BAB 4 PERANCANGAN DATA WAREHOUSE. diterapkan adalah arsitektur data warehouse terpusat. Alasan memilih arsitektur data

Transkripsi

1 BAB 4 PERANCANGAN DATA WAREHOUSE 4.1 Arsitektur Data Warehouse Dalam merancang data warehouse untuk PT. Saga Machie, arsitektur yang diterapkan adalah arsitektur data warehouse terpusat. Alasan memilih arsitektur data warehouse terpusat yaitu : Mempermudah dalam melakukan pengawasan dan pemeliharaan data yang ada di data warehouse karena semua data terintegrasi pada sebuah tempat penyimpanan. Mengurangi redundansi data dan meningkatkan konsistensi data karena data dikelola dalam satu tempat penyimpanan terpusat. Data yang disimpan dalam data warehouse merupakan hasil integrasi dari berbagai sumber yang berbeda sehingga menghasilkan informasi yang lebih reliable. Dibalik kelebihan, arsitektur data warehouse terpusat memiliki beberapa kekurangan, yaitu membutuhkan biaya yang cukup besar dan waktu pembuatannya yang relatif lama, tergantung dari seberapa tinggi tingkat kompleksitas data yang ada pada perusahaan. 80

2 81 Gambar 4.1 Arsitektur Data Warehouse Terpusat pada PT. Saga Machie Bagian bagian yang terdapat pada arsitektur di atas adalah sebagai berikut : 1. Data Source Data source merupakan sumber data yang berasal dari kegiatan operasional pada PT. Saga Machie. Data operasional yang digunakan yaitu data operasional penjualan, pembelian dan persediaan. Dari data tersebut akan dilakukan proses ETL yang kemudian hasilnya akan disimpan ke dalam data warehouse. 2. ETL ETL terdiri dari 3 proses yaitu Extract, Transform dan Load. Pada proses extract akan dilakukan pengambilan, penguraian, dan pemilihan data dari data source untuk mendapatkan struktur atau pola data yang diharapkan. Data yang sudah di extract akan ditransformasi ke bentuk yang konsisten dan seragam.

3 82 Kemudian akan dilakukan proses load, yaitu penyimpanan hasil data yang sudah ditransformasi ke dalam data warehouse. 3. Data Warehouse Data warehouse merupakan tempat penyimpanan data operasional yang telah disaring. Data dalam data warehouse bersifat subjek oriented, terintegrasi, historis dengan jangka waktu tertentu dan datanya tidak mengalami perubahan (non volatile). 4. User User merupakan pengguna akhir yang akan menggunakan atau mengakses data yang tersimpan di dalam data warehouse melalui aplikasi yang dihasilkan. Dengan aplikasi tersebut, user dapat melakukan kegiatan seperti analisis data dan membuat laporan untuk mendukung pengambilan keputusan. 4.2 Rancangan Data Warehouse Dalam membuat data warehouse ini, diperlukan beberapa tahap agar proses pembuatan data warehouse menjadi teratur. Tahap tahap perancangan data warehouse yang digunakan dalam penulisan ini berdasarkan pada sembilan tahap metodologi (nine steps methodology), yaitu : Memilih Proses (Choosing the process) Proses dari PT. Saga Machie yang digunakan untuk merancang data warehouse adalah sebagai berikut : Penjualan Proses penjualan pada PT. Saga Machie yang dimaksud adalah proses penjualan produk berupa sepatu dan sandal dengan sistem penjualan yang

4 83 terbagi menjadi dua, yaitu sistem penjualan konsinyasi (titip jual) dan penjualan di toko sendiri milik PT. Saga Machie. Termasuk juga di dalamnya proses retur dari Outlet yang disebabkan oleh kesalahan produk atau produk yang rusak. Dokumen yang ada meliputi : Sales Trans, Retur Penjualan. Data yang ada meliputi : Product, Outlet, Location, Colour, transaksi penjualan produk, dan transaksi retur penjualan. Pembelian Proses pembelian meliputi proses pembelian produk berupa sepatu dan sandal dari beberapa supplier. Pembelian produk akan dilakukan jika stok produk di gudang PT. Saga Machie telah mencapai titik minimum stok produk. Termasuk pula proses retur pembelian apabila terjadi kesalahan dalam pengiriman produk. Dokumen yang ada meliputi : PO, Retur Pembelian. Data yang ada meliputi : Product, Supplier, Colour, transaksi pembelian produk, dan transaksi retur pembelian. Persediaan Proses persediaan meliputi proses yang terkait dengan masuk serta keluarnya produk yang ada di gudang yang dipengaruhi oleh proses penerimaan produk, pengeluaran produk, retur penjualan, dan retur pembelian. Dokumen yang ada meliputi : Penerimaan Produk, Pengeluaran Produk, Retur Penjualan, Retur Pembelian.

5 84 Data yang ada meliputi : Product, Colour, Outlet, Supplier, transaksi retur penjualan, transaksi retur pembelian, transaksi penerimaan produk, dan transaksi pengeluaran produk Memilih Grain (Choosing the grain) Grain merupakan data dari calon fakta yang dapat dianalisis. Dengan memilih grain berarti menentukan apa yang digambarkan oleh record dalam tabel fakta. Setelah menentukan grain tabel fakta, dimensi untuk setiap tabel fakta dapat diidentifikasi. Grain dari PT. Saga Machie yang digunakan untuk merancang data warehouse adalah : Penjualan Analisis pada penjualan sepatu dan sandal meliputi sepatu dan sandal yang paling banyak terjual/diminati, warna sepatu dan sandal yang paling diminati, outlet dengan tingkat penjualan tertinggi dan terendah, lokasi dengan tingkat penjualan tertinggi, dari segi umur masyarakat yang paling tinggi tingkat penjualannya, jumlah penjualan produk, total penjualan, serta perbandingan harga pesaing dengan harga pada outlet. Analisis tersebut akan dilakukan per periode waktu hari, bulanan, dan tahunan. Retur Penjualan Analisis pada retur penjualan meliputi produk yang paling banyak diretur dari outlet, outlet dengan tingkat retur paling tinggi, lokasi dengan tingkat retur tinggi dan rendah, jumlah retur penjualan dan total retur penjualan.

6 85 Analisis tersebut akan dilakukan per periode waktu hari, bulanan, dan tahunan. Pembelian Analisis pada pembelian meliputi produk yang paling banyak dipesan dari supplier, supplier dengan tingkat pembelian yang tinggi dan rendah, jumlah pembelian dan total pembelian. Analisis tersebut akan dilakukan per periode waktu hari, bulanan, dan tahunan. Retur Pembelian Analisis pada retur pembelian meliputi produk yang paling banyak diretur ke supplier, supplier dengan tingkat retur paling tinggi atau rendah, jumlah retur pembelian dan total retur pembelian. Analisis tersebut akan dilakukan per periode waktu hari, bulanan, dan tahunan. Persediaan Analisis pada persediaan meliputi jumlah produk yang masuk dan jumlah produk yang keluar dari outlet. Analisis tersebut akan dilakukan per periode waktu hari, bulanan, dan tahunan Identifikasi dan Penyesuaian Dimensi (Identifying and conforming the dimensions) Pada tahapan ini, dilakukan penyesuaian hubungan dimensi dengan grain dari tabel fakta dalam bentuk matriks : Penjualan

7 86 Tabel 4.1 Tabel Grain vs Dimensi pada Penjualan Produk Grain Dimensi Produk yang paling banyak terjual Warna produk yang paling diminati Outlet dengan tingkat penjualan tertinggi Lokasi dengan tingkat penjualan tertinggi Umur dengan tingkat penjualan tertinggi Jumlah penjualan Total penjualan Harga jual produk Harga pesaing Waktu X X X X X X X X X Outlet X X X X X Location X X X Product X X X X X Colour X Pesaing X X X X Penduduk X

8 87 Pembelian Tabel 4.2 Tabel Grain vs Dimensi pada Pembelian Produk Grain Dimensi Produk yang paling banyak dipesan dari supplier Supplier dengan tingkat pembelian tertinggi Jumlah pembelian Total pembelian Waktu X X X X Supplier X Product X X X Colour X Persediaan Tabel 4.3 Tabel Grain vs Dimensi pada Persediaan Produk Grain Jumlah produk yang masuk Jumlah produk yang keluar Dimensi Waktu X X Product X X Colour X X Outlet Supplier X X Retur Penjualan Tabel 4.4 Tabel Grain vs Dimensi pada Retur Penjualan Grain Dimensi Outlet yang paling sering melakukan retur Lokasi dengan tingkat retur tinggi Jumlah retur penjualan Total retur penjualan Waktu X X X X Outlet X X X Location X X X Product X X Colour X X

9 88 Retur Pembelian Tabel 4.5 Tabel Grain vs Dimensi pada Retur Pembelian Grain Dimensi Supplier dengan tingkat retur paling tinggi Produk yang sering diretur Jumlah retur pembelian Total retur pembelian Waktu X X X X Supplier X X X Product X X X Colour X X X Memilih Fakta (Choosing the facts) Pada tahap ini dilakukan pemilihan fakta. Setiap fakta memiliki data yang dapat dihitung (numerik) yang kemudian ditampilkan dalam bentuk laporan, grafik, atau diagram lainnya. Berikut fakta - fakta yang akan ditampilkan pada data warehouse : Fakta Penjualan Meliputi WaktuID, OutletID, LocationID, ProductID, ColourID, jumlah penjualan produk, total penjualan produk, harga jual produk dan harga pesaing. Fakta Pembelian Meliputi WaktuID, SupplierID, ProductID, ColourID, jumlah pembelian produk dari supplier dan total pembelian produk dari supplier.

10 89 Fakta Persediaan Meliputi WaktuID, OutletID, SupplierID, ProductID, ColourID, jumlah produk masuk dan jumlah produk keluar. Fakta ReturPenjualan Meliputi WaktuID, OutletID, LocationID, ProductID, ColourID, jumlah retur penjualan produk dan total retur penjualan produk. Fakta ReturPembelian Meliputi WaktuID, SupplierID, ProductID, ColourID, jumlah retur pembelian dan total retur pembelian produk Menyimpan Pre-kalkulasi pada Tabel Fakta (Storing pre-calculations in fact table) Pada tabel fakta terdapat kalkulasi awal terhadap data yang dapat dihitung. Pre-kalkulasi yang dapat dilakukan untuk kemudian disimpan dalam tabel fakta berupa kalkulasi total. Kalkulasi awal yang ada pada tabel fakta antara lain : Fakta Penjualan - Jumlah penjualan produk merupakan jumlah penjualan produk yang terjadi di setiap outlet. - Total penjualan produk merupakan jumlah penjualan produk yang terjadi pada setiap outlet dikali dengan harga jual per produk.

11 90 - Harga Jual Produk dan Harga Pesaing merupakan perbandingan antara harga jual produk pada outlet PT. Saga Machie dengan harga jual pada outlet pesaing. Fakta Pembelian - Jumlah pembelian produk merupakan jumlah pembelian produk terhadap beberapa supplier. - Total pembelian produk merupakan jumlah pembelian produk terhadap beberapa supplier dikalikan dengan harga beli per produk. Fakta Persediaan - Jumlah barang masuk merupakan jumlah penerimaan barang dari supplier ditambah dengan jumlah retur penjualan dari outlet. - Jumlah barang keluar merupakan jumlah pengeluaran barang ke outlet ditambah dengan jumlah retur pembelian ke supplier Melengkapi Tabel Dimensi (Rounding out the dimension table) Menambahkan deskripsi teks pada dimensi agar mudah dimengerti oleh user. Berikut ini adalah deskripsi dari tabel dimensi :

12 91 1. Tabel Rounding Out Dimension Tabel 4.6 Tabel Rounding Out Dimension Dimensi Waktu Outlet Location Product Colour Supplier Pesaing Penduduk Deskripsi Laporan dapat dilihat per waktu seperti tahunan, bulanan, dan harian Daftar outlet yang dimiliki oleh perusahaan. Outlet di sini adalah toko dan counter Daftar lokasi lokasi outlet Daftar produk berisi model model sepatu dan sandal perusahaan Daftar warna sepatu dan sandal perusahaan Pemasok sepatu dan sandal untuk perusahaan Daftar pesaing bagi perusahaan Daftar range umur dan jenis umur 2. Daftar Tabel Dimensi Dimensi Waktu Tabel 4.7 Tabel Dimensi Waktu Attributes Data Type Length WaktuID INT 5 Tahun INT 5 Bulan INT 5 Hari INT 5 Dimensi Outlet Tabel 4.8 Tabel Dimensi Outlet Attributes Data Type Length OutletID Int 5 OutletCode Char 5 OutletName Varchar 100

13 92 Dimensi Location Tabel 4.9 Tabel Dimensi Location Attributes Data Type Length LocationID Int 5 LocCode Char 10 Lokasi Varchar 100 Dimensi Product Tabel 4.10 Tabel Dimensi Product Attributes Data Type Length ProdukID Int 5 ProdCode Char 10 ProductName Varchar 100 Category Varchar 100 Dimensi Colour Tabel 4.11 Tabel Dimensi Colour Attributes Data Type Length ColourID Int 5 ColourCode Char 4 Colour Varchar 100 Dimensi Supplier Tabel 4.12 Tabel Dimensi Supplier Attributes Data Type Length SupplierID Int 5 SupCode Char 6 SupplierName Varchar 100

14 93 Dimensi Pesaing Tabel 4.13 Tabel Dimensi Pesaing Attributes Data Type Length PesaingID Int 5 PesaingCode Char 5 NamaPesaing Varchar 100 ProductName Varchar 100 HargaPesaing Varchar 100 Dimensi Penduduk Tabel 4.14 Tabel Dimensi Penduduk Attributes Data Type Length TransID Int 5 TransCode Char 5 RangeUmur Varchar 100 JenisUmur Varchar 100 ProductName Varchar Memilih Durasi dari Database (Choosing the duration of the database) Tabel 4.15 Tabel Durasi Database Nama Database SM_OLTP Database Ada Sejak Tahun 2007 Data yang Masuk ke Data Warehouse Januari Januari 2010 Data dalam Data Warehouse 3 tahun Melacak Perubahan dari Dimensi Secara Perlahan (Tracking slowly changing dimensions) Perubahan dari dimensi pada tabel dimensi dapat dilakukan dengan 3 cara, yaitu :

15 94 Atribut dimensi yang diubah dituliskan ulang secara langsung (overwritten). Contoh : ketika ada Harga Produk yang berubah, maka data Harga Produk yang berubah langsung ditulis ulang. Pembentukan record baru untuk setiap perubahan baru. Contoh : Harga Produk yang berubah akan membentuk record baru pada tabel Product. Perubahan data yang membentuk kolom baru yang berbeda. Contoh : penambahan Harga Produk baru pada tabel Product untuk melihat perubahan harga produk, sehingga dapat diketahui juga Harga Produk yang lama. Kemudian akan dibuat record baru untuk data produk dengan harganya yang baru. Pada perancangan data warehouse PT. Saga Machie ini, perubahan atribut dari dimensi akan mengakibatkan pembuatan record baru pada tabel dimensi setiap ada perubahan yang terjadi. Tujuannya adalah untuk menjaga agar data yang lama tetap ada sehingga dapat diketahui perubahaan yang terjadi dari data lama ke data baru Memutuskan Prioritas dan Mode dari Query (Deciding the query priorities and the query modes) Tahap ini membahas mengenai proses ETL (Extract, Transformation and Load), backup yang dilakukan secara berkala, analisis media penyimpanan, dan analisis pertumbuhan data. Proses ETL (Extract, Transformation, Load)

16 ETL merupakan proses ekstraksi data dari sumber data, yaitu database operasional ke dalam data warehouse. Tabel 4.16 Tabel Proses ETL Pelaku ETL Waktu Keterangan Server Dilakukan setiap hari ETL dilakukan secara otomatis oleh server 95 Proses ETL dilakukan setiap hari untuk menjaga keakuratan data, jika sewaktu - waktu para manajer tingkat atas ingin melihat laporan yang datanya diambil dari data warehouse. Berikut ini adalah proses ETL ke data warehouse pada PT.Saga Machie : Contoh Transform FaktaPenjualan Gambar 4.2 Gambar Transform Data

17 96 Gambar 4.3 Query Transformasi Gambar 4.4 Data yang akan di-transform

18 97 Gambar 4.5 Database Tujuan dan Tabel Tujuan Data Transformasi Gambar 4.6 Pemetaan Sumber Data dan Kolom Tujuan Data

19 98 Gambar 4.7 Execute SQL Task Editor Gambar 4.8 Proses Transformasi Fakta Penjualan

20 99 Proses Backup Proses backup dijalankan terlebih dahulu secara otomatis sebelum proses ETL berlangsung. Hal ini dimaksudkan agar data hasil dari proses ETL sebelumnya dapat disimpan terlebih dahulu, sehingga dapat mengurangi resiko bila terjadi kegagalan. Tabel 4.17 Tabel Proses Backup Pelaku Backup Waktu Keterangan Server Dilakukan setiap hari sebelum proses ETL dilakukan Backup data warehouse dilakukan untuk menanggulangi proses ETL yang gagal Analisis Kapasitas Media Penyimpanan Dalam pengolahan data, kapasitas media penyimpanan menjadi salah satu aspek yang perlu dipertimbangkan. Transaksi sehari - hari yang terjadi pada OLTP sangat mempengaruhi pertumbuhan data dalam database maupun pertumbuhan data dalam data warehouse. Oleh karena itu, diperlukan analisis kapasitas media penyimpanan agar mampu menampung pertumbuhan data yang terus menerus meningkat selama beberapa tahun ke depan. Rumus yang akan digunakan untuk perhitungan kebutuhan penyimpanan record dalam SQL Server 2008 adalah : 1. Num_Row = jumlah baris / jumlah record. 2. Num_Col = jumlah kolom dalam tabel.

21 Fixed_Data_Size = jumlah bytes yang dibutuhkan oleh semua kolom yang mempunyai tipe data dengan ukuran yang pasti. 4. Num_Variable_Cols = jumlah kolom yang mempunyai tipe data dengan ukuran tidak pasti, seperti varchar, nvarchar, varbinary. 5. Max_Var_Size = ukuran bytes terbesar dari semua kolom yang mempunyai tipe data dengan ukuran tidak pasti. 6. Null_Bitmap = bit status null kolom = 2 + ((num_col +7)/8). 7. Variable_Data_Size = jumlah bytes yang dibutuhkan untuk semua kolom variabel = 2 + (num_variable_cols x 2) + max_var_size. 8. Row_Size = fixed_data_size + null_bitmap Rows_Per_Page = 8096 / (row_size + 2). 10. Num_Of_Pages = num_row / rows_per_page. 11. Heap_Size (Bytes) = 8192 x num_of_pages. 12. Heap_Size (Kbytes) = num_of_bytes / Heap_Size (Mbytes) = num_of_kytes / 1024 Analisis perkiraan kapasitas media penyimpanan data pada data warehouse PT. Saga Machie untuk perhitungan fakta adalah sebagai berikut : R n = R x (n+(1+i) n ) Keterangan : n = Tahun ke R = Jumlah record I = Persentase pertumbuhan record per tahun

22 101 Perhitungan untuk dimensi yang mengalami pertumbuhan data adalah sebagai berikut : R n = R x (1+i) n Keterangan : n = Tahun ke R = Jumlah record I = Persentase pertumbuhan record per tahun Berikut adalah analisis perkiraan kapasitas media penyimpanan untuk 3 tahun mendatang dengan asumsi persentase pertumbuhan sebesar 10% per tahun. 1. Table FaktaPenjualan Asumsi record 3 tahun kedepan diperkirakan : R5 = x ( 3 + ( 1+0,1) 3 ) = Jumlah record FaktaPenjualan pada tahun ke-3 = Maka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : Num_Row = Num_Col = 11 Fixed_Data_Size = =55 Num_Variable_Cols = 0 Max_Var_Size = 5 Null_Bitmap = 2 + ((11+7)/8) = 4,25 Variable_Data_Size = 2 + (0 x 2) + 5 = 7

23 102 Row_Size = 55+ 4, = 63,25 bytes Rows_Per_Page = 8096 / (63,25 + 2) = 124,07rows Num_Of_Pages = / 204,34 = 3868,09pages Heap_Size (Bytes) = 8192 x 3868,09= ,99Bytes Heap_Size (Kbytes) = ,99Bytes /1024 = ,77Kbytes Heap_Size (Mbytes) = ,77Kbytes / 1024 = 30,21Mbytes 2. Table FaktaPembelian Asumsi record 3 tahun kedepan diperkirakan : R5 = 4200 x ( 3 + ( 1+0,1) 3 ) = Jumlah record FaktaPembeliaan pada tahun ke-3 = Maka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : Num_Row = Num_Col = 6 Fixed_Data_Size = =30 Num_Variable_Cols = 0 Max_Var_Size = 5 Null_Bitmap = 2 + ((6+7)/8) = 3,625 Variable_Data_Size = 2 + (0 x 2) + 5 = 7 Row_Size = , =37,62 bytes Rows_Per_Page = 8096 / (37,62+ 2) = 204,34rows

24 103 Num_Of_Pages = / 204,34 = 89,01pages Heap_Size (Bytes) = 8192 x 89,01 = ,93Bytes Heap_Size (Kbytes) = ,93Bytes /1024 = 712,14Kbytes Heap_Size (Mbytes) = 712,14Kbytes/ 1024 = 0,70Mbytes 3. Table FaktaPersediaan Asumsi record 3 tahun kedepan diperkirakan : R5 = 2400 x ( 3 + ( 1+0,1) 3 ) = Jumlah record FaktaPersediaan pada tahun ke-3 = Maka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : Num_Row = Num_Col = 7 Fixed_Data_Size = =35 Num_Variable_Cols = 0 Max_Var_Size = 5 Null_Bitmap = 2 + ((7+7)/8) = 3,75 Variable_Data_Size = 2 + (0 x 2) + 5 = 7 Row_Size = 35+ 3, = 42,75 bytes Rows_Per_Page = 8096 / (42,75+ 2) = 180,91rows Num_Of_Pages = ,4/ 180,91 = 57,45 pages Heap_Size (Bytes) = 8192 x 57,45= Bytes Heap_Size (Kbytes) = ,13Bytes /1024 = 459,64Kbytes

25 104 Heap_Size (Mbytes) = 459,64Kbytes / 1024 = 0,44Mbytes 4. Table FaktaReturPenjualan Asumsi record 3 tahun kedepan diperkirakan : R5 = 105 x ( 3 + ( 1+0,1) 3 ) = 454 Jumlah record FaktaReturPenjualan pada tahun ke-3 = 454 Maka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : Num_Row = 454 Num_Col = 7 Fixed_Data_Size = =35 Num_Variable_Cols = 0 Max_Var_Size = 5 Null_Bitmap = 2 + ((7+7)/8) = 3,75 Variable_Data_Size = 2 + (0 x 2) + 5 = 7 Row_Size = 35+ 3, = 42,75 bytes Rows_Per_Page = 8096 / (42,75 + 2) = 180,91rows Num_Of_Pages = 454/ 180,91 = 2,5pages Heap_Size (Bytes) = 8192 x 2,5 = ,11Bytes Heap_Size (Kbytes) =20.558,11Bytes /1024 = 20,07Kbytes Heap_Size (Mbytes) = 20,07Kbytes/ 1024 = 0,01Mbytes

26 Table FaktaReturPembelian Asumsi record 3 tahun kedepan diperkirakan : R5 = 100 x ( 3 + ( 1+0,1) 3 ) = 433 Jumlah record FaktaReturPembelian pada tahun ke-3 = 433 Maka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : Num_Row = 433 Num_Col = 6 Fixed_Data_Size = =30 Num_Variable_Cols = 0 Max_Var_Size = 5 Null_Bitmap = 2 + ((6+7)/8) = 3,62 Variable_Data_Size = 2 + (0 x 2) + 5 = 7 Row_Size = 30+ 3, = 37,62 bytes Rows_Per_Page = 8096 / (37,62+ 2) = 204,34rows Num_Of_Pages = 433 / 204,34 = 2,1pages Heap_Size (Bytes) = 8192 x 2,1 = ,2 Bytes Heap_Size (Kbytes) =17.203,2Bytes /1024 = 16,8Kbytes Heap_Size (Mbytes) = 16,8Kbytes / 1024 = 0,01Mbytes

27 Dimensi Waktu Asumsi jumlah record data untuk satu tahun adalah 365 record. Maka dapat dihitung jumlah record sampai pada tahun ke 3 adalah : R = R1+R2+R3 = = 1095 Maka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : Num_Row = 1095 Num_Col = 6 Fixed_Data_Size = = 30 bytes Num_Variable_Cols = 0 Max_Var_Size = 0 Null_Bitmap = 2 + ((6 +7)/8) = 3.62 Variable_Data_Size = 2 + (0 x 2) + 0= 2bytes Row_Size = = 37.62bytes Rows_Per_Page = 8096 / ( ) = rows Num_Of_Pages = 1095 / = 5,35pages Heap_Size (Bytes) = 8192 x 5,35 = ,2Bytes Heap_Size (Kbytes) = ,2Bytes /1024 = 42,8Kbytes Heap_Size (Mbytes) = 42,8Kbytes / 1024= 0,04 Mbytes

28 Dimensi Product Asumsi record 3 tahun kedepan diperkirakan : R5 = 100 x ( 1+0,1) 3 = 133 Jumlah record Dimensi Product pada tahun ke-3 = 133 Maka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : Num_Row = 133 Num_Col = 4 Fixed_Data_Size = = 125bytes Num_Variable_Cols = 100 Max_Var_Size = 100 Null_Bitmap = 2 + ((4 +7)/8) = 3.38 Variable_Data_Size = 2 + (100 x 2) = 302 Row_Size = =132,38bytes Rows_Per_Page = 8096 / 132,38 + 2) = 59,80 rows Num_Of_Pages = 133 /59,80= 2,22pages Heap_Size (Bytes) = 8192 x 2,22 = ,24 Bytes Heap_Size (Kbytes) =181.86,24 /1024 = 17,76Kbytes Heap_Size (Mbytes) = 17,76Kbytes / 1024 = 1,70 Mbytes

29 Dimensi Colour Asumsi record 3 tahun kedepan diperkirakan : R5 = 173 x ( 1+0,1) 3 = 230 Jumlah record Dimensi Colour pada tahun ke-3 = 230 Maka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : Num_Row = 230 Num_Col = 3 Fixed_Data_Size = = 109bytes Num_Variable_Cols = 100 Max_Var_Size = 100 Null_Bitmap = 2 + ((3 +7)/8) = 3,25 Variable_Data_Size = 2 + (100 x 2) = 302 Row_Size = , = 115,25bytes Rows_Per_Page = 8096 / (115,25+ 2) = 67,89rows Num_Of_Pages =230 / 67,89 = 3,38 pages Heap_Size (Bytes) = 8192 x 3,38 =2.423,66Bytes Heap_Size (Kbytes) =2.423,66 Bytes /1024 = 2,36Kbytes Heap_Size (Mbytes) = 2,36 Kbytes / 1024 = 2,31Mbytes

30 DimensiOutlet Asumsi record 3 tahun kedepan diperkirakan : R5 = 84 x ( 1+0,1) 3 = 111 Jumlah record Dimensi Outlet pada tahun ke-3 = 111 Maka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : Num_Row = 111 Num_Col = 3 Fixed_Data_Size = = 110bytes Num_Variable_Cols = 100 Max_Var_Size = 100 Null_Bitmap = 2 + ((3 +7)/8) = 3,25 Variable_Data_Size = 2 + (100 x 2) = 302 Row_Size = , = 117,25bytes Rows_Per_Page = 8096 / (117,25+ 2) =67,89 rows Num_Of_Pages =111/ 67,89 =1,63 pages Heap_Size (Bytes) = 8192 x 1,63 =133.52,96 Bytes Heap_Size (Kbytes) =133.52,96 Bytes /1024 = 13,04Kbytes Heap_Size (Mbytes) = 13,04Kbytes / 1024 = 0,01Mbytes

31 DimensiLocation Asumsi record 3 tahun kedepan diperkirakan : R5 = 17 x ( 1+0,1) 3 = 22 Jumlah record Dimensi Lokasi pada tahun ke-3 = 22 Maka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : Num_Row = 22 Num_Col = 3 Fixed_Data_Size = = 115bytes Num_Variable_Cols = 100 Max_Var_Size = 100 Null_Bitmap = 2 + ((3 +7)/8) = 3,25 Variable_Data_Size = 2 + (100 x 2) = 302 Row_Size = , = 122,25bytes Rows_Per_Page = 8096 / (122,25+ 2) = 65,15rows Num_Of_Pages =22/ 65,15=0,33 pages Heap_Size (Bytes) = 8192 x 0,33 = 2.703,36Bytes Heap_Size (Kbytes) =2.703,36Bytes /1024 Bytes = 2,64Kbytes Heap_Size (Mbytes) = 2,64Kbytes / 1024 = 0,002Mbytes

32 DimensiSupplier Asumsi record 3 tahun kedepan diperkirakan : R5 = 21x ( 1+0,1) 3 = 28 Jumlah record Dimensi Supplier pada tahun ke-3 = 28 Maka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : Num_Row = 28 Num_Col = 3 Fixed_Data_Size = = 111bytes Num_Variable_Cols = 100 Max_Var_Size = 100 Null_Bitmap = 2 + ((3 +7)/8) = 3,25 Variable_Data_Size = 2 + (100 x 2) = 302 Row_Size = , = 118,25bytes Rows_Per_Page = 8096 / (118,25+ 2) = 67,32rows Num_Of_Pages =28/ 67,32 = 0,41pages Heap_Size (Bytes) = 8192 x 0,41 = 3.358,72Bytes Heap_Size (Kbytes) =3.358,72 Bytes /1024 = 3,28Kbytes Heap_Size (Mbytes) = 3,28Kbytes / 1024 = 0,003Mbytes

33 112 Tabel 4.18 Analisis Kapasitas Media Penyimpanan Tabel Fakta untuk Jangka Waktu 3 Tahun Nama Tabel Besar Record (Bytes) Jumlah Current Record Jumlah Record 3tahun mendatang Jumlah bytes (Mbytes) Fakta Penjualan 42, ,21 Fakta Pembelian 27, ,70 Fakta Persediaan 32, ,44 FaktaReturPenjualan 32, ,01 FaktaReturPembelian 27, ,01 Total 31,37 Nama Tabel Tabel 4.19 Analisis Kapasitas Media Penyimpanan Tabel Dimensi untuk Jangka Waktu 3 Tahun Besar Record (Bytes) Jumlah Current Record Jumlah Record 3 tahun mendatang Jumlah bytes (Kbytes) Dimensi Waktu 37, ,8 Dimensi Product 132, ,76 Dimensi Colour 115, ,36 Dimensi Outlet 117, ,04 Dimensi Location 122, ,64 Dimensi Supplier 118, ,28 Total 81, Rancangan Skema Bintang Pada perancangan ini, bentuk skema yang dipilih adalah star schema, karena skema ini merupakan skema yang mudah dipahami dan digunakan oleh pengguna daripada skema yang lain. Bentuk star schema yang ada pada data warehouse ini terdiri atas tabel fakta yang berhubungan dengan tabel dimensi. Berikut gambar star schema PT. Saga Machie yang dihasilkan dalam perancangan ini:

34 Star Schema Penjualan Gambar 4.9 Star Schema Fakta Penjualan

35 Star Schema Pembelian Gambar 4.10 Star Schema Fakta Pembelian

36 Star Schema Persediaan Gambar 4.11 Star Schema Fakta Persediaan

37 Star Schema Retur Penjualan Gambar 4.12 Star Schema Fakta Retur Penjualan

38 Star Schema Retur Pembelian Gambar 4.13 Star Schema Fakta Retur Pembelian

39 Metadata Metadata pada data warehouse Saga Machie meliputi beberapa hal informasi yang disajikan berupa nama tabel beserta detail rincian informasinya. Tabel tersebut adalah :

40 119 Tabel 4.20 Tabel Dimensi Waktu Nama Field Tipe Panjang Field Deskripsi WaktuID Int 5 Surrogate Key Tahun Int 5 Year(SalesTransDate) Year(POTransDate) Year(ReturPenjualanDa te) Year(ReturPembelianD ate) Year(PenerimaanProdu kdate) Year(PengeluaranProdu kdate) Bulan Int 5 Month(SalesTransDate) Month(POTransDate) M onth(returpenjualan Date) M onth(returpembelian Date) Month(PenerimaanProd ukdate) Month(PengeluaranPro dukdate) Hari Int 5 Day(SalesTransDate) Day(POTransDate) Sumber Data Nama Field Tipe Length Tabel datetime 8 H_SalesTrans H_PO H_ReturPenjuala n H_ReturPembelia n H_PenerimaanPr oduct H_PengeluaranPr oduk datetime 8 H_SalesTrans H_PO H_ReturPenjuala n H_ReturPembelia n H_PenerimaanPr oduct H_PengeluaranPr oduk datetime 8 H_SalesTrans H_PO Transformasi create copy copy copy

41 120 PK_Waktu Status dateti me varch ar Day(ReturPenjualanDat e) Day(ReturPembelianDa te) Day(PenerimaanProduk Date) Day(PengeluaranProdu kdate)) H_ReturPenjuala n H_ReturPembelia n H_PenerimaanPr oduct H_PengeluaranPr oduk 8 PK_Waktu datetime 8 DimensiWaktu Create 100 Status varchar 100 DimensiWaktu create

42 121 Tabel 4.21 Tabel Dimensi Oulet Nama Field Tipe Panjang Field Deskripsi Sumber Data Nama Field Tipe Length Tabel OutletID Int 5 Surrogate Key create OutletCode Char 5 Kode Outlet OutletName Varchar 100 Nama Outlet Outlet Code Outlet Name Char 5 varc har 100 M_Outl et M_Outl et Transformasi copy copy Tabel 4.22 Tabel Dimensi Location Nama Field Tipe Panjang Field Deskripsi Sumber Data Nama Field Tipe Length Tabel Transformasi LocationID Int 5 Surrogate Key create LocCode Char 10 Kode Lokasi LocCo de Lokasi Varchar 100 Nama Lokasi Lokasi Char 10 Varch ar 100 M_Loca tion M_Loca tion copy copy

43 122 Tabel 4.23 Tabel Dimensi Product Nama Field Tipe Panjang Field Deskripsi Sumber Data Nama Field Tipe Length Tabel ProductID Int 5 Surrogate Key create ProdCode Char 10 Kode Poduk ProductName Varchar 100 Nama Produk ProdC ode Produc tname Char 10 Varc har 100 M_Produ ct M_Produ ct transformasi copy copy Tabel 4.24 Tabel Dimensi Colour Nama Field Tipe Panjang Field Deskripsi Sumber Data Nama Field Tipe Lenght Tabel ColourID Int 5 Surrogate Key create Colour M_Colou ColourCode Char 4 Kode Warna Char 4 copy Code r Varc M_Colou Colour Varchar 100 Nama Warna Colour 100 copy har r Transformasi

44 123 Tabel 4.25 Tabel Dimensi Supplier Nama Field Tipe Panjang Field Deskripsi Nama Field Sumber Data Tipe Length Tabel Transformasi SupplierID Int 5 Surrogate Key create SupCode Char 6 Kode Supplier SupCode Char 6 M_Supplier copy SupplierName varchar 100 Nama Supplier Supplier Name Varch ar 100 M_Supplier copy Tabel 4.26 Tabel Dimensi Pesaing Nama Field Tipe Panjang Field Deskripsi Sumber Data Nama Field Tipe Length Tabel Transformasi PesaingID Int 5 Surrogate Key create PesaingCode Char 5 Kode Pesaing PesaingCode Char 5 EPesaing copy NamaPesaing varchar 100 Nama Pesaing NamaPesaing varchar 100 EPesaing copy ProductNam e varchar 100 Nama Supplier ProductName varchar 100 EPesaing copy HargaPesaing varchar 100 Harga Pesaing HargaPesaing varchar 100 EPesaing copy

45 124 Tabel 4.27 Tabel Dimensi Penduduk Nama Field Tipe Panjang Field Deskripsi Sumber Data Nama Field Tipe Length Tabel TransCode Int 5 Surrogate Key create RangeUmur Char 5 Range Umur RangeUmur Char 5 EUmurPe nduduk copy JenisUmur varchar 100 Jenis Umur JenisUmur varchar 100 EUmurPe nduduk copy ProductNam EUmurPe varchar 100 Nama Product ProductName varchar 100 e nduduk copy Transformasi

46 125 Tabel 4.28 Tabel Fakta Penjualan Nama Field Tipe Panjang Field Deskripsi WaktuID Int 5 Foreign Key OutletID Int 5 LocationID Int 5 ProductID Int 5 ColourID Int 5 PesaingID Int 5 TransID Int 5 Foreign Key Foreign Key Foreign Key Foreign Key Foreign Key Foreign Key Sumber Data Transformasi Nama Field Tipe Length Tabel WaktuID int 5 DimensiWaktu copy WaktuID dimana year(hj.salestransdate) = DimWk.Tahun AND month(hj.salestransdate) = DimWk.Bulan AND day (HJ.SalesTransDate) = DimWk.Hari AND DimWk.status like '%Penjualan%' DimensiOutlet Copy OutletID dimana OutletID int 5 DimOut.OutletCode = O.OutletCode DimensiLocation Copy LocationID dimana LocationID int 5 DimLoc.LocCode = Lc.LocCode DimensiProduct Copy ProductID dimana ProductID int 5 DimPro.ProdCode = Pr.ProdCode DimensiColour Copy ColourID dimana ColourID int 5 DimCol.ColourCode = C.ColourCode DimensiPesaing Copy PesaingID dimana PesaingID int 5 Dimpes.PesaingCode = Pes.PesaingCode TransID int 5 DimensiPenduduk Copy TransID dimana DimPen.TransCode =

47 126 JumlahPenj ualanprodu k Int 5 sum( DJ.Qt y ) Int 5 D_SalesTrans Um.TransCode calculate TotalPenju alanproduk HargaJualP roduk HargaPesai ng nume ric nume ric nume ric 5 30,2 30,2 sum( DJ.Qt y * Pr.HargaJua l) sum (Pr.HargaJu al) sum (Pes.HargaP esaing) Int 5 Int 5 Int 5 D_SalesTrans DimensiProduct EPesaing calculate calculate calculate

48 127 Tabel 4.29 Tabel Fakta Pembelian Nama Field Tipe Panjang Field Deskripsi WaktuID Int 5 Foreign Key SupplierID Int 5 Foreign Key ProductID Int 5 Foreign Key ColourID Int 5 Foreign Key JumlahPembelian Produk TotalPembelianPr oduk Sumber Data Nama Field Tipe Length Tabel WaktuID int 5 Dimensi waktu SupplierID int 5 Dimensi Supplier ProductID int 5 Dimensi Product ColourID int 5 Dimensi Colour Transformasi Int 5 sum(db.qty) Int 5 D_PO calculate numeric 30,2 sum(db.qty * Pr.HargaBeli) int 5 D_PO calculate copy WaktuID dimana year( HB.POTransDate) = DimWk.Tahun AND month( HB.POTransDate) = DimWk.Bulan AND day(hb.potransdate) = DimWk.Hari AND DimWk.status like '%Pembelian%' Copy SupplierID dimana DimSup.SupCode = S.SupCode Copy ProductID dimana DimPel.ProdCode = Pr.ProdCode Copy ColourID dimana DimCol.ColourCode = C.ColourCode

49 128 Tabel 4.30 Tabel Fakta Persediaan Nama Field Tipe Panjang Field Deskripsi Sumber Data Nama Field Tipe Length Tabel WaktuID Int 5 Foreign Key WaktuID int 5 Dimensi Waktu OutletID Int 5 Foreign Key OutletID int 5 Dimensi Outlet ProductID Int 5 Foreign Key ProductID int 5 Dimensi Product ColourID Int 5 Foreign Key ColourID int 5 Dimensi Colour SupplierID Int 5 Foreign Key SupplierID int 5 Dimensi Supplier Transformasi copy WaktuID dimana year( HTP.Penerimaan ProdukDate) = DimWk.Tahun AND month(htp.penerimaa nprodukdate) = DimWk.Bulan AND day( HTP.Penerimaan ProdukDate) = DimWk.Hari Copy OutletID dimana DimOut.OutletCode = O.OutletCode Copy ProductID dimana DimPro.ProdCode = Pr.ProdCode Copy ColourID dimana DimCol.ColourCode = C.ColourCode Copy SupplierID dimana DimSup.SupCode =

50 129 jmlhbrgmasuk int 5 sum (DTP.Qty) sum (DTP.Qty) jmlhbrgkeluar int 5 sum (DKP.Qty) sum(drb.qt y int 5 D_Pener imaanpr oduct D_Retur Penjuala n int 5 D_Peng eluaranp roduct D_Retur Pembeli an S.SupCode Calculate calculate Calculate calculate

51 130 Tabel 4.31 Tabel ReturPenjualan Nama Field Tipe Panjang Field Deskripsi Sumber Data Nama Field Tipe Length WaktuID Int 5 Foreign Key WaktuID int 5 OutletID Int 5 Foreign Key OutletID int 5 LocationID Int 5 Foreign Key LocationID int 5 ProductID Int 5 Foreign Key ProductID int 5 ColourID Int 5 Foreign Key ColourID int 5 JumlahReturPe njualan TotalReturPenj ualan numeric 30,2 numeric 30,2 sum (DRJ.Qty) sum (DRJ.Qty * Pr.HargaJua l) num eric num eric 30,2 30,2 Tabel Dimensi waktu Dimensi Outlet Dimensi Location Dimensi Product Dimensi Colour D_ReturP enjualan D_ReturP enjualan Transformasi copy WaktuID dimana HRJ.ReturPenjualanDat e = DimWk.PK_Waktu Copy OutletID dimana DimOut.OutletCode = O.OutletCode Copy LocationID dimana Lc.LocCode = DimLoc.LocCode Copy ProductID dimana DimPro.ProdCode = Pr.ProdCode Copy ColourID dimana DimCol.ColourCode = C.ColourCode Calculate Calculate

52 131 Tabel 4.32 Tabel ReturPembelian Nama Field Tipe Panjang Field Deskripsi Sumber Data Nama Field Tipe Length Tabel Transformasi WaktuID Int 5 SupplierID Int 5 ProductID Int 5 ColourID Int 5 JumlahReturPem belian TotalReturPemb elian numeric 30,2 numeric 30,2 Foreign Key Foreign Key Foreign Key Foreign Key WaktuID int 5 SupplierID int 5 ProductID int 5 ColourID int 5 sum (DRJ.Qty) sum (DRJ.Qty * Pr.HargaJual) numeri c numeri c 30,2 30,2 Dimensi waktu Dimensi supplier Dimensi Product Dimensi Colour D_Retur Pembelia n D_Retur Pembelia n copy WaktuID dimana HRB.ReturPembelia ndate = DimWk.PK_Waktu Copy SupplierID dimana S.SupCode = DimSup.SupCode Copy ProductID dimana Pr.ColourCode = C.ColourCode Copy ColourID dimana C.ColourCode = DimCol.ColourCode calculate Calculate

53 Rancangan Layar Aplikasi Pada layar login, user akan diminta untuk memasukkan Username, password, dan memilih manager type. Jika username dan password tidak sesuai dengan manager type akan muncul message box. Jika username dan password tidak di isi maka akan muncul juga message box sebagai berikut: Gambar 4.14 Rancangan Form Login Bila User memasukkan username, password dan manager type dengan benar, maka user akan masuk ke layar Menu Utama.

54 133 Gambar 4.15 Rancangan Menu Utama Jika user memilih report, maka akan masuk ke tampilan report. Pada halaman ini user bisa memilih laporan ditampilkan pivot tabel penjualan, Pembelian, Persediaan, ReturPenjualan dan laporan ReturPembelian produk. User dapat menampilkan informasi yang diinginkan dalam bentuk multidimensi. User dapat menentukan field mana saja yang akan di tampilkan. Selain itu, user dapat melihat laporan dalam bentuk grafik A B C 0 Gambar 4.16 Rancangan Laporan Penjualan

55 A B C A B C 0 Gambar 4.17 Rancangan Laporan Pembelian A B C A B C 0 Gambar 4.18 Rancangan Laporan Persediaan

56 A B C A B C 0 Gambar 4.19 Rancangan Laporan ReturPenjualan A B C A B C 0 Gambar 4.20 Rancangan Laporan ReturPembelian

57 Jika user memilih menu about us pada MDI Form, maka akan muncul tampilan berikut ini. 136 Gambar 4.21 Rancangan About Us 4.6 Rancangan Implementasi PT. Saga Machie telah menggunakan teknologi informasi dalam mendukung kegiatan operasional atau kegiatan bisnis sehari-hari. Teknologi yang digunakan meliputi penggunaan perangkat keras (hardware) dan perangkat lunak (software) Spesifikasi Hardware Perangkat keras atau hardware yang digunakan untuk keperluan operational pada PT. Saga Machie sebagai berikut: a. Satu buah PC server dengan spesifikasi sebagai berikut : Care 2 Duo processor 3,2 GHz. Memory 4 GB RAM. Hard disk 320MB.

58 137 Monitor 14 LCD. b. Empat Belas buah PC Client dengan spesifikasi sebagai berikut : Dual Core 2.8 GHz. Memory 2 GB RAM. Hard disk 180MB. Monitor 14 LCD c. Tujuh buah printer tipe Printer HP P200 d. Satu buah modem ADSL untuk koneksi internet dan Switch D- Link 24 port untuk mendukung jaringan / local area network (LAN) Spesifikasi Software Perangkat Lunak atau software yang digunakan untuk keperluan operational pada PT. Saga Machie adalah sebagai berikut : a. Server : - Sistem Operasi : Microsoft Windows Server Database : Microsoft SQL Server Front End Tool : Microsoft Visual Studio 2008 b. Client : - Sistem Operasi : Windows XP - Office Tools : Ms Office Word dan Ms Office Excel Selain komponen di atas dibutuhkan juga pendukung lain, yaitu Dev Express sebagai tools grafik dan pivot table.

59 Estimasi Waktu Implementasi Data warehouse Untuk waktu implementasi data warehouse, kegiatan diawali dengan instalasi software dan aplikasi yang dibutuhkan untuk mengisi hardware yang sudah ada. Kemudian dilanjutkan dengan melakukan konversi data operasional perusahaan dan proses transformasi data. Setelah semua selesai dilakukan, tahap selanjutnya yaitu melakukan uji coba aplikasi yang sudah jadi. Tahap uji coba dilakukan selama seminggu. Kemudian dilakukan training untuk pemahaman user selama 2 minggu. Dari hasil yang didapat, dilakukan evaluasi untuk melihat kemajuan dari pengimplementasian aplikasi tersebut. Berikut ini adalah tabel rencana implementasi sistem pada PT. Saga Machie : Tabel 4.33 Tabel Rencana Implementasi Sistem pada PT. Saga Machie No. Kegiatan 1 Instalasi software dan aplikasi 2 Transformasi data 3 Uji coba aplikasi 4 Pelatihan user 5 Evaluasi Minggu