BAB 2 LANDASAN TEORI. informasi, database, dan data warehouse adalah sebagai berikut : dimengerti oleh pemiliknya atau pihak yang bersangkutan.

Transkripsi

1 BAB 2 LANDASAN TEORI 2.1 Teori Umum Penjelasan tentang teori umum yang berhubungan dengan data dan informasi, database, dan data warehouse adalah sebagai berikut : Pengertian Data dan Informasi Menurut Inmon (2002, p388), data adalah sebuah rekaman fakta, konsep, atau instruksi pada sebuah media penyimpanan untuk komunikasi, pencarian, dan pemrosesan secara otomatis dan dapat memberikan informasi yang dapat dimengerti oleh pemiliknya atau pihak yang bersangkutan. Menurut McLeod dan George (2001, p12), data terdiri dari fakta dan angka yang secara relatif tidak berarti bagi pemakai. Menurut Devlin (1997, p11), informasi adalah sebuah representasi bisnis yang dipahami dan digunakan oleh pengguna akhir. Sehingga dapat disimpulkan bahwa data merupakan fakta yang memuat kejadian, tempat, dan subjek yang terjadi. Sedangkan informasi adalah data yang telah diolah dan menjadi berguna bagi perusahaan Pengertian Database Menurut O Brien (2005, p211), database adalah suatu koleksi terintegrasi dimana secara logika berhubungan dengan record dari file. 6

2 7 Menurut El Masri dan Navathe (2004, p4), database adalah kumpulan data yang terkait. Menurut Connolly dan Begg (2002, p14), database adalah suatu kumpulan data yang terkait secara logis dan disertai dengan deskripsi dari data tersebut yang dirancang untuk memenuhi kebutuhan informasi dari sebuah organisasi. Menurut Inmon (2002, p388), database adalah sekumpulan penyimpanan data yang berhubungan (sering dengan pengontrolan, redudansi yang terbatas) yang berdasarkan suatu skema. Jadi database adalah tempat penyimpanan data yang saling berhubungan dan terintegrasi secara logika, sehingga dapat digunakan untuk mendapatkan suatu informasi yang diperlukan oleh suatu organisasi atau perusahaan Entity Relationship Modelling Menurut Connolly dan Begg (2002, p330), salah satu aspek yang sulit dalam perancangan database adalah kenyataan bahwa perancang, programmer dan pemakai akhir cenderung melihat data dengan cara yang berbeda. Untuk memastikan pemahaman secara alamiah dari data dan bagaimana data digunakan oleh perusahaan dibutuhkan sebuah bentuk komunikasi non-teknis dan bebas dari kebingungan. Berikut ini merupakan bagian dari entity relationship modelling :

3 Entity Type Menurut Connolly dan Begg (2002, p331), entity type adalah kumpulan objek yang berproperti sama, di mana properti tersebut diidentifikasikan memiliki keberadaan yang bebas Attribute Menurut Connolly dan Begg (2002, p338), attribute adalah properti dari sebuah entity atau sebuah tipe relationship Relationship Type Menurut Connolly dan Begg (2002, p334), relationship type adalah sekumpulan hubungan antara satu atau lebih tipe entity Kunci (Key) Pada setiap entitas, kita perlu mengidentifikasi secara unik berdasarkan nilai data pada satu atribut atau lebih. Maka tiap entitas harus memiliki key. Menurut Whitten et.al. (2004, p282) key adalah atribut atau kelompok atribut yang mengasumsikan nilai unik untuk setiap contoh entitas. Menurut Whitten et.al. (2004, p284) ada beberapa macam key yaitu : 1. Candidate key adalah satu dari sekian banyak key yang berlaku sebagai primary key suatu entitas. 2. Primary key adalah candidate key yang paling umum untuk mengidentifikasi contoh entitas tunggal.

4 9 3. Alternate key adalah candidate key yang tidak terpilih menjadi primary key. Sedangkan menurut Connolly dan Begg (2002, p340), key terdiri dari : 1. Candidate key adalah set minimal atribut yang secara unik mengidentifikasi setiap terjadinya suatu tipe entitas. 2. Primary key adalah candidate key yang dipilih untuk mengidentifikasi secara unik setiap kejadian atau sebuah tipe entitas. 3. Composite key adalah candidate key yang terdiri dari dua atribut atau lebih Entity Relationship Diagram (ERD) Menurut Whitten et.al. (2004, p295), ERD adalah model data yang menggunakan beberapa notasi untuk menggambarkan data dalam konteks entitas dan hubungan yang dideskripsikan oleh data tersebut Pengertian Database Management System (DBMS) Menurut Connolly dan Begg (2002, p16), DBMS adalah sebuah sistem perangkat lunak yang memungkinkan pengguna untuk mendefinisikan, membuat, mempertahankan, dan mengontrol akses ke database.

5 Pengertian On-Line Transaction Processing (OLTP) Menurut Kimball dan Ross (2002, p408), OLTP adalah deskripsi awal dari setiap aktivitas dan sistem yang berhubungan dengan proses memasukkan data kedalam sebuah database. Sehingga dapat disimpulkan OLTP merupakan suatu pemrosesan yang menyimpan data mengenai kegiatan operasional transaksi sehari-hari. OLTP memungkinkan banyak user untuk mengakses secara bersamaan terhadap sumber database yang sama, di mana database-nya bersifat rasional dan sudah ternormalisasi On-Line Analytical Processing (OLAP) Menurut Connolly dan Begg (2002, p1101), OLAP adalah suatu perangkat yang menggunakan gambaran multidimensi sejumlah data untuk menyediakan akses yang lebih cepat bagi strategi informasi dengan tujuan mempercepat analisis. OLAP memperbolehkan user untuk menganalisis database yang besar untuk mendapatkan informasi yang lebih spesifik. Database untuk sistem OLAP disusun teratur agar lebih efisien dalam penyimpanan data statis. Karena penyimpanan OLAP adalah multidimensi, biasanya disebut cube. Menurut Connolly dan Begg (2002, p1104), manfaat OLAP antara lain : 1. Meningkatkan produktivitas pengguna akhir, pengembang TI, dan akibatnya ke seluruh organisasi.

6 11 2. Mengurangi backlog pengembangan aplikasi untuk staf TI dengan membuat pengguna akhir cukup mandiri untuk membuat perubahan skema mereka sendiri dan membangun model mereka sendiri. 3. Penyimpanan kontrol organisasi atas integritas data perusahaan sebagai aplikasi OLAP yang tergantung pada data warehouse dan sistem OLTP untuk memperbarui tingkat sumber data. 4. Mengurangi keraguan dan lalu lintas jaringan pada sistem OLTP atau pada data warehouse. 5. Meningkatkan potensi pendapatan dan profitabilitas dengan memungkinkan organisasi untuk merespon lebih cepat terhadap permintaan pasar Konsep Data Warehouse Beberapa konsep tentang data warehouse adalah sebagai berikut : Pengertian Data Warehouse Menurut Devlin (1997, p20), data warehouse adalah menyimpanan data secara tunggal, lengkap, dan konsisten yang diperoleh dari berbagai sumber dan tersedia untuk pengguna akhir dengan cara yang mereka pahami dan digunakan dalam konteks bisnis. Menurut Inmon (2002, p389), data warehouse merupakan sebuah koleksi yang terintegrasi, database yang berorientasi subjek yang didesain untuk

7 12 mendukung fungsi Decission Support System (DSS), yang mana setiap unit data saling berkaitan dalam suatu keadaan. Jadi, data warehouse merupakan kumpulan data yang mendukung proses pengambilan keputusan dalam suatu perusahaan. Secara fisik data warehouse adalah database, tapi perancangan data warehouse dan database sangat berbeda. Dalam perancangan database tradisional menggunakan normalisasi, sedangkan pada data warehouse normalisasi bukanlah cara yang terbaik Karakteristik Data Warehouse Karakteristik data warehouse yaitu : 1. Berorientasi Subjek (Subject-Oriented) Menurut Inmon (2002, p31), subject-oriented Artinya data warehouse diorganisasikan di sekitar subjek utama dari suatu perusahaan seperti pelanggan, produk, dan penjualan bukan diorganisasikan pada area aplikasi utama seperti faktur pelanggan, pengendalian stok, dan penjualan produk. Ini tercermin dari kebutuhan untuk menyimpan data yang bersifat mendukung keputusan dari pada aplikasi yang berorientasi pada data. 2. Terintegrasi (Integrated) Menurut Inmon (2002, p32), data warehouse bersifat terintegrasi karena sumber data berasal dari sistem aplikasi yang berbeda pada perusahaan. Sumber data yang ada sering tidak konsisten contohnya format yang

8 13 berbeda. Sumber data yang terintegrasi harus dibuat konsisten untuk menyajikan data yang seragam pada pengguna. 3. Time Variant Menurut Inmon (2002, p34), dalam data warehouse, data harus akurat dan benar pada rentang waktu tertentu. Setiap unit dalam data warehouse hanya akurat dan tepat dalam periode tertentu. 4. Non-volatile Menurut Inmon (2002, p33), non-volatile artinya data dalam data warehouse tidak dapat di-update secara real time tetapi diperbarui dari sistem operasional secara reguler. Data baru selalu ditambahkan sebagai tambahan dalam database, dari pada sebagai sebuah pengganti. Database secara terus menerus menyerap data baru ini dan mengintegrasikan dengan data sebelumnya Struktur Data Warehouse Ada beberapa struktur yang spesifik terdapat pada bagian warehouse manager. Bagian tersebut merupakan struktur data warehouse.

9 14 Highly summarized Lightly summarized (Data Mart) M e t a d a t a Current detail Operational transformation Old detail Sumber : Inmon (2002, p36) The Building Data Warehouse Gambar 2.1 : Struktur Data Warehouse Komponen dari struktur data warehouse menurut Inmon (2002, p35) adalah: 1. Current detail data Current detail data merupakan data detil yang aktif saat ini, mencerminkan keadaan yang sedang berjalan dan merupakan level terendah dalam data warehouse. Jumlah data sangat besar sehingga memerlukan tempat penyimpanan yang besar pula dan dapat diakses secara cepat. Dampak negatif yang ditimbulkan adalah kerumitan untuk

10 15 mengatur data menjadi meningkat dan biaya yang diperlukan menjadi mahal. 2. Older detail data Data ini merupakan data historis dari current detail data, dapat berupa hasil cadangan atau archive data yang disimpan dalam storage terpisah. Karena bersifat cadangan (back-up), maka biasanya data disimpan dalam tempat penyimpanan alternatif seperti tape-desk. 3. Lighlty summarized data Data ini merupakan ringkasan atau rangkuman dari current detail data. Data ini dirangkum berdasarkan periode atau dimensi lainnya sesuai dengan kebutuhan. Ringkasan dari current detail data belum bersifat total summary. 4. Highly summarized data Data ini merupakan tingkat lanjutan dari lightly summarized data, merupakan hasil ringkasan yang bersifat totalitas, dapat diakses misal untuk melakukan analisis perbandingan data berdasarkan urutan waktu tertentu dan analisis menggunakan data multidimensi Metadata Menurut Devlin (1997, p52), metadata adalah data yang menggambarkan makna dan struktur data bisnis, seperti bagaimana dibuat, diakses, dan digunakan.

11 16 Metadata berisikan data yang menyimpan proses perpindahan data meliputi struktur database, kontens, data detail dan summary data, matriks, versioning, aging criteria, versioning, transformation criteria. Metadata khusus dan memegang peranan yang sangat penting dalam data warehouse. Metadata sendiri mengandung : 1. Struktur data Sebuah direktori yang membantu user untuk melakukan analisis DSS dalam pencarian letak/lokasi dalam data warehouse. 2. Algoritma Algoritma digunakan untuk summary data. Metadata sendiri merupakan panduan untuk algoritma dalam melakukan pemrosesan summary data antara current detail data dengan lightly summarized data dan antara lightly summarized data dengan hightly summaried data. 3. Mapping Sebagai panduan pemetaan (mapping) data pada saat data diubah dari lingkup operasional menjadi lingkup data warehouse Aliran Data dalam Data Warehouse Menurut Connolly dan Begg (2002, p1058), aliran data pada data warehouse adalah sebagai berikut : 1. Inflow Merupakan proses yang terkait dengan ekstraksi, pembersihan, dan pemuatan data dari sistem sumber ke data warehouse.

12 17 2. Upflow Merupakan proses yang terkait dengan penambahan nilai pada data di data warehouse seperti peringkasan, pengemasan, dan pendistribusian data. 3. Downflow M erupakan proses yang berhubungan dengan pengarsipan dan backingup data dalam data warehouse. 4. Outflow Merupakan proses yang terkait dengan pembuatan data yang dapat digunakan oleh pengguna akhir Anatomi Data Warehouse Penerapan awal dari arsitektur data warehouse dibuat berdasarkan konsep bahwa data warehouse mengambil data dari berbagai sumber dan memindahkannya ke dalam pusat pengumpulan data yang besar. Konsep ini sebenarnya lebih cenderung kepada sebuah lingkungan mainframe yang terpusat. Berikut ini adalah tiga jenis dasar sistem Data Warehouse : 1. Data Warehouse Fungsional (Functional Data Warehouse) Kata operasional disini merupakan database yang diperoleh dari kegiatan sehari-hari. Data warehouse dibuat lebih dari satu dan dikelompokkan berdasarkan fungsi yang ada di dalam perusahaan seperti fungsi keuangan (financial), marketing, dan personalia.

13 18 Keuntungan dari bentuk data warehouse seperti ini adalah sistem mudah dibangun dengan biaya relatif murah, sedangkan kerugiannya adalah resiko kehilangan konsistensi data dan terbatasnya kemampuan dalam pengumpulan data bagi pengguna. Sumber : Setiawan (2006) Teori Data Warehouse Gambar 2.2 : Functional Data Warehouse 2. Data Warehouse Terpusat (Centralized Data Warehouse) Bentuk ini terlihat seperti bentuk data warehouse fungsional, namun terlebih dahulu sumber data dikumpulkan dalam satu tempat terpusat, kemudian data disebar ke dalam fungsinya, sesuai kebutuhan perusahaan. Data warehouse terpusat ini, biasa digunakan oleh perusahaan yang belum memiliki jaringan eksternal.

14 19 Keuntungan dari bentuk ini adalah data menjadi terpadu karena konsistensinya yang tinggi, sedangkan kerugiannya adalah biaya yang mahal serta memerlukan waktu yang cukup lama untuk membangunnya. Sumber : Setiawan (2006) Teori Data Warehouse Gambar 2.3 : Centralized Data Warehouse 3. Data Warehouse Distribusi (Distributed Data Warehouse) Pada data warehouse terdistribusi ini, digunakan gateway yang berfungsi sebagai jembatan penghubung antara data warehouse dengan workstation yang menggunakan sistem beraneka ragam. Dengan sistem terdistribusi seperti ini memungkinkan perusahaan dapat mengakses sumber data yang berada diluar lokasi perusahaan (eksternal). Keuntungannya adalah data tetap konsisten karena sebelum data digunakan data terlebih dahulu disesuaikan atau mengalami proses sinkronisasi. Sedangkan kerugiannya adalah lebih kompleks untuk diterapkan karena sistem operasi dikelola secara terpisah juga biayanya

15 20 yang paling mahal dibandingkan dengan dua bentuk data warehouse lainnya. Sumber : Setiawan (2006) Teori Data Warehouse Gambar 2.4 : Distributed Data Warehouse Keuntungan Data Warehouse Menurut Connolly dan Begg (2002, p1048), keuntungan data warehouse antara lain : 1. Potensi laba atas investasi yang tinggi Sebuah organisasi harus mengeluarkan sejumlah besar sumber daya untuk menjamin keberhasilan pelaksanaan data warehouse dan biayanya sesuai dengan variasi solusi teknis yang ada. 2. Keuntungan kompetitif Besar laba atas investasi bagi perusahaan yang telah berhasil menerapkan data warehouse adalah bukti dari keuntungan kompetitif yang sangat besar yang menyertai teknologi ini. Keuntungan kompetitif diperoleh

16 21 dengan memungkinkan para pengambil keputusan mengakses data yang sebelumnya tidak tersedia, tidak diketahui, dan belum dimanfaatkan seperti pelanggan, tren, dan permintaan. 3. Peningkatan produktivitas para pembuat keputusan dalam perusahaan Data warehouse meningkatkan produktivitas pembuat keputusan dengan menciptakan database terintegrasi yang konsisten, berorientasi subjek, dan data historis. Data warehouse mengintegrasikan data dari beberapa sistem yang tidak kompatibel ke dalam bentuk yang menyediakan satu tampilan konsisten dalam suatu organisasi. Dengan mengubah data menjadi informasi yang bermakna, data warehouse memungkinkan manajer bisnis untuk melakukan analisis yang lebih substantif, akurat, dan konsisten Istilah Istilah Dalam Data Warehouse Istilah-istilah yang berkaitan dengan data warehouse : 1. Data Mart Menurut Connolly dan Begg (2002, p1067), data mart adalah subset dari data warehouse yang mendukung kebutuhan suatu departemen atau fungsi bisnis. Menurut Turban et.al. (2008, p40), data mart adalah bagian dari data warehouse, biasanya terdiri dari subjek wilayah tunggal. Data mart dapat berupa bergantung (dependent) atau tidak bergantung (independent).

17 22 Data dependent adalah bagian yang diciptakan secara langsung dari data warehouse. Data dependent memiliki keuntungan dengan menggunakan model data yang konsisten dan menyediakan data berkualitas. Data mart dependent mendukung konsep tunggal enterprisewide data model, tetapi data warehouse harus dibangun terlebih dahulu. Sebagai alternatif, banyak perusahaan menggunakan biaya yang lebih rendah, skala-down versi data warehouse disebut sebagai data mart independent. Data mart independent adalah gudang kecil yang dirancang untuk unit bisnis strategis atau departemen, tetapi sumbernya bukan data warehouse perusahaan. 2. Tabel Dimensi (Dimension Table) Menurut Inmon (2002, p389), tabel dimensi adalah tabel di mana data tambahan berhubungan dengan tabel fakta yang di tempatkan pada tabel multidimensi. 3. Tabel Fakta (Fact Table) Menurut Inmon (2002, p391), tabel fakta merupakan pusat dari tabel star join di mana data dengan banyak kepentingan tersimpan. 4. Decision Support System (DSS) Menurut Inmon (2002, p389), DSS merupakan sistem yang digunakan untuk mendukung keputusan manajerial.

18 Extract, Transform, Loading (ETL) Menurut Inmon (2002, p390), ETL adalah proses mengambil data yang sudah ada dan mengintegrasikan ke data warehouse. Data Warehouse dibangun dengan mengintegrasikan data yang berasal dari berbagai sumber data, yaitu database operasional. Dalam suatu perusahaan, data operasional biasanya berada pada daerah kekuasaan departemen dalam bentuk database OLTP. Untuk melakukan proses integrasi ini arsitektur data warehouse menggunakan suatu aplikasi yang disebut ETL. Sesuai dengan namanya, aplikasi ETL melakukan fungsi extract, transform dan load. Proses extract adalah proses pengambilan data dari sumber data. Disebut extract, karena proses pengambilan data ini tidak mengambil keseluruhan data yang ada di database operasional, melainkan hanya mengambil data matang saja. Proses extract ini harus mengakomodir berbagai macam teknologi yang digunakan oleh sumber data dan diintegrasikan ke dalam database tunggal. Kemudian data hasil extract ini menjalani proses transformasi yang pada prinsipnya adalah mengubah kode yang ada menjadi kode standar, misalnya kode propinsi. Hal ini perlu dilakukan mengingat data yang diambil berasal dari sumber yang berbeda yang kemungkinan memiliki standarisasi yang berbeda pula. Standarisasi diperlukan untuk nantinya memudahkan pembuatan laporan. Arsitektur data warehouse yang umum biasanya menempatkan satu server database terpisah yang disebut staging yang berfungsi untuk menangani

19 24 proses extract dan transform ini sebelum dilakukan proses load ke tujuan akhir data warehouse. Proses load dalam ETL adalah suatu proses mengirimkan data yang telah menjalani proses transformasi ke data warehouse akhir di mana aplikasi reporting dan business warehouse siap mengakses Perancangan Data Warehouse dengan Skema Bintang (Star Schema) Menurut Connolly dan Begg (2002, p1079), skema bintang adalah struktur logis fakta yang memiliki tabel yang berisi data faktual di tengah dan dikelilingi oleh tabel dimensi yang berisi data referensi (yang dapat didenormalisasikan). Keuntungan dari penggunaan skema bintang: 1. Respon data lebih cepat daripada perancangan database operasional. 2. Mempermudah dalam hal modifikasi atau pengembangan data warehouse yang terus menerus. 3. End-user dapat menyesuaikan cara berfikir dan menggunakan data. 4. Menyederhanakan pemahaman dan penelusuran metadata bagi pemakai dan pengembang. Jenis skema bintang adalah sebagai berikut : Dengan penggunaanya terdapat dua jenis skema bintang yang tergantung dengan kebutuhan, yaitu Skema Bintang Sederhana dan Skema Bintang Majemuk yang akan terinci lebih lanjut berikut ini: Skema Bintang Sederhana adalah sebagai berikut :

20 25 Dalam skema bintang sederhana, setiap tabel mempunyai primary key yang terdiri dari sebuah kolom atau lebih. Primary key akan membuat setiap baris menjadi unik. Primary key tersebut pada tabel fakta akan menjadi foreign key. Primary key pada tabel fakta, terdiri dari satu atau lebih foreign key. Sumber : Setiawan (2006) Teori Data Warehouse Gambar 2.5 : Skema Bintang Sederhana Pada gambar 2.5 menunjukan hubungan antara satu tabel fakta dan tiga tabel dimensi. Tabel utama terdapat primary key yang terdiri dari tiga foreign key, yaitu kunci-1, kunci-2 dan kunci-3, yang masing masing merupakan primary key di tabel masing-masing. Dalam sebuah skema bintang, dapat juga memiliki lebih dari satu tabel fakta, karena adanya fakta yang tidak saling berhubungan. Tabel semacam ini umumnya digunakan untuk jumlah data yang besar dan untuk berbagai macam tabel data yang teragregasi

21 26 Sumber : Setiawan (2006) Teori Data Warehouse Gambar 2.6 : Skema Bintang Dengan Beberapa Tabel Fakta Pada gambar 2.6 terdapat dua tabel fakta dan tiga tabel dimensi yang memperlihatkan hubungan many to one antara foreign key pada kedua tabel fakta tersebut dengan primary key pada masing masing tabel dimensi. Tabel dimensi mungkin juga mengandung foreign key yang mereferensikan primary key di tabel dimensi yang lain. Tabel dimensi yang direferensikan ini dinamakan outboard atau secondary dimension table. Sumber : Setiawan (2006) Teori Data Warehouse Gambar 2.7 : Skema Bintang Dengan Tabel Dimensi Tambahan

22 State Transition Diagram (S TD) Menurut Whitten et.al. (2004, p673), STD adalah sebuah perlengkapan yang digunakan untuk menggambarkan urutan dan variasi dari layar yang terjadi menurut sesi pengguna. 2.2 Teori Khusus Penjelasan tentang teori khusus berdasarkan judul skripsi yang diambil adalah sebagai berikut : Program Frequent Flyer Menurut Anonimusb (2009), Program frequent flyer merupakan layanan apresiasi pelanggan yang diadakan oleh kebanyakan perusahaan penerbangan terkemuka, dimana pelanggan yang menjadi peserta program akan memperoleh kesempatan mengumpulkan mileage sesuia jarak penerbangan yang dilakukan, yang kemudian dapat ditukarkan dengan penerbangan secara cuma-cuma Business Warehouse Menurut Turban et.al. (2008, p9), Business Warehouse (BW) adalah istilah yang mencakup arsitektur, peralatan, database, aplikasi, dan metodologi. Proses dari BW adalah berdasarkan transformasi data ke informasi, lalu keputusan, dan akhirnya ke tindakan (informasi pada waktu yang tepat di tempat yang tepat).

23 28 Selain itu, BW merupakan pengembangan dari Executive Information System (EIS) yang di dalamnya terdapat data warehouse dan dilengkapi bukan hanya kemampuan yang diberikan oleh EIS tetapi juga terdapat kemampuan Decision Support System (DSS), Customer Relationship Management (CRM), dan kemampuan analisis lainnya yang berguna untuk kepentingan bisnis dari perusahaan tersebut. EIS adalah suatu sistem interaktif yang memungkinkan manajer dan eksekutif mengakses kepada informasi secara fleksibel untuk memonitor hasil dan kondisi bisnis secara umum. Menurut Liautaud dan Hammond (2001, p292), CRM adalah istilah yang digunakan untuk menggambarkan baik proses bisnis dan aplikasi perangkat lunak terkait keluarga. proses berhubungan dengan perusahaan memanfaatkan informasi pelanggan untuk melayani pelanggan dengan lebih baik. Tumpukan perangkat lunak terkait telah muncul dalam beberapa tahun terakhir ini bertujuan untuk memfasilitasi proses bisnis. Business Warehouse adalah komponen kunci dari solusi perangkat lunak CRM. Berikut ini adalah hal yang berhubungan dengan Business Warehouse : Arsitektur dan Komponen BW Arsitektur dan Komponen BW menurut Turban et.al. (2008, p11) adalah sebagai berikut :

24 29 1. Data warehouse (DW) DW merupakan database khusus atau tempat penyimpanan data yang telah disiapkan untuk mendukung aplikasi pengambilan keputusan mulai dari laporan sederhana dan optimasi query yang kompleks. DW dibangun dengan metodologi, terutama metadata, ETL dan data mart. 2. Analisis Bisnis (Business Analytics) Ada banyak peralatan software yang memungkinkan pengguna untuk membuat laporan, query dan permintaan untuk menganalisis data. Awalnya muncul di bawah nama OLAP. Contohnya, pengguna dapat menganalisis perbedaan dimensi data, seperti waktu seri dari penjualan di setiap cabang dan menganalisis tren. Dengan demikian, pengguna bisnis dapat dengan cepat dan mudah mengidentifikasi kinerja tren dengan menggunakan waktu analisis infomasi bertahap dan grafik kemampuan produk yang mendukung analisis data yang lebih canggih dan memiliki kemampuan bidang hitung penuh yang terintegrasi ke dalam laporan. 3. Automated Decision Systems (ADS) Pendekatan yang relatif baru untuk mendukung pengambilan keputusan dikenal sebagai automated decision systems (ADS), juga dikenal sebagai decision automation systems (DAS). Ada sistem berbasis aturan yang memberikan solusi biasanya dalam satu area fungsional spesifik masalah manajerial berulang, biasanya dalam satu industri, misalnya, ada atau tidak menerima permintaan untuk pinjaman

25 30 4. Data Mining Data mining adalah kelas dari analisis informasi berdasarkan database yang mencari pola tersembunyi di dalam pengumpulan data yang dapat digunakan untuk memprediksi perilaku masa depan. Contohnya, dapat membantu perusahaan ritel menemukan pelanggan dengan kepentingan umum. Namun, istilah ini sering disalahgunakan untuk menggambarkan perangkat lunak yang menyajikan data dengan cara baru. Sebenarnya perangkat lunak data mining tidak hanya mengubah presentasi, tetapi sebenarnya tidak diketahui sebelumnya menemukan hubungan antara data. pengetahuan ini kemudian diterapkan untuk mencapai tujuan bisnis tertentu. 5. Business Performance Management (BPM) Komponen ini didasarkan pada metodologi Balanced Scorecard, yang merupakan kerangka kerja untuk mendefinisikan, menerapkan, dan mengelola sebuah strategi bisnis perusahaan dengan menghubungkan tujuan dengan ukuran faktual. Di lain kata, itu adalah cara untuk menghubungkan tingkat atas metrik seperti informasi finalsial yang dibuat oleh CFO, dengan pertunjukan aktual sepanjang perjalanan menuruni urutan kekuasaan perusahaan. BPM menggunakan laporan analisis BW dan query.

26 31 6. Antarmuka Pengguna : Dashboard dan Alat Informasi Penyiaran Lainnya Memberikan tampilan visual yang komprehensif dari tolak ukur kinerja perusahaan, tren, dan pengecualian dari beberapa area bisnis. Grafik menunjukkan performa yang sebenarnya dibandingkan dengan matrik yang diinginkan, sehingga memberikan pandangan sekilas dari kesehatan organisasi. 7. Pelaratan Visualisasi (Visualization Tools) Banyak peralatan visualisasi, mulai dari persentasi kubus multidimensional kepada realitas virtual, merupakan bagian integral dari sistem BW. Ingat bahwa BW muncul dari EIS, begitu banyak sarana bantuan visual bagi para eksekutif yang tergabung dalam perangkat lunak BW Keuntungan dari BW Keuntungan dari BW menurut beberapa ahli adalah sebagai berikut : Keuntungan dari BW menurut Eckerson (2003) adalah : 1. Waktu penyimpanan. 2. Single vesion of truth atau versi tunggal yang terpercaya kebenarannya. 3. Meningkatkan strategi dan rencana. 4. Meningkatkan keputusan dalam bersiasat. 5. Proses yang lebih efisien.

27 32 6. Penghematan biaya. Keuntungan BW menurut Thompson (2004) adalah : 1. Lebih cepat, pelaporan yang lebih akurat. 2. Meningkatkan pembuatan keputusan. 3. Meningkatkan pelayanan pelanggan. 4. Meningkatkan pendapatan SAP BW SAP Business Information Warehouse (SAP BW) berguna untuk menganalisis data dari operasional SAP R / 3 aplikasi atau aplikasi bisnis lainnya, serta dapat mengekstrak dan menganalisis data dari sumber-sumber eksternal seperti database, layanan online, dan internet Teori yang Berhubungan dengan SAP BW 1. Info Source Dalam BW, sebuah info source menggambarkan jumlah semua data yang tersedia untuk transaksi bisnis atau tipe dari transaksi bisnis. Sebuah info source adalah jumlah informasi yang logis, diringkas dalam satu unit. Info source berisi data transaksi atau data master (atribut, teks, dan hierarki). 2. Data Source Sebuah data source adalah kumpulan field yang menyediakan data untuk unit bisnis sehingga dapat mentransfer data ke BW.

28 33 3. Info Area Menurut Anonimusa (2004, p8), folder yang dibuat sebagai tempat penyimpanan info cube. 4. Info Object Menurut Anonimusa (2004, p7), objek analisis bisnis (seperti : pelanggan, penjualan, dan lainnya) biasa disebut info object di dalam SAP BW. Info objek dapat dibagi menjadi karakteristik dan key figures. 5. Characteristic Menurut Anonimusa (2004, p7), tipe dari info object. Karakteristik menyediakan klasifikasi kemungkinan untuk dataset. Karakteristik terdiri dari unit, karakteristik waktu, dan karakteristik teknikal (sepert : permintaan ID). 6. Key Figure Menurut Anonimusa (2004, p7), semua data yang digunakan untuk menyimpan nilai atau kuantitas. Contoh : harga, penjualan, killowat-jam, dan lain-lain. 7. Info Cube Menurut Anonimusa (2004, p8), suatu pusat penyimpanan data yang membentuk dasar untuk laporan dan analisis dalam SAP BW. Info cube terdiri dari key figures dan menghubungkan ke karakteristik. Sebuah info cube terdiri dari tabel beberapa database yang terhubung menurut skema bintang. Info cube merupakan tabel fakta yang berisi key figures info cube serta beberapa dimensi tabel sekitarnya yang menyimpan hubungan

29 34 ke karakteristik. Setiap info cube memiliki satu tabel fakta, dan maksimal 16 tabel dimensi. Setiap tabel fakta dapat berisi maksimal 233 key figures. Setiap dimensi dapat berisi 248 karakteristik bebas. 8. Info Provider Menurut Anonimusa (2004, p9), info provider adalah istilah sub-ordinat untuk suatu objek yang dapat digunakan untuk membuat laporan dalam bisnis explorer (BEx). Selain itu, info provider digunakan sebagai objek atau pandangan yang relavan dengan pelaporan. Info providers mencakup berbagai database metaobjects yang memberikan data untuk query definisi. 9. Info Packages Info packages adalah suatu alat untuk meng-upload suatu paket data dari sumber data ke tempat penyimpanan sementara atau Persistance Staging Area (PSA). 10. Data Transfer Process Data Transfer Process adalah suatu proses untuk mentransfer data dari PSA ke info cube atau Operational Data Store (ODS). 11. Transformation Transformation adalah suatu proses menentukan communication structure dan transfer rules agar dapat menentukan hubungan antara tabel sumber data dengan tabel dari master data atau info cube.

30 Communication Structure Struktur komunikasi antara tabel sumber data dengan tabel data target yang dapat berupa master data/info objek, info cube, dan ODS. 13. Business Explorer (BEx) Analyzer Menurut Anonimusa (2004, p547), alat untuk menganalisis dan membuat laporan dalam Bex terdapat pada microsoft excel. Di dalam BEx analyzer, dapat menganalisis data info provider terpilih melalui navigasi untuk pembuatan query dalam BEx Query Desainer dan dapat membuat pandangan query yang berbeda untuk data. 14. BEx Web Application Designer Menurut Anonimusa (2004, p13), aplikasi desktop untuk membuat website dengan BW kontenks. Dengan BEx web application designer, dapat membuat halaman HTML yang berisi spesifikasi BW kontenks, seperti : tabel yang berbeda, bagan, atau peta.