berpengaruh pada waktu query dan besarnya data.

Transkripsi

1 L1 Lampiran 1. Mengatur aggregasi pada OLAP Pada tampilan seperti diatas,kita harus menentukan performance dari cube yang telah kita buat. Disini kita harus menentukan jumlah performance yang tepat untuk cube kita. Pertama tentukan performance yang diinginkan kemudian klik tombol start, maka akan muncul grafik baru disebelah kanan yang kemudian dapat kita lihat apakah performance sekian persen sudah optimal. Performance harus ditentukan dengan hati-hati karena akan berpengaruh pada waktu query dan besarnya data.

2 L2 Lampiran 2. Tampilan Analysis Manager Gambar diatas adalah gambar meta data dari cube-cube yang sudah dibuat yang berisi tentang status,size,jumlah partisi dan waktu proses dari cube-cube yang sudah dibuat. Pertama klik kanan pada folder Cubes,kemudian klik Process All Cubes. Maka akan muncul tampilan Process yang akan memberitahu apakah prosesnya sukses atau tidak.

3 L3 Lampiran 3. Cube Browser Fakta Pembelian Tampilan pada layar ini merupakan cube browser bagi fakta pembelian. Pada sisi vertikal terdapat nama material, sedangkan pada sisi horizontal terdapat measure fakta pembelian yaitu qty pembelian, qty retur pembelian dan total pembelian. Cube tersebut dapat dilihat berdasarkan waktu dan supplier tertentu sesuai kebutuhan. Terdapat tompol close untuk keluar dari layer, dan tombol help untuk masuk ke menu bantuan.

4 L4 Lampiran 4. Cube Browser Fakta Penjualan Tampilan pada layar ini merupakan cube browser bagi fakta penjualan. Pada sisi vertikal terdapat nama karyawan, sedangkan pada sisi horizontal terdapat measure fakta penjualan yaitu qty penjualan, qty retur penjualan dan total penjualan. Cube tersebut dapat dilihat berdasarkan waktu, jenis produk dan customer tertentu sesuai kebutuhan. Terdapat tompol close untuk keluar dari layer, dan tombol help untuk masuk ke menu bantuan.

5 L5 Lampiran 5. Cube Browser Fakta Piutang Tampilan pada layar ini merupakan cube browser bagi fakta piutang. Pada sisi vertikal terdapat nama customer, sedangkan pada sisi horizontal terdapat measure fakta penjualan yaitu jml_piutang, jml_byr_piutang dan jumlah_akhir_piutang. Cube tersebut dapat dilihat berdasarkan waktu, jenis produk dan customer tertentu sesuai kebutuhan. Terdapat tompol close untuk keluar dari layer, dan tombol help untuk masuk ke menu bantuan.

6 L6 Lampiran 6. Cube Browser Fakta Hutang Tampilan pada layar ini merupakan cube browser bagi fakta hutang. Pada sisi vertikal terdapat nama material, sedangkan pada sisi horizontal terdapat measure fakta hutang yaitu jml_hutang, jml_byr_hutang dan jumlah_akhir_hutang. Cube tersebut dapat dilihat berdasarkan waktu, material, dan supplier tertentu sesuai kebutuhan. Terdapat tompol close untuk keluar dari layer, dan tombol help untuk masuk ke menu bantuan.

7 L7 Lampiran 7. DTS Package Dimensi Customer Gambar diatas merupakan proses transformasi data yang terjadi pada dimensi customer. Data dari OLTP akan di transformasikan kedalam staging area untuk mengubah karakteristik data yang masuk, dimana tiap data memiliki format/tipe yang berbeda, menjadi bentuk data yang konsisten dan terintegrasi. Data yang telah tersaring akan dikumpulkan ke data warehouse untuk digunakan sebagai sumber data menganalisis laporan.

8 L8 Lampiran 8. DTS Package Dimensi Jenis Produk Gambar diatas merupakan proses transformasi data yang terjadi pada dimensi jenis produk. Data dari OLTP akan di transformasikan kedalam staging area untuk mengubah karakteristik data yang masuk, dimana tiap data memiliki format/tipe yang berbeda, menjadi bentuk data yang konsisten dan terintegrasi. Data yang telah tersaring akan dikumpulkan ke data warehouse untuk digunakan sebagai sumber data menganalisis laporan.

9 L9 Lampiran 9. DTS Package Dimensi Karyawan Gambar diatas merupakan proses transformasi data yang terjadi pada dimensi karyawan. Data dari OLTP akan di transformasikan kedalam staging area untuk mengubah karakteristik data yang masuk, dimana tiap data memiliki format/tipe yang berbeda, menjadi bentuk data yang konsisten dan terintegrasi. Data yang telah tersaring akan dikumpulkan ke data warehouse untuk digunakan sebagai sumber data menganalisis laporan.

10 L10 Lampiran 10. DTS Package Dimensi Material Gambar diatas merupakan proses transformasi data yang terjadi pada dimensi material. Data dari OLTP akan di transformasikan kedalam staging area untuk mengubah karakteristik data yang masuk, dimana tiap data memiliki format/tipe yang berbeda, menjadi bentuk data yang konsisten dan terintegrasi. Data yang telah tersaring akan dikumpulkan ke data warehouse untuk digunakan sebagai sumber data menganalisis laporan.

11 L11 Lampiran 11. DTS Package Dimensi Produk Gambar diatas merupakan proses transformasi data yang terjadi pada dimensi produk. Data dari OLTP akan di transformasikan kedalam staging area untuk mengubah karakteristik data yang masuk, dimana tiap data memiliki format/tipe yang berbeda, menjadi bentuk data yang konsisten dan terintegrasi. Data yang telah tersaring akan dikumpulkan ke data warehouse untuk digunakan sebagai sumber data menganalisis laporan.

12 L12 Lampiran 12. DTS Package Dimensi Supplier Gambar diatas merupakan proses transformasi data yang terjadi pada dimensi supplier. Data dari OLTP akan di transformasikan kedalam staging area untuk mengubah karakteristik data yang masuk, dimana tiap data memiliki format/tipe yang berbeda, menjadi bentuk data yang konsisten dan terintegrasi. Data yang telah tersaring akan dikumpulkan ke data warehouse untuk digunakan sebagai sumber data menganalisis laporan.

13 L13 Lampiran 13. DTS Package Fakta Hutang dan Fakta Piutang Gambar diatas merupakan proses transformasi data yang terjadi pada fakta piutang dan fakta hutang. Data dari OLTP akan di transformasikan kedalam staging area untuk mengubah karakteristik data yang masuk, dimana tiap data memiliki format/tipe yang berbeda, menjadi bentuk data yang konsisten dan terintegrasi. Data yang telah tersaring akan dikumpulkan ke data warehouse untuk digunakan sebagai sumber data menganalisis laporan.

14 L14 Lampiran 14. DTS Package Fakta Penjualan dan Fakta Pembelian Gambar diatas merupakan proses transformasi data yang terjadi pada fakta penjualan dan pembelian. Data dari OLTP akan di transformasikan kedalam staging area untuk mengubah karakteristik data yang masuk, dimana tiap data memiliki format/tipe yang berbeda, menjadi bentuk data yang konsisten dan terintegrasi. Data yang telah tersaring akan dikumpulkan ke data warehouse untuk digunakan sebagai sumber data menganalisis laporan.

15 L15 Lampiran 15. Skema Bintang Fakta Pembelian Gambar diatas merupakan skema bintang fakta pembelian yang tabelnya dibagi menjadi 2 bagian yaitu table fakta dan table dimensi. Table fakta hanya ada 1 yaitu fakta pembelian. Table dimensinya terdiri dari dimensi supplier, dimensi waktu, dan dimensi material.

16 L16 Lampiran 16. Skema Bintang Fakta Penjualan Gambar diatas merupakan skema bintang fakta penjualan yang tabelnya dibagi menjadi 2 bagian yaitu table fakta dan table dimensi. Table fakta hanya ada 1 yaitu fakta penjualan. Table dimensinya terdiri dari dimensi produk, dimensi waktu, dimensi jenis produk, dimensi customer, dan dimensi karyawan.

17 L17 Lampiran 17. Skema Bintang Fakta Piutang Gambar diatas merupakan skema bintang fakta piutang yang tabelnya dibagi menjadi 2 bagian yaitu table fakta dan table dimensi. Table fakta hanya ada 1 yaitu fakta piutang. Table dimensinya terdiri dari dimensi produk, dimensi waktu, dimensi jenis produk, dan dimensi customer.