7

BAB 2

LANDASAN TEORI

2.1 Pengertian Database

Menurut W.H Inmon (2002, p3), database didefinisikan sebagai suatu

koleksi dari penyimpanan data yang terhubung yang sering digunakan dan

mengurangi redudansi-perulangan- menurut skemanya. Sebuah database dapat

digunakan pada aplikasi tunggal atau jamak.

Sesungguhnya data warehouse adalah suatu bentuk dari database, namun

data warehouse memiliki sifat interaktif dalam akses informasi dengan waktu respon

yang tinggi. Dengan demikian data warehouse berbeda dengan database karena

database digunakan pada proses operasional transaksasi bisnis dan data warehouse

fokus kepada proses analisis dan pengambilan keputusan bagi eksekutif.

2.2 Pengertian OLTP

OLTP (On-Line Transaction Processing) menggambarkan kebutuhan sistem

dalam ruang lingkup operasional dan merupakan proses yang mendukung operasi

bisnis sehari-hari.

OLTP dirancang untuk memungkinkan terjadinya pengaksesan secara

bersamaan oleh beberapa user terhadap sumber data yang sama dan mengatur proses

yang diperlukan (Veiera, Professional SQL Server 7.0 Programming, 1999, p 680).

8

Sesuai dengan namanya OLTP mengizinkan transaksi untuk mengakses langsung ke

database.

Transaksi yang dilakukan termasuk operasi insert, update, dan delete.

Database OLTP biasanya bersifat relasional dan dalam bentuk normal ketiga. Dan

yang terpenting, database OLTP dibangun untuk mampu menangani banyak transaksi

dengan performa tinggi. (Veiera, Professional SQL Server 7.0 Programming, 1999, p

682).

2.3 Pengertian Data Warehouse

Data Warehouse ikut berperan dalam pengambilan keputusan database.

Karena banyak organisasi kurang dapat menggunakan Operational database dalam

mendukung secara langsung pengambilan keputusan, maka terbentuklah data

warehouse.

Berikut ini adalah beberapa definisi dari Data Warehouse yang telah kami

kumpulkan dari beberapa sumber pustaka.

1. Menurut Inmon dan Hackathorn (1994, p2)

Data warehouse merupakan sebuah kumpulan data yang bersifat subject

oriented, integrated, time variant, dan non volatile yang dapat mendukung proses

pembuatan keputusan manajemen.

2. Menurut Vidette Poe (1996, p6). Data warehouse adalah merupakan data yang

bersifat analisis dan hanya dapat dibaca saja yang digunakan sebagai dasar dari

sistem penunjang keputusan.

9

3. Data warehouse adalah suatu database pusat dimana seluruh pusat data

perusahaan dikumpulkan untuk menunjang keputusan bagi setiap departemen

dalam perusahaan tersebut.

Dari definisi-definisi diatas dapat ditarik suatu kesimpulan yaitu data

warehouse adalah suatu database yang saling terhubung yang digunakan untuk query

dan analisis yang memiliki sifat subject oriented (berorientasi subyek), integrated

(saling terpadu), nonvolatile (tidak dapat berubah), dan time variant (memiliki

variasi waktu) bagi para pengambil keputusan yaitu eksekutif perusahaan.

Data-data dari operational database dan external source diekstrak, disaring,

disummary dan kemudian diload ke data warehouse. Karena data warehouse

mengandung data-data historis, maka seringkali aktivitasnya meliputi pengambilan

kembali data-data yang telah benar-benar di summarized.Data warehouse berguna

untuk mempermudah membuat aplikasi bagi DSS (Decision Support System) dan EIS

(Executive Information System)

2.4 Data Warehouse versus OLTP

Database yang disediakan pada lingkungan data warehouse berbeda dengan

database pada lingkungan operasional yang mendukung OLTP (Online Transaction

Processing). Perbedaan itu adalah bahwa database pada data warehouse adalah

database analasis, sedangkan database pada lingkungan operasional yang

mendukung OLTP (Online Transaction Processing) adalah database operasional.

OLTP dirancang untuk menangkap informasi dan memutakhirkan isi data

dengan sangat cepat.

10

Karakteristik OLTP (Poe,1996,p119) :

• Rata-rata transaksi adalah tinggi.

• Pemutakhiran data secara teratur setiap kali terjadi perubahan.

• Tidak terjadi redudansi perulangan untuk menjaga integritas data.

Tabel OLTP Data Warehouse

Tujuan Menjalankan operasi Mengambil dan menganalisis

sehari-hari informasi

Manajemen Database RDBMS RDBMS

Metode Pemodelan data Normalisasi Skema bintang/multidimensi

Akses SQL SQL ditambah dengan kemampuan

menganalisis data

Kegunaan data Digunakan untuk menjalankan Digunakan untuk menganalisis kegiatan bisnis harian dan mengamati strategi bisnis

Tabel 2.1 Perbandingan Data Warehouse dengan OLTP

2.5 Karakteristik Data Warehouse

Karakteristik Data Warehouse menurut Inmon dan Hackathorn(1994,p2)

adalah sebagai berikut:

• Subject oriented (berorientasi subjek)

• Time variant (variasi waktu)

• Integrated (saling terintegrasi)

• Nonvolatile (tidak dapat berubah)

2.5.1 Subject Oriented

11

Karakteristik pertama dari Data Warehouse yaitu berorientasi pada subyek-

subyek utama dari perusahaan. Sebaliknya, OLTP berorientasi pada proses / fungsi.

Contohnya, dalam dunia perbankan Data Warehouse akan berorientasi pada subyek

utama antara lain customer, vendor, dan product. Sedangkan OLTP berorientasi pada

proses / fungsinya, antara lain tabungan, peminjaman, dan kartu kredit.

2.5.2 Time Variant

Data dalam data warehouse berhubungan dengan suatu titik atau point

dalam suatu periode waktu(semester, tahun fiscal atau periode pembayaran). Dengan

demikian data dalam data warehouse akurat selama periode waktu tertentu. Sehingga

dikatakan memiliki rentang waktu(time variance).

Data warehouse juga memiliki tempat untuk penyimpanan data untuk

10 tahun yang lalu atau lebih lama lagi. Yang mungkin nanti akan dapat digunakan

untuk perbandingan trend dan forecasting

2.5.3 Integrated

Adanya konsolidasi dari aplikasi oriented data system yang berbeda yaitu

data dalam warehouse disimpan dalam suatu format yang konsisten ( seperti

penamaan variabel, ukuran ukuran serta atribut fisik ). Misalnya dalam aplikasi

pengkodean

Data warehouse akan sangat berhasil apabila mampu untuk kombinasikan

data dari banyak system operasi dan hal itu merupakan suatu yang sangat efektif.

12

Salah satu alasan utama dalam menyatukan data adalah kemampuannya untuk

melakukan referensi silang antara aplikasi.

Kemampuan untuk menyajikan dan mengerti korelasi antara aktifitas dari

grup organisasi yang berbeda dalam suatu perusahaan merupakan suatu fasilitas yang

terbaik yang dapat dilakukan oleh data warehouse.

Data warehouse tidak hanya melayani penyatuan data diaplikasi sekarang,

tetapi memiliki kemampuan untuk menyatukan data dari beberapa versi aplikasi yang

telah digunakan sebelumnya

Konsistensi yang ditunjukkan oleh data warehouse dapat dilihat pada :

• Encoding (pengkodean)

Sebagai contoh, software developer harus memberi kode “m” untuk jenis kelamin

pria, “f” untuk jenis kelamin wanita. Dapat juga memberi kode “1” atau “male”

untuk pria serta “0” atau “female” untuk wanita.

• Attribute measurement (pengukuran atribut)

Sebagai contoh, ada beberapa satuan ukuran yang digunakan untuk satuan

panjang dalam database seperti cm, inchi, meter, dan yard. Dengan karakteristik

integrasi data, maka ukuran tersebut harus konsisten seperti menetapkan ukuran

satuan panjang yaitu cm.

• Multiple source (banyak sumber)

Dalam database ada kemungkinan banyaknya deskripsi dari suatu informasi,

namun dengan prinsip integrasi data, seluruh informasi tersebut harus memiliki

kesamaan deskripsi yang konsisten.

• Conflicting Keys (Kunci yang berbeda)

13

Sebagai contoh, dalam database ada beberapa tipe data yang berbeda dalam

field yang sama seperti field kode barang dalam tabel penjualan memiliki tipe data

character (char) dengan field size 10 sedangkan dalam tabel lain berbeda, misal

char (12). Semua perbedaan itu harus diintegrasikan menjadi satu tipe data yaitu

char dengan ukuran 12.

2.5.4 Non volatile

Data warehouse tidak dapat mengalami perubahan. Lain halnya pada

database operasional dapat dilakukan update, insert, delete terhadap data yang

mengubah isi dari database sedangkan pada data warehouse hanya ada dua kegiatan

memanipulasi data yaitu loading data ( mengambil data dari data yang dibutuhkan

dari data warehouse ) dan akses data ( proses mengakses data warehouse, seperti

melakukan Query atau menampilkan laporan yang dibutuhkan ( tidak ada kegiatan

updating data).

P ro v id e s c o m m o n c o d in g o f d a ta b o thw ith in a n d a c c ro s s s u b je c t a re a s

R e ta il S a le sS y s te m

O u tle t S a le sS y s te m

C a ta lo g S a le sS y s te m

P ro d u c t C o d e :9 9 9 9 9 9 9

P ro d u c t C o d e :X X X X X X X X X

P ro d u c t C o d e :X X X X 9 9 9 9

P ro d u c t C o d e :C o m m o n C o d e o r a m a p p in g o f th e v a r io u s s o u rc e c o d e

S a le s S u b je c t A re a

G a m b a r 2 .1A s p e k T e r in te g ra s i d a r i D a ta W a re h o u s e

S u m b e r : C o re y , M ic h a e l., e t.a l, D a ta W a re h o u s in g (1 9 9 9 ,p 1 0 )

14

2.6 Struktur Data Warehouse

Data warehouse memiliki struktur yang spesifik serta memiliki perbedaan

dalam tingkatan ringkasan, detil data, dan umur data. Struktur tersebut terdiri dari:

• Current Detail Data (Detil data saat ini)

• Old Detail Data (Detil data historis)

• Lightly Summarized Data (Ringkasan data level menengah)

• Highly Summarized Data (Ringkasan data level tinggi)

• Metadata

change

change

replace

replace

replace

insert

insert load

access

operational data warehouse

data is updated on a record-by-record basis regularly

data is loaded into thewarehouse and is accessedthere, but once snapshot of datais made, the data in thewarehouse does not change

Gambar 2.2Aspek Nonvolatile Data Warehouse

Sumber : http://www.cait/wustl/edu/cait/papers/prism/vol1 no1/

15

2.6.1 Current Detail Data

Current Detail Data adalah data yang keakuratannya tepat pada saat akses

berdasarkan variansi waktu.

2.6.2 Old Detail Data

Old Detail Data merupakan data yang tersimpan dalam bentuk

penyimpanan yang besar. Old Detail Data berasal dari Current Detail Data backup

yang lama yang memiliki ukuran tahunan dan hampir tidak pernah diakses lagi. Old

Detailed Data biasanya disimpan pada media penyimpanan alternatif selain disk.

h ig h ly s u m m a r iz e d

lig h t lys u m m a r iz e d

c u r r e n td e ta i l d a ta

o ld e r d e ta ild a ta

G a m b a r 2 .3 . S t r u k tu r D a ta W a re h o u s eS u m b e r : h t tp : / /w w w .c a it .w u s t l.e d u /c a it /p a p e rs p r is m /v o l1 _ n o 1 /s t ru c tu re /h o m e .h tm l

16

Penyusunan direktori untuk data ini menggambarkan umur data agar dapat

mempermudah dalam melakukan akses selanjutnya.

2.6.3 Lightly Summarized Data

Lightly Summarized Data adalah berupa ringkasan dari Current Detail Data.

Di dalam tahap ini data belum dapat digunakan untuk pengambilan keputusan karena

sifat data belum “total summary” yang artinya data masih bersifat detil.Lightly

Summarized Data seringkali digunakan sebagai gambaran dari keadaan yang sedang

berlangsung maupun yang belum berlangsung. Data ini hampir selalu tersimpan

dalam disk dan yang perlu diperhatikan adalah satuan waktu ringkasan dan atribut

Lightly Summarized Data.

2.6.4 Highly Summarized Data

Highly Summarized Data adalah hasil proses summary yang memiliki sifat

“Total Summary”. Pada tingkat ini data sangat mudah diakses dan pada akhirnya

dapat digunakan sebagai pengambil keputusan bagi eksekutif perusahaan. Bagi

eksekutif hal ini sangatlah memudahkan karena mereka hanya perlu membaca atau

melakukan analisa dalam waktu yang singkat.

2.6.5 Metadata

Metadata termasuk dalam komponen penting pada data warehouse.

Metadata seringkali disebut ‘data tentang data’. Metadata memberikan peranan yang

penting untuk keefektifan penggunaan data warehouse. Dengan adanya metadata

17

maka akan mempermudah end user dalam melakukan analisis dan menghemat waktu

mereka. Metadata bertindak seperti indeks mengenai isi dari data warehouse.

Metadata mengandung :

• Struktur Data

Suatu direktori untuk membantu analisis DSS (Decision Support System) untuk

mencari lokasi/tempat data dalam data warehouse.

• Algoritma untuk meringkas data

Suatu algoritma untuk proses summary data antara current detail data dengan

lightly summarized data dan antara lightly summarized data dengan highly

summarized data, dan lain-lain.

• Pemetaan dari data operasional ke data warehouse

Suatu panduan pemetaan data pada pada saat data ditransformasi/diubah dari

lingkup data operasional menjadi lingkup data warehouse.

2.7 Anatomi Data Warehouse

Penerapan awal dari arsitektur data warehouse dibuat berdasarkan konsep

bahwa data warehouse mengambil data dari berbagai sumber dan memindahkannya

ke dalam sebuah pusat pengumpulan data yang besar. Konsep ini sebenarnya lebih

cenderung pada sebuah lingkungan mainframe yang terpusat.

Keunggulan teknologi client-server memungkinkan data warehouse

diterapkan dalam berbagai macam cara untuk menampung kebutuhan pemakai sistem

secara lebih proporsional. Misalnya : pemakai tertentu perlu menggabungkan data

18

dari sebuah sistem pengumpulan data yang statis, dengan data dari sistem operasional

yang dinamis hanya dalam sebuah query saja.

Berikut ini adalah tiga jenis dasar sistem Data Warehouse :

1. Data Warehouse Fungsional (Functional Data Warehouse)

2. Data Warehouse Terpusat (Centralized Data Warehouse)

3. Data Warehouse Terdistribusi (Distributed Data Warehouse)

2.7.1 Data Warehouse Fungsional

Data Warehouse Fungsional mempergunakan pendekatan kebutuhan dari

tiap bagian fungsi bisnis, misalnya departemen, divisi, dan sebagainya, untuk

mendefinisikan jenis data yang akan ditampung di dalam sistem.

Setiap unit fungsi dapat mempunyai gambaran datanya masing-masing.

Penerapan jenis sistem pengumpulan data seperti ini beresiko kehilangan konsistensi

data di luar lingkungan bisnis bersangkutan. Apabila pendekatan ini lingkupnya

diperbesar dari lingkungan fungsional menjadi lingkup perusahaan, konsistensi data

perusahaan tidak lagi dapat dijamin. Sebab utama dipergunakan pendekatan seperti

ini adalah bahwa sistem ini dapat memberi solusi yang mudah untuk dibangun

dengan biaya investasi yang relatif rendah dan dapat memberikan kelompok pemakai

sebuah kemampuan sistem pengumpulan data yang terbatas.

2.7.2 Data Warehouse Terpusat

Data warehouse terpusat adalah pendekatan yang paling banyak digunakan,

sebagian besar karena keterbiasaan pemakai dengan lingkungan mainframe yang

19

terpusat. Data diambil dari seluruh sistem operasional dan disimpan di dalam pusat

penyimpanan data. Pemakai kemudian bekerja dengan mempergunakan data yang

telah terkumpul tersebut untuk membangun data warehouse fungsional masing-

masing. Keuntungan sistem ini dibandingkan dengan data warehouse fungsional

adalah bahwa data benar-benar terpadu.

Sistem ini mengharuskan pemasok data harus mengirimkan data tepat pada

waktunya agar supaya tetap konsisten dengan pemasok lainnya. Di samping itu,

pemakai hanya dapat mengambil data dari bagian pengumpulan saja, dan tidak dapat

secara langsung berhubungan dengan pemasok datanya sendiri.

2.7.3 Data Warehouse Terdistribusi

Data Warehouse terdistribusi dikembangkan berdasarkan konsep data

warehouse “gateway” yang memungkinkan pemakai untuk langsung berhubungan

dengan sumber data maupun dengan pusat pengumpul data lainnya. Gambaran

pemakai atas data adalah berupa gambaran logik karena data mungkin diambil dari

berbagai sumber yang berbeda. Pendekatan ini mengandalkan keunggulan teknologi

“client-server” untuk mengambil data dari berbagai sumber. Pendekatan ini

memungkinkan tiap departemen atau divisi untuk membangun pengumpul data

fungsionalnya masing-masing atau bahkan sistem operasionalnya dan memadukan

bagian-bagian tersebut dengan teknologi client-server. Pendekatan ini memerlukan

biaya yang sangat besar karena setiap sistem pengumpulan data fungsional dan sistem

operasinya dikelola secara terpisah. Di samping itu, supaya berguna bagi perusahaan

data harus disinkronisasikan untuk memelihara keterpaduannya. Metode ini akan

20

sangat efektif apabila data telah tersedia dalam bentuk yang konsisten dan pemakai

ingin dapat menambah data tersebut dengan informasi baru apabila ingin memperoleh

gambaran baru atas informasi.

2.8 Arsitektur Data Warehouse

Menurut Poe (1996,p24) adalah sekumpulan aturan atau stuktur yang

memberikan kerangka untuk keseluruhan rancangan suatu sistem atau produk.

Arsitektur data menyediakan kerangka dengan mengidentifikasikan dan

memahami bagaimana data akan pindah melalui sistem dan digunakan dalam

perusahaan. Arsitektur data warehouse mempunyai komponen utama yaitu database

yang hanya dapat dibaca. Karakteristik arsitektur data warehouse (Poe,1996,pp40-41)

:

• Data diambil dari sistem sistem asal (sistem informasi yang ada), database dan

file.

• Data dari sistem asal diintegrasikan dan ditransformasi sebelum disimpan

kedalam data warehouse.

• Data Warehouse adalah jenis database read-only yang diciptakan untuk

mengambil keputusan.

• User mengakses data warehouse via front-end tool atau aplikasi.

21

2.9 Jenis Arsitektur Data Warehouse

Ada beragam arsitektur data warehouse diantaranya adalah:

• Arsitektur two-tier

• Arsitektur three-tier

• Arsitektur bottom-up

2.9.1 Arsitektur Two-tier

Pada arsitektur two-tier ini, operational data ditransformasikan dan

ditransfer ke data warehouse. Untuk membantu proses transformasi, sebuah

Enterprise Data Model (EDM) dibuat. Enterprise Data Model ini menjelaskan

tentang struktur data warehouse dan berisi metadata yang dibutuhkan untuk

menempatkan dan mengakses database yang dihasilkan dan sumber data eksternal.

Arsitektur two-tier biasanya akan menemui kesulitan perfomance bilamana

data warehouse berukuran besar.

22

operationaldatabase

operationaldatabase

ExternalData

source

Data Warehouseserver

summarized data

UserDepartments

TRANSFORMASI

Gambar 2.4 Arsitektur two-tier data warehouse

2.9.2 Arsitektur Three-tier

Organisasi yang menemui kesulitan dalam menerapkan arsitektur two-tier

pada umumnya akan beralih ke arsitektur three-tier.

User pada departemen pada umumnya hanya mengakses sebagian kecil dari

porsi data warehouse. Oleh karena itu digunakanlah data mart.

Pada umumnya data mart ini memiliki server yang terpisah dengan data

warehouse, yang bertujuan untuk perfomance dan fault tolerance. Masing-masing

departemen bertanggung jawab untuk mengawasi data mart departemennya.

23

userdepartments

data mart tier

data mart

data mart

Data Warehouse

summarizeddata

operationaldatabase

operationaldatabase

ExternalData source

data warehouseserver

Gambar 2.5 Arsitektur three-tier data warehouse

2.9.3 Arsitektur Bottom-up

Pada arsitektur bottom-up, data dimodelkan dalam satu function atau proses

dalam satu waktu dan disimpan di data mart yang terpisah. Bilamana waktunya tiba,

data baru disintesis, disaring (dibersihkan), dan dimerge ke dalam data mart yang

telah tersedia atau dapat juga dengan membangun ke data mart yang baru.

24

operationaldatabase

operationaldatabase

ExternalData source

data mart

userdepartments

data mart tier

transformationproses

Gambar 2.6 Arsitektur bottom-up data warehouse

25

2.10 Kegiatan Inti Data Warehouse :

Untuk melakukan penganalisaan dan pelaporan informasi bagi pihak-pihak

pengambil keputusan, maka dalam merancang data warehouse terdapat kegiatan-

kegiatan yang harus ada didalamnya, kegiatannya antara lain :

2.10.1 Memperoleh data dan menggabungkan data

Mendapatkan data dari berbagai sumber dan melakukan penggabungan pada

suatu tempat tertentu, data-data yang digabung adalah data yang akan membantu kita

dalam pembuatan laporan, karena data tersebut merupakan bentuk suatu kesatuan

2.10.2 Transformasi data

Pengolahan data dari awal kebentuk data yang telah disepakati, dengan

mengalami pemrosesan atau pengolahan terlebih dahulu yang sama artinya dengan

pengubahan dan kebentuk yang diharapkan

2.10.3 Pendistribusian data

Data-data yang akan kita gunakan dalam data warehouse berkaitan dengan

lingkungan kerja dalam perusahaan. Bagi perusahaan yang terhubung dengan

jaringan, pemakaian data warehouse mendukung kegiatan ini. Dimana pengguna

dapat menggunakan data warehouse ini secara lebih fleksibel dan merata pada

masing-masing bagian yang ada dalam perusahaan.

26

2.10.4 Penggunaan data

Data yang telah disaring akan menghasilkan ringkasan-ringkasan yang

dapat memudahkan pengguna dalam mengambil suatu keputusan. Disini kegiatan

pemakaian data akan menjadi lebih sering jika para pengambil keputusan ingin

menganalisa produk yang telah dipasarkan pada masyarakat.

2.11 Skema Bintang

Skema bintang (Poe,1996, p120-121) adalah perancangan yang memiliki

struktur sederhana dengan tabel-tabel yang relatif dan penggabungan yang diketahui.

Skema Bintang merupakan suatu rancangan database di data warehouse

yang menggambarkan hubungan yang jelas antara struktur tabel fakta dan tabel

dimensi.

Skema ini dapat dibaca dengan mudah oleh para analis maupun pemakai

yang tidak biasa dengan stuktur database.

2.12 Keuntungan menggunakan skema bintang

Skema bintang memiliki keuntungan yang tidak didapat oleh skema

relasional biasa.

Keuntungan skema bintang:

• Respon data yang lebih cepat dihasilkan dari perancangan database

• Kemudahan dalam mengembangkan atau memodifikasi data yang terus

berubah

27

• End user dapat menyesuaikan cara berpikir dan menggunakan data, konsep ini

dikenal juga dengan istilah paralel dalam perancangan database

• Menyederhanakan pemahaman dan penelusuran metadata bagi pemakai dan

pengembang.

2.13 Perancangan Skema Bintang

Skema Bintang memiliki 2 macam tabel, yakni:

2.13.1 Tabel Fakta (fact table)

Tabel fakta sering juga disebut table mayor. Tabel ini merupakan inti dari

skema bintang dan berisi data aktual yang akan dianalisis(data kuantitatif dan

transaksi). Field-field tabel fakta sering disebut measure dan biasanya dalam bentuk

numerik. Selalu berisi foreign key dari masing-masing tabel dimensi. Tabel ini dapat

terdiri dari banyak kolom dan ribuan baris data

2.13.2 Tabel Dimensi (dimension table)

Sering juga disebut tabel minor. Tabel dimensi biasanya lebih kecil dan

berisi data yang merupakan deskripsi lebih lanjut dari data yang ada pada tabel fakta.

2.14 Ketentuan Pembacaan Skema Bintang

Adapun ketentuan pembacaan skema bintang adalah sebagai berikut:

• Bagian yang ada di bawah tabel adalah kolom-kolom dari tabel.

• Primary key dan foreign key diberi kotak.

28

• Primary key diarsir, sedangkan foreign key yang bukan primary key tidak

diarsir.

• Foreign key yang berhubungan ditunjukkan dengan garis yang

menghubungkan tabel-tabel.

• Kolom yang bukan primary key atau foreign key disebut kolom data pada

tabel fakta dan atribut pada tabel dimensi.

2.15 Jenis-jenis Skema Bintang

Ada beberapa macam jenis skema bintang, yaitu :

2.15.1 Skema Bintang Sederhana

Dalam skema ini, setiap tabel harus memiliki primary key yang terdiri dari

satu kolom atau lebih dan primary key tersebut harus bersifat unik.

Primary key dari tabel fakta terdiri dari satu atau lebih foreign key. Foreign

key adalah kolom pada satu tabel yang nilainya didefinisikan oleh primary key pada

tabel yang lain.

Gambar dibawah ini menggambarkan hubungan antara tabel fakta dan tabel

dimensi. Tabel fakta memiliki tiga foreign key, dimana masing-masing foreign key itu

merupakan primary key pada tabel dimensi.

29

2.15.2 Skema Bintang dengan Banyak Tabel Fakta

Skema bintang juga dapat terdiri dari lebih dari satu table fakta. Hal ini

terjadi karena mereka berisi lebih banyak tabel fakta, misalnya disamping penjualan

terdapat tabel fakta forecasting dan tabel fakta result. Tetapi walaupun terdapat

banyak tabel fakta, mereka menggunakan tabel dimensi secara bersama-sama.

Kunci 1

AtributAtribut...Atribut

Tabel Dimensi 1

Kunci 2

AtributAtribut...Atribut

Tabel Dimensi 2 Kunci 1

Kolom DataKolom Data...Kolom Data

Tabel Fakta

Kunci 2Kunci 3 Kunci 3

AtributAtribut...Atribut

Tabel Dimensi 3

Gambar 2.7 Hubungan antara tabel dimensi pada Skema BintangSederhana (Sumber : Poe, 1996, p124)

30

Gambar 2.8. Skema Bintang dengan lebih dari 1 Tabel FaktaSumber : Poe,1996, p126

2.15.3 Skema Snowflake

Snowflake merupakan variasi lain dari skema bintang dimana tabel dimensi

dari skema bintang diorganisasi menjadi suatu hierarki dengan melakukan

normalisasi.

Prinsip dasar dari skema ini tidak jauh berbeda dari skema bintang.

Penggunaan tabel dimensi sangatlah menonjol, karena itulah perbedaan mendasar

dari skema bintang dan skema snowflake. Skema snowflake menggunakan beberapa

tabel fakta dan tabel dimensi yang sudah mengalami normalisasi, sedangkan skema

bintang menggunakan tabel dimensi yang masih denormalisasi. Skema snowflake

Kunci 1

AtributAtribut...Atribut

Tabel Dimensi 1

Kunci 2

AtributAtribut...Atribut

Tabel Dimensi 2 Kunci 1

Kolom DataKolom Data...Kolom Data

Tabel Fakta 1

Kunci 2Kunci 3 Kunci 3

AtributAtribut...Atribut

Tabel Dimensi 3

Kunci 1

Kolom DataKolom Data...Kolom Data

Kunci 2Kunci 3

Tabel Fakta 2

31

dibuat berdasarkan OLTP sehingga semua data akan termuat detail dalam setiap tabel

fakta dan tabel dimensi.

Keuntungan dari skema snowflake adalah :

• Kecepatan memindahkan data dari data OLTP kedalam metadata.

• Sebagai kebutuhan dari alat pengambil keputusan tingkat tinggi dimana dengan

tipe yang seperti ini seluruh struktur dapat digunakan sepenuhnya.

• Banyak yang beranggapan lebih nyaman merancang dalam bentuk normal ketiga.

Sedangkan kerugiannya adalah mempunyai masalah yang besar dalam hal

kinerja (performance), hal ini disebabkan semakin banyaknya join antar tabel-tabel

yang dilakukan dalam skema snowflake ini, maka semakin lambat juga kinerja yang

dilakukan.

Sebuah skema bintang yang menyediakan atribut yang lengkap, konsisten

dan mudah dimengerti memungkinkan bagi pemakai untuk memperoleh penampilan

Kunci 1Kunci 2Kunci 3

Kolom DataKolom Data...Kolom Data

Tabel Fakta

Kunci 1Atribut 4Atribut 5Atribut 6

Atribut 5

Tabel Dimensi 1

Tabel Atribut 5

Atribut 6Tabel Atribut 6 Kunci 2

Atribut 7Kunci 6Atribut 8

Tabel Dimensi 2

Kunci 6Atribut

Tabel Dimensi 6

Atribut 8Tabel Atribut 8

Kunci 3Atribut 1Atribut 2Atribut 3

Tabel Dimensi 3

Kunci 4Kunci 5

Kunci 4Atribut

Tabel Dimensi 4

Kunci 5Atribut

Tabel Dimensi 5

Gambar 2.9. Skema SnowflakeSumber : Poe, 1996, p129

32

data yang mudah digunakan dan mudah dimengerti. Perancangan skema bintang yang

baik membantu pemakai untuk menulis pencarian yang diinginkan dengan cara yang

dimengerti.

2.16 Perencanaan Strategi Informasi

analysis of goals andproblems

The overview model offunction of the enterprise

entity-relationshipmodeling

critical succes factoranalysis

Perform technologyimpact analysis

Strategic system vision

of directinterest to

topmanagement

of primaryinterest totop MISplanners

Gambar 2.10 piramid teknologi informasi

Bagian puncak dari piramid teknologi informasi ada kaitannya dengan

perencanaan strategi. Diagram sederhana yang terdiri dari level-level ini

menggambarkan strategi sebagai sebuah level level single pada puncak piramid.

Bila dilihat secara detil gambar tersebut dibagi menjadi dua lapisan. Lapisan pertama

berisi tentang tipe perencanaan yang menjadi perhatian bagi top management.

Lapisan kedua berisi tentang model dari perusahaan dan informasinya yang menjadi

perhatian utama bagi para perencana sistem informasi.

33

Pada lapisan pertama berkaitan dengan dampak teknologi dimasa depan

pada perusahaan, bagaimana cara teknologi tersebut digunakan untuk perusahaan itu

agar lebih kompetitif, faktor sukses dalam mengelola perusahaan dan goal serta

problem yang ada pada perusahaan (Martin. James: Information Engineering Book II;

1990; p 13-15). Untuk lebih jelasnya berikut penjelasan dari gambar diatas :

1. Analysis of Goals and Problems : menerangkan tentang bentuk

permasalahan dan pemecahannya dari perusahaan dengan cara

menghubungkannya kepada departemen atau unit organisasi yang terlibat

serta tanggung jawab yang ada pada tiap-tiap manajer pada masing-masing

departemen tersebut.

2. Critical Succes Factor Analysis : dikaitkan dengan mengidentifikasi area

yang “segala sesuatunya harus berjalan dengan benar” jika ingin

perusahaan tersebut cepat sukses, dan itu berkaitan dengan mempergunakan

sumber daya pada tempat yang tepat.

3. Technology Impact Analysis : menjelaskan bagaimana teknologi informasi

yang ada di perusahaan dapat berguna dalam menghadapi kesempatan dan

ancaman di perusahaan.

4. Strategic System Vision : berkaitan dengan strategi membuat sistem baru

dengan tujuan membuat perusahaan tersebut lebih kompetitif. Dalam

strategi sistem ini membutuhkan restrukturisasi pada perusahaan.

5. The overview model of the functions in the enterprise : memetakan fungsi

bisnis secara hirarki. Hal ini berhubungan dengan unit organisasi, lokasi

dan entitas dimana data tersebut disimpan.

34

6. Entity Relationship Modeling : menggambarkan hubungan-hubungan antar

entitas dalam bentuk diagram. Entitas ini berhubungan dengan fungsi bisnis

yang telah dipetakan dalam matriks.

2.17 Data Mart

Data Warehouse dan data mart didefinisikan dan digunakan secara terpisah

di dalam sistem data warehouse. Data Mart adalah kumpulan data yang lebih kecil

dari data warehouse yang digunakan untuk melakukan analisa bisnis di satu divisi.

Sedangkan data warehouse adalah kumpulan dari seluruh data perusahaan yang

digunakan untuk melakukan analisa bisnis secara keseluruhan ( Peterson, Timothy;

Pinkelman, James; Microsoft OLAP Unleashed, second edition, 2000, p54).

2.18 Agregasi

Agregasi adalah proses penghitungan data fakta selama pendefinisian

atribut. Sebagai Contoh: Jumlah mahasiswa berdasarkan jurusan dan program studi

dengan menghitung jumlah mahasiswa dari data transaksi yang terjadi. Agregasi

dapat dibuat selama proses transformasi dan pemuatan data ke dalam data

warehouse.

Menurut Poe (1996,p136), faktor yang mendorong pembuatan agregasi:

• Meningkatnya penampilan pencarian(searching)

• Mengurangi jumlah penggunaan kode produk universal

Suatu agregasi yang baik dapat dibuat untuk digunakan oleh 300 user dalam

satu hari, karena akan lebih bermanfaat jika dibandingkan dengan membuat agregasi

35

yang membutuhkan waktu 2 jam tetapi hanya digunakan sekali dalam setahun oleh

satu user saja.

Salah satu teknik yang harus dicatat adalah saat pemuatan data warehouse.

Kita tetap membutuhkan teknik database klasik seperti partisi tabel secara fisik. Hal

ini menjadi penting bilamana data warehouse mencapai gigabyte data.

2.19 Denormalisasi

Denormalisasi adalah proses penggabungan field-field dari beberapa tabel

untuk meningkatkan penampilan yang ada. Ini adalah sebuah proses yang bertolak

belakang dengan bentuk normal dalam proses normalisasi.

Alasan utama untuk melakukan hal ini (Poe, 1996, p139) :

1. Untuk mengurangi jumlah hubungan yang terjadi antar tabel-tabel yang harus

mengalami proses pada waktu dilakukan pencarian. Dengan inilah penampilan

database dapat ditingkatkan.

2. Untuk membuat struktur fisik dari database yang semakin mendekati model

dimensi dari pemakai. Membuat struktur tabel sesuai dengan yang ingin

ditanyakan oleh pemakai, memungkinkan terjadinya akses langsung, yang sekali

lagi akan meningkatkan penampilan.

2.20 Tingkatan Manajemen Pengguna Informasi

Tingkatan manajemen dalam suatu organisasi pada umumnya terbagi

menjadi :

1. Tingkatan Operasional

36

Berfokus pada pelaksanaan atas apa yang organisasi itu hasilkan atau

lakukan. Yang termasuk ke dalam tingkatan operasional ini adalah Senior

Geologist, Senior Geophysicalist.

2. Tingkatan Teknis / Manajemen

Mengelola fungsi operasi dan sebagai penghubung antara yang

memproduksi produk atau jasa dan mereka yang menggunakan keluaran

itu. Yang termasuk ke dalam tingkatan teknis ini adalah Field Manager,

Operation Manager.

3. Tingkatan Strategis

Menetapkan tujuan jangka panjang dan arah bagi organisasi. Yang

termasuk ke dalam tingkatan strategis ini adalah : General Manager.

• Pengaruh tingkatan manajemen terhadap Sumber Informasi dapat

digambarkan sebagai berikut :

Gambar 2.11 Pengaruh Tingkatan Manajemen terhadap Sumber Informasi

Dapat dilihat bahwa manajemen tingkat strategis menerima informasi

eksternal yang lebih banyak dibandingkan dengan informasi yang berasal

dari internal. Sebaliknya, tingkatan operasional lebih banyak menerima

informasi yang berasal dari internal perusahaan.

Eksternal

Internal

Strategic Planning Level

Management Control Level

Operational Control Level

37

• Pengaruh Tingkatan Manajemen terhadap Bentuk Penyajian Informasi

dapat digambarkan sebagai berikut :

Pada gambar tersebut terlihat bahwa tingkatan strategis membutuhkan

informasi dalam bentuk yang ringkas (summary), sedangkan tingkatan operasional

perusahaan lebih membutuhkan informasi dalam bentuk yang lebih rinci (detail).

2.21 Pengertian Critical Succes Factor (CSF)

Critical Succes Factor (CSF) adalah area dalam jumlah terbatas dimana

nilai kepuasan dapat menjamin kinerja yang kompetitif bagi seorang indvidu,

departemen, atau organisasi. CSF merupakan salah satu area penting dimana “segala

sesuatu harus berjalan dengan benar” bagi sebuah bisnis untuk berkembang dan goal

seorang manajer dapat dicapai. Sebuah goal berarti keseluruhan tujuan, sebuah CSF

adalah apa yang harus dilakukan untuk mencapai goal tersebut. (Martin. James:

Information Engineering Book II; 1990; p 89).

.

2.22 Pengertian Pembelian

Pembelian menurut Mulyadi (1997,p302), pembelian adalah suatu usaha

pengadaan barang yang diperlukan oleh perusahaan. Sistem pembelian digunakan

Ringkasan

Detail

Strategic Planning Level

Management Control Level

Operational Control Level

Gambar 2.12. Pengaruh Tingkat Manajemen terhadap Bentuk Penyajian Informasi

38

dalam perusahaan untuk pengadaan barang yang diperlukan oleh perusahaan.

Transaksi pembelian dapat digolongkan menjadi dua, yaitu pembelian lokal dan

impor. Pembelian lokal adalah pembelian dari pemasok dalam negeri, sedangkan

pembelian impor adalah pembelian dari pemasok luar negeri.

Fungsi yang terkait dengan pembelian adalah :

1. Fungsi gudang : Bertanggung jawab untuk mengajukan permintaan pembelian

sesuai dengan posisi persediaan barang yang ada digudang dan untuk menyimpan

barang yang telah diterima oleh fungsi penerimaan.

2. Fungsi pembelian : Bertanggung jawab untuk memperoleh informasi mengenai

harga barang. Menentukan pemasok yang dipilih dalam pengadaan barang dan

mengeluarkan order pembelian kepada pemasok yang dipilih.

3. Fungsi akuntansi : Fungsi yang terkait adalah fungsi pencatatan utang dan

persediaan barang. Fungsi pencatatan uang berfungsi untuk mencatat transaksi ke

dalam register bukti kas keluar. Fungsi persediaan barang bertanggung jawab

untuk mencatat harga produksi barang yang dibeli kedalam kartu persediaan.

2.23 Pengertian Manajemen Produksi dan Manajemen Operasi

Manajemen produksi dan operasi menurut T.Hani Handoko (1997,p 3)

merupakan usaha-usaha pengelolaan secara optimal penggunaan sumber daya –

sumber daya( atau sering disebut faktor-faktor produksi )-tenaga kerja, mesin-mesin,

peralatan-dalam proses transformasi bahan mentah dan tenaga kerja menjadi berbagai

produk dan jasa .

39

Setiap perusahaan memiliki karakteristik yang berbeda-beda, sebagai contoh

di perusahaan minyak, dikenal adanya istilah eksplorasi dan operasi.

Eksplorasi adalah kegiatan pencarian minyak dan gas bumi dengan

mempergunakan prinsip – prinsip geologi, geofisika, geokimia , dan pengeboran

(Tim Pengelola DPKK Migas, 2000,p III-3)

Operasi adalah kegiatan melaksanakan pengembangan lapangan yang

meliputi optimalisasi produksi migas melalui kegiatan pengeboran, pemeliharaan

sumur dan fasilitas produksi ( Tim Pengelola DPKK Migas, 2000,p III-6)

Organisasi –organisasi yang sukses hendaknya mempunyai sistem pelaporan

yang memberikan umpan balik (feedback) agar manajer dapat mengetahui apakah

kegiatan – kegiatannya dapat memenuhi permintaan konsumen atau tidak.

2.24 Pengertian Penggajian

Gaji menurut Mulyadi (1997, p377-378), Gaji merupakan pembayaran atas

penyerahan jasa yang dilakukan oleh karyawan yang mempunyai jenjang jabatan

manajer, umumnya gaji dibayarkan secara tetap perbulan. Informasi yang dibutuhkan

oleh manajemen dari kegiatan penggajian dan pengupahan adalah :

1. Jumlah biaya gaji dan upah yang menjadi beban perusahaan selama periode

akuntansi tertentu.

2. Jumlah biaya gaji dan upah yang menjadi beban setiap pertanggungjawaban

selama periode akuntansi tertentu.

3. Jumlah gaji dan upah yang diterima setiap karyawan selama periode

akuntansi tertentu.

40

4. Rincian unsur biaya gaji dan upah yang menjadi beban perusahaan dan

setiap pusat pertanggungjawaban selama periode akuntansi tertentu.

2.25 Pengertian Persediaan

Persediaan menurut Mulyadi (1997, p 555) terbagi menjadi persediaan

produk jadi, persediaan produk dalam proses, persediaan bahan baku, persediaan

bahan penolong, persediaan bahan habis pakai pabrik, dan persediaan suku cadang.

Berikut ini adalah penjabaran transaksi dari semua tipe persediaan : Produk

selesai diproduksi, readjusment, pembelian, retur pembelian, penjualan, retur

penjualan, pemakaian barang gudang, pengembalian barang gudang, penghitungan

fisik persediaan.