Pembuatan Aplikasi OLAP Untuk Pelaporan pada PT. Aneka Tuna Indonesia Menggunakan SQL Server 2005
|
|
- Susanto Jayadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Pembuatan Aplikasi OLAP Untuk Pelaporan pada PT. Aneka Tuna Indonesia Menggunakan SQL Server 2005 Muhamad Adi Prasetyo 1, Ahmad Saikhu 2, Sarwosri 3 Teknik Informatika, Fakultas Teknologi Informasi, ITS mas_adi@cs.its.ac.id 1 ABSTRAK Data Warehouse merupakan sebuah data base relational yang diperuntukkan untuk kebutuhan query dan analisis, bukan untuk proses transaksi. Data Warehouse dapat dimanfaatkan sebagai pendukung sistem keputusan dengan menyimpan dan mengolah data dari berbagai sumber dengan menggunakan alat bantu seperti Online Analit ical Processing (OLAP). OLAP dimanfaatkan untuk membuat laporan jalur proses produksi pada PT Aneka Tuna Indonesia. PT Aneka Tuna Indonesia ialah perusahaan yang bergerak dalam bidang pengolahan ikan tuna menjadi beberapa produk yang pasarnya sebagian keluar negri. Laporan yang dibuat menggambarkan dinamika produksi pada periode tertentu yang mulai dari pengiriman ikan oleh supplier hingga staffing. Laporannya akan ditampilkan dalam bentuk tabel dan grafik. Dengan adanya aplikasi ini diharapkan dapat membantu pihak managemen PT Aneka Tuna Indonesia dalam mengontrol dan mengawasi proses dan hasil produksinya dan mendukung pengambilan keputusan perusahaan. Keywords: OLAP, Cube, SQL Server, Laporan, ATI, Analysis Services, Report. 1. Pendahuluan PT. Aneka Tuna Indonesia (ATI) adalah sebuah perusahaan yang didirikan pada tahun Perusahaan ini merupakan joint venture antara Itochu Corporation, Hagoromo Food Corporation (pemilik sebuah merk ikan tuna terkemuka di Jepang), serta Solar Pacific Resources Ltd. Perusahaan ini terletak di Jalan Raya Surabaya Malang Km 38, Gempol, Pasuruan. Pada tahun 1992, perusahaan ini mulai beroperasi dengan spesialisasi pada produksi dan penjualan produk ikan tuna kalengan [4]. Pada PT. Aneka Tuna Indonesia, terjadi proses produksi mulai dari pemilihan dan pengukuran berat ikan (fish selection and fish sizing) sampai dengan pelabelan produk jadi (labelling). Pencatatan tentang informasi bahan baku pada proses fish sizing sampai dengan fish cleaning telah dilakukan namun masih secara semi manual dengan menggunakan aplikasi spreadsheet (excel). Untuk saat ini, pencatatan tersebut masih memadai [2]. Sampai saat ini, mekanis me pencatatan tersebut masih memadai. Namun apabila data hasil pencatatan tersebut digunakan untuk, misalnya, pelaporan produk tentu saja diperlukan suatu pengembangan. Perusahaan perlu mengembangkan suatu sistem pelaporan produk (Summary Report) yang mempunyai kemampuan melaporkan hasil dari proses proses produksi mulai dari supplier datang hingga produk akhir dihasilkan. Data yang tersimpan dalam database akan lebih berarti apabila disimpan sebagai data warehouse sebagai salah satu cara untuk melakukan pengamatan dan analisis dari record record yang telah tersimpan. Hasil dari analisis data warehouse dapat digunakan oleh pihak manajemen untuk membantu pengambilan keputusan. Dalam jangka panjang, hal ini juga dapat memberikan kontribusi untuk kepentingan Customer Relationship Management. Untuk membantu pengambilan keputusan ini, ada banyak hal yang dapat dilakukan. Salah satunya adalah menggunakan OLAP (Online Analitical Processing). OLAP merupakan sistem yang bertugas untuk mengubah data yang disimpan dalam data warehouse dan mentransformasikan data menjadi struktur multidimensi (cube). Hasilnya nanti juga akan dapat dibuat sebagai sebuah summary report yang multidimensi. Hal inilah yang mendasari topik tugas akhir yang penulis ajukan, yaitu menbuat aplikasi pelaporan yang mempermudah pemantauan proses produksi. 2. Tinjauan Pustaka 2.1 Data Warehouse Data warehouse merupakan sebuah database relational yang secara spesifik strukturnya dirancang untuk proses analisis dan query sehingga tidak untuk proses transaksi yang meliputi proses 1
2 insert, delete, update. Biasanya data warehouse mengandung data history yang diambil dari data transaksional dari berbagai sumber dan platform. Sedangkan menurut Bill Inmon, definisi dari Data warehouse adalah sekumpulan atau koleksi data yang mendukung pengambilan keputusan pihak manajemen yang mempunyai karakteristik sebagai berikut [3]: tambahan untuk mempopulasikan data dari data warehouse ke dalam beberapa data mart. c. Aplikasi yang berada pada layer pengguna berkembang menjadi beberapa model misalnya: berbasis web, berbasiskan desktop, ataupun berbasiskan sistem mobile. a. Subject Oriented Data warehouse dirancang dan dibangun untuk memenuhi kebutuhan analisis data berdasarkan subject tertentu, seperti : Bagaima laporan pernjualan waktu ini? Atau Produk apa yang paling banyak dihasilkan tahun ini? Dll. b. Integrated Untuk memenuhi kebutuhan analisis secara menyeluruh, sebuah Data Warehouse harus mampu mengintegrasikan data dari berbagai sumber data yang beragam. Data warehouse mengintegrasikan atau menggabungkan dari berbagai data source, baik dalam database yang sama, yang berbeda, ataupun flat file. c. Non volatile Data dalam sebuah data warehouse tidak dapat diubah (insert, delete, update). Data tersebut merupakan data historis yang digunakan untuk memenuhi kebutuhan analisis, bukan untuk menangani transaksi seperti pada basisdata transaksional pada umumnya. 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 berbedabeda. 2.2 Arsitektur Data Warehouse Untuk membangun suatu arsitektur data warehouse sangat tergantung pada kebutuhan sistem. Gambar 2.1 menunjukkan salah satu contoh dari arsitektur data warehouse, dengan penjelasan sebagai berikut [3]: a. Data input bagi data warehouse tidak lagi hanya berasal dari sistem internal (sumber operasional pada umumnya), melainkan dirancang untuk dapat mengakomodasi sumber eksternal (data dari luar sistem operasional) misalnya : data dari internet (dengan teknologi web farming), ataupun data dari sistem mobile. b. Informasi yang tersimpan dalam data warehouse dapat dispesialisasikan lagi menjadi beberapa data warehouse yang lebih khusus (Data Mart) sehingga dalam arsitektur terdapat proses Gambar 2. 1 Arsitektur Data Warehouse 2.3 Online Analytical Processing (OLAP) OLAP adalah suatu metode pemodelan data multidimensional untuk memenuhi kebutuhan analisis terhadap data [1]. Online Analytical Processing juga merupakan pernyataan yang bertolak belakang atau kontras dengan OLTP (Online Transaction Processing). OLAP menggambarkan sebuah klas teknologi yang dirancang untuk analisa dan akses data secara khusus. Apabila pada proses transaksi pada umumnya semata-mata adalah pada relational database, OLAP muncul dengan sebuah cara pandang multidimensi data. Cara pandang multimensi ini didukung oleh tehnologi multidimensi database. Cara ini memberikan tehnik dasar untuk kalkulasi dan analisa oleh sebuah aplikasi bisnis. OLTP mempunyai karakteristik beberapa user dapat creating, updating, retrieving untuk setiap record data, lagi pula OLTP sangat optimal untuk updating data. OLAP aplikasi digunakan untuk analisa dan mengatur frekuensi level dari agregat atau jumlah data. Database biasanya di update pada kumpulan data, jarang sekali dari multiple source dan menempatkan kekuatan analisa pada pada back-end pada operasi aplikasi. Sebab itulah maka sangat optimal digunakan untuk analisis. 2.4 Schema Data OLAP Schema adalah kumpulan obyek-obyek database. Pada relational data warehouse terdapat 2
3 dua skema yang digunakan, yaitu star schema dan snowflake schema [3]. a. Star Schema Skema star terdiri dari satu atau lebih tabel fakta dan satu atau lebih tabel dimensi. Tabel fakta merupakan pusat dari star schema, karena fungsinya sebagai pengikat dari tabel-tabel dimensi yang terletak disekelilingnya. Hubungan antara tabel-tabel tersebut menggunakan foreign key, metadata atau keduanya. Gambar 2.2 menunjukkan pemodelan database multidimensi dengan star schema. time time_key day day_of_the_week month quarter year branch branch_key branch_name Measures b. Snowflake Schema Sales Fact Table time_key item_key branch_key location_key units_sold dollars_sold avg_sales Gambar 2.2 Star Schema item item_key item_namebr and_typesup plier_type location location_key street city state_or_province Snowflake schema merupakan pengembangan dari star schema. Perbedaannya terletak pada normalisasi data dan jumlah tabel. Pada snowflake schema tabel dimensi dinormalisasi secara sebagian atau keseluruhan untuk mengurangi nilai duplikat pada tabel. Hal inilah yang membuat jumlah tabel dimensi pada snowflake schema lebih dari satu, tidak seperti pada star schema. Sehingga, dengan menggunakan schema ini akan diperlukan lebih banyak join yang akan membuat performance menjadi lebih lambat. Dalam snowflake schema, hanya satu tabel utama yang dihubungkan dengan tabel fakta. Sedangkan tabel-tabel lainnya dihubungkan dengan tabel utama. Gambar 2.3 menunjukkan pemodelan data menggunakan snowflake schema. Berikut ini adalah pemodelan data dengan menggunakan snowflake schema. time time_key day day_of_the_week month quarter year branch branch_key branch_name branch_type Measures Gambar 2.3 Snowflake Schema 2.5 Konsep Multidimensional Data Pada Relational database data dikelompokan dalam sebuah list record. Setiap record mempunyai informasi yang dikelompokan dalam fields. Sedangkan yang dimaksud data multidimensi (lihat representasinya pada gambar 2.4) adalah ketika sebuah data dapat dipandang dari berbagai sudut. Pusat dari objek metadata pada Multidimensional adalah cube atau kubus yang mengandung hubungan struktur dimensi, hirarki, level dan anggota. Dapat disebut juga sebagai OLAP metadata model. Misalnya pada hasil penjualan suatu barang dipandang dari dimensi waktu, lokasi, pembeli dan lain-lain. Sehingga jika digambarkan, sumbu x mewakili dimensi waktu, sumbu y mewakili dimensi produk dan sumbu z mewakili dimensi lokasi. a. Dimensi Sales Fact Table time_key item_key branch_key location_key units_sold dollars_sold avg_sales item Gambar 2.4 Data Multidimensi item_key item_nam brand type supplier_key supplier supplier_key Supplier_typ e city city_key city state_or_province Data penjualan (2002, Produk A, Surabay a) Dimensi merupakan sebuah kategori yang independent dari multidimensional database. tipe dari dimensi ini mengandung item yang digunakan sebagai kriteria query untuk ukuran database. Contoh pendistribusian busana di suatu daerah. Dimensi Daerah = {Jawa Timur, Jawa Barat, Jawa Tengah, Sumatra Selatan, Surabaya, Bandung, 3
4 Jakarta, Palembang, Dago, Caringin, Senen, Matraman}. Dimensi Waktu = { tahun 2003, tahun 2004, tahun 2005, bulan Januari, bulan Februari, bulan Maret, hingga bulan Desember, tanggal 1, tanggal 2, tanggal 3, tanggal 4, hingga tanggal 28/29/30/31}. Dimensi Busana = { Koko, Daster, Kaos, celana panjang, celana pendek, kerudung, dll}. b. Hirarki Hirarki merupakan bentuk kesatuan dari dimensi. Sebuah dimensi bisa terbentuk dari multilevel, yang mempunyai parent-child relationship. Hirarki didefinisikan bagaimana hubungan antar level. Sebagai contoh pada dimensi Daerah, hirarki mungkin akan melakukan agregasi data dari tiap level-level. Seperti pada gambar 2.5 dan 2.6. Gambar 2.5 Hirarki Dimensi Daerah Contoh lainnya adalah hirarki dimensi waktu. c. Level Indonesia Propinsi Tahun Kab / Kodya Bulan Kecamatan Minggu Kel / Desa Hari Jam Gambar 2.6 Hirarki Dimensi Daerah Level merepresentasikan sebuah posisi pada hirarki. Level mengumpulkan data untuk agrefasi dan digunakan untuk proses komputasi. Sebagai contoh pada dimensi Daerah pada contoh sebelumnya, level yang mungkin didefinisikan adalah level Kel./Desa, level kecamatan, level Kab./Kodya, level propinsi, dan level Negara. Setiap level diatas level terendah merupakan agregasi dari level dibawahnya. Jika data dari pelanggan disimpan dalam format Kelurahan atau desa (level Kel./Desa), maka data dapat di agregasi sesuai dengan level yang ada diatasnya, seperti level Kecamatan, level Kab/Kodya, level Propinsi dan level Negara. d. Attribute Attribute merepresentasikan informasi tambahan pada sebuah level tertentu. Sebuah level dapat memiliki lebih dari satu attribute, tetapi minimal harus memiliki satu attribute. Nilai attribute berguna sebagai nilai yang akan mewakili level ketika data multidimensi ditampilkan kepada pengguna. Hal ini disebabkan tidak semua nilai pada level bisa dimengerti dan dipahami oleh pengguna. Misalnya, level product name menyimpan nilai product id, sedangkan attributenya menyimpan nilai dari product brand, dengan demikian yang akan ditampilkan kepada pengguna ketika pengguna memilih level product name adalah nilai pada kolom product brand, bukan product id. e. Tabel Fakta Tabel fakta merupakan pusat dari schema pada OLAP. Didalam tabel fakta mempunyai dua tipe kolom, yaitu kolom yang menyimpan nilai-nilai numeric atau yang biasa disebut dengan measure dan kolom yang menyimpan foreign key yang mengacu ke tabel dimensi, seperti yang terdapat pada gambar 2.2. Nilai numeric yang ada pada tabel fakta merupakan nilai agregat dari data yang berasal dari tabel dimensi. Hubungan antara tabel fakta dengan tabel dimensi adalah one to many, sehingga masing-masing primary key dari tabel dimensi dijadikan key acuan pada tabel fakta. Dengan denikian, tabel fakta menyimpan setiap kombinasi key tabel dimensi yang melingkupinya. f. Measure Nilai measure terletak pada tabel fakta. Measure juga cerminan dari fakta dan juga mengandung data yang akan dianalisa seperti contoh pada gambar 2.7. OLAP catalog memerlukan informasi kolom bertipe numeric yang akan dijadikan measure. g. Cube Sales Fact Table time_key Item_key Location_key Unit_sold Avg_sales Dollars_Sold measure Gambar 2.7 Measure dari Tabel Fakta Cube adalah obyek OLAP yang tersusun dari measure, dimensi dan attribute. Sisi-sisi pada cube 4
5 ditentukan oleh masing-masing dimensi yang terlibat dalam cube itu. Cube memiliki sisi-sisi yang menggambarkan dimensi-dimensi yang terlibat didalamnya, yang paling banyak ditemui adalah dalam bentuk tiga dimensi yang mewakili sisi baris, sisi kolom dan sisi page. misalnya dimensi waktu, dimensi lokasi dan dimensi produk, seperti yang terlihat pada gambar 2.8. subset pada data. Operasi Slice adalah proses pemotongan data pada cube berdasarkan nilai pada satu atau beberapa dimensi. Misalnya data dari seluruh penjualan dari 3 buah dimensi yaitu produk, wilayah, dan waktu dilakukan operasi slice, maka data dari dimensi produk dan lokasi akan ditampilkan berdasarkan dimensi waktu = 2002, sehingga OLAP akan menampilkan data semua penjualan untuk semua produk dan semua lokasi untuk tahun seperti yang terlihat pada gambar Gambar 2.8 Visualisasi Cube 2.6 Operasi Data Multidimensi Pada data mult idimensi, terdapat operasioperasi dasar yang digunakan untuk analisa agar mendapatkan data yang diinginkan, yaitu : a. Rotation / Pivoting Rotation / pivoting merupakan operasi pada OLAP untuk merubah berbagai macam sudut pandang data sehingga perubahan perspektif sudut pandang menjadi lebih mudah, dengan kata lain analisa data dengan merubah posisi atau pivot dimensinya. Operasi ini dilakukan dengan melakukan rotasi atau perputaran untuk tiap-tiap dimensi. Misalnya dilakukan proses rotation / pivoting pada dimensi produk yang diwakili oleh sumbu Y, dimensi waktu yang diwakili oleh sumbu X dan dimensi lokasi diwakili oleh sumbu Z, dimana dimensi lokasi di rotasi dengan dimensi waktu sehingga hasil yang tampak seperti pada gambar 2.9. Gambar 2.10 Proses Slice Sedangkan proses dice (gambar 2.11) adalah pemotongan hasil slice menjadi bagian subset data yang lebih kecil. Misalnya menampilkan data dari seluruh penjualan berdasarkan dimensi waktu = 2002, kemudian dilakukan proses dice dengan dimensi lokasi wilayah = semarang, sehingga data akan menampilkan data semua produk di semarang pada tahun Gambar 2.11 Proses Dicing Gambar 2.9 Proses Rotation / Pivoting b. Slice dan Dice Operasi Slicing dan Dicing merupakan kemampuan OLAP untuk melakukan pemilahan c. Drill Down dan Roll Up Operasi drill down merupakan kemampuan OLAP untuk melihat suatu subset data secara lebih detail. Proses ini melibatkan proses agregasi data. Sebaliknnya, operasi roll up untuk melihat data secara global atau rangkuman (agregasi data pada level yang lebih tinggi). Kedua proses ini memanfaatkan hirarki pada dimensi yang membentuk cube. Proses ini ditunjukkan oleh gambar
6 3 Metodologi Gambar 2.12 Proses Drill Down dan Roll Up Sebenartnya, didalam proses drill down itu dilakukan proses slice dan atau dice. 2.7 SQL Server 2005 Analysis Services Microsoft SQL Server 2005 Analysis Services (SSAS) adalah komponen dari Microsoft SQL Server 2005 yang didesain untuk membantu pengembangan data warehouse yang menggunakan Business Intelligence Development Studio untuk membuat dan men-deploy Analysis Services Project dan memanfaatkan SQL Server Management Studio untuk mengelola data base relational dari project tersebut. Analysis Services menghasilkan OLAP dan data mining untuk aplikasi Business Intelligence dengan membolehkan developer untuk melakukan design, create, dan mengatur struktur multidimensional yang mengandung agregasi data dari data source. Analysis Service membangun data cube untuk membantu dalam analisa multidimensional. Analysis Services menyediakan beberapa tool dan wizard yang dapat digunakan untuk mengakses data multidimensional. Microsoft SQL Server 2005 Analysis Services juga mendefiniskan Key Performance Indicators (KPI) di dalam projectnya. Hal inilah yang membedakan dengan versi sebelumnya yaitu Microsoft SQL Server Analysis Service KPI menyediakan framework untuk mendefinisikan kalkulasi pada sisi server yang menjadi ukuran kesuksesan dari data yang kita analisa dan sebagai standar bagaimana hasil informasi ditampilkan. 3.1 Spesifikasi Kebutuhan Sistem Dalam pembuatan tugas akhir ini, data base yang digunakan adalah data base rancangan sendiri yang mendapat persetujuan pihat PT ATI. Hal ini karena PT ATI belum memiliki sistem informasi yang menyimpan data proses produksi dan mengolah data tersebut menjadi informasi. Sehingga jika ada keperluan review data dan pelaporan, mereka melakukannya secara manual. Data base tersebut disesuaiakan dengan proses bisnis mereka. Data base ini dirancang untuk menampung data data proses produksi ikan tuna. Data base tersebut dapat dimanfaatkan untuk kebutuhan pelaporan. Pelaporan yang dimaksud adalah: a. Laporan Proses Pengiriman Ikan (Dari Supplier) Melaporkan jumlah ikan yang dikirim oleh supplier juga asal negara supplier. b. Laporan Proses Penerimaan Ikan (Receiving) Melaporkan Jumlah ikan yang diterima untuk pemrosesan awal termasuk jenis ikan. c. Laporan Proses Pengukuran Ikan (Sizing) Melaporkan jumlah ikan yang diproses dalam pengukuran ikan dan jenis ikan. d. Laporan Proses Penyimpanan Ikan (Coldstorage) Melaporkan jumlah ikan yang disimpan antara proses sizing dengan defrost atau antara pengiriman dari supplier dengan sizing. e. Laporan Proses Pencairan Suhu Ikan (Defrost) Melaporkan jumlah ikan yang dicairkan suhunya berserta jenisnya. f. Laporan Proses Pemotongan Ikan (cutting) Melaporkan jumlah ikan yang olah untuk proses pengambilan isi (jeoran)-nya beserta jenisnya. g. Laporan Proses Pemasakan Ikan (cooking) Melaporkan jumlah ikan yang dimasak beserta jenisnya. h. Laporan Proses pembersihan Awal Ikan (PreCleaning) Melaporkan jumlah ikan yang dibersihkan beserta jenisnya. i. Laporan Proses Pembersihan Ikan (Cleaning) Melaporkan jumlah ikan yang dibersihkan lagi (kelanjutan dari proses PreCleaning) beserta jenisnya. j. Laporan Proses Pengisian Wadah (Packing) 6
7 Melaporkan jumlah jenis produk yang akan dihasilkan. k. Laporan Proses Pengumpulan Wadah (Retort) Melaporkan jumlah wadah yang dikumpulkan dalam suatu wadah penampung. l. Laporan Proses Penyimpanan (Warehouse) Melaporkan jumlah penyimpanan produk di gudang. m. Laporan Proses Jet Print Produk Melaporkan jumlah dan jenis produk yang diberi label dengan jet print. Juga menyimpan data pallete. n. Laporan Proses Pengiriman Produk (Staffing) Melaporkan jumlah dan jenis produk yang akan dikirim beserta negara tujuan. Semua laporan direpresentasikan dalam bentuk tabel dan diagram batang dan disusun dalam rangkaian waktu. 3.2 Perancangan Perancangan Data Warehouse Pada perancangan data ini, akan ditampilkan data yang berhubungan dengan aplikasi OLAP ini yang mengambil sumber dari data base PT. ATI. Tabel-tabel yang terdapat dalam ERD adalah yang digunakan sebagai data masukan atau input, dan kemudian digunakan dalam pembuatan data warehouse. Dalam perancangan data warehouse, cube merupakan salah satu cara untuk dapat menampilkan data secara multidimensional yang nantinya data dalam cube inilah yang akan menjadi bahan untuk dianalisa. Untuk membuat desain atau rancangan pada data warehouse tidak terlepas dari sebuah schema, karena schema merupakan representasi dari perancangan cube, sebagaimana yang diinginkan sesuai dengan kebutuhan, yang biasa berupa star schema dan snowflake schema. Hal ini tergantung hubungan antara table dimensi dengan table fakta. Langkah-langkah dalam pembuatan cube adalah terlebih mendefinisikan Data Source Views yang akan diguanakan. Dari Data Source Views inilah ditentukan pilihan mana tabel yang akan digunakan sebagai tabel fakta dan mana yang digunakan sebagai table dimensi. Tidak harus semua tabel dalam Data Source Views harus dilibatkan dalam pembuatan cube ini. Kemudian akan dihasilkan cube dengan struktur (schema) dan measure dari tabel tabel yang dilibatkan tadi. Measure dan dimensi masih dapat ditambahkan meski cube sudah terbentuk. Data Source Views sendiri merupakan view dari Data Sources yang sudah didefinisikan sebelumnya. Langkah detail dari pendefinisan Data Sources, Data Source Views dan pembuatan cube akan dibahas pada subbab selanjutnya. Dalam tugas akhir ini dibuat beberapa cube. a. Cube Pengiriman Cube ini akan diolah untuk menghasilkan laporan proses Pengiriman Ikan (Dari Supplier). Cube ini melibatkan tabel Pengiriman, Supplier, Vessel, dan Nationality. b. Cube Penerimaan Pengukuran Cube ini akan diolah untuk menghasilkan laporan proses penerimaan ikan (Receiving) dan laporan proses Pengukuran Ikan (Sizing). Cube ini melibatkan tabel Sizing, Receiving, Master_Ikan, dan Grup_Ikan. c. Cube Coldstorage Cube ini dibuat untuk menghasilkan informasi proses penyimpanan ikan (Coldstorage). Cube ini melibatkan tabel ColdStorage, Master_Ikan, dan Grup_Ikan. d. Cube Defrost Cube ini akan diolah untuk menghasilkan laporan proses pencairan suhu ikan (Defrost). Cube ini melibatkan tabel Defrost, Master_Ikan, dan Grup_Ikan. e. Cube Cutting Cooking Cube ini melibatkan tabel Cutting, Cooking, Master_Ikan, dan Grup_Ikan. Cube ini akan diolah untuk menghasilkan laporan proses pemotongan ikan (Cutting), dan laporan proses pemasakan ikan (Cooking). f. Cube PreCleaning Cleaning Cube ini melibatkan tabel PreCleaning, Cleaning, Master_Ikan, dan Grup_Ikan. Cube ini akan diolah untuk menghasilkan laporan proses pembersihan awal ikan (PreCleaning), dan laporan proses pembesihan ikan (Cleaning). g. Cube Pack Retort-Wh Cube ini melibatkan tabel Packing, Retort, Warehouse, dan Produk. Cube ini akan diolah untuk menghasilkan laporan proses pengisian wadah (Packing), laporan proses pengumpulan wadah (Retort), dan laporan proses Penyimpanan (Warehouse) Perancangan Antar Muka Pada perancangan muka laporan dibuat dengan menggunakan Microsoft Visual Studio 2005 Reporting Service. Secara umum. Bentuk antarmuka hanya dua, yaitu dalam bentuk tabel dan diagram. Rancangan umum dari antar muka 7
8 laporan dalam bentuk tabel dapat dilihat pada gambar 3.1. Gambar 3. 3 Select Build Method Gambar 3. 1 Laporan dalam Bentuk Tabel Sedangkan untuk tampilan dalam bentuk grafik, seperti pada gambar 3.2. c. Pada window Select Data Source View pada gambar 3.4, pastikan data source view-nya telah terpilih), wizard akan melihat tabel pada database yang didefinisikan pada data source views. Kemudian tekan Next. Gambar 3. 2 Laporan dalam Bentuk Diagram Implementasi Pembuatan Cube Dari keenam cube, hanya diambil satu contoh cara pembuatan cube Pengiriman karena secara umum langkah pembuatannya sama. Langkah langkahnya adalah sebagai berikut: a. Pada Solution Explorer klik kanan Cube, kemudian klik New Cube, maka akan muncul window Welcome to the cube wizards, klik Next. Gambar 3. 4 Select Data Source View d. Pada window Identify Fact and Dimension Tables pilih tabel yang akan digunakan sebagai tabel fakta pada bagian Fact dan bagian Dimension untuk tabel dimensi (centang seperti pada gambar 3.6), dan pilih tabel yang dijadikan dimensi waktu (pilih None jika tak ada) pada list Time Dimension Table. b. Setelah window Select Build Method muncul, pilih Build the cube using a data source dan lakukan uncheck pada checkbox Auto Build seperti pada gambar 3.3, kemudian klik Next. Gambar 3. 5 Select Measures 8
9 h. Beri nama cube pada textbox Cube Name di window Completing the Wizard seperti yang terlihat pada gambar 3.8. Gambar 3. 8 Completing Wizard Cube Gambar 3. 6 Identify Fact & Dimension Tables i. Setelah cube dibuat, buka Solution Explorer kemudian klik cube yang telah dibuat agar muncul tabnya. Pada tab tersebut, terdapat subtab Cube Structure yang berisi Measures, Dimension, dan Data Source view dari cube yang bersangkutan. Cube struktur dari cube Pengiriman adalah seperti yang terlihat pada gambar selain subtab Cube structure terdapat subtab yang lain. e. Selanjutnya pada window Review Shared Dimensions, klik Next. Karena masih pertama kali pembuatan cube, tidak ada shared dimensions yang tersedia. f. Selanjutnya, pilih measure yang akan digunakan pada window Select Measure seperti pada gambar 3.5. Kemudian tekan Next. g. Kemudian muncul window Review New Dimensions seperti ditunjukkan pada gambar 3.7. Klik Next. Gambar 3. 9 Browser Cube Gambar Cube Structure Gambar 3. 7 Review New Dimension j. Untuk melihat hasil cube, klik tab Browser pada Pengiriman.cube. kemudian drag field-field yang akan ditampilkan pada cube. Contoh hasilnya seperti yang terlihat pada gambar
10 Selain itu juga didefinisikan dimensi Time yang ditambahkan ke semua cube. Tujuan dari dimensi ini adalah untuk hirarki waktu. 4 Uji Coba dan Pembahasan 2. Selanjutnya, jika ingin melihat versi diagram dari tabel diatas, klik tombol View Chart. Maka akan tampil halaman web yang menampikan report Pengiriman Ikan (Dari Supplier) dalam bentuk diagram batang seperti pada gambar 4.2. Pelaksanaan uji coba Tugas Akhir ini meliputi dua hal yaitu uji coba aplikasi dan uji coba kinerja sistem dalam melakukan fungsi fungsi OLAP. 4.1 Uji Coba Cube Uji coba hanya dilakukan pada report dari cube pengiriman. Sedangkan cube yang lain memiliki pola cara yang sama. Cube Pengiriman mendefinisikan skema keterkaitan data yang menyimpan informasi pengiriman ikan dari supplier. Dari cube ini dibuat report Pengiriman Ikan (Dari Supplier). Report ini akan menampilkan informasi pengiriman dalam bentuk tabel dan diagram. Uji coba tidak hanya berusaha menampilkan informasi tetapi juga filterisasi data untuk mendapatkan informasi yang lebih spesifik sesuai dengan definisi user. 1. Untuk menampilkan laporan pengiriman ikan dari Supplier, maka klik tombol Pengiriman pada menu. Kemudian akan tampil halaman yang terlihat pada gambar 4.1. Gambar 4. 2 Report Diagram Pengiriman Ikan dari Supplier 3. Jika diperhatikan, pada tabel maupun diagram, semua informasi ditampilkan. Lalu, bagaimana jika user ingin menspesifikkan informasi pengiriman misalnya berdasarkan tahun atau bulan tertentu, atau berdasarkan supplier atau asal negara tertentu. Hal ini dapat dilakukan dengan menspesifikkan kebutuhan informasi pada filter. Semisal, dari informasi yang tampak pada gambar, akan difilter untuk menampilkan informasi kuantitas pengiriman ikan dari supplir hanya untuk tahun 2002 dan Centang pilihan Calender 2002 dan Calender 2007 pada kolom filter year. Kemudian klik View Report. Maka informasi yang ditampilkan akan berubah seperti yang tampak pada gambar 4.3. Gambar 4. 1 Report Tabel Pengiriman Ikan dari Supplier Tabel pada gambar 4.1 diatas menunjukkan jumlah ikan yang dikirim oleh supplier pada semua periode. Bagian baris menunjukkan ID Supplier, dan bagian kolom menunjukkan waktu pengiriman. Jika diklik pada ID supplier, akan muncul nama supplier, dan jika diklik lagi, akan muncul asal negara supplier. Begitu juga pada kolom, kalendar tahun jika diklik akan muncul detail bulan pengiriman, selanjutnya akan muncul detail hari(tanggal) pengiriman. Ini merupakan proses drilldown akan dibahas pada uji coba selanjutnya. Gambar 4. 3 Hasil Filter Report Pengiriman Ikan dari Supplier 10
11 Dari report pada gambar 4.3 diatas tampak bahwa hanya informasi pada tahun 2002 dan 2007 saja yang ditampilkan. 4.2 Uji Coba Operasi Olap Pada bagian ini, akan diuji coba untuk menjalankan operasi-operasi dasar OLAP antara lain : drili-up atau drill-down, slicing atau dicing, dan rotation atau pivoting Drill Down dan Roll up Proses drill down merupakan kemampuan OLAP untuk melihat suatu subset data secara lebih detail, proses detail data ini diturunkan berdasarkan konsep hirarki pada tiap dimensi yang ada. Sedangkan proses roll up merupakan kebalikan dari prose drill down yaitu proses penggabungan atau penyatuan data ke dalam level yang lebih tinggi. Semua report tabel disusun berdasarkan periode waktu. Periode waktu tersebut dapat di drill down dari tahun ke bulan. Kemudian jika bulan di drill down lagi akan muncul hari. Gambar 4.4 adalah contoh drill down tahun ke bulan ke hari dari report penerimaan ikan dari supplier. supplier, jenis ikan atau produk. Aplikasi OLAP harus bisa menampilkan perubahan sudut pandang dengan menukar posisi kolom dan baris. Penukaran ini dilakukan pada saat pendefinisian report. Untuk melakukan rotasi klik tombol Change Pivot pada masing masing halaman. Gambar 4.5 adalah rotasi report Pengiriman Ikan (Dari Supplier). Kebalikan dari gambar 4.4. Gambar 4. 5 Rotasi Report Pengiriman Ikan dari Supplier Slicing dan Dicing Proses slicing dan sicing merupakan kemampuan OLAP untuk melakukan pemilihan subset pada data. Operasi slice adalah proses pemotongan pada cube berdasarkan nilai pada satu atau beberapa dimensi. Sedangkan dicing adalah proses pemotongan lebih kecil dari hasil dicing. Gambar 4. 4 Comtoh Drill down Report pada Bagian Tanggal Sedangkan roll up adalah kebalikan dari drill down. Drill down dan roll up juga bisa dilakukan melalui filter. Perbedaan antara slicing dicing dengan drill down adalah jikalau drill down men-drill informasi dilingkup yang ada dibawahnya. Semisal dari tahun 2006, di-drill down ke bulan. Hasilnya adalah informasi pada bulan- bulan di tahun tersebut. Sedangkan Slicing adalah kemampuan dimana informasi bisa dipilah sesuai keinginan seperti menampilakan informasi hanya pada bulan Januari pada setiap tahun. Lalu dicing untuk menampilkan informasi pada bulan januari tahun tertentu saja. Hasil dari contoh slicing tersebut ditampilkan pada gambar 4.6 dan hasil dicing pada gambar Rotation / Pivoting Proses Rotation/pivoting merupakan operasi pada OLAP untuk merubah berbagai macam sudut pandang data sehingga perubahan perspektif sudut pandang menjadi lebih mudah, dengan kata lain analisa data dengan merubah posisi atau pivot dimensinya. Jika diperhatikan pada report report tabel sebelumnya tampak bahwa tanggal selalu menempati posisi kolom sedang baris diisi oleh 11
12 d. Tampilan informasi dalam bentuk tabel dan diagram yang dapat difilter, di-drill down dan roll up sehingga memudahkan dalam pengamatan. 6 Daftar Pustaka [1] Hariyanto, Bambang. Sistem Manajemen Basis Data. Informatika. Bandung Gambar 4. 6 Slicing Report Pengiriman Ikan dari Supplier [2] Kayungyun, Ratri Dwi. Rancang Bangun Perangkat Lunak Aplikasi Penelusuran Produk Pada PT. Aneka Tuna Indonesia. Tugas Akhir, Jurusan Teknik Informatika, FTIF, ITS [3] Tisna Budi, Riantari. Pembuatan Apliasi OLAP pada sistem Informasi Monitoring Tugas Akhir Jurusan Teknik Informatika ITS dengan Menggunakan SQL Server Tugas Akhir, Jurusan Teknik Informatika, FTIF, ITS [4] ---, PT. ANEKA TUNA INDONESIA, ( Gambar 4. 7 Dicing Report Penerimaan Ikan dari Supplier 5 Kesimpulan Dari hasil penelitian Tugas Akhir yang telah dilakukan dapat disimpulkan: a. Aplikasi telah berhasil dikembangkan dalam bentuk web, sehingga memberi kemudahan dalam pengaksesan. b. Aplikasi lebih memberi kemudahan kepada PT. ATI untuk melakukan pengecekkan dibandingkan dengan cara penyimpanan mereka sebelumnya. c. Informasi yang ditampilkan dapat membantu pihak PT. ATI untuk memantau kuantitas proses produksi sehingga mengetahui jumlah ikan yang diproses berdasarkan periode waktu juga berapa jumlah produk yang dihasilkan dan negara tujuan. 12
Tugas Akhir (KI091391) Muhamad Adi Prasetyo
Tugas Akhir (KI091391) Muhamad Adi Prasetyo 5105100159 Prolog Sebuah Program Aplikasi Web yang dibuat untuk melaporkan kuantitas Proses Produksi Menggunakan Metode OLAP pada PT. Aneka Tuna Indonesia (ATI).
Lebih terperinciDatawarehouse dan OLAP (Overview) Diambil dari presentasi Jiawei Han
Datawarehouse dan OLAP (Overview) yudi@upi.edu Diambil dari presentasi Jiawei Han Apa Data warehouse? Database pendukung keputusan yang terpisah dengan database operasional Platform untuk konsolidasi
Lebih terperinciDATA WAREHOUSING AND ONLINE ANALYTICAL PROCESSING (OLAP)
DATA WAREHOUSING AND ONLINE ANALYTICAL PROCESSING (OLAP) Overview Data Warehouse dan OLAP merupakan elemen penting yang mendukung decision support. Terutama bagi perusahaan perusahaan besar dengan database
Lebih terperincijumlah keluarga, dan jumlah rumah. Data diambil dari hasil sensus potensi desa yang dilakukan BPS tahun 1996, 1999, 2003, dan 2006.
1 Latar Belakang PENDAHULUAN Kemajuan teknologi komputer semakin memudahkan proses penyimpanan dan pengolahan data berukuran besar. Namun demikian, seringkali data yang sudah tersimpan belum dimanfaatkan
Lebih terperinciDATAMULTIDIMENSI. DATAWAREHOUSE vs DATAMART FIRDAUS SOLIHIN UNIVERSITAS TRUNOJOYO
DATAMULTIDIMENSI FIRDAUS SOLIHIN UNIVERSITAS TRUNOJOYO DATAWAREHOUSE vs DATAMART DATAWAREHOUSE Perusahaan, melingkupi semua proses Gabungan datamart Data didapat dari proses Staging Merepresentasikan data
Lebih terperinciTUGAS DATA WAREHOUSE & DATA MINING OLAP, OPERASI OLAP & MOLAP
TUGAS DATA WAREHOUSE & DATA MINING OLAP, OPERASI OLAP & MOLAP OLEH: VIVIAN WIJAYA (15 62 003) JURUSAN SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS ATMA JAYA MAKASSAR 2017 OLAP, OPERASI OLAP
Lebih terperinciBab 2 Tinjauan Pustaka 2. 1 Penelitian Terdahulu
Bab 2 Tinjauan Pustaka 2. 1 Penelitian Terdahulu Perancangan dan Pembangunan Data Warehouse pada PLN Salatiga menggunakan skema snowflake. Perusahaan Listrik Negara merupakan suatu aset berharga dibidang
Lebih terperinciOLAP - PERTEMUAN 8 OLAP
OLAP - PERTEMUAN 8 OLAP OLTP & OLAP (1) OLTP adalah singkatan dari On Line Transaction Processing. OLTP sering kita jumpai di sekitar kita seperti toko atau swalayan contohnya database pada sistem informasi
Lebih terperinciPerancangan Basis Data
Modul ke: Perancangan Basis Data Fakultas FASILKOM DATA WAREHOUSE Program Studi Sistem Informasi www.mercubuana.ac.id Anita Ratnasari, S.Kom, M.Kom DATA WAREHOUSE Definisi Data Warehouse Salah satu efek
Lebih terperinciBAB I PENDAHULUAN. I.1 Pendahuluan
BAB I PENDAHULUAN I.1 Pendahuluan Dalam kegiatan manusia sehari-hari, terutama dalam kegiatan transaksi, seperti transaksi perbankan, rekam medis, transaksi jual beli dan transaksi lainnya harus dicatat
Lebih terperinciBasis Data Oracle - Business Intelligence System. Ramos Somya, M.Cs.
Basis Data Oracle - Business Intelligence System Ramos Somya, M.Cs. Menurut W.H. Inmon dan Richard D.H., data warehousing adalah koleksi data yang mempunyai sifat berorientasi subjek, terintegrasi, time-variant,
Lebih terperincihttp://www.brigidaarie.com Apa itu database? tempat penyimpanan data yang saling berhubungan secara logika Untuk apa database itu?? untuk mendapatkan suatu informasi yang diperlukan oleh suatu organisasi
Lebih terperinciBab 4 Hasil dan Pembahasan
Bab 4 Hasil dan Pembahasan Bahasan ini berisi pemaparan mengenai hasil dari perancangan sistem dalam bentuk pembahasan hasil dan pengujian efektivitas data dalam sistem. Pengujian atas hasil penjualan
Lebih terperinciData Warehousing dan Decision Support
Bab 9 Data Warehousing dan Decision Support POKOK BAHASAN: Hubungan antara Data Warehouse dan Decision Support Model Data Multidimensi Online Analytical Processing (OLAP) Arsitektur Data Warehouse Implementasi
Lebih terperinci6/26/2011. Menurut W.H. Inmon dan Richard D.H. Menurut Vidette Poe
Menurut W.H. Inmon dan Richard D.H. koleksi data yang mempunyai sifat berorientasi subjek,terintegrasi,time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management
Lebih terperinciTugas. Data Warehouse. OLAP, Operasi OLAP, dan Jenis Rolap
Tugas Data Warehouse OLAP, Operasi OLAP, dan Jenis Rolap Renhard Soemargono 1562001 PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS ATMA JAYA MAKASSAR 2017 OLAP (On-Line Analytical
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE MENGGUNAKAN SCHEMA SNOWFLAKE UNTUK MENGETAHUI TREND PRODUKSI DAN PEMASARAN PRODUK
PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE MENGGUNAKAN SCHEMA SNOWFLAKE UNTUK MENGETAHUI TREND PRODUKSI DAN PEMASARAN PRODUK Novia Busiarli 1), Mardhiya Hayati 2) 1), 2,)3) Teknik Informatika STMIK AMIKOM
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Pembuatan data warehouse telah banyak dilakukan oleh perusahaanperusahaan industri yang berorientasi profit. Data warehouse diharapkan mampu
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Data Data adalah sebuah rekaman dari fakta-fakta, konsep-konsep, atau instruksiinstruksi pada media penyimpanan untuk komunikasi perolehan, dan pemrosesan dengan cara otomatis
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 1 Edisi...Volume..., Bulan 20..ISSN : PEMBANGUNAN INDEPENDENT DATA MART PADA OPTIK YUDA
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 1 PEMBANGUNAN INDEPENDENT DATA MART PADA OPTIK YUDA Dinar Priskawati 1, Dian Dharmayanti 2 Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Analisis data historis dan pengolahan data multidimensi bukan merupakan hal yang baru untuk mendukung suatu pengambilan keputusan. Namun perubahan objek data yang dicatat, membuat
Lebih terperinciABSTRAK. Kata Kunci: ETL, Data Warehouse, Visualisasi Data, Bagan. Universitas Kristen Maranatha
ABSTRAK Implementasi dari sistem ETL (Extract-Transform-Load) basis data, Data Warehouse, dan Visualisasi Data akan dilakukan untuk PT.Wahana Karet Persada sebagai bentuk tindak lanjut pengolahan data
Lebih terperinciData Warehouse dan Decision Support System. Arif Basofi
Data Warehouse dan Decision Support System Arif Basofi Referensi Data Warehouse, STMIK Global Informatika MDP. M. Syukri Mustafa,S.Si., MMSI, Sistem Basis Data II (Data Warehouse), 2008. Hanim MA, Data
Lebih terperinci[Data Warehouse] [6/C2 & 6/D2]
[Data Warehouse] [6/C2 & 6/D2] [ Chapter 6] Pemodelan Data Warehouse Dedy Alamsyah, S.Kom, M.Kom [NIDN : 0410047807] Pemodelan Data Ada dua pendekatan yang diterima sebagai best practice untuk memodelkan
Lebih terperinciDATAWAREHOUSE. Sukarsa:Pasca Elektro Unud. I Made Sukarsa
DATAWAREHOUSE I Made Sukarsa Evolusi Sistem Informasi Decision Support System database Database (I,U,D,R) ETL DW (Read) Masalah : integrasi /konsistensi OLTP Normalisasi/Den ormalisasi OLAP Denormalisasi
Lebih terperinciDESAIN WAREHOUSE FIRDAUS SOLIHIN UNIVERSITAS TRUNOJOYO LANGKAH MEMBANGUN WAREHOUSE
DESAI WAREHOUSE FIRDAUS SOLIHI UIVERSITAS TRUOJOYO LAGKAH MEMBAGU WAREHOUSE 1 4 Langkah Data Warehouse Design Data Warehouse Extraction, Transfor Mation And Loading (ETL) Create Cube Create Dimension View
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belakang PENDAHULUAN Saat ini sudah banyak organisasi yang telah mengadopsi teknologi data warehouse. Penerapan teknologi ini sangat membantu sekali bagi suatu organisasi yang memiliki data yang
Lebih terperinciUniversitas Putra Indonesia YPTK Padang Fakulas Ilmu Komputer Program Studi Teknik Informatika. Knowledge Discovery in Databases (KDD)
Universitas Putra Indonesia YPTK Padang Fakulas Ilmu Komputer Program Studi Teknik Informatika Knowledge Discovery in Databases (KDD) Knowledge Discovery in Databases (KDD) Definisi Knowledge Discovery
Lebih terperinciBAB III METODE PENELITIAN
15 BAB III METODE PENELITIAN Sistem informasi geografis persebaran hotspot di Indonesia merupakan suatu sistem yang bertujuan untuk memantau dan memberikan informasi mengenai persebaran hotspot yang ada
Lebih terperinciData warehouse dan OLAP (Overview) Diambil dari presentasi Jiawei Han / Chirayu Versi dok: 0.8/ Sept 14
Data warehouse dan OLAP (Overview) yudi@upi.edu Diambil dari presentasi Jiawei Han / Chirayu Versi dok: 0.8/ Sept 14 Jutaan data per hari Kasus: Indomaret Dimensi (jumlah field) data besar Produk, jenis
Lebih terperinciData Warehouse, Data Mart, OLAP, dan Data Mining CHAPTER 6
1 Data Warehouse, Data Mart, OLAP, dan Data Mining CHAPTER 6 Data Warehouse 2 Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Pembangunan intelegensi bisnis yang menyerupai dengan pembangunan intelegensi bisnis untuk subjek kegiatan keuangan pada Universitas Atma Jaya Yogyakarta sudah ada. Seperti yang
Lebih terperinciFAST berarti sistem ditargetkan untuk memberikan response terhadap user dengan secepat mungkin, sesuai dengan analisis yang dilakukan.
OLAP OLAP (Online Analytical Processing), merupakan metode pendekatan untuk menyajikan jawaban dari permintaan proses analisis yang bersifat dimensional secara cepat. Pengertian OLAP itu sendiri dapat
Lebih terperinciDATA WAREHOUSE PERTEMUAN I S1 TEKNIK INFORMATIKA TITUS KRISTANTO, S.KOM
DATA WAREHOUSE PERTEMUAN I 22032013 S1 TEKNIK INFORMATIKA TITUS KRISTANTO, S.KOM METODE PEMBELAJARAN Kuliah Diskusi Presentasi Latihan Tugas Quiz UTS UAS BUKU ACUAN Apress Building A Data Warehouse With
Lebih terperinciBab 3. Metode Penelitian dan Perancangan Sistem
Bab 3 Metode Penelitian dan Perancangan Sistem Dalam penelitian ini akan dilakukan representasi informasi demografi kependudukan di Provinsi Jawa Tengah, dari mulai data mentah yang dibukukan menjadi output
Lebih terperinciBAB 4 PERANCANGAN DAN IMPLEMENTASI
BAB 4 PERANCANGAN DAN IMPLEMENTASI 4.1 Arsitektur Data Warehouse Pelaksanaan perancangan data warehouse dimulai dari perumusan permasalahan yang dihadapi oleh perusahaan kemudian dilanjutkan dengan pencarian
Lebih terperinciHASIL DAN PEMBAHASAN. Microsoft SQL Server Microsoft Sharepoint Microsoft.Net Framework 4.0.
3 warehouse dan data mart memiliki batasan yang sangat tipis, namun perbedaan ini tidak perlu dikhawatirkan karena secara subtansi tujuan dari pembuatannya memiliki kesamaan (Noviandi 2010). Konsep data
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi informasi selalu dituntut untuk dapat memenuhi berbagai kebutuhan di segala bidang kehidupan yang semakin lama semakin meningkat dan
Lebih terperinciPERANCANGAN DATA MART BAGIAN PENJUALAN MOTOR BEKAS(USED MOTOR CYCLE ) PADA CV. ATLAS MOTOR
PERANCANGAN DATA MART BAGIAN PENJUALAN MOTOR BEKAS(USED MOTOR CYCLE ) PADA CV. ATLAS MOTOR Randy Permana, S. Kom, M. Kom, Fakultas Ilmu Komputer Universitas Putra Indonesia YPTK Padang e-mail : randy.permana@rocketmail.com
Lebih terperinciBAB 4 RANCANGAN SISTEM YANG DIUSULKAN
82 BAB 4 RANCANGAN SISTEM YANG DIUSULKAN 4.1 Usulan Prosedur yang Baru Gambar 4.1 Flowchart Usulan Sistem Reporting yang Baru Usulan prosedur baru untuk reporting anggaran operasional mill production pada
Lebih terperinciPerancangan Data Warehouse
Perancangan Data Warehouse Data yang disimpan dalam data warehouse adalah data historis berorientasi subjek yang dapat mendukung proses pengambilan keputusan bagi manajemen. Artinya data tersebut harus
Lebih terperinci[Data Warehouse] [6/C2 & 6/D2]
[Data Warehouse] [6/C2 & 6/D2] [ Chapter 2] Jenis dan Karakteristik Data Warehouse Dedy Alamsyah, S.Kom, M.Kom [NIDN : 0410047807] Jenis Data Warehouse 1. Functional Data Warehouse (Data Warehouse Fungsional)
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Database 2.1.1 Definisi Database Menurut W.H Inmon(2002, p3), database diartikan sebagai suatu koleksi dari penyimpanan data yang terhubung yang sering digunakan dan mengurangi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Warehouse Mohammed (2014) mengatakan bahwa data warehouse merupakan database relasional yang dirancang untuk melakukan query dan analisis. Data warehouse biasanya berisi
Lebih terperinciIMPLEMENTASI OLAP PADA DATA PENJUALAN BBM MENGGUNAKAN PENTAHO TRIYONO
IMPLEMENTASI OLAP PADA DATA PENJUALAN BBM MENGGUNAKAN PENTAHO TRIYONO 41507120014 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2013 IMPLEMENTASI OLAP PADA DATA
Lebih terperinciPERANCANGAN DATA WAREHOUSE CALON MAHASISWA BARU POLITEKNIK NEGERI LHOKSEUMAWE
PERANCANGAN DATA WAREHOUSE CALON MAHASISWA BARU POLITEKNIK NEGERI LHOKSEUMAWE Nanang Prihatin 1 1 Dosen Politeknik Negeri Lhokseumawe ABSTRAK Bagi sebuah perguruan tinggi, penerimaan calon mahasiswa merupakan
Lebih terperincimelakukan filtering data pada cube berupa tampilan sort ascending.
218 Sort Descending, untuk mengurutkan secara descending. Jika Sort Descending ini diklik pada kolom Qty Sales maka akan dilakukan sort secara descending pada kolom Qty Sales seperti gambar 5.27. Semua
Lebih terperinciDESAIN DATAWAREHOUSE AKADEMIK UNTUK MENDUKUNG SISTEM ADMINISTRASI DATA AKADEMIK DI UNIVERSITAS TADULAKO. Mohammad Yazdi 1
DESAIN DATAWAREHOUSE AKADEMIK UNTUK MENDUKUNG SISTEM ADMINISTRASI DATA AKADEMIK DI UNIVERSITAS TADULAKO Mohammad Yazdi 1 1 Jurusan Matematika FMIPA Universitas Tadulako Jl. Soekarno-Hatta Palu, Indonesia
Lebih terperinciPENGELOLAAN SISTEM INFORMASI TATA PAMONG DAN KEMAHASISWAAN MENGGUNAKAN OLAP UNTUK PENYUSUNAN LAPORAN BORANG AKREDITASI
PENGELOLAAN SISTEM INFORMASI TATA PAMONG DAN KEMAHASISWAAN MENGGUNAKAN OLAP UNTUK PENYUSUNAN LAPORAN BORANG AKREDITASI Masfulatul Lailiyah, Umi Laili Yuhana, Dini Adni Navastara Jurusan Teknik Informatika,
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belakang PENDAHULUAN Teknologi basis data saat ini berkembang sangat pesat. Data disimpan dalam basis data, diolah kemudian disajikan sebagai informasi yang bernilai bagi pengguna. Penyimpanan
Lebih terperinciPERANCANGAN DATA WAREHOUSE PENGOLAHAN PERSEDIAAN BUKU PT. GRAMEDIA ASRI MEDIA MAKASSAR
PERANCANGAN DATA WAREHOUSE PENGOLAHAN PERSEDIAAN BUKU PT. GRAMEDIA ASRI MEDIA MAKASSAR Erick A. Lisangan 1, N. Tri Suswanto Saptadi 2 1 erick_lisangan@yahoo.com 2 ntsaptadi@yahoo.com Abstrak Proses dan
Lebih terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN 3.1. Analisis Sistem Pada bagian ini akan dijelaskan lebih detail tentang proses bisnis perusahaan saat ini, permasalahan-permasalahan yang sering muncul serta kebutuhan-kebutuhan
Lebih terperinciWeb browser Mozilla Firefox 2.0 dan Internet Explorer 7 HASIL DAN PEMBAHASAN. Analisis Data
6 Web browser Mozilla Firefox 2.0 dan Internet Explorer 7 Analisis Data HASIL DAN PEMBAHASAN Data hotspot yang digunakan adalah data dari tahun 2000 sampai dengan tahun 2004. Hal ini disebabkan data hotspot
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Umum Teori umum adalah suatu pernyataan yang dianggap benar secara universal. Teori umum merupakan dasar untuk mengembangkan teori selanjutnya yang lebih khusus (spesifik).
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab pendahuluan ini penulis akan membahas tentang latar belakang, perumusan masalah, batasan masalah, metodogi penelitian, tujuan dan manfaat serta sistematika penulisan dalam tugas
Lebih terperinciAPLIKASI DATA WAREHOUSE UNTUK BUSINESS INTELLIGENCE. Kusnawi Dosen STMIK AMIKOM Yogyakarta. Abstraksi
APLIKASI DATA WAREHOUSE UNTUK BUSINESS INTELLIGENCE Kusnawi Dosen STMIK AMIKOM Yogyakarta Abstraksi Dalam dunia bisnis, pemanfaatan teknologi informasi sudah merupakan kebutuhan yang mendesak terutama
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI Dalam bab ini akan dijelaskan tentang beberapa konsep tentang supra desa, business intelligence, data warehouse, staging area, ETL, OLAP, ROLAP, Pentaho Data Integration, dan PHP.
Lebih terperinciLecture s Structure. Desain Data Warehouse (I): Dimensional Modelling. Mendisain Sebuah Data Warehouse
Desain Data Warehouse (I): Dimensional Modelling Yudi Agusta, PhD Data Warehouse and Data Mining, Lecture 3 Copyright Yudi Agusta, PhD 2006 Lecture s Structure Merancang Sebuah Data Warehouse Skema Perancangan
Lebih terperinciMINI PROJECT - 4. Kelompok 4 : Kecerdasan Bisnis (Kelas B)
MINI PROJECT - 4 Kecerdasan Bisnis (Kelas B) Kelompok 4 : Muhammad Farhan N (5213100045) Izzatun Nafsi A (521300067) Nur Sofia Arianti (5213100077) Nance Arsita Citra (5213100084) Fitri Larasati (5213100175)
Lebih terperinciBAB IV PERANCANGAN SISTEM
BAB IV PERANCANGAN SISTEM Pembahasan BAB IV mengenai proses perancangan data warehouse meliputi proses integrasi, pemodelan database dan dashboard interface. 4.1 Perencanaan Tahap perencanaan penelitian
Lebih terperinciBusiness Intelligence. Data Warehousing, Data Acquisition, Data Mining, Business Analytics, and Visualization
Business Intelligence Data Warehousing, Data Acquisition, Data Mining, Business Analytics, and Visualization DEFINISI DATA WAREHOUSE Data warehouse adalah database yang saling bereaksi yang dapat digunakan
Lebih terperinciBAB II LANDASAN TEORI. Data adalah sesuatu yang mewakilkan objek dan peristiwa yang memiliki arti
BAB II LANDASAN TEORI 2.1 Data Data adalah sesuatu yang mewakilkan objek dan peristiwa yang memiliki arti dan sangat penting bagi pemakai (Hoffer, Prescott dan McFadden,2007, p6). 2.2 Basis Data Basis
Lebih terperinciBab 3 Metode dan Perancangan Sistem
Bab 3 Metode dan Perancangan Sistem Penelitian ini dimulai dari pengambilan data penjualan PT. Sinar Niaga Sejahtera Point Ambarawa yang kemudian diteruskan dengan permintaan ijin untuk melakukan replikasi
Lebih terperinciData Warehouse, Data Mart, OLAP, dan Data Mining. arifin, sistem informasi - udinus 1
Data Warehouse, Data Mart, OLAP, dan Data Mining arifin, sistem informasi - udinus 1 Data Warehouse Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai
Lebih terperinciANALISA DATA TRANSAKSIONAL PADA E-COMMERCE DENGAN TEKNOLOGI OLAP (ON-LINE ANALYTICAL PROCESS)
ANALISA DATA TRANSAKSIONAL PADA E-COMMERCE DENGAN TEKNOLOGI OLAP (ON-LINE ANALYTICAL PROCESS) Budi Santosa 1), Dessyanto Boedi P 2), Markus Priharjanto 3) 1,2,3) Jurusan Teknik Informatika UPN "Veteran"
Lebih terperinciAnggota Kelompok 3 :
Anggota Kelompok 3 : Customer relationship management (CRM) Adalah manajemen hubungan antara perusahaan dengan pelanggan sehingga baik perusahaan maupun pelanggannya akan menerima nilai maksimum dari hubungan
Lebih terperinciOPTIMALISASI DATA PADA BAGIAN PENJUALAN DENGAN MENGGUNAKAN DATA MART DI PT. XYZ
OPTIMALISASI DATA PADA BAGIAN PENJUALAN DENGAN MENGGUNAKAN DATA MART DI PT. XYZ Hendro Poerbo Prasetiya 1), Yogi Eka Sakti 2) 1), 2) Sistem Informasi Universitas Ma Chung Jl Villa Puncak Tidar N-01, Malang
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Proses analisis dan perancangan sistem merupakan suatu prosedur yang dilakukan untuk pemeriksaan masalah dan penyusunan alternatif pemecahan masalah yang timbul
Lebih terperinciTUGAS DATA WAREHOUSE
TUGAS DATA WAREHOUSE PERANCANGAN DAN PEMBUATAN DATA WAREHOUSE DAN APLIKASI ONLINE ANALYTICAL PROCESSING UNTUK BANK X Oleh : Nama : Fitri Wahyu Apriliani Nim : 011.01.106 Kelas : Teknik Informatika VI A
Lebih terperinci[Data Warehouse] [6/C2 & 6/D2]
[Data Warehouse] [6/C2 & 6/D2] [ Chapter 3] Arsitektur dan Struktur Data Warehouse Dedy Alamsyah, S.Kom, M.Kom [NIDN : 0410047807] Arsitektur Data Warehouse Menurut Poe, arsitektur adalah sekumpulan atau
Lebih terperinciBAB II. LANDASAN TEORIse. Menurut McLeod dan Schell (2004, p405), data warehouse adalah sebuah
BAB II LANDASAN TEORIse 2.1 Data Warehouse Menurut McLeod dan Schell (2004, p405), data warehouse adalah sebuah tempat penyimpanan data dimana kapasitas penyimpanannya berskala besar; datanya diakumulasikan
Lebih terperinciBAB 2 LANDASAN TEORI. each unit of data is relevant to some moment in time, atau kurang lebih dapat
7 BAB 2 LANDASAN TEORI 2.1 Pengertian Data Warehouse Menurut Inmon (2002, p389), A data warehouse is a collection of integrated, subject oriented database designed to support the DSS function, where each
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Fakultas Ilmu Komputer Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2005/2006
UNIVERSITAS BINA NUSANTARA Fakultas Ilmu Komputer Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2005/2006 ANALISIS DAN PERANCANGAN DATA WAREHOUSE PT. CIPTA TERAS ADI BUSANA
Lebih terperinciBAB II LANDASAN TEORI. yang dapat dilihat, ditimbang, dan dihitung). oleh sebuah organisasi pada waktu tertentu.
BAB II LANDASAN TEORI 2.1 Inventori Menurut Tersine (1984,3) istilah inventori dapat digunakan untuk mengartikan beberapa hal yang berbeda: 1. Stock dalam persediaan yang ada pada waktu yang ditentukan
Lebih terperinciData Warehouse & Data Mining STMIK GLOBAL
Data Warehouse & Data Mining STMIK GLOBAL Tanpa Data Warehouse Dengan Data Warehouse Multiple Report tanpa/ dengan Data Warehouse teknologi yang ada di data warehouse dan OLAP (On-Line Analytical Processing)
Lebih terperinciBAB I DASAR- DASAR OLAP
BAB I DASAR- DASAR OLAP Olap Online Analytical Processing, atau disingkat OLAP adalah sebuah pendekatan secara cepat menyediakan jawaban-jawaban terhadap kueri analitik yang multidimensi di dalam alam.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi informasi yang semakin pesat ditunjukkan dengan munculnya beragam perangkat teknologi yang mempermudah manusia dalam memonitor perkembangan usahanya
Lebih terperinciBAB II LANDASAN TEORI. Dasar-dasar teori tersebut akan digunakan sebagai landasan berpikir dalam
BAB II LANDASAN TEORI Dalam merancang dan membangun suatu sistem informasi, dasar-dasar teori yang akan digunakan sangatlah penting untuk diketahui terlebih dahulu. Dasar-dasar teori tersebut akan digunakan
Lebih terperinciData Warehouse dan Data Mining Oleh : Asep Jalaludin,S.T.,M.M.
Data Warehouse dan Data Mining Oleh : 1 Definisi : Data Warehouse O Data Warehouse adalah Pusat repositori informasi yang mampu memberikan database berorientasi subyek untuk informasi yang bersifat historis
Lebih terperinciPERANCANGAN DAN PEMBANGUNAN INTELIGENSI BISNIS PADA PERUSAHAAN ASURANSI PENSIUN XYZ TUGAS AKHIR
PERANCANGAN DAN PEMBANGUNAN INTELIGENSI BISNIS PADA PERUSAHAAN ASURANSI PENSIUN XYZ TUGAS AKHIR Diajukan untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana Teknik Informatika DISUSUN OLEH: HENDRIKUS
Lebih terperinciSISTEM TRACER STUDY ALUMNI FAKULTAS ILMU KOMPUTER UNIVERSITAS MUSLIM INDONESIA MENGGUNAKAN METODE ON-LINE ANALITYCAL PROCESSING (OLAP)
SISTEM TRACER STUDY ALUMNI FAKULTAS ILMU KOMPUTER UNIVERSITAS MUSLIM INDONESIA MENGGUNAKAN METODE ON-LINE ANALITYCAL PROCESSING (OLAP) Aminurlah Syam 1, Abdul Rachman Manga 2 aminurlahsyam20051995@gmail.com
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Informasi merupakan sebuah elemen penting dalam kehidupan manusia yang semakin lama semakin maju. Dengan adanya informasi, kita bisa mengetahui beberapa hal
Lebih terperinciPEMBANGUNAN DATA MART UNTUK FAKTA PENGUNJUNG RAWAT JALAN PADA RS TELOGOREJO SKRIPSI
PEMBANGUNAN DATA MART UNTUK FAKTA PENGUNJUNG RAWAT JALAN PADA RS TELOGOREJO SKRIPSI Diajukan untuk Memenuhi Sebagian Persyaratan Mencapai Derajat Sarjana Teknik Informatika Disusun oleh : Cindy Lestari
Lebih terperinciHASIL DAN PEMBAHASAN. Studi pustaka. Analisis data. Versi struktur dan fungsi transformasi. Pemuatan data. Implementasi operasi OLAP
Uji Query Uji query adalah tahap untuk menguji temporal data warehouse apakah telah sesuai dengan kebutuhan dan berfungsi dengan baik serta memeriksa apakah operasi dasar data warehouse dan fungsi agregat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Umum 2.1.1 Pengertian Data Menurut (Inmon, 2005, p. 493) data merupakan kumpulan faktafakta, konsep-konsep dan instruksi-instruksi yang disimpan dalam media penyimpanan yang
Lebih terperinciPembangkitan Borang Akreditasi Nasional di Perguruan Tinggi Berbasis OLAP pada Data SDM dan Penelitian
1 Pembangkitan Borang Akreditasi Nasional di Perguruan Tinggi Berbasis OLAP pada Data SDM dan Penelitian Kurnia Widyaningtias 1, Umi Laili Yuhana 2, Nurul Fajrin Ariyani 3 Teknik Informatika, Fakultas
Lebih terperinciBAB 2 LANDASAN TEORI. Berikut ini akan dijelaskan teori umum atau dasar yang digunakan, yaitu sebagai berikut:
BAB 2 LANDASAN TEORI 2.1 Teori Umum Berikut ini akan dijelaskan teori umum atau dasar yang digunakan, yaitu sebagai berikut: 2.1.1 Pengertian Data Menurut Hoffer & Venkataraman (2011: 5) menjelaskan bahwa
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI. digunakan untuk mendukung implementasi data warehouse yang telah
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Rencana Implementasi a. Kebutuhan perangkat keras Perangkat keras (hardware) merupakan komponen yang secara fisik digunakan untuk mendukung implementasi data warehouse
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Sistem Informasi Sistem Informasi adalah suatu kumpulan dari komponen yang berinteraksi untuk menyelesaikan tugas bisnis. pendapat ini didukung dengan pendapat Satzinger, Jackson,
Lebih terperinciHASIL DAN PEMBAHASAN Dalam pembuatan data warehouse potensi desa wilayah Bogor melalui beberapa tahap yaitu:
8 memeriksa apakah masukan dari pengguna akan memberikan keluaran yang sesuai dengan tidak memperhatikan proses yang terjadi di dalamnya (Sommerville 2000). HASIL DAN PEMBAHASAN Dalam pembuatan data warehouse
Lebih terperinciLAMPIRAN. 2) Membuat tabel-tabel dimensi dan fakta yang sesuai dengan skema bintang yang. if exists (select * from dbo.sysobjects where id = object_id
LAMPIRAN Langkah-langkah pembuatan data warehouse : 1) Membuat database baru untuk menampung data warehouse, yang bernama OLAP_mobs. 2) Membuat tabel-tabel dimensi dan fakta yang sesuai dengan skema bintang
Lebih terperinciDASAR DASAR MICROSOFT ACCESS
BASISDATA Basisdata (database) adalah sekumpulan data tentang satu atau lebih kelompok komponen atau individu. Contoh: basisdata untuk buku perpustakaan, video, software, toko, rumah sakit/klinik, dan
Lebih terperinciBAB 2 LANDASAN TEORI. kebutuhan informasi suatu perusahaan. komputer secara sistematis. menggunakan database SQL Server 2000.
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
Lebih terperinciSIE/nts/TIUAJMks 9/26/2013
N. Tri Suswanto Saptadi 1 Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional dan sumber yang lain (sumber eksternal) yang menjadi
Lebih terperinciPENGEMBANGAN DATA WAREHOUSE PROGRAM TRACKING STASIUN TV DI INDONESIA ABSTRAK
1 PENGEMBANGAN DATA WAREHOUSE PROGRAM TRACKING STASIUN TV DI INDONESIA Arsanda Prawisda, Wisnu Ananta Kusuma, Hari Agung Adrianto 1 Staf Departemen Ilmu Komputer, Fakultas Matematika dan IPA, Institut
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1. Sistem Informasi Sistem informasi secara teknis bisa didefinisikan sebagai sekelompok komponen yang saling terkait yang mengumpulkan, memproses, menyimpan, dan mendistribusikan
Lebih terperinciBAB 2 LANDASAN TEORI. Database adalah suatu koleksi / kumpulan dari data yang persistent, yaitu ada
BAB 2 LANDASAN TEORI 2.1 Teori Database Database adalah suatu koleksi / kumpulan dari data yang persistent, yaitu ada yang berbeda satu dengan yang lainnya dan biasanya merupakan data yang bersifat sementara
Lebih terperinciBAB I PENDAHULUAN. Berkembangnya teknologi dan informasi saat ini telah menghasilkan kumpulan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Berkembangnya teknologi dan informasi saat ini telah menghasilkan kumpulan data diberbagai bidang ilmu pengetahuan, bisnis ataupun pemerintahan. Pada proses penyediaan
Lebih terperinciDatabase dan DBMS DBMS adalah perangkat lunak sistem yang memungkinkan para pemakai membuat, memelihara, mengontrol, dan mengakses basis data dengan
Database dan DBMS Database adalah : suatu pengorganisasian sekumpulan data yang saling terkait sehingga memudahkan aktifitas untuk memperoleh informasi. semua data yang disimpan pada sumberdaya berbasis
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Data Warehouse 2.1.1 Pengertian Data dan Informasi Pengertian data dan informasi menurut Turban, Rainer, dan Potter (2003,p15), data adalah fakta-fakta yang belum
Lebih terperinci