perancangan data mart kepegawaian pada unit sumber daya manusia

1

PERANCANGAN DATA MART KEPEGAWAIAN PADA UNIT SUMBER DAYA MANUSIA

(HUMAN RESOURCE) PT. GMF AEROASIA

Citra Prawita Kirana1 Prihandoko2

1, 2Universitas Gunadarma Jl. Margonda Raya 100 Pondok Cina

Depok 16424 [email protected]

[email protected]

ABSTRAK

Proses manajemen informasi sumber daya manusia yang menangani

seluruh transaksi kepegawaian, mulai dari pendataan pegawai baru, turnover pegawai, cuti, pelanggaran, promosi, demosi, sampai penggajian, membutuhkan data dalam jumlah yang sangat banyak setiap bulannya. Ditambah lagi apabila perusahaan memiliki pegawai yang berjumlah lebih dari 2000 orang, tentunya proses pencarian data untuk membuat laporan akan memakan waktu yang cukup lama. Berdasarkan alasan tersebut, penulis mencoba membuat suatu datamart, yang diharapkan mampu menghasilkan data sesuai dengan kriteria yang diinginkan secara cepat dan akurat. Datamart ini dibuat dengan menggunakan fasilitas DTS (Data Transformation Services) yang ada di SQL Server 2000, mulai dari proses ekstraksi, transformasi, sampai proses loading. Sedangkan aplikasi untuk mengakses data mart ini dibangun dengan bahasa pemrograman Visual Basic 6.0 Kata Kunci : Data Mart, Human Resource, dan ETL

2

PENDAHULUAN

PT. GMF AeroAsia adalah anak perusahaan milik PT. Garuda Indonesia

yang khusus menangani masalah perawatan pesawat terbang. Sebagai anak

perusahaan, GMF termasuk perusahaan yang cukup besar, ditunjang dari jumlah

pegawainya yang mencapai ± 2400 orang. Dalam organisasi sebesar itu, pihak

manajemen informasi sumber daya manusia (Human Resource) membutuhkan

data dengan jumlah yang sangat banyak dalam kesehariannya untuk memproses

segala transaksi kepegawaian, mulai dari absensi harian, penggajian, cuti,

promosi, pelanggaran, dan lain-lain. Banyaknya data ini tentunya akan

mempersulit proses pembuatan laporan yang mencakup seluruh data tersebut.

Data-data yang digunakan untuk keperluan transaksional di atas tersimpan

di dalam tabel-tabel yang jumlahnya cukup banyak. Sehingga untuk membuat

suatu laporan kepegawaian yg melibatkan lebih dari satu dimensi (kriteria), maka

user harus mencarinya dalam tabel-tabel yang bersangkutan dan melakukan

beberapa proses join sehingga akan memakan waktu yang cukup lama. Padahal,

laporan-laporan tersebut adalah dasar dari proses pengambilan keputusan yang

tetntunya harus dapat dilakukan secara cepat dan akurat. Untuk dapat memenuhi

tuntutan itu, dibutuhkan suatu Data Mart, yang diharapkan dapat memberi

kemudahan bagi pihak manajemen SDM PT. GMF AeroAsia untuk memperoleh

informasi yang sesuai untuk digunakan dalam membuat laporan kepegawaian

secara cepat dan akurat.

TINJAUAN PUSTAKA Data Warehousing

Menurut Bill Inmon yang dikenal sebagai “father of the Data Warehouse”,

definisi dari Data Warehouse adalah : Sekumpulan/koleksi data yang mendukung

pengambilan keputusan pihak manajemen yang mempunyai beberapa karakteristik

sebagai berikut :

a. Subject Oriented

3

Sebuah Data Warehouse dirancang dan dibangun untuk memenuhi

kebutuhan analisis data berdasarkan subjek tertentu.

b. Integrated

Untuk memenuhi kebutuhan analisis secara menyeluruh, sebuah Data

Warehouse harus mampu mengintegrasikan data dari berbagai sumber data

yang beragam.

c. Non Volatile

Data-data dalam sebuah Data Warehouse tidak dapat diubah (tidak dapat

di-update). Data-data tersebut merupakan data historis yang digunakan

untuk memenuhi kebutuhan analisis, bukan untuk menangani transaksi

seperti pada operasional database pada umumnya.

Gambar 1. Hubungan antara Operational Database dan Data Warehouse

d. Time Variant

Model analisis yang diterapkan pada sebuah Data Warehouse

berfokus pada perubahan data faktual berdasarkan waktu. Dalam hal ini Data

Warehouse harus mampu menyimpan data untuk sebuah subjek tertentu dalam

waktu yang berbeda-beda.

Data warehouse memungkinkan pengguna untuk menggabungkan data

yang bersifat operasional dengan data historis yang mungkin tersimpan di sumber

yang berbeda baik lokasi maupun bentuknya. Hal ini memungkinkan pengguna,

OLAPDatabase

Data Warehouse

Operational System Application

Decision Support System( DSS)

read changeadd delete read

4

para eksekutif, manajer maupun analis untuk melakukan permintaan dan analisis

atas data perusahaan dari berbagai dimensi yang berbeda. Data warehouse

memungkinkan penggunanya untuk melakukan analisis kompleks atas data

perusahaan termasuk mencari, mengumpulkan, dan memanipulasi untuk

mendapatkan data dalam bentuk baru, menyaring dan menghilangkan data yang

tidak dikehendaki, menggabungkannya dengan data dari sumber lain atau

membuat suatu kesimpulan untuk memenuhi kebutuhan tertentu.

Data operasional biasanya menjadi sumber data bagi data warehouse, yang

kemudian disimpan di dalam sistem pengumpulan terpisah. Untuk membangun

suatu arsitektur Data Warehouse sangat tergantung pada kebutuhan sistem

(system requirements). Berbeda dengan Database Operasional, data dalam Data

Warehouse digunakan untuk keperluan spesifik, umumnya berupa analisis oleh

aplikasi-aplikasi dalam Executive Information System (EIS) atau Decision Support

System (DSS).

Tabel fakta

Adalah suatu tabel yang merupakan jantung dari star schema. Tabel fakta

terdiri dari dua bagian. Bagian pertama mendefinisikan primary key yang terdiri

dari primary key-primary key dari dimensi-dimensi yang ada di sekelilingnya.

Bagian kedua adalah nilai-nilai numerik yang dapat diukur dalam Data

Warehouse. Nilai-nilai yang dapat diukur tersebut bisa didefinisikan dan

dikalkulasikan.

Tabel dimensi

Dikenal sebagai look up atau reference table, berisi data yang relative

statis dalam sebuah data warehouse.

Extraction Transformation Loading (ETL)

Fungsi ETL adalah melakukan format ulang data-data yang relevan dari

sistem sumber ke dalam informasi yang berguna dan siap disimpan ke dalam Data

Warehouse.

5

a. Extraction

Ekstraksi adalah proses penyaringan data dari data sumber, atau pemilihan

data yang dibutuhkan dari data sumber untuk dimasukkan ke dalam Data

Warehouse.

b. Transformation

Tahap transformasi menjalankan serangkaian perintah dan fungsi dari data

yang telah di-extract untuk mendapatkan data yang sesuai yang akan di loading ke

dalam Data Mart. Seperti pembersihan data, standarisasi elemen data, melakukan

translasi kode, menghasilkan nilai perhitungan yang baru, melakukan proses join

dari sumber yang berbeda, misalnya pada proses lookup atau merge, dan lain-lain.

c. Loading

Tahap terakhir ini akan mengisi data ke dalam data warehouse.

On Line Analytical Processing (OLAP)

OLAP atau On Line Analitycal Processing adalah sebuah konsep

presentasi data yang memungkinkan kita melihat data dari beberapa aspek atau

dimensi (multidimensional) dalam rangka melakukan analisa, yang oleh sistem

diterjemahkan menjadi query pada data yang berjumlah sangat banyak. Database

OLAP menggunakan data model multidimensi, yang mengijinkan query analisis

yang kompleks dengan kecepatan eksekusi yang tinggi. Hasil yang dikeluarkan

oleh query OLAP pada umumnya ditampilkan dalam format matrix atau pivot.

Di dalam konsep OLAP digunakan dikenal istilah cube untuk model data

yang terdiri dari tabel metrik (fact table) dimana data transaksional disimpan, dan

tabel-tabel dimensi (dimensional tables) yang menyimpan data tentang aspek-

aspek atau dimensi dari data.

6

PROSES PERANCANGAN DATA MART

Tabel dan field yang

sesuai dengan user requirement

Load

Dimension table

Fact table

Identifikasi data sumber

Extract

Transform

Proses ETL

Tabel-tabel data sumber

Memformat data, joining tabel,

membuat tabel fakta dan dimensi,

enrichment data

User Requirements

7

Gambar 2. Alur Proses Perancangan Data Mart

Narasi alur proses perancangan Data Mart di atas adalah sebagai berikut:

1. Langkah pertama adalah mengidentifikasi tabel-tabel pada data sumber

yang memuat data-data yang dibutuhkan untuk metrik dan dimensi yang

telah ditetapkan sesuai kebutuhan user (user requirements).

2. Data-data tersebut kemudian dimasukkan ke dalam staging area, hal ini

dimaksudkan agar proses ETL yang akan dilakukan terhadap data-data

tersebut tidak mengganggu proses transaksi OLTP yang sedang

berlangsung. Staging area yang digunakan pada kasus ini adalah SQL

Server 2000, dan databasenya adalah HR.

• Dalam database HR tersebut dilakukan proses ETL. Pertama, data-

data dalam tabel diekstraksi, yaitu dipilih field-field yang

dibutuhkan yang sesuai dengan metrik dan dimensi pada user

requirements, sedangkan field-field yang tidak dibutuhkan

diabaikan atau dibuang.

Mengakses Data Mart

12

34

5

Bar graph

CUBEDATA MART

Membangun Cube

8

• Selanjutnya dilakukan proses transformasi terhadap data-data

terpilih itu. Data-data tersebut diproses menjadi bentuk yang

diinginkan untuk kemudian dimasukkan ke Data Mart.

- Proses transformasi yang pertama adalah memformat data,

yaitu menentukan tipe data pada setiap field.

- Selanjutnya adalah proses joining antara tabel Masa_bakti

dan tabel Turn_over agar dapat diketahui pegawai mana

yang masih aktif dan yang sudah tidak aktif di perusahaan.

- Membuat tabel-tabel fakta dan tabel-tabel dimensi sesuai

dengan user requirements yang telah ditentukan.

- Kemudian pada tabel-tabel fakta dan dimensi tersebut

ditambahkan beberapa field turunan, yaitu field-field yang

diturunkan (dihasilkan) dari perhitungan field-field lain,

misalnya MKA, Sisa MKA, dan usia pegawai. Selain itu

juga ditambahkan surrogate key (key pengganti) dan field

of 1’s.

• Setelah ditransform, data-data tersebut lalu diisikan ke dalam tabel-

tabel fakta dan dimensi yang telah dibuat.

3. Data-data yang telah tersimpan dalam tabel fakta dan dimensi itu

kemudian diubah menjadi bentuk data yang multidimensi yang dapat

dilihat dari segala sudut sehingga dapat diakses oleh client untuk

keperluan analisis. Proses ini menggunakan query-query SQL dan

divisualisasikan menjadi aplikasi sehingga memudahkan user dalam

melihat data-data di data mart.

Analysis User Requirements

Pada perancangan Data Mart ini, manajemen operasional Sumber Daya

Manusia GMF dibagi menjadi 3 sub modul, yaitu Personnel Administration,

Leave Administration, dan Payroll.

9

Berikut adalah kebutuhan-kebutuhan bisnis (user business requirements)

dari masing-masing sub modul tersebut yang dibutuhkan oleh manajer untuk

keperluan analisis.

Tabel 1. User Requirements

Sub Modul Requirements Keterangan

Personnel

Administration

Data-data pribadi pegawai

Informasi data-data pribadi

pegawai (mulai dari nama, tgl lahir,

usia, jenis kelamin,dan lain-lain).

Dikelompokkan berdasarkan

jabatan/unit, grade, masa bakti, dan

lain-lain.

Pendidikan pegawai

Informasi pendidikan terakhir

pegawai.


jabatan/unit.

Alamat pegawai Informasi sebaran tempat tinggal

pegawai.

Masa bakti

Informasi masa bakti pegawai.


jabatan/unit, usia, jenis kelamin,

dan lain-lain.

Jumlah pegawai aktif

Jumlah pegawai yang masih

aktif/masih bekerja di perusahaan.


jabatan/unit, masa bakti, jenis

kelamin, usia, dan lain-lain.

Pensiun

Informasi pegawai yang pensiun

bulan ini.


jabatan/unit, masa bakti, usia.

Turn over Jumlah pegawai yang

mengundurkan diri.

10


jabatan/unit, alasan, jenis kelamin.

Informasi pelanggaran

Informasi pegawai yang melakukan

pelanggaran, jenis pelanggaran,

sanksi, dan lain-lain.


jabatan/unit, grade, jenis kelamin.

Informasi penghargaan

Informasi pegawai yang menerima

penghargaan tahun ini.


jabatan/unit, masa bakti, usia.

Promosi

Jumlah pegawai yang mendapat

promosi.


jabatan/unit, grade, masa bakti,

usia, jenis kelamin.

Demosi

Jumlah pegawai yang di demosi.


jabatan/unit, grade, masa bakti,

usia, jenis kelamin.

Leave

Administration

Cuti tahunan

Rata-rata cuti tahunan yang

diambil pegawai setiap tahunnya.


jabatan/unit, masa bakti.

Cuti istimewa

Rata-rata cuti istimewa yang

diambil pegawai setiap tahunnya.


jabatan/unit, alasan.

Payroll

Gaji Pokok Informasi gaji pokok pegawai.

Dikelompokkan berdasarkan grade.

Tunjangan Jabatan

Informasi tunjangan yang di dapat

oleh pegawai-pegawai yang berada

di tingkat manajer ke atas

11

(tunjangan jabatan).

Uang Transport

Rata-rata uang transport yang

dikeluarkan setiap bulan.


jabatan/unit.

Biaya Overtime

Rata-rata biaya overtime yang

harus dikeluarkan setiap bulan.


jabatan/unit.

Pendapatan Pegawai

Total pendapatan pegawai yang

harus dibayarkan setiap bulan.

Dikelompokkn berdasarkan

jabatan/unit.

Metrik dan Dimensi

Dari user requirements tersebut dilakukan analisa untuk menentukan

metrik dan dimensi yang sesuai. Metrik adalah data yang berupa besaran yang

nilainya dapat dikalkulasikan, sedangkan dimensi adalah kategori dari mana /

berdasarkan apa data metrik tersebut dilihat.

Berikut ini adalah metrik-metrik beserta satuan ukuran yang digunakan untuk

setiap sub modul.

Tabel 2. Metrics

Sub Modul Metrik Ukuran

Personnel Administration

MKA (Now) Tahun

MKA (Pensiun) Tahun

MKA (Turnover) Tahun

Sisa MKA Tahun

Personnel Action Jumlah Pelanggaran Orang

Jumlah Pegawai Yang Mendapat Orang

12

Penghargaan

Jumlah Promosi, Demosi Orang

Leave Lama Cuti Hari

Payroll

Gaji Pokok Pegawai Rupiah

Uang Transport Rupiah Uang Overtime Rupiah Tunjangan Jabatan Rupiah Pendapatan Pegawai Rupiah

Sedangkan tabel di bawah ini berisi dimensi-dimensi dari setiap sub modul

di atas.

Tabel 3. Dimensions

Sub Modul Dimensi Keterangan

Personnel

Administration

Data Pribadi Pegawai Dapat digunakan untuk melihat

demografi pegawai berdasarkan

data pribadi.

Misalkan ingin dilihat sebaran

tempat tinggal pegawai

berdasarkan jenis kelamin, atau

informasi pegawai berdasarkan

pendidikan terakhirnya,

berdasarkan usia atau status

perkawinan.

Informasi Jabatan Informasi jabatan pegawai, unit,

grade, dan lain-lain.

Personnel Action Pelanggaran Informasi waktu terjadinya

pelanggaran, jenis pelanggaran,

dan pegawai-pegawai yang

melakukan pelanggaran.

Penghargaan Memperlihatkan informasi

penghargaan yang diberikan

perusahaan kepada pegawai,

13

bentuk penghargaan, dan siapa

saja pegawai yang mendapat

penghargaan, serta alasannya.

Promosi, Demosi Memperlihatkan waktu terjadinya

promosi, demosi dan data-data

pegawai yang mendapatkan

promosi dan demosi tersebut.

Leave Administration

Informasi cuti pegawai Dapat digunakan untuk melihat

informasi cuti pegawai

berdasarkan jenis cuti, waktu

pengambilan cuti.

Payroll

Informasi gaji pegawai Gaji pegawai, periode penggajian

Informasi tunjangan Tunjangan jabatan, uang

transport, overtime.

Identifikasi Tabel-Tabel Data Sumber

Berikut adalah tabel-tabel yang menyimpan semua data yang dibutuhkan

untuk proses ETL.

Tabel 4. Tabel-tabel data sumber

Tabel Personnel_info

Field Name Note

Emp_no Nomer induk pegawai

Name Nama pegawai

Place_of_Birth Tempat lahir pegawai

Date_of_Birth Tanggal lahir pegawai

Age Usia pegawai

Sex Jenis kelamin pegawai

Religion Agama pegawai

Marital_status Status perkawinan pegawai

14

Last_education_level Pendidikan terakhir pegawai

Major Bidang pendidikan terakhir

pegawai

Last_education_institution_name Instansi pendidikan terakhir

pegawai

Tabel Address

Field Name Note


Name Nama pegawai

Address Alamat lengkap pegawai

City Kota tempat tinggal pegawai

Province Provinsi tempat tinggal pegawai

Zip_code Kode pos tempat tinggal pegawai

Phone Nomer telepon pegawai

Email Alamat email pegawai

Tabel Masa_bakti

Field Name Note


Name Nama pegawai

Join_date Tanggal diterimanya pegawai di

perusahaan

Retired_date Tanggal pensiun pegawai

Retired_age

Usia pensiun pegawai (semua

pegawai akan pensiun di usia 56

tahun

Tabel Turn_over

Field Name Note

15


Name Nama pegawai

Join_date Tanggal diterimanya pegawai di

perusahaan

Turnover_date Tanggal pegawai keluar dari

perusahaan

Reason_for_turnover Alasan pegawai keluar dari

perusahaan

Tabel Emp_position

Field Name Note


Name Nama pegawai

Position Jabatan pegawai

Unit_dinas_code Kode unit dinas

Unit_bidang_code Kode unit bidang

Unit_seksi_code Kode unit seksi

Rumpun Jenis jabatan

Position_group Kelompok jabatan

Job_type Tipe pekerjaan (direct / indirect)

Grade Golongan

Valid_from Terhitung mulai tanggal pegawai

menempati jabatan tertentu

Tabel Unit_dinas

Field Name Note

Unit_dinas_code Kode unit dinas

Unit_dinas Nama unit dinas

Tabel Unit_bidang

16

Field Name Note

Unit_bidang_code Kode unit bidang

Unit_bidang Nama unit bidang

Tabel Unit_seksi

Field Name Note


Unit_seksi Nama unit seksi

Tabel Pers_action

Field Name Note


Name Nama pegawai


Act_date Tanggal promosi atau demosi

Act_type Tipe action (promosi / demosi)

Reason_for_act Alasan dilakukannya promosi

atau demosi

Tabel Award

Field Name Note


Name Nama pegawai

Award_date

Tanggal diberikannya

penghargan (pada saat ulang

tahun GMF)

Award_name Nama penghargaan

Reason_for_award Alasan diberikannya

penghargaan

Award_prize Bentuk penghargaan

17

Tabel Violation

Field Name Note


Name Nama pegawai

Incident_date Tanggal terjadinya pelanggaran

Reference Referensi

Violation Nama pelanggaran

Violation_level Tingkat pelanggrana

Sanction Sanksi yang diberikan

Status

Status kasus (apakah sudah

selesai, masih dlam proses, atau

ditunda)

Tabel Leave

Field Name Note


Name Nama pegawai

Start_date Tanggal mulai cuti

End_date Tanggal cuti beakhir

Leave_total Total cuti (berapa hari)

Leave_type Jenis cuti

Leave_name Nama cuti

Tabel Absence

Field Name Note

Periode Periode penggajian


Name Nama pegawai


18

Plann_W_Days Jumlah hari kerja per bulan

Attendance Total kehadiran per bulan

Business_trip Total perjalanan bisnis per bulan

Training Total training per bulan

Leave Total cuti per bulan

Other_absence Total ketidakhadiran lainnya per

bulan

Overtime_Hours Total overtime per bulan (dalam

hitungan jam)

Extra_vooding

Total jam kerja ekstra diluar

overtime per bulan (00.00 am -

06.00 am) (dalam hitungan jam)

Remark

Tabel Allowance

Field Name Note


Allowance Besar tunjangan

Tabel Salary

Field Name Note

Salary_code Kode gaji

Grade Golongan

Rumpun Jenis jabatan


Min_salary Gaji minimal

Max_salary Gaji maksimal

Salary Besar gaji

19

Extraction, Transformation, and Loading (ETL)

Extraction

Memilih field-field pada tabel-tabel

data sumber sesuai dengan

kebutuhan.

Transformation

Menentukan tipe data pada setiap field yang telah dipilih (tipe data sql),

Joining tabel Masa_bakti dan tabel Turn_over,

Membuat field-field turunan (MKA_Retired,MKA_Turnover,MKA_Now,Sisa_MKAMembuat tabel-tabel fakta

dan dimensi,Menambahkan surrogate key (key pengganti) dan

field of 1's.

Loading

Mengisikan data ke tabel fakta dan

dimensi yang telah dibuat.

Data Mart

Proses ETL (Extraction, Transformation, and Loading

Data Sumber

Tabel A

Tabel D

Tabel C

Tabel B

Gambar 3. Proses Extraction, Transformation, and Loading

a. Extraction

Tabel-tabel pada data sumber yang telah diidentifikasi selanjutnya di-extract atau

dipilih field-field apa saja yang dibutuhkan untuk di load ke dalam tabel-tabel

fakta dan dimensi. Sehingga tidak semua data dalam data sumber dimasukkan ke

dalam data mart, tatapi hanya data-data yang mempunyai relevansi dengan user

requirements saja.

Tabel 5. Tabel-tabel beserta field yang telah diekstraksi

Tabel Personnel_info Field Name Type Note

Emp_no Varchar(6) Primary key

Name Varchar(255)

20

Place_of_Birth Varchar(255)

Date_of_Birth Datetime

Age Int

Sex Varchar(255)

Religion Varchar(255)

Marital_status Varchar(255)

Last_education_level Varchar(255)

Major Varchar(255)

Last_education_institution_name Varchar(255)

Tabel Address

Field Name Type Note


Address Varchar(255)

City Varchar(255)

Province Varchar(255)

Zip_code Varchar(5)

Phone Varchar(255)

Email Varchar(255)

Tabel Masa_bakti



Join_date Datetime

Retired_date Datetime

Tabel Turn_over



Turnover_date Datetime

Reason_for_turnover Varchar(255)

21

Tabel Emp_position Field Name Type Note


Position Varchar(255)

Unit_dinas_code Varchar(5)

Unit_bidang_code Varchar(6)

Unit_seksi_code Varchar(15)

Rumpun Varchar(255)

Position_group Varchar(255)

Job_type Varchar(255)

Grade Varchar(2)

Valid_from Datetime

Tabel Pers_action



Act_date Datetime

Act_code Varchar(2)

Act_type Varchar(255)

Reason_for_act Varchar(255)

Last_position Varchar(255)

Last_position_group Varchar(255)

Last_rumpun Varchar(255)

Last_unit_dinas Varchar(255)

Last_unit_bidang Varchar(255)

Last_unit_seksi Varchar(255)

Last_grade Varchar(2)

Last_job_type Varchar(255)

Last_salary Money

New_position Varchar(255)

New_position_group Varchar(255)

22

New_rumpun Varchar(255)

New_unit_dinas Varchar(255)

New_unit_bidang Varchar(255)

New_unit_seksi Varchar(255)

New_grade Varchar(2)

New_job_type Varchar(255)

New_salary Money

Tabel Award



Award_date Datetime

Award_name Varchar(255)

Reason_for_award Varchar(255)

Award_prize Varchar(255)

Tabel Violation



Incident_date Datetime

Reference Varchar(255)

Violation Varchar(255)

Violation_level Varchar(2)

Sanction Varchar(255)

Status Varchar(255)

Tabel Leave



Start_date Datetime

End_date Datetime

Leave_total Int

23

Leave_type Varchar(255)

Leave_name Varchar(255)

Tabel Absence


Periode Datetime Primary key

Emp_no Varchar(6)

Plann_W_Days Int

Attendance Int = Plann_W_Days –

(Business_trip + Training + Leave + Other_absence)

Business_trip Int

Training Int

Leave Int

Other_absence Int

Overtime_Hours Int

Tabel Allowance


Position_group Varchar(255) Primary key

Allowance Money

Tabel Salary


Salary_code int

Grade Varchar(2)

Rumpun Varchar(2)

Position_group Varchar(3)

Min_salary Money

Max_salary Money

Salary Money

24

b. Transformation

Setelah data di-extract, proses selanjutnya adalah transformasi data yaitu proses

mengubah data menjadi bentuk yang sesuai dengan kebutuhan. Beberapa proses

transformasi yang akan dilakukan pada perancangan data mart HR ini, yaitu :

i. Memberikan tipe data

Proses memberikan tipe data pada setiap field dapat juga dilakukan pada

saat ekstraksi data. Sedangkan pada proses transformasi ini dilakukan lagi

pemeriksaan terhadap semua tipe data untuk menghindari terjadinya perbedaan

tipe data untuk data yang sama.

ii. Enrichment Data

Enrichment data adalah proses menambahkan field baru pada suatu tabel,

sesuai dengan user requirements.

- Enrichment data MKA_Retired

Pada tabel Masa_bakti, perlu ditambahkan field MKA_Retired.

MKA_Retired ini diperlukan untuk menghitung sisa masa bakti pegawai.

MKA_Retired ini didapat dari pengurangan antara Retired_date dengan Join_date.

Sedangkan Retired_date di dapat dari penyesuaian usia pegawai, apabila

usia pegawai sudah mencapai 56 tahun, maka pada tahun tesebut pegawai

pensiun.

-Enrichment data MKA_Turnover

Pada tabel Turn_over, perlu ditambahkan field MKA_Turnover.

MKA_Turnover ini diperlukan untuk menghitung total masa bakti pegawai

selama bekerja di perusahaan,. MKA_Turnover ini didapat dari pengurangan

antara Turnover_date dengan Join_date.

iii. Joining tabel Masa_bakti dengan tabel Turn_over

Tabel Masa_bakti di-join dengan tabel Turn_over untuk mengetahui siapa

saja pegawai yang masih aktif bekerja di perusahaan dan yang sudah tidak aktif.

Proses joining ini dilakukan dengan membangun view pada kedua tabel tersebut

dengan menghubungkan field Emp_no di antara keduanya. Proses joining ini

dilakukan pada saat mengisikan data ke dalam data mart.

iv. M embuat Fact Table dan Dimension Table

25

Tabel fakta dan tabel-tabel dimensi yang dibuat ini disesuaikan dengan

metrik dan dimensi yang telah ditentukan pada user requirements.

v. Menambahkan field MKA_Now dan Sisa_MKA

Pada tabel Dim_MasaBakti, ditambahkan field baru yaitu MKA_Now, yang

merupakan total masa kerja aktif pegawai di perusahaan, dan Sisa_MKA yang

merupakan sisa masa kerja aktif yang dimiliki pegawai sebelum pegawai tersebut

pensiun.

vi. Menambahkan field ‘Salary’ yang ada di tabel Salary ke tabel

Dim_Emp_position

Proses dilakukan untuk memberikan informasi gaji setiap pegawai.

Besarnya gaji pegawai ditentukan dengan melihat pada golongan, rumpun, dan

kelompok jabatan seorang pegawai.

vii. Enrichment ‘Count’ Data

Pada tabel Fact_Award, Fact_Violation, dan Fact_Action dibutuhkan suatu

field (bernama ‘Count’) yang tiap recordnya berisi angka 1, yang mampu

menjumlahkan data berdasarkan kriteria tertentu. Misalnya, pada tabel

Fact_Action, ingin diketahui barapa jumlah pegawai yang mendapat promosi

selama tahun 2005. Untuk dapat dilakukan agregasi terhadap data tersebut, perlu

ditambahkan field of 1’s ini. Sehingga ‘Count’ data dapat dengan mudah

teragregasi berdasarkan dimensi ‘Promosi’ dan ‘2005’.

c. Loading

Apabila data-data yang telah diekstraksi selesai dibentuk melalui proses

transformasi, selanjutnya akan diisikan (load) ke dalam database DataMart HR.

Karena ini adalah proses loading untuk yang pertama kali, maka metode yang

digunakan adalah Refresh mode, pada proses ini seluruh data yang telah di-extract

dan di-transform dimasukkan ke dalam tabel-tabel fakta dan dimensi yang telah

dibuat.

26

MODEL SKEMA DATA

Model skema data yang digunakan dalam data mart ini adalah model

snowflake, karena ada beberapa tabel dimensi yang primary key-nya tidak menjadi

foreign key di fact table, melainkan menjadi foreign key di dimension table

lainnya.

Terdapat 5 fact table yang masing-masing skemanya adalah sebagai berikut.

a. Leave

Gambar 4.2 Snowflake schema untuk Leave

b. Violation

Gambar 4.3 Snowflake schema untuk Violation

27

c. Payroll

Gambar 4.4 Snowflake schema untuk Payroll

d. Award

Gambar 4.5 Snowflake schema untuk Award

e. Personnel Action

28

Gambar 4.6 Snowflake schema untuk Personnel Action

Mengakses Datamart Menggunakan “HR Application”

Dalam aplikasi ini penulis mencoba mempermudah user dengan

memberikan tampilan program yang ‘user friendly’, yaitu user diberi hak untuk

memilih sendiri data (field) apa saja yang ingin ditampilkan dan berdasarkan

kriteria apa/bagaimana data tersebut ditampilkan. Sehingga user dapat mengakses

data human resource sesuai dengan apa yang diinginkannya dengan cepat dan

mudah, tanpa perlu melakukan joining tabel yang satu dan lainnya. Data yang

akan diterima user dari aplikasi ini adalah data dalam bentuk tabel (grid) atau

grafik (chart). Selain itu, aplikasi ini juga dilengkapi fasilitas untuk membuat

laporan, baik per hari, per bulan, maupun per tahun.

29

KESIMPULAN & SARAN

Data mart yang dibangun dalam penulisan tugas akhir ini, dispesifikasikan

untuk memenuhi kebutuhan manajemen sumber daya manusia akan informasi-

informasi yang bersifat akurat, terkini, maupun yang bersifat historical. Informasi-

informasi tersebut dapat digunakan untuk membantu mempercepat pembuatan

laporan kepegawaian, seperti misalnya laporan pengeluaran perusahaan untuk gaji

pegawai selama tahun 2006 atau pada bulan-bulan tertentu yang dikehendaki.

Data-data yang digunakan dalam pembuatan data mart ini adalah data-data

pegawai PT. GMF AeroAsia pada bulan januari 2005 sampai mei 2007. Data-data

tersebut bersifat real, namun untuk data payroll (penggajian) yang disajikan

adalah data fiktif, hal ini dilakukan demi menjaga kerahasiaan perusahaan.

Beberapa manfaat yang didapat dari pembuatan data mart ini adalah:

1. Meningkatkan nilai data yang dikelola, user dapat melihat data dengan

pemahaman yang baik karena kemampuan data mart yang mampu

mengerjakan peringkasan (filtering) dan perbandingan data dengan baik.

2. Meningkatkan efisiensi memperoleh informasi, karena data mart dapat

menyajikan data yang diinginkan dengan waktu yang relative cepat dan

mudah.

3. Meningkatkan akurasi informasi yang disajikan.

Untuk pemakai yang ingin mengembangkan aplikasi ini disarankan

menggunakan pivot tabel sebagai pengganti grid sehingga data yang ditampilkan

dapat dibaca lebih baik dan lebih bermanfaat untuk proses analisis.

DAFTAR PUSTAKA 1. Abdul Razaq, Belajar Praktis Pemrograman Microsoft Visual Basic 6.0,

Penerbit INDAH, Jakarta, 2004.

2. Adi Laksono, 7 Jam Belajar Excel 2003 Untuk Orang Awam, Maxicom,

Palembang, 2004.

30

3. Alex Ferdinansyah, Perancangan Data Mart Untuk Pengelolaan Sumber

Daya Manusia, Tesis Fakultas Ilmu Komputer Universitas Indonesia,

2006.

4. Harip Santoso, Pemrograman Client-Server menggunakan SQL Server

2000 dan Visual Basic 6.0, Elex Media Komputindo, Jakarta, 2004.

5. Harip Santoso, Membuat Multiaplikasi menggunakan Visual Basic 6.0,

Elex Media Komputindo, Jakarta, 2004.

6. Ir. Yuniar Supardi, Microsoft Visual Basic Untuk Segala Tingkat, Elex

Media Komputino, Jakarta, 2006.

7. Kasmoni, Visual Basic Untuk Orang Awam, Maxicom, Palembang, 2003.

8. Melaniawati, Perancangan Data Warehouse Sistem Pembelian dan

Penjualan Pada PD Raya Makmur Motor, Skripsi Fakultas Ilmu

Komputer Universitas Gunadarma, 2001.

9. PC Media Majalah, Edisi 06/2007, Hal 100 – 103.

10. Rumus dan Fungsi Pada Microsoft Excel [Versi 97, 2000, XP, 2003],

Penerbit ANDI dan MADCOMS, Yogyakarta dan Madiun, 2004.

11. Tikno Riyanto, Pengembangan Data Warehouse Untuk Mendukung

Pengambilan Keputusan Dalam Mengelola Sumber Daya Manusia (SDM)

: Sebuah studi kasus TNI Angkatan Udara, Tesis Fakultas Ilmu Komputer

Universitas Indonesia, 2006.

12. Yuswanto dan Subari, Mengolah Database dengan SQL Server 2000,

Prestasi Pustaka, Jakarta, 2005.

Documents

perancangan data mart kepegawaian pada unit sumber daya manusia