisasi kredit, menentukan tanggal pengiriman dan dari gudang
mana barang akan dikirim dan mengisi surat order pengiriman.
Fungsi ini juga bertanggung jawab untuk memenuhi order pada saat
diketahui tidak tersedianya persediaan untuk memenuhi order dari
pelanggan.
b. Fungsi Kredit
Fungsi ini bertanggung jawab untuk meneliti status kredit
pelanggan dan pembelian kredit kepada pelanggan.
35
c. Fungsi Gudang
Fungsi ini bertanggung jawab untuk menyimpan barang dan
menyiapkan barang yang dipesan untuk pelanggan serta menyerahkan
barang ke fungsi pengiriman.
d. Fungsi Pengiriman
Fungsi ini bertanggung jawab untuk menyerahkan barang atas
dasar surat order pengiriman yang diterimanya dari fungsi penjualan
dan menjamin bahwa tidak ada barang yang keluar dari perusahaan
tanpa ada otorisasi dari yang berwenang.
e. Fungsi Penagihan
Fungsi ini bertanggung jawab untuk membuat dan
mengirimkan faktur penjualan kepada pelanggan serta menyediakan
salinan faktur bagi kepentingan pencatatan transaksi penjualan oleh
fungsi akuntansi.
f. Fungsi Akuntansi
Fungsi ini bertanggung jawab untuk mencatat piutang yang
timbul dari transaksi penjualan kredit dan membuat laporan penjualan
serta mencatat harga pokok persediaan yang dijual kedalam kartu
persediaan.
Adapun tujuan dilakukannya penjualan adalah :
a. Untuk mencapai volume penjualan maksimal.
b. Untuk mencapai laba maksimal.
c. Untuk mendukung pertumbuhan perusahaan.
36
Agar tujuan diatas dapat terwujud maka perlu adanya kerja
sama antara bagian-bagian yang terkait.
2.15 Pengertian Retur Penjualan
Menurut Mulyadi (2001, p226) transaksi retur penjualan terjadi jika
perusahaan menerima pengembalian barang dari pelanggan. Pengembalian
barang dari pelanggan harus diotorisasi oleh fungsi penjualan dan diterima oleh
fungsi penerimaan.