BAB IV PERANCANGAN DATA WAREHOUSE. yang diterapkan adalah arsitektur data warehouse terpusat. Alasan memilih arsitektur
|
|
- Handoko Sutedja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB IV PERANCANGAN DATA WAREHOUSE 4.1 Arsitektur Data warehouse Dalam merancang data warehouse untuk PT. Teras Teknik Perdana, 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. Data yang disimpan dalam data warehouse merupakan hasil integrasi dari berbagai sumber yang berbeda sehingga menghasilkan informasi yang lebih reliable. Dalam pengembangan data warehouse terpusat relatif memerlukan biaya yang lebih murah dibandingkan pengembangan data warehouse terdistribusi. 101
2 102 Gambar 4.1 Arsitektur Data warehouse PT Teras Teknik Perdana Komponen arsitektur data warehouse pada PT Teras Teknik Perdana adalah sebagai berikut : a. Operational data source Operational data source adalah sumber data untuk pembuatan data warehouse. Dalam perancangan ini, sumber data warehouse berasal dari tabeltabel master dan transaksi dari database operasional PT Teras Teknik Perdana. Dari basis data ini akan dipilih data-data yang berhubungan dengan penjualan, pembelian, dan belanja proyek. b. ETL Manager ETL manager melaksanakan semua operasi yang berhubungan dengan proses Extract, transform dan load data dari database operasional kedalam data warehouse. Extract merupakan proses pengambilan data dari berbagai sumber data yang tersedia dan melakukan pemilihan data yang ingin di simpan ke dalam data warehouse. Transformation dilakukan agar data
3 103 dapat berubah ke dalam suatu bentuk yang konsisten dan terjamin integritasnya sehingga data yang dihasilkan akurat dan tepat. Loading merupakan proses penyimpanan hasil transformasi yang telah dilakukan ke dalam data warehouse. ETL manager yang digunakan dalam data warehouse PT Teras Teknik Perdana adalah SQL server integration services. c. Warehouse Manager Warehouse Manager menjalankan semua operasi yang berhubungan dengan pengelolaan data dalam data warehouse dan proses back up data warehouse. Warehouse manager yang digunakan dalan data warehouse PT Teras Teknik Perdana adalah SQL server management studio. d. Query manager Query manager bertugas mengatur operasi query yang mengatur aliran data dari data warehouse ke aplikasi-aplikasi yang digunakan oleh user. Query manager yang digunakan dalam data warehouse PT Teras Teknik Perdana adalah SQL server analytical services. e. OLAP Tools Tools ini membantu eksekutif untuk melakukan analisis data operasional secara keseluruhan sehingga semua informasi baik detil maupun hasil summary yang dibutuhkan dalam proses analisis mudah didapat. 4.2 Rancangan Data warehouse Dalam membuat data warehouse ini, diperlukan beberapa tahap yang terbagi dalam dua fase agar proses pembuatan data warehouse menjadi teratur. Tahap - tahap perancangan data warehouse yang digunakan berdasarkan pada dua fase metodologi ( two-phased approach), yaitu :
4 Create a high-level dimensional model (Fase I) Fase satu berisikan pembuatan pemodelan dimensi level tinggi menggunakan empat langkah, yaitu : Pemilihan Proses (Select Business Process) Proses ini akan meliputi proses yang akan digunakan dalam sistem data warehouse, yaitu : Penjualan Proses penjualan pada PT Teras Teknik Perdana ini adalah proses penjualan jasa proyek oleh PT Teras Teknik Perdana kepada klien. Dokumen yang ada meliputi surat kontrak proyek. Data yang ada meliputi klien, lokasi, proyek. Pembelian Proses pembelian ini adalah proses pembelian material dari supplier mulai dari proses pembelian dan retur pembelian. Dokumen yang ada meliputi Surat pembelian dan surat retur pembelian. Data yang ada meliputi material, proyek, suppplier. Belanja Proyek Proses belanja proyek ini adalah penggajian pekerja, pemakaian material proses pengeluaran untuk dan biaya lain lain pada masing masing proyek yang ditangani oleh PT Teras Teknik Perdana. Dokumen yang ada meliputi slip gaji, surat pemakaian material, dan laporan biaya lain lain. Data yang ada meliputi proyek, material, kategori biaya.
5 Memilih Grain (Choosing the grain) Memilih grain berarti menentukan apa saja yang akan ditampilkan di tabel fakta. Saat grain untuk tabel fakta dipilih, kita dapat mengidentifikasi tabel dimensi. Keputusan grain untuk tabel fakta juga menentukan grain dari masing-masing dimensi tabel. Grain dari PT Teras Teknik Perdana yang digunakan untuk merancang data warehouse adalah : Penjualan Analisis pada penjualan proyek meliputi informasi jenis proyek yang paling banyak dijual berdasarkan periode waktu tertentu, informasi tipe klien yang paling banyak menggunakan jasa perusahaan berdasarkan periode waktu tertentu, informasi penyebaran proyek berdasarkan lokasi dan periode waktu tertentu, total nilai kontrak proyek berdasarkan proyek, klien, lokasi dan periode waktu tertentu. Pembelian Analisis pada pembelian material meliputi proses pembelian dan retur pembelian, data yang dianalisis adalah material yang paling banyak dipesan dari supplier berdasarkan periode waktu tertentu, supplier dengan tingkat kontribusi tertinggi berdasarkan periode waktu tertentu, proyek dengan tingkat pembelian tertinggi berdasarkan periode waktu tertentu, jumlah pembelian berdasarkan proyek, supplier, material dan
6 106 periode waktu tertentu, total pembelian berdasarkan proyek, supplier, material dan periode waktu tertentu, supplier dengan tingkat retur paling tinggi berdasarkan periode waktu tertentu, material yang paling banyak diretur berdasarkan periode waktu tertentu, jumlah retur pembelian berdasarkan proyek, supplier, material dan periode waktu tertentu, total retur pembelian berdasarkan proyek, supplier, material dan periode waktu tertentu Belanja Proyek Analisis pada belanja proyek ini meliputi penggajian dan pemakaian material, data yang dianalisis adalah proyek dengan pengeluaran gaji terbesar periode waktu tertentu, proyek dengan pengeluaran upah lembur terbesar periode waktu tertentu, total upah lembur berdasarkan proyek, pekerja dan periode waktu tertentu, total penggajian berdasarkan proyek, pekerja dan periode waktu tertentu, material yang paling banyak dipakai periode waktu tertentu, proyek dengan pemakaian material terbanyak periode waktu tertentu, jumlah material yang terpakai berdasarkan proyek, material dan periode waktu tertentu, total biaya pemakaian material berdasarkan proyek, material dan periode waktu tertentu, kategori biaya yang paling terbesar berdasarkan periode waktu tertentu, proyek dengan biaya lain-lain terbesar berdasarkan periode waktu tertentu, total biaya lain lain berdasarkan
7 107 proyek, kategori biaya dan periode waktu tertentu, total belanja proyek berdasarkan proyek dan periode waktu tertentu Identifikasi dan penyesuaian dimensi (Identifying and comforming the dimensions) Pada tahap ini dilakukan penyesuaian dimensi dan grain yang ditampilkan dalam bentuk matrik Penjualan Tabel 4.1 Tabel Dimensi dan Grain Penjualan Dimensi Waktu Lokasi Klien Proyek Grain Jenis proyek yang paling banyak terjual X X Tipe klien yang paling banyak menggunakan jasa perusahaan X X Penyebaran proyek berdasarkan lokasi X X Total nilai kontrak proyek X X X X
8 108 Pembelian Tabel 4.2 Tabel Dimensi dan Grain Pembelian Dimensi Waktu Supplier Material Proyek Grain Supplier yang paling banyak menerima pembelian X X Material yang paling banyak dibeli X X Proyek dengan tingkat pembelian tertinggi X X Jumlah pembelian X X X X Total pembelian X X X X Retur Pembelian Tabel 4.3 Tabel Dimensi dan Grain Retur Pembelian Dimensi Waktu Supplier Material Proyek Grain Supplier dengan tingkat retur paling tinggi X X Material yang paling banyak diretur X X Proyek yang paling banyak mengajukan retur X X Jumlah retur pembelian X X X X Total retur pembelian X X X X
9 109 Penggajian Sumber Daya Manusia Proyek Tabel 4.4 Tabel Dimensi dan Grain Penggajian Dimensi Waktu Proyek Pekerja Grain Proyek dengan pengeluaran gaji terbesar X X Proyek dengan pengeluaran upah lembur terbesar X X Total upah lembur X X X Total gaji X X X Pemakaian Material Tabel 4.5 Tabel Dimensi dan Grain Pemakaian Material Dimensi Waktu Proyek Material Grain Material yang paling banyak terpakai X X Proyek dengan pemakaian material terbanyak X X Jumlah material terpakai X X X Total biaya material X X X Biaya lain lain Tabel 4.6 Tabel Dimensi dan Grain Biaya lain lain Dimensi Waktu Proyek Kategori Grain Biaya Kategori biaya yang paling terbesar X X Proyek dengan biaya lain-lain terbesar X X Total biaya lain lain X X X
10 110 Belanja Proyek Tabel 4.7 Tabel Dimensi dan Grain Belanja proyek Dimensi Waktu Proyek Grain Total belanja Proyek X X Memilih Fakta (Choosing The Facts) Pada tahap ini dilakukan pemilihan fakta yang akan digunakan. Masingmasing fakta memiliki data yang dapat dihitung dan selanjutnya akan ditampilkan dalam bentuk laporan dan grafik. Berikut adalah fakta-fakta yang akan di gunakan dalam data warehouse : Fakta Penjualan meliputi : KdWaktu, KdProyek, KdKlien, KdLokasi, Jumlah Proyek, Total Nilai Kontrak Fakta Pembelian : KdWaktu, KdProyek, KdMaterial, KdSupplier, Jumlah Pembelian, Total Pembelian Fakta Retur Pembelian meliputi : KdWaktu, KdMaterial, KdSupplier, KdProyek, Jumlah Retur Pembelian, Total Retur Pembelian Fakta Penggajian meliputi : Kdwaktu, Kdproyek, Kdpekerja, Total Upah Lembur, Total Gaji Fakta Pemakaian Material : Kdwaktu, Kdproyek, Kdmaterial, Jumlah Material Terpakai, Total Material Terpakai Fakta Biaya lain lain : Kdwaktu, Kdproyek, Kdkategori, Total Biaya Lain Lain.
11 111 Fakta Belanja Proyek : Kdwaktu, Kdproyek, Total Beban Gaji, Total Pemakaian Material, Total Biaya Lain Lain, Total Belanja Proyek Identify All Dimension Attributes for the Dimensional Model ( Fase 2 ) Pada fase ini dilakukan penambahan attribut-atribut yang telah teridentifikasi dalam tahap analisis kebutuhan informasi bisnis yang dilakukan oleh user dimana attribut-attribut tersebut dibutuhkan untuk menganalisa proses bisnis yang dipilih. Berikut ini adalah attribut - attribut dari tabel dimensi dan deskripsi dari attribut-attribut tersebut : 1. Daftar Tabel Dimensi Tabel 4.8 Daftar Tabel Dimensi Dimensi Waktu Pekerja Proyek Material Supplier Lokasi Klien Kategori Deskripsi Laporan dapat dilihat per bulan, triwulan, tahun Laporan dapat dilihat berdasarkan pekerja Laporan dapat dilihat berdasarkan proyek Laporan dapat dilihat berdasarkan material Laporan dapat dilihat berdasarkan supplier Laporan dapat dilihat berdasarkan lokasi Laporan dapat dilihat berdasarkan klien Laporan dapat dilihat berdasarkan kategori biaya Biaya
12 Daftar Tabel Dimensi Dimensi waktu Tabel 4.9 Tabel Dimensi Waktu Attribut Tipe Data Panjang KdWaktu Int - Hari Int - Bulan Int - Triwulan Int - Tahun Int - Status varchar 50 Dimensi Pekerja Tabel 4.10 Tabel Dimensi Pekerja Attribut Tipe Data Panjang KdPekerja Int - PekerjaId Char 5 NamaPekerja Varchar 50 Dimensi Material Tabel 4.11 Tabel Dimensi Material Attribut Tipe Data Panjang KdMaterial Int - MaterialId Char 5 NamaMaterial Varchar 50
13 113 Dimensi Proyek Tabel 4.12 Tabel Dimensi Proyek Attribut Tipe Data Panjang KdProyek Int - ProyekId Char 5 NamaProyek Varchar 50 JenisProyek Varchar 20 RAB Numeric 20,2 Dimensi Supplier Tabel 4.13 Tabel Dimensi Supplier Attribut Tipe Data Panjang KdSupplier Int - SupplierId Char 5 NamaSupplier Varchar 50 Dimensi Klien Tabel 4.14 Tabel Dimensi Klien Attribut Tipe Data Panjang KdKlien Int - KlienId Char 5 NamaKlien Varchar 50 BesarPerusahaan Varchar 50 StatusPerusahaan Varchar 50
14 114 Dimensi Lokasi Tabel 4.15 Tabel Dimensi Lokasi Attribut Tipe Data Panjang KdLokasi Int - KotaId Char 5 Kota Varchar 50 Provinsi Varchar 50 Dimensi Kategori Biaya Tabel 4.16 Tabel Dimensi Kategori Biaya Attribut Tipe Data Panjang KdKategori Int - KategoriBiayaId Char 5 KategoriBiaya Varchar 50 Selain itu pada tahap ini juga melakukan kegiatan-kegiatan lainnya, yaitu : Memilih Durasi Database (Choosing the duration of the database) Durasi mengukur seberapa jauh untuk kembali ke tabel fakta, karena perusahaan membutuhkan data historis 5 tahun kebelakang untuk kepentingan analisis dan pengambilan keputusan maka durasi database yang dipilih adalah 5 tahun.
15 115 Tabel 4.17 Tabel Durasi Database Nama Aplikasi Database Data Yang Masuk Data warehouse Data dalam Data warehouse Aplikasi DW TTP OLTP TTP Tahun Melacak Perubahan Dimensi Secara Perlahan (Tracking slowly changing dimensions) Dari 3 tipe dasar perubahan dimensi, pada perancangan data warehouse PT Teras Teknik Perdana ini, perubahan attribut pada dimensi akan mengakibatkan pembuatan suatu record dimensi baru. Hal ini dilakukan untuk menjaga data yang lama tetap ada agar diketahui perubahan dimensi yang terjadi dari data lama ke data yang baru. 4.3 Proses Extract, Transform, Load (ETL) Proses ETL akan dilakukan setiap hari untuk menjaga keakuratan data, jika sewaktu-waktu pata manajer tingkat atas ingin melihat laporan yang diambil dari Data warehouse.
16 116 Berikut proses ETL dari data operasional ke data warehouse : 1. DimensiPekerja Gambar 4.2 Transformasi Dimensi Pekerja Menggambarkan database sumber data dan query transformasi Gambar 4.3 Query Transformasi Pekerja
17 117 IF EXISTS (SELECT * FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel = 'DimensiPekerja') Select PekerjaId, NamaPekerja FROM [OLTP_TTP].[dbo].MsPekerja WHERE InsertedDate > (SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel = 'DimensiPekerja') ELSE select PekerjaId, NamaPekerja From [OLTP_TTP].[dbo].MsPekerja Menggambarkan database tujuan dan menentukan business key Gambar 4.4 Database Dimensi Pekerja dan Business Key
18 118 Menentukan Tipe perubahan dimensi Gambar 4.5 Menentukan Tipe Perubahan Dimensi Menggambarkan pemetaan sumber data dan kolom tujuan data Gambar 4.6 Pemetaan Sumber dan Kolom Tujuan data Pekerja
19 119 Saat proses transformasi dijalankan : 2. Dimensi Waktu Gambar 4.7 Transformasi Dimensi Pekerja Gambar 4.8 Transformasi Dimensi Waktu
20 120 Menggambarkan database sumber data dan query transformasi Gambar 4.9 Query Transformasi Waktu SELECT Tgl AS [Tgl], year( Tgl )AS [Tahun], [Triwulan] = case WHEN month( Tgl ) BETWEEN 1 AND 3 THEN 1 WHEN month( Tgl )BETWEEN 4 AND 6 THEN 2 WHEN month( Tgl )BETWEEN 7 AND 9 THEN 3 WHEN month( Tgl )BETWEEN 10 AND 12 THEN 4 end, month( Tgl )AS [Bulan], Day(Tgl) AS [Hari], Status FROM
21 121 ( SELECT DISTINCT TanggalSignKontrak AS Tgl,'TrKontrakProyek' AS Status FROM [OLTP_TTP].[dbo].TrKontrakProyek UNION SELECT DISTINCT TanggalRetur AS Tgl, 'TrReturPembelian' AS Status FROM [OLTP_TTP].[dbo].TrReturPembelian_H UNION SELECT DISTINCT TanggalPembelian AS Tgl, 'TrPembelian' AS Status FROM [OLTP_TTP].[dbo].TrPembelian_H UNION SELECT DISTINCT TanggalPemakaian AS Tgl, 'TrPemakaianMaterial' AS Status FROM [OLTP_TTP].[dbo].TrPemakaianMaterial_H UNION SELECT DISTINCT TanggalPenggajian AS Tgl, 'TrPenggajian' AS Status From [OLTP_TTP].[dbo].TrPenggajian union Select Distinct Tanggal AS Tgl, 'TrBiayaLainLain' AS Status from [OLTP_TTP].[dbo].TrBiayaLainLain )AS Tgl
22 122 Menggambarkan database dan tabel tujuan Gambar 4.10 Database Waktu dan Tabel Tujuan Data Transformasi Menggambarkan pemetaan sumber data dan kolom tujuan data Gambar 4.11 Pemetaan Sumber Data dan Kolom Tujuan Data
23 123 Saat transformasi dilakukan Gambar 4.12 Transformasi Dimensi Waktu 3. Dimensi Supplier Gambar 4.13 Transformasi Dimensi Supplier
24 124 Menggambarkan database sumber data dan query transformasi Gambar 4.14 Query Transformasi Supplier IF EXISTS ( SELECT * FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel = 'DimensiSupplier' ) Select SupplierId, NamaSupplier FROM [OLTP_TTP].[dbo].MsSupplier WHERE InsertedDate > ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel = 'DimensiSupplier' ) ELSE Select SupplierId, NamaSupplier FROM [OLTP_TTP].[dbo].MsSupplier
25 125 Menggambarkan database tujuan dan menentukan business key Gambar 4.15 Database Supplier dan Business Key Menentukan tipe perubahan dimensi Gambar 4.16 Menentukan Tipe Perubahan Dimensi
26 126 Menggambarkan pemetaan sumber data dan kolom tujuan data Gambar 4.17 Pemetaan Sumber Data dan Kolom Tujuan data Saat transformasi dilakukan Gambar 4.18 Transformasi Dimensi Supplier
27 Dimensi Material Gambar 4.19 Transformasi Dimensi Material Menggambarkan database sumber data dan query transformasi Gambar 4.20 Query Transformasi Material
28 128 IF EXISTS ( SELECT * FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel = 'DimensiMaterial' ) Select MaterialId,NamaMaterial FROM [OLTP_TTP].[dbo].MsMaterial WHERE InsertedDate > ( SELECT Last_ETLFROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel = 'DimensiMaterial' ) ELSE Select MaterialId,NamaMaterial FROM [OLTP_TTP].[dbo].MsMaterial Menggambarkan database tujuan dan menentukan business key Gambar 4.21 Gambar Database Material dan Business Key
29 129 Menentukan tipe perubahan dimensi Gambar 4.22 Menentukan Tipe Perubahan Dimensi Mengggambarkan pemetaan sumber data dan kolom tujuan data Gambar 4.23 Pemetaan Sumber Data dan Kolom Tujuan Data
30 130 Saat proses transformasi dilakukan 5. Dimensi Proyek Gambar 4.24 Transformasi Dimensi Material Gambar 4.25 Transformasi Dimensi Proyek Menggambarkan database sumber data dan query transformasi Gambar 4.26 Query Transformasi Proyek
31 131 IF EXISTS (SELECT * FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel = 'DimensiProyek') SELECT ProyekId, NamaProyek, JenisProyek, RencanaAnggaran Belanja AS RAB from [OLTP_TTP].[dbo].[MsProyek] WHERE InsertedDate > (SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel = 'DimensiProyek') ELSE SELECT ProyekId, NamaProyek, JenisProyek, RencanaAnggaran Belanja AS RAB from [OLTP_TTP].[dbo].[MsProyek] Menggambarkan database tujuan dan menentukan business key Gambar 4.27 Database Proyek dan business Key
32 132 Menentukan tipe perubahan dimensi Gambar 4.28 Menentukan Tipe Perubahan Dimensi Menggambarkan pemetaan sumber data dan kolom tujuan data Gambar 4.29 Pemetaan sumber data dan kolom tujuan data
33 133 Saat transformasi dijalankan 6. Dimensi Lokasi Gambar 4.30 Transformasi Dimensi Proyek Gambar 4.31 Transformasi Dimensi Lokasi Menggambarkan database sumber data dan query transformasi Gambar 4.32 Query Transformasi Lokasi
34 134 IF EXISTS (SELECT * FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel = 'DimensiLokasi') select KotaId, Kota, Provinsi from [OLTP_TTP].[dbo].MsKota WHERE InsertedDate > (SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel = 'DimensiLokasi') ELSE select KotaId, Kota, Provinsi from [OLTP_TTP].[dbo].MsKota Menggambarkan database tujuan dan menentukan business key Gambar 4.33 Database Lokasi dan Business Key
35 135 Menentukan tipe perubahan dimensi Gambar 4.34 Menentukan Tipe Perubahan Dimensi Menggambarkan pemetaan sumber data dan kolom tujuan data Gambar 4.35 Pemetaan Sumber Data dan Kolom Tujuan data
36 136 Saat transformasi dilakukan 7. Dimensi Klien Gambar 4.36 Transformasi Dimensi Lokasi Gambar 4.37 Transformasi Dimensi Klien Menggambarkan database sumber data dan query transformasi Gambar 4.38 Query Transformasi Klien
37 137 IF EXISTS (SELECT * FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel = 'DimensiKlien') Select KlienId, NamaKlien, BesarPerusahaan, StatusPerusahaan FROM [OLTP_TTP].[dbo].MsKlien WHERE InsertedDate > (SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel = 'DimensiKlien') ELSE Select KlienId, NamaKlien, BesarPerusahaan, StatusPerusahaan FROM [OLTP_TTP].[dbo].MsKlien Menggambarkan database tujuan dan menentukan business key Gambar 4.39 Database Klien dan Business Key
38 138 Menentukan tipe perubahan dimensi Gambar 4.40 Menentukan Tipe Perubahan Dimensi Menggambarkan pemetaan sumber data dan kolom tujuan data Gambar 4.41 Pemetaan Sumber Data dan Kolom Tujuan data
39 139 Saat transformasi dilakukan 8. Dimensi Kategori Biaya Gambar 4.42 Transformasi Dimensi Klien Gambar 4.43 Transformasi Dimensi Kategori Biaya Menggambarkan database sumber data dan query transformasi Gambar 4.44 Query Transformasi Kategori Biaya
40 140 IF EXISTS (SELECT * FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel = 'DimensiKategoriBiaya') Select KategoriBiayaId, KategoriBiaya from [OLTP_TTP].[dbo].MsKategoriBiaya WHERE InsertedDate > (SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel = 'DimensiKategoriBiaya') ELSE Select KategoriBiayaId, KategoriBiaya from [OLTP_TTP].[dbo].MsKategoriBiaya Menggambarkan database tujuan dan menentukan business key Gambar 4.45 Database Kategori Biaya dan Business Key
41 141 Menentukan tipe perubahan dimensi Gambar 4.46 Menentukan Tipe Perubahan Dimensi Menggambarkan pemetaan sumber data dan kolom tujuan data Gambar 4.47 Pemetaan Sumber Data dan Kolom Tujuan data
42 142 Saat transformasi dilakukan Gambar 4.48 Transformasi Dimensi Kategori Biaya 9. Fakta Penggajian Gambar 4.49 Transformasi Fakta Penggajian Menggambarkan database sumber daya dan query transformasi Gambar 4.50 Query Transformasi Penggajian
43 143 IF EXISTS ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel ='FaktaPenggajian' ) BEGIN Select KdWaktu, KdProyek, KdPekerja, JumlahLembur*UpahLembur AS JumlahUpahLembur, (JumlahLembur*UpahLembur)+(JumlahMasuk*GajiHarian) AS TotalGaji From [OLAP_TTP].[dbo].DimensiWaktu a, [OLAP_TTP].[dbo].DimensiProyek b, [OLAP_TTP].[dbo].DimensiPekerja c, [OLTP_TTP].[dbo].MsPekerja e, [OLTP_TTP].[dbo].TrPenggajian f, [OLTP_TTP].[dbo].MsProyek g where a.tgl = f.tanggalpenggajian AND b.proyekid = e.proyekid AND c.pekerjaid = f.pekerjaid AND e.pekerjaid = f.pekerjaid AND g.proyekid = e.proyekid AND f.tanggalpenggajian BETWEEN g.tglmulaiproyek AND g.tglselesaiproyek AND status = 'TrPenggajian' AND f.inserteddate > ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel ='FaktaPenggajian' )
44 144 End ELSE BEGIN Select KdWaktu, KdProyek, KdPekerja, JumlahLembur*UpahLembur AS JumlahUpahLembur, (JumlahLembur*UpahLembur)+(JumlahMasuk*GajiHarian) AS TotalGaji From [OLAP_TTP].[dbo].DimensiWaktu a, [OLAP_TTP].[dbo].DimensiProyek b, [OLAP_TTP].[dbo].DimensiPekerja c, [OLTP_TTP].[dbo].MsPekerja e, [OLTP_TTP].[dbo].TrPenggajian f, [OLTP_TTP].[dbo].MsProyek g where a.tgl = f.tanggalpenggajian AND b.proyekid = e.proyekid AND c.pekerjaid = f.pekerjaid AND e.pekerjaid = f.pekerjaid AND g.proyekid = e.proyekid AND f.tanggalpenggajian BETWEEN g.tglmulaiproyek AND g.tglselesaiproyek AND status = 'TrPenggajian' end
45 145 Menggambarkan database tujuan dan tabel tujuan Gambar 4.51 Database dan Tabel Tujuan Menggambarkan pemetaan sumber data dan kolom tujuan data Gambar 4.52 Pemetaan Sumber Data dan Kolom Tujuan Data
46 146 Saat proses transformasi dijalankan 10. FaktaPembelian Gambar 4.53 Transformasi Fakta Penggajian Gambar 4.54 Transformasi Fakta Pembelian Menggambarkan database sumber daya dan query transformasi Gambar 4.55 Query Transformasi Fakta Pembelian
47 147 IF EXISTS ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel ='FaktaPembelian' ) BEGIN Select KdWaktu, KdProyek, KdMaterial, KdSupplier, Qty AS Jumlahpembelian, Qty*g.HargaBeli AS Totalpembelian From [OLAP_TTP].[dbo].DimensiWaktu a, [OLAP_TTP].[dbo].DimensiProyek b, [OLAP_TTP].[dbo].DimensiMaterial c, [OLAP_TTP].[dbo].DimensiSupplier d, [OLTP_TTP].[dbo].Trpembelian_H f, [OLTP_TTP].[dbo].Trpembelian_D g, [OLTP_TTP].[dbo].MsProyek h where a.tgl = f.tanggalpembelian AND b.proyekid = f.proyekid AND c.materialid = g.materialid AND d.supplierid = f.supplierid AND f.pembelianno = g.pembelianno AND f..proyekid = h.proyekid AND f.tanggalpembelian BETWEEN h.tglmulaiproyek AND h.tglselesaiproyek AND a. status = 'Trprocurement' AND f.inserteddate > ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel ='FaktaPembelian' ) End ELSE BEGIN
48 148 Select KdWaktu, KdProyek, KdMaterial, KdSupplier, Qty AS Jumlahpembelian, Qty*g.HargaBeli AS Totalpembelian From [OLAP_TTP].[dbo].DimensiWaktu a, [OLAP_TTP].[dbo].DimensiProyek b, [OLAP_TTP].[dbo].DimensiMaterial c, [OLAP_TTP].[dbo].DimensiSupplier d, [OLTP_TTP].[dbo].Trpembelian_H f, [OLTP_TTP].[dbo].Trpembelian_D g, [OLTP_TTP].[dbo].MsProyek h where a.tgl = f.tanggalpembelian AND b.proyekid = f.proyekid AND c.materialid = g.materialid AND d.supplierid = f.supplierid AND f.pembelianno = g.pembelianno AND f..proyekid = h.proyekid AND f.tanggalpembelian BETWEEN h.tglmulaiproyek AND h.tglselesaiproyek AND a. status = 'Trprocurement'
49 149 Menggambarkan database tujuan dan tabel tujuan Gambar 4.56 Database Fakta Pembelian Mengambarkan pemetaan sumber data dan kolom tujuan data Gambar 4.57 Pemetaan Sumber Data dan Kolom Tujuan Data
50 150 Saat transformasi dijalankan Gambar 4.58 Transformasi Fakta Pembelian 11. Fakta Retur Pembelian Gambar 4.59 Transformasi Fakta Retur Pembelian Menggambarkan database sumber daya dan query transformasi Gambar 4.60 Query Transformasi Fakta Retur Pembelian
51 151 IF EXISTS ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel ='FaktaReturPembelian' ) BEGIN Select KdWaktu, KdProyek, KdMaterial, KdSupplier, g.qty AS JumlahReturpembelian, g.qty*e.hargabeli AS TotalReturpembelian From [OLAP_TTP].[dbo].DimensiWaktu a, [OLAP_TTP].[dbo].DimensiProyek b, [OLAP_TTP].[dbo].DimensiMaterial c, [OLAP_TTP].[dbo].DimensiSupplier d, [OLTP_TTP].[dbo].MsMaterial e, [OLTP_TTP].[dbo].TrReturpembelian_H f, [OLTP_TTP].[dbo].TrReturpembelian_D g, [OLTP_TTP].[dbo].MsProyek j [OLTP_TTP].[dbo].Trpembelian_H h, where a.tgl = f.tanggalretur AND b.proyekid = h.proyekid AND c.materialid = g.materialid AND d.supplierid = h.supplierid AND f.pembelianno = h.pembelianno AND h.proyekid = j.proyekid AND f.returpembelianno = g.returpembelianno AND f.tanggalretur between j.tglmulaiproyek AND j.tglselesaiproyek AND e.materialid = g.materialid AND status = 'TrReturPembelian'AND
52 152 f.inserteddate > ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel ='FaktaReturPembelian' ) End ELSE BEGIN Select KdWaktu, KdProyek, KdMaterial, KdSupplier, g.qty AS JumlahReturpembelian, g.qty*e.hargabeli AS TotalReturpembelian From [OLAP_TTP].[dbo].DimensiWaktu a, [OLAP_TTP].[dbo].DimensiProyek b, [OLAP_TTP].[dbo].DimensiMaterial c, [OLAP_TTP].[dbo].DimensiSupplier d, [OLTP_TTP].[dbo].MsMaterial e, [OLTP_TTP].[dbo].TrReturpembelian_H f, [OLTP_TTP].[dbo].TrReturpembelian_D g, [OLTP_TTP].[dbo].MsProyek j [OLTP_TTP].[dbo].Trpembelian_H h, where a.tgl = f.tanggalretur AND b.proyekid = h.proyekid AND c.materialid = g.materialid AND d.supplierid = h.supplierid AND f.pembelianno = h.pembelianno AND h.proyekid = j.proyekid AND f.returpembelianno = g.returpembelianno AND f.tanggalretur between j.tglmulaiproyek AND j.tglselesaiproyek AND e.materialid = g.materialid AND status = 'TrReturPembelian'
53 153 Menggambarkan database tujuan dan tabel tujuan Gambar 4.61 Database Fakta Retur Pembelian Menggambarkan pemetaan sumber data dan kolom tujuan data Gambar 4.62 Pemetaan Sumber Data dan Kolom Tujuan Data
54 154 Saat transformasi dilakukan Gambar 4.63 Transformasi Fakta Retur Pembelian 12. Fakta Pemakaian Material Gambar 4.64 Transformasi Fakta Pemakaian Material Menggambarkan database sumber daya dan query transformasi Gambar 4.65 Query Transformasi Fakta Pemakaian Material
55 155 IF EXISTS ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel ='FaktaPemakaianMaterial' ) BEGIN Select KdWaktu, KdProyek, KdMaterial, g.qty AS JumlahMaterialTerpakai, g.qty*d.hargabeli AS TotalMaterialTerpakai From [OLAP_TTP].[dbo].DimensiWaktu a, [OLAP_TTP].[dbo].DimensiProyek b, [OLAP_TTP].[dbo].DimensiMaterial c, [OLTP_TTP].[dbo].MsMaterial d, [OLTP_TTP].[dbo].TrPemakaianMaterial_H f, [OLTP_TTP].[dbo].MsProyek j [OLTP_TTP].[dbo].TrPemakaianMaterial_D g, where a.tgl = f.tanggalpemakaian AND b.proyekid = f.proyekid AND c.materialid = g.materialid AND f.proyekid = j.proyekid AND d.materialid = g.materialid and status = 'TrPemakaianMaterial' AND f.pemakaianmaterialno = g.pemakaianmaterialno AND f.tanggalpemakaian BETWEEN j.tglmulaiproyek AND j.tglselesaiproyek AND f.inserteddate > ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel ='FaktaPemakaianMaterial' ) End ELSE BEGIN
56 156 Select KdWaktu, KdProyek, KdMaterial, g.qty AS JumlahMaterialTerpakai, g.qty*d.hargabeli AS TotalMaterialTerpakai From [OLAP_TTP].[dbo].DimensiWaktu a, [OLAP_TTP].[dbo].DimensiProyek b, [OLAP_TTP].[dbo].DimensiMaterial c, [OLTP_TTP].[dbo].MsMaterial d, [OLTP_TTP].[dbo].TrPemakaianMaterial_H f, [OLTP_TTP].[dbo].MsProyek j [OLTP_TTP].[dbo].TrPemakaianMaterial_D g, where a.tgl = f.tanggalpemakaian AND b.proyekid = f.proyekid AND c.materialid = g.materialid AND f.proyekid = j.proyekid AND d.materialid = g.materialid and status = 'TrPemakaianMaterial' AND f.pemakaianmaterialno = g.pemakaianmaterialno AND f.tanggalpemakaian BETWEEN j.tglmulaiproyek AND j.tglselesaiproyek
57 157 Mengambarkan database tujuan dan tabel tujuan Gambar 4.66 Database Fakta Pemakaian Material Menggambarkan pemetaan sumber data dan kolom tujuan data Gambar 4.67 Pemetaan Sumber Data dan Kolom Tujuan Data
58 158 Saat transformasi dilakukan Gambar 4.68 Transformasi Fakta Pemakaian Material 13. Fakta Penjualan Gambar 4.69 Transformasi Fakta Penjualan Menggambarkan database sumber daya dan query transformasi Gambar 4.70 Query Transformasi Fakta Penjualan
59 159 IF EXISTS ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel ='FaktaPenjualan' ) BEGIN Select KdWaktu, KdProyek, KdLokasi, KdKlien, count(d.proyekid) as JumlahProyek, NilaiKontrak As TotalNilaiKontrak From [OLAP_TTP].[dbo].DimensiWaktu a, [OLAP_TTP].[dbo].DimensiProyek b, [OLAP_TTP].[dbo].DimensiLokasi c, [OLAP_TTP].[dbo].DimensiKlien h, [OLTP_TTP].[dbo].TrKontrakProyek d, [OLTP_TTP].[dbo].MsKota e, [OLTP_TTP].[dbo].MsProyek f, [OLTP_TTP].[dbo].MsKlien g Where a.tgl = d.tanggalsignkontrak AND a.status = 'TrKontrakProyek' AND b.proyekid = d.proyekid AND e.kotaid = f.kotaid AND f.kotaid = c.kotaid AND f.proyekid = b.proyekid AND d.klienid = g.klienid AND g.klienid = h.klienid d.inserteddate > ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel ='FaktaPenjualan' ) group by KdWaktu, KdProyek, KdLokasi, KdKlien, nilaikontrak
60 160 End ELSE BEGIN Select KdWaktu, KdProyek, KdLokasi, KdKlien, count(d.proyekid) as JumlahProyek, NilaiKontrak As TotalNilaiKontrak From [OLAP_TTP].[dbo].DimensiWaktu a, [OLAP_TTP].[dbo].DimensiProyek b, [OLAP_TTP].[dbo].DimensiLokasi c, [OLAP_TTP].[dbo].DimensiKlien h, [OLTP_TTP].[dbo].TrKontrakProyek d, [OLTP_TTP].[dbo].MsKota e, [OLTP_TTP].[dbo].MsProyek f, [OLTP_TTP].[dbo].MsKlien g Where a.tgl = d.tanggalsignkontrak AND a.status = 'TrKontrakProyek' AND b.proyekid = d.proyekid AND e.kotaid = f.kotaid AND f.kotaid = c.kotaid AND f.proyekid = b.proyekid AND d.klienid = g.klienid AND g.klienid = h.klienid group by KdWaktu, KdProyek, KdLokasi, KdKlien, nilaikontrak End
61 161 Menggambarkan database tujuan dan tabel tujuan Gambar 4.71 Database Fakta Penjualan Menggambarkan pemetaan sumber data dan kolom tujuan Gambar 4.72 Pemetaan Sumber Data dan Kolom Tujuan
62 162 Saat transformasi dilakukan 14. Fakta Biaya Lain Lain Gambar 4.73 Transformasi Fakta Penjualan Gambar 4.74 Transformasi Fakta Biaya Lain Lain Menggambarkan database sumber daya dan query transformasi Gambar 4.75 Query Transformasi Fakta Biaya Lain Lain
63 163 IF EXISTS ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel ='FaktaBiayaLainLain' ) BEGIN Select KdWaktu, KdProyek, KdKategori, biaya as TotalBiayaLainLain From [OLAP_TTP].[dbo].DimensiWaktu a, [OLAP_TTP].[dbo].DimensiProyek b, [OLAP_TTP].[dbo].DimensiKategoriBiaya c, [OLTP_TTP].[dbo].MsProyek e, [OLTP_TTP].[dbo].TrBiayaLainLain d, [OLTP_TTP].[dbo].MsKategoriBiaya f Where a.tgl = d.tanggal and status = 'TrBiayaLainLain' and d.proyekid = b.proyekid and b.proyekid = e.proyekid and d.kategoribiayaid = f.kategoribiayaid and d.kategoribiayaid = c.kategoribiayaid and c.kategoribiayaid = f.kategoribiayaid and d.tanggal between e.tglmulaiproyek and e.tglselesaiproyek AND d.inserteddate > ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel ='FaktaBiayaLainLain' End ELSE BEGIN
64 164 Select KdWaktu, KdProyek, KdKategori, biaya as TotalBiayaLainLain From [OLAP_TTP].[dbo].DimensiWaktu a, [OLAP_TTP].[dbo].DimensiProyek b, [OLAP_TTP].[dbo].DimensiKategoriBiaya c, [OLTP_TTP].[dbo].MsProyek e, [OLTP_TTP].[dbo].TrBiayaLainLain d, [OLTP_TTP].[dbo].MsKategoriBiaya f Where a.tgl = d.tanggal and status = 'TrBiayaLainLain' and d.proyekid = b.proyekid and b.proyekid = e.proyekid and d.kategoribiayaid = f.kategoribiayaid and d.kategoribiayaid = c.kategoribiayaid and c.kategoribiayaid = f.kategoribiayaid and d.tanggal between e.tglmulaiproyek and e.tglselesaiproyek End Menggambarkan database tujuan dan tabel tujuan Gambar 4.76 Database Fakta Penjualan
65 165 Menggambarkan pemetaan sumber data dan kolom tujuan Gambar 4.77 Pemetaan Sumber Data dan Kolom Tujuan Saat transformasi dilakukan Gambar 4.78 Transformasi Fakta Biaya Lain Lain 15. Fakta Belanja Proyek Gambar 4.79 Transformasi Fakta Belanja Proyek
66 166 Menggambarkan database sumber daya dan query transformasi tahap satu Gambar 4.80 Query Transformasi Fakta Belanja Proyek Tahap satu IF EXISTS ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel ='FaktaBP1' ) BEGIN Select KdWaktu, KdProyek, TotalBiayaLainLain = 0, TotalPemakaianMaterial = 0, (JumlahLembur*UpahLembur) + (JumlahMasuk*GajiHarian) AS TotalBebanGaji, (JumlahLembur*UpahLembur)+(JumlahMasuk*GajiHarian) AS TotalBelanjaProyek From [OLAP_TTP].[dbo].DimensiWaktu a,[olap_ttp].[dbo].dimensiproyek b, [OLAP_TTP].[dbo].DimensiPekerja c,[oltp_ttp].[dbo].mspekerja e, [OLTP_TTP].[dbo].TrPenggajian f,[oltp_ttp].[dbo].msproyek g
67 167 where a.tgl = f.tanggalpenggajian and b.proyekid = e.proyekid and c.pekerjaid = f.pekerjaid and e.pekerjaid = f.pekerjaid and g.proyekid = e.proyekid and f.tanggalpenggajian BETWEEN g.tglmulaiproyek and g.tglselesaiproyek and status = 'TrPenggajian' and f.inserteddate > ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel ='FaktaBP1' ) End ELSE BEGIN Select KdWaktu, KdProyek, TotalBiayaLainLain = 0, TotalPemakaianMaterial = 0, (JumlahLembur*UpahLembur) + (JumlahMasuk*GajiHarian) AS TotalBebanGaji, (JumlahLembur*UpahLembur)+(JumlahMasuk*GajiHarian) AS TotalBelanjaProyek From [OLAP_TTP].[dbo].DimensiWaktu a,[olap_ttp].[dbo].dimensiproyek b, [OLAP_TTP].[dbo].DimensiPekerja c,[oltp_ttp].[dbo].mspekerja e, [OLTP_TTP].[dbo].TrPenggajian f,[oltp_ttp].[dbo].msproyek g where a.tgl = f.tanggalpenggajian and b.proyekid = e.proyekid and c.pekerjaid = f.pekerjaid and e.pekerjaid = f.pekerjaid and g.proyekid = e.proyekid and f.tanggalpenggajian BETWEEN g.tglmulaiproyek and g.tglselesaiproyek and status = 'TrPenggajian' End
68 168 Menggambarkan database sumber daya dan query transformasi tahap dua Gambar 4.81 Query Transformasi Fakta Belanja Proyek Tahap Dua IF EXISTS ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel ='FaktaBP2' ) BEGIN Select KdWaktu, KdProyek, TotalBebanGaji = 0, TotalBiayaLainLain = 0, g.qty*d.hargabeli AS TotalPemakaianMaterial, g.qty*d.hargabeli AS TotalBelanjaProyek From [OLAP_TTP].[dbo].DimensiWaktu a, [OLAP_TTP].[dbo].DimensiProyek b, [OLAP_TTP].[dbo].DimensiMaterial c, [OLTP_TTP].[dbo].MsMaterial d, [OLTP_TTP].[dbo].TrPemakaianMaterial_H f, [OLTP_TTP].[dbo].MsProyek j, [OLTP_TTP].[dbo].TrPemakaianMaterial_D g
69 169 where a.tgl = f.tanggalpemakaian AND b.proyekid = f.proyekid AND c.materialid = g.materialid AND f.proyekid = j.proyekid AND d.materialid = g.materialid and f.pemakaianmaterialno = g.pemakaianmaterialno AND f.tanggalpemakaian BETWEEN j.tglmulaiproyek AND j.tglselesaiproyek and status = 'TrPemakaianMaterial' and f.inserteddate > ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel ='FaktaBP2' ) End ELSE BEGIN Select KdWaktu, KdProyek, TotalBebanGaji = 0, TotalBiayaLainLain = 0, g.qty*d.hargabeli AS TotalPemakaianMaterial, g.qty*d.hargabeli AS TotalBelanjaProyek From [OLAP_TTP].[dbo].DimensiWaktu a, [OLAP_TTP].[dbo].DimensiProyek b, [OLAP_TTP].[dbo].DimensiMaterial c, [OLTP_TTP].[dbo].MsMaterial d, [OLTP_TTP].[dbo].TrPemakaianMaterial_H f, [OLTP_TTP].[dbo].MsProyek j, [OLTP_TTP].[dbo].TrPemakaianMaterial_D g where a.tgl = f.tanggalpemakaian AND b.proyekid = f.proyekid and c.materialid = g.materialid AND f.proyekid = j.proyekid and
70 170 d.materialid = g.materialid and status = 'TrPemakaianMaterial' f.pemakaianmaterialno = g.pemakaianmaterialno AND f.tanggalpemakaian BETWEEN j.tglmulaiproyek AND j.tglselesaiproyek End Menggambarkan database sumber daya dan query transformasi tahap tiga Gambar 4.82 Query Transformasi Fakta Belanja Proyek Tahap Tiga IF EXISTS ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel ='FaktaBP3' ) BEGIN Select KdWaktu, KdProyek, TotalBebanGaji = 0, TotalPemakaianMaterial = 0, biaya as TotalBiayaLainLain, biaya as TotalBelanjaProyek
71 171 From [OLAP_TTP].[dbo].DimensiWaktu a, [OLAP_TTP].[dbo].DimensiProyek b, [OLAP_TTP].[dbo].DimensiKategoriBiaya c, [OLTP_TTP].[dbo].MsProyek e, [OLTP_TTP].[dbo].TrBiayaLainLain d, [OLTP_TTP].[dbo].MsKategoriBiaya f where a.tgl = d.tanggal and status = 'TrBiayaLainLain' and d.proyekid = b.proyekid and b.proyekid = e.proyekid and d.kategoribiayaid = f.kategoribiayaid and d.kategoribiayaid = c.kategoribiayaid and c.kategoribiayaid = f.kategoribiayaid and d.tanggal between e.tglmulaiproyek and e.tglselesaiproyek and d.inserteddate > ( SELECT Last_ETL FROM [OLAP_TTP].[dbo].FilterTimeStamp WHERE NamaTabel ='FaktaBP3') End ELSE BEGIN Select KdWaktu, KdProyek, TotalBebanGaji = 0, TotalPemakaianMaterial = 0, biaya as TotalBiayaLainLain, biaya as TotalBelanjaProyek from [OLAP_TTP].[dbo].DimensiWaktu a, [OLAP_TTP].[dbo].DimensiProyek b, [OLAP_TTP].[dbo].DimensiKategoriBiaya c, [OLTP_TTP].[dbo].MsProyek e, [OLTP_TTP].[dbo].TrBiayaLainLain d, [OLTP_TTP].[dbo].MsKategoriBiaya f
72 172 where a.tgl = d.tanggal and status = 'TrBiayaLainLain' and d.proyekid = b.proyekid and b.proyekid = e.proyekid and d.kategoribiayaid = f.kategoribiayaid and d.kategoribiayaid = c.kategoribiayaid and c.kategoribiayaid = f.kategoribiayaid and d.tanggal between e.tglmulaiproyek and e.tglselesaiproyek End Menggambarkan database tujuan dan tabel tujuan Gambar 4.83 Database Fakta Belanja Proyek
73 173 Mengambarkan pemetaan sumber data dan kolom tujuan data Gambar 4.84 Pemetaan Sumber Data dan Kolom Tujuan Data Saat transformasi dijalankan Gambar 4.85 Transformasi Fakta Belanja Proyek 4.4 Proses Back Up Proses back up dilakukan 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 kehilangan data apabila terjadi kegagalan dalam proses ETL. Tabel 4.18 Tabel Proses Back up Pelaku Back Up Waktu Keterangan Server Dilakukan sebelum proses ETL dilakukan Back up data warehouse dilakukan untuk menangulangi proses ETL yang gagal
74 Analisis Kapasitas Media Penyimpanan Untuk mengetahui banyaknya kapasitas media penyimpanan yang diperlukan, perlu dilakukan analisis terhadap media penyimpanan dimana analisa ini dapat menunjukkan berapa kapasitas yang dibutuhkan. Berikut ini adalah perhitungan kapasitas penyimpanan pada tabel dimensi dan fakta 1. Dimensi Waktu Asumsi untuk jumlah record dimensi waktu selama 5 tahun pertama adalah hasil perkalian antara jumlah hari dalam lima tahun dengan jumlah jenis transaksi. Num_Rows : 365 x 5 x 6 = Num_Cols = 7 Fixed_Data_Sized = = 28 Num_Variable_Cols = 1 Max_Var_Sizes = 50 Null_Bitmap = 2 + ((7+7) / 8) = 3.75 Variable_Data_Size = 2 + (1 x 2) + 50 = 54 Row_Size = = Rows_Per_Page = 8096 /( ) = Num_Of_Pages = 9125 / = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = 0.97
75 175 Asumsi untuk jumlah record dimensi waktu untuk 5 tahun kedepan adalah hasil perkalian antara jumlah hari dalam 10 tahun dengan jumlah jenis transaksi. Num_Rows : 365 x 10 x 6 = Num_Cols = 7 Fixed_Data_Sized = = 28 Num_Variable_Cols = 1 Max_Var_Sizes = 50 Null_Bitmap = 2 + ((7+7) / 8) = 3.75 Variable_Data_Size = 2 + (1 x 2) + 50 = 54 Row_Size = = Rows_Per_Page = 8096 /( ) = Num_Of_Pages = 21900/ = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = Dimensi Pekerja Asumsi untuk jumlah record dimensi pekerja selama 5 tahun pertama adalah 3000 Num_Cols = 3 Fixed_Data_Sized = 4 Num_Variable_Cols = 2 Max_Var_Sizes = 50
76 176 Null_Bitmap = 2 + ((3+7) / 8) = 3.25 Variable_Data_Size = 2 + (2 x 2) + 50 = 56 Row_Size = = Rows_Per_Page = 8096 /( ) = Num_Of_Pages = 3000 / = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = 0.2 Asumsi untuk jumlah record dimensi pekerja selama 5 tahun kedepan adalah 3000 Num_Cols = 3 Fixed_Data_Sized = 4 Num_Variable_Cols = 2 Max_Var_Sizes = 50 Null_Bitmap = 2 + ((3+7) / 8) = 3.25 Variable_Data_Size = 2 + (2 x 2) + 50 = 56 Row_Size = = Rows_Per_Page = 8096 /( ) = Num_Of_Pages = 3000 / = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = 0.2
77 Dimensi Proyek Asumsi untuk jumlah record dimensi proyek selama 5 tahun pertama adalah 100 Num_Cols = 4 Fixed_Data_Sized = 4 Num_Variable_Cols = 3 Max_Var_Sizes = 50 Null_Bitmap = 2 + ((3+7) / 8) = 3.25 Variable_Data_Size = 2 + (2 x 3) + 50 = 58 Row_Size = = Rows_Per_Page = 8096 /( ) = Num_Of_Pages = 100 / = 0.88 Heap_Sizes(Bytes) = 8192 x 0.88 = Heap_Size(Kbytes) = /1024 = 7.04 Heap_Size(Mbytes) = 7.04/1024 = Asumsi untuk jumlah record dimensi proyek selama 5 tahun kedepan adalah 150 Num_Cols = 4 Fixed_Data_Sized = 4 Num_Variable_Cols = 3 Max_Var_Sizes = 50 Null_Bitmap = 2 + ((3+7) / 8) = 3.25 Variable_Data_Size = 2 + (2 x 3) + 50 = 58
78 178 Row_Size = = Rows_Per_Page = 8096 /( ) = Num_Of_Pages = 150 / = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = Dimensi Supplier Asumsi untuk jumlah record dimensi supplier selama 5 tahun pertama adalah 45 Num_Cols = 3 Fixed_Data_Sized = 4 Num_Variable_Cols = 2 Max_Var_Sizes = 50 Null_Bitmap = 2 + ((3+7) / 8) = 3.25 Variable_Data_Size = 2 + (2 x 2) + 50 = 56 Row_Size = = Rows_Per_Page = 8096 /( ) = Num_Of_Pages = 45 / = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = 3.421/1024 = 0.003
79 179 Asumsi untuk jumlah record dimensi supplier untuk 5 tahun kedepan adalah 45 Num_Cols = 3 Fixed_Data_Sized = 4 Num_Variable_Cols = 2 Max_Var_Sizes = 50 Null_Bitmap = 2 + ((3+7) / 8) = 3.25 Variable_Data_Size = 2 + (2 x 2) + 50 = 56 Row_Size = = Rows_Per_Page = 8096 /( ) = Num_Of_Pages = 45 / = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = 3.421/1024 = Dimensi Material Asumsi untuk jumlah record dimensi supplier selama 5 tahun pertama adalah 57 Num_Cols = 3 Fixed_Data_Sized = 4 Num_Variable_Cols = 2 Max_Var_Sizes = 50 Null_Bitmap = 2 + ((3+7) / 8) = 3.25 Variable_Data_Size = 2 + (2 x 2) + 50 = 56
80 180 Row_Size = = Rows_Per_Page = 8096 /( ) = Num_Of_Pages = 57 / = 0.48 Heap_Sizes(Bytes) = 8192 x 0.48 = Heap_Size(Kbytes) = /1024 = 3.9 Heap_Size(Mbytes) = 3.9/1024 = Asumsi untuk jumlah record dimensi supplier selama 5 tahun pertama adalah 57 Num_Cols = 3 Fixed_Data_Sized = 4 Num_Variable_Cols = 2 Max_Var_Sizes = 50 Null_Bitmap = 2 + ((3+7) / 8) = 3.25 Variable_Data_Size = 2 + (2 x 2) + 50 = 56 Row_Size = = Rows_Per_Page = 8096 /( ) = Num_Of_Pages = 57 / = 0.48 Heap_Sizes(Bytes) = 8192 x 0.48 = Heap_Size(Kbytes) = /1024 = 3.9 Heap_Size(Mbytes) = 3.9/1024 = 0.003
81 Dimensi Lokasi Asumsi untuk jumlah record dimensi lokasi selama 5 tahun pertama adalah 33 Num_Cols = 4 Fixed_Data_Sized = 4 Num_Variable_Cols = 3 Max_Var_Sizes = 50 Null_Bitmap = 2 + ((4+7) / 8) = Variable_Data_Size = 2 + (3x2) + 50 = 58 Row_Size = = Rows_Per_Page = 8096 /( ) = Num_Of_Pages = 33 / = 0.29 Heap_Sizes(Bytes) = 8192 x 0.29 = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = Asumsi untuk jumlah record dimensi lokasi untuk 5 tahun kedepan adalah 33 Num_Cols = 4 Fixed_Data_Sized = 4 Num_Variable_Cols = 3 Max_Var_Sizes = 50 Null_Bitmap = 2 + ((4+7) / 8) = Variable_Data_Size = 2 + (3x2) + 50 = 58 Row_Size = =
82 182 Rows_Per_Page = 8096 /( ) = Num_Of_Pages = 33 / = 0.29 Heap_Sizes(Bytes) = 8192 x 0.29 = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = Dimensi Kategori Biaya Asumsi untuk jumlah record dimensi lokasi selama 5 tahun pertama adalah 10 Num_Cols = 3 Fixed_Data_Sized = 4 Num_Variable_Cols = 2 Max_Var_Sizes = 50 Null_Bitmap = 2 + ((3+7) / 8) = 3.25 Variable_Data_Size = 2 + (2x2) + 50 = 56 Row_Size = = Rows_Per_Page = 8096 /( ) = Num_Of_Pages = 10 / = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = 0.684/1024 = 0.001
83 183 Asumsi untuk jumlah record dimensi lokasi untuk 5 tahun kedepan adalah 10 Num_Cols = 3 Fixed_Data_Sized = 4 Num_Variable_Cols = 2 Max_Var_Sizes = 50 Null_Bitmap = 2 + ((3+7) / 8) = 3.25 Variable_Data_Size = 2 + (2x2) + 50 = 56 Row_Size = = Rows_Per_Page = 8096 /( ) = Num_Of_Pages = 10 / = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = 0.684/1024 = Dimensi Kategori Klien Asumsi untuk jumlah record dimensi lokasi selama 5 tahun pertama adalah 120 Num_Cols = 5 Fixed_Data_Sized = 4 Num_Variable_Cols = 4 Max_Var_Sizes = 50 Null_Bitmap = 2 + ((5+7) / 8) = 3.5 Variable_Data_Size = 2 + (4x2) + 50 = 60 Row_Size = = 71.5
84 184 Rows_Per_Page = 8096 /( ) = Num_Of_Pages = 120 / = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = 8.592/1024 = Asumsi untuk jumlah record dimensi lokasi selama 5 tahun adalah 150 Num_Cols = 5 Fixed_Data_Sized = 4 Num_Variable_Cols = 4 Max_Var_Sizes = 50 Null_Bitmap = 2 + ((5+7) / 8) = 3.5 Variable_Data_Size = 2 + (4x2) + 50 = 60 Row_Size = = 71.5 Rows_Per_Page = 8096 /( ) = Num_Of_Pages = 150 / = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = Fakta Penggajian Asumsi untuk jumlah record fakta penggajian selama 1 bulan adalah Maka jumlah record selama 5 tahun pertama adalah 3000 x 12 x 5 yaitu
85 185 Num_Cols = 5 Fixed_Data_Sized = = 30 Bytes Null_Bitmap = 2+((5+7)/8) = 3.5 Row_Size = = 37.5 Bytes Rows_Per_Page = 8096/(37.5+2) = 205 Num_Of_Pages = /205 = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = Asumsi jumlah record untuk 5 tahun kedepan adalah 3000 X 12 X 10 yaitu Num_Cols = 5 Fixed_Data_Sized = = 30 Bytes Null_Bitmap = 2+((5+7)/8) = 3.5 Row_Size = = 37.5 Bytes Rows_Per_Page = 8096/(37.5+2) = 205 Num_Of_Pages = /205 = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = 13.71
86 Fakta Pembelian Asumsi untuk jumlah record fakta pembelian selama 1 bulan adalah Maka jumlah record selama 1 tahun adalah 1000 x 12 yaitu Dengan asumsi pertumbuhan data pertahun 10 %, maka jumlah record fakta pembelian selama 5 tahun pertama adalah x (5+(1+0.1) 5 ) yaitu Num_Cols = 6 Fixed_Data_Sized = = 29 Bytes Null_Bitmap = 2+((6+7)/8) = Row_Size = = Bytes Rows_Per_Page = 8096/( ) = 209 Num_Of_Pages = 79326/209 = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = Dengan asumsi pertumbuhan data pertahun 10 %, maka jumlah record fakta pembelian untuk 5 tahun kedepan adalah x (10+(1+0.1) 10 ) yaitu Num_Cols = 6 Fixed_Data_Sized = = 29 Bytes Null_Bitmap = 2+((6+7)/8) = Row_Size = = Bytes Rows_Per_Page = 8096/( ) = 209 Num_Of_Pages = /209 =
87 187 Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = Fakta Penjualan Asumsi untuk jumlah record fakta penjualan selama 1 tahun adalah 50. Dengan asumsi pertumbuhan data pertahun 10 %, maka jumlah record fakta pembelian selama 5 tahun pertama adalah 50 x (5+(1+0.1) 5 )yaitu 251 Num_Cols = 6 Fixed_Data_Sized = = 29 Null_Bitmap = 2+(65+7/8) = 3.75 Row_Size = = Rows_Per_Page = 8096/( ) = Num_Of_Pages = = 251/ = 1.2 Heap_Sizes(Bytes) = 8192 x 1.2 = Heap_Size(Kbytes) = /1024 = 9.6 Heap_Size(Mbytes) = 9.6/1024 = Dengan asumsi pertumbuhan data pertahun 10 %, maka jumlah record fakta pembelian untuk 5 tahun kedepan adalah 50 x (10+(1+0.1) 10 )yaitu 629 Num_Cols = 6 Fixed_Data_Sized = = 29 Null_Bitmap = 2+(65+7/8) = 3.75 Row_Size = = Rows_Per_Page = 8096/( ) =
88 188 Num_Of_Pages = = 629/ = 3.01 Heap_Sizes(Bytes) = 8192 x 3.01= Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = 9.6/1024 = Fakta Retur Pembelian Asumsi untuk jumlah record fakta retur pembelian selama 1 bulan adalah 100. Maka jumlah record selama 1 tahun adalah 100 x 12 yaitu Dengan asumsi pertumbuhan data pertahun 10 %, maka jumlah record fakta pembelian selama 5 tahun pertama adalah 1200 x (5+(1+0.1) 5 ) yaitu 7933 Num_Cols = 6 Fixed_Data_Sized = = 29 Null_Bitmap = 2+((5+7/8) = 3.5 Row_Size = = Rows_Per_Page = 8096/( ) = Num_Of_Pages = = 7933/209.6 = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = 0.3 Dengan asumsi pertumbuhan data pertahun 10 %, maka jumlah record fakta pembelian untuk 5 tahun kedepan adalah 1200 x (10+(1+0.1) 10 ) yaitu Num_Cols = 6 Fixed_Data_Sized = = 29 Null_Bitmap = 2+((5+7/8) = 3.5
89 189 Row_Size = = Rows_Per_Page = 8096/( ) = Num_Of_Pages = = 15112/209.6 = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = Fakta Pemakaian Material Asumsi untuk jumlah record fakta pemakaian material selama 1 bulan adalah 500. Maka jumlah record selama 1 tahun adalah 1000 x 12 yaitu Dengan asumsi pertumbuhan data pertahun 10 %, maka jumlah record fakta pembelian selama 5 tahun pertama adalah x (5+(1+0.1) 5 )yaitu Num_Cols =5 Fixed_Data_Sized = = 25 Null_Bitmap = 2+((5+7/8) = 3.5 Row_Size = = 32.5 Rows_Per_Page = 8096/(32.5+2) = Num_Of_Pages = = 79326/ = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = 2.64 Dengan asumsi pertumbuhan data pertahun 10 %, maka jumlah record fakta pembelian untuk 5 tahun kedepan adalah x (10+(1+0.1) 10 )yaitu
90 190 Num_Cols =5 Fixed_Data_Sized = = 25 Null_Bitmap = 2+((5+7/8) = 3.5 Row_Size = = 32.5 Rows_Per_Page = 8096/(32.5+2) = Num_Of_Pages = = / = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = Fakta Biaya Lain Lain Asumsi untuk jumlah record fakta pemakaian material selama 1 bulan adalah 500. Maka jumlah record selama 1 tahun adalah 1500 x 12 yaitu Dengan asumsi pertumbuhan data pertahun 10 %, maka jumlah record fakta pembelian selama 5 tahun adalah x (5+(1+0.1) 5 )yaitu Num_Cols = 4 Fixed_Data_Sized = = 21 Null_Bitmap = 2+((4+7/8) = Row_Size = = Rows_Per_Page = 8096/( ) = Num_Of_Pages = = / = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = 3.49
91 191 Dengan asumsi pertumbuhan data pertahun 10 %, maka jumlah record fakta pembelian selama 5 tahun pertama adalah x (10+(1+0.1) 10 ) yaitu Num_Cols = 4 Fixed_Data_Sized = = 21 Null_Bitmap = 2+((4+7/8) = Row_Size = = Rows_Per_Page = 8096/( ) = Num_Of_Pages = = / = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = Fakta BelanjaProyek Asumsi untuk jumlah record fakta belanja proyek selama satu bulan adalah penjumlahan asumsi penjumlahan jumlah record pada fakta penggajian, fakta pemakaian material dan fakta biaya lain lain selama satu bulan. Maka jumlah record selama 1 tahun adalah ( ) X 12 = Dengan asumsi pertumbuhan data pertahun 10 %, maka jumlah record fakta pembelian selama 5 tahun adalah x (5+(1+0.1) 5 ) yaitu Num_Cols = 6 Fixed_Data_Sized = = 44 Null_Bitmap = 2+((6+7/8) = Row_Size = =
92 192 Rows_Per_Page = 8096/( ) = Num_Of_Pages = = / = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 = Dengan asumsi pertumbuhan data pertahun 10 %, maka jumlah record fakta pembelian selama 5 tahun adalah x (10+(1+0.1) 10 ) yaitu Num_Cols = 6 Fixed_Data_Sized = = 44 Null_Bitmap = 2+((6+7/8) = Row_Size = = Rows_Per_Page = 8096/( ) = Num_Of_Pages = = / = Heap_Sizes(Bytes) = 8192 x = Heap_Size(Kbytes) = /1024 = Heap_Size(Mbytes) = /1024 =
93 193 Setelah menghitung jumlah kapasitas per tabelnya, maka jumlah keseluruhan kapasitas yang diestimasikan adalah sebagai berikut : Tabel 4.19 Tabel kapasitas penyimpanan Nama Tabel Size Tabel (MB) 5 tahun Pertama 5 tahun kedepan Dimensi Waktu Dimensi Pekerja Dimensi Proyek Dimensi Supplier Dimensi Material Dimensi Lokasi Dimensi Kategori Biaya Dimensi Klien Fakta Penggajian Fakta Pembelian Fakta Penjualan Fakta Pemakaian Material Fakta Retur Pembelian Fakta Biaya Lain Lain Fakta Belanja Proyek TOTAL
94 Rancangan Skema Bintang Pada perancangan ini, bentuk skema yang dipilih adalah skema bintang. Hal ini dikarenakan skema ini merupakan skema yang mudah dipahami dan digunakan pleh pengguna daripada skema lain. Bentuk skema bintang yang ada pada data warehouse ini terdiri atas tabel fakta yang berhubungan dengan tabel dimensi. Berikut gambar skema bintang PT Teras Teknik Perdana yang dihasilkan dalam perancangan ini : 1. Skema Bintang Penjualan Gambar 4.86 Gambar Skema Bintang Penjualan
95 Skema Bintang Pembelian Gambar 4.87 Gambar Skema Bintang Pembelian 3. Skema Bintang Retur Pembelian Gambar 4.88 Gambar Skema Bintang Retur Pembelian
96 Skema Bintang Penggajian Gambar 4.89 Gambar Skema Bintang Penggajian 5. Skema Bintang Pemakaian Material Gambar 4.90 Gambar Skema Bintang Pemakaian Material
97 Skema Bintang Biaya Lain Lain Gambar 4.91 Gambar Skema Bintang Biaya Lain Lain 7. Skema Bintang Belanja Proyek Gambar 4.92 Gambar Skema Bintang Broyek
98 Rancangan Layar Aplikasi 1. Layar Log in Layar log in digunakan untuk log in oleh user untuk mengakses aplikasi Gambar 4.93 Layar Log in Gambar 4.94 Gambar Log in error 2. Layar Menu utama Pada layar menu utama terdapat 8 command button yaitu : Change Password : Untuk mengganti password akses ke aplikasi Transform data : Melakukan proses ETL dari OLTP_TTP ke OLAP_TTP
99 199 Laporan Penjualan: Membuka Layar Laporan Penjualan Laporan Pembelian : Membuka Layar Laporan Pembelian dan Laporan Retur Pembelian Laporan Belanja Proyek : Membuka Layar Laporan Belanja Proyek, Laporan Penggajian, Laporan Pemakaian Material dan Laporan Biaya Lain Lain About : Membuka layar informasi pembuat program Gambar 4.95 Gambar Layar Utama
100 Change Password Pada layar ini user diminta memasukan password lama dan password baru untuk proses perubahan password. Gambar 4.96 Gambar layar change password 4. Transformasi Data Pada menu ini dilakukan fungsi pemanggilan ETL yang telah dibuat sebelumnya. Gambar 4.97 Gambar proses transformasi data
101 Layar Laporan Penjualan Pada layar ini terdapat pivot tabel dan chart yang bisa dipilih jenisnya. Pada pivot tabel merupakan laporan dari cube penjualan dimana user dapat melihat laporan penjualan beserta measurenya berdasarkan dimensi - dimensi yang telah ditentukan dari cube penjualan. Selain itu juga terdapat tombol yang berfungsi untuk meng ekspor laporan ke dalam bentuk excel dan combo box untuk merubah tipe grafik. Gambar 4.98 Gambar Layar Laporan Penjualan
102 Layar Laporan Pembelian Pada layar ini terdapat pivot tabel dan chart yang bisa dipilih jenisnya. Pada pivot tabel merupakan laporan dari cube pembelian dimana user dapat melihat laporan pembelian beserta measurenya berdasarkan dimensi- dimensi yang telah ditentukan dari cube Pembelian. Selain itu juga terdapat tombol yang berfungsi untuk meng ekspor laporan ke dalam bentuk excel dan combo box untuk merubah tipe grafik. Gambar 4.99 Gambar Layar Laporan Pembelian
103 Layar Laporan Retur Pembelian Pada layar ini terdapat pivot tabel dan chart yang bisa dipilih jenisnya. Pada pivot tabel merupakan laporan dari cube retur pembelian dimana user dapat melihat laporan retur pembelian beserta measurenya berdasarkan dimensidimensi yang telah ditentukan dari cube retur pembelian. Selain itu juga terdapat tombol yang berfungsi untuk meng ekspor laporan ke dalam bentuk excel dan combo box untuk merubah tipe grafik. Gambar Gambar Layar Laporan Retur Pembelian
104 Layar Laporan Belanja Proyek Pada layar ini terdapat pivot tabel dan chart yang bisa dipilih jenisnya. Pada pivot tabel merupakan laporan dari cube Belanja Proyek dimana user dapat melihat laporan belanja proyek beserta measurenya berdasarkan dimensidimensi yang telah ditentukan dari cube belanja proyek. User juga dapat melakukan analisis lebih mendalam pada laporan penggajian, pemakaian material dan laporan biaya lain lain dengan memilih tab page yang sesuai dengan laporan yang ingin dianalisis. Selain itu juga terdapat tombol yang berfungsi untuk meng ekspor laporan ke dalam bentuk excel dan combo box untuk merubah tipe grafik. Gambar Gambar Layar Laporan Belanja Proyek
105 Layar Laporan Penggajian Pada layar ini terdapat pivot tabel dan chart yang bisa dipilih jenisnya. Pada pivot tabel merupakan laporan dari cube Penggajian dimana user dapat melihat laporan penggajian beserta measurenya berdasarkan dimensi- dimensi yang telah ditentukan dari cube Penggajian. Selain itu juga terdapat tombol yang berfungsi untuk meng ekspor laporan ke dalam bentuk excel dan combo box untuk merubah tipe grafik. Gambar Gambar Layar Laporan Penggajian
106 Layar Laporan Pemakaian Material Pada layar ini terdapat pivot tabel dan chart yang bisa dipilih jenisnya. Pada pivot tabel merupakan laporan dari cube Pemakaian material dimana user dapat melihat laporan pemakaian material beserta measurenya berdasarkan dimensidimensi yang telah ditentukan dari cube Pemakaian material. Selain itu juga terdapat tombol yang berfungsi untuk meng ekspor laporan ke dalam bentuk excel dan combo box untuk merubah tipe grafik. Gambar Gambar Layar Laporan Pemakaian Material
107 Layar Laporan Biaya Lain Lain Pada layar ini terdapat pivot tabel dan chart yang bisa dipilih jenisnya. Pada pivot tabel merupakan laporan dari cube Biaya Lain Lain dimana user dapat melihat laporan biaya lain lain beserta measurenya berdasarkan dimensidimensi yang telah ditentukan dari cube biaya lain lain. Selain itu juga terdapat tombol yang berfungsi untuk meng ekspor laporan ke dalam bentuk excel dan combo box untuk merubah tipe grafik. Gambar Gambar Layar Laporan Biaya Lain Lain
108 About Pada layar ini menampilkan informasi nama perusahaan dan nama pembuat program Gambar Gambar Layar About
BAB I PENDAHULUAN. memanfaatkan teknologi informasi, perusahaan dapat menjalankan proses bisnis dengan
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini teknologi informasi telah berkembang dengan pesat, dengan memanfaatkan teknologi informasi, perusahaan dapat menjalankan proses bisnis dengan lebih cepat,
Lebih terperinciBAB 4 PERANCANGAN SISTEM DATA WAREHOUSE. Artsitektur data warehouse yang akan digunakan oleh PT. Toyota Astra
BAB 4 PERANCANGAN SISTEM DATA WAREHOUSE 4.1 Arsitektur Data Warehouse Artsitektur data warehouse yang akan digunakan oleh PT. Toyota Astra Motor adalah arsitektur data warehouse terpusat (Centralized Data
Lebih terperinciGambar 4.57 Rancangan Pivot Tabel Total Purchase Return Dalam Quantity
123 Gambar 4.57 Rancangan Pivot Tabel Total Purchase Return Dalam Quantity Gambar 4.58 Rancangan Pivot Tabel Total Purchase Return Berdasarkan Vendor Area Dalam Rupiah 124 Gambar 4.59 Rancangan Pivot Tabel
Lebih terperinciBAB 4 PERANCANGAN SISTEM. menggunakan data warehouse terpusat (centralized data warehouse). Adapun
BAB 4 PERANCANGAN SISTEM 4.1 Arsitektur Data Warehouse Dalam perancangan data warehouse pada Mandiri Tabungan Rencana menggunakan data warehouse terpusat (centralized data warehouse). Adapun beberapa alasan
Lebih terperinciANALISIS DAN PERANCANGAN DATA WAREHOUSE PENJUALAN, PEMBELIAN, DAN PERSEDIAAN UNTUK MENDUKUNG EKSEKUTIF DALAM PENGAMBILAN
ANALISIS DAN PERANCANGAN DATA WAREHOUSE PENJUALAN, PEMBELIAN, DAN PERSEDIAAN UNTUK MENDUKUNG EKSEKUTIF DALAM PENGAMBILAN KEPUTUSAN PADA PT. PUSAKA KALI AGUNG Penulis : Rustam Steven Edwin Laurentino Palit
Lebih terperinciBAB 1 PENDAHULUAN. pokok untuk kelangsungan hidup perusahaan. perusahaan yang bergerak di bidang retail.
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dewasa ini penggunaan teknologi informasi tidak dapat dipisahkan dengan kehidupan kita, terutama di dalam suatu perusahaan. Teknologi informasi yang telah diintegrasikan
Lebih terperinciBAB 4 PERANCANGAN DATAWAREHOUSE. Komunika menggunakan arsitektur data warehouse terpusat. Alasan. menggunakan data warehouse terpusat ialah :
73 BAB 4 PERANCANGAN DATAWAREHOUSE 4.1 Arsitektur Data warehouse Rancangan data warehouse yang diusulkan pada PT. Metrotech Jaya Komunika menggunakan arsitektur data warehouse terpusat. Alasan menggunakan
Lebih terperinciBAB 1 PENDAHULUAN. informasi dan teknologi informasi yang semakin baik untuk membantu proses bisnis
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di dalam dunia bisnis yang semakin berkembang pesat diperlukan sistem informasi dan teknologi informasi yang semakin baik untuk membantu proses bisnis dan strategi
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN SISTEM
38 BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Perusahaan 3.1.1 Riwayat Perusahaan PT. Artha Envirotama didirikan pada tanggal 25 Juli 2000 oleh Bapak Yohanes Roman. Perusahaan ini pertama kali
Lebih terperinciBAB 4 PERANCANGAN DATA WAREHOUSE. diterapkan adalah arsitektur data warehouse terpusat. Alasan memilih arsitektur data
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
Lebih terperinciBAB IV PERANCANGAN DATA WAREHOUSE
BAB IV PERANCANGAN DATA WAREHOUSE 4.1 Arsitektur Data Warehouse Berdasarkan penelitian yang dilakukan pada PT. Makmur Pangan Kharisma, arsitektur data warehouse yang cocok digunakan adalah bentuk data
Lebih terperinciBAB 4 ANALISIS DAN PERANCANGAN DATA WAREHOUSE
BAB 4 ANALISIS DAN PERANCANGAN DATA WAREHOUSE 4.1 Arsitektur Data Warehouse Pelayanan Kesehatan Sint Carolus dan cabangnya yaitu Rumah Sakit Ibu dan Anak, masih melakukan pengolahan terhadap datanya secara
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 terperinciBAB 4 PERANCANGAN DATA WAREHOUSE
BAB 4 PERANCANGAN DATA WAREHOUSE 4.1 Arsitektur Data Warehouse Perancangan Data Warehouse pada Rumah Sakit XYZ menggunakan Centralized Data Warehouse (Data Warehouse yang terpusat). Sumber data yang terdapat
Lebih terperinciBAB 4 PERANCANGAN SISTEM. di Bab 3, maka dibuat data warehouse dan langkahnya adalah sebagai berikut : Memilih Proses (Choosing the Process)
BAB 4 PERANCANGAN SISTEM 4.1 Perancangan Data Warehouse Untuk memecahkan masalah yang ada PT. Harmoni Dharma Abadi seperti yang ada di Bab 3, maka dibuat data warehouse dan langkahnya adalah sebagai berikut
Lebih terperinciMANFAAT DATA WAREHOUSE PADA PT ABC
MANFAAT DATA WAREHOUSE PADA PT ABC Evaristus Didik M.; Dewi S.; Felisia L.; Winnie S. Information Systems Department, School of Information Systems, Binus University Jl. K.H. Syahdan No. 9, Palmerah, Jakarta
Lebih terperinci3.5 Arsitektur Data Warehouse Data Source Data Warehouse Surveilans Terpadu Penyakit (STP) kabupatenbantul
DAFTAR ISI aman Judul... i aman Pengesahan... ii aman Pernyataan... iii aman Persembahan dan Motto... iv Kata Pengantar... v Abstrak... vi Abstract... vii Daftar Isi... viii Daftar Gambar... x Daftar Tabel...
Lebih terperinciSELECT Last_ETL FROM [OLAP].[dbo].FilterTimeStamp WHERE NamaTable
L1 Query dimensi waktu SELECT Tgl as[tgl], month(tgl) as [bulan], year (Tgl) as [tahun] from (select distinct Tgl as Tgl FROM [skripsi].[dbo].[suratjalan]) as Tgl order by bulan, tahun query fakta penjualan
Lebih terperinciyang ingin ditampilkan.
130 Gambar 4.38 Tampilan Grafik Batang Laporan Penjualan Dalam halaman grafik ini terdapat drop down menu untuk melihat jenis laporan penjualan. Jenis laporan penjualan dibagi menjadi empat, yaitu total
Lebih terperinciBAB 1 PENDAHULUAN. perusahaan. Dengan informasi, organisasi bisa berkembang dan menjadi lebih
BAB 1 PENDAHULUAN 1.1 Latar Belakang Informasi menjadi kebutuhan penting dalam sebuah organisasi ataupun perusahaan. Dengan informasi, organisasi bisa berkembang dan menjadi lebih baik, karena informasi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Teknologi informasi sekarang ini telah mengalami perkembangan yang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Teknologi informasi sekarang ini telah mengalami perkembangan yang sangat pesat dalam waktu yang singkat. Teknologi informasi merupakan suatu keharusan yang harus ada
Lebih terperinciBAB 4 RANCANGAN DATA WAREHOUSE YANG DIUSULKAN. Pada perancangan Data Warehouse Kementerian Dalam Negeri Bagian
180 BAB 4 RANCANGAN DATA WAREHOUSE YANG DIUSULKAN 4.1 Arsitektur Data Warehouse Pada perancangan Data Warehouse Kementerian Dalam Negeri Bagian Kependudukan, kami mengusulkan sebuah Data Warehouse terpusat
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 terperinciBAB 4 PERANCANGAN DATA WAREHOUSE
BAB 4 PERANCANGAN DATA WAREHOUSE 4.1 Arsitektur Data warehouse Rancangan data warehouse yang diusulkan untuk PT. Antar Mitra Prakarsa ialah rancangan yang menggunakan arsitektur data warehouse terpusat.
Lebih terperinciANALISA SISTEM INFORMASI MONITORING DATA QUALITY PRODUCT STUDI KASUS PADA PT KONE INDO ELEVATOR
11 ANALISA SISTEM INFORMASI MONITORING DATA QUALITY PRODUCT STUDI KASUS PADA PT KONE INDO ELEVATOR SKRIPSI Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Fakultas Ilmu Komputer Universitas Mercu
Lebih terperinciBAB 4 RANCANGAN DATA WAREHOUSE YANG DIUSULKAN. patokan yang menjadi pedoman dalam merancang data warehouse yang dibutuhkan
BAB 4 RANCANGAN DATA WAREHOUSE YANG DIUSULKAN 4.1 Rencana Perancangan Data Warehouse Berdasarkan analisis yang telah dilakukan sebelumnya, diperoleh suatu patokan yang menjadi pedoman dalam merancang data
Lebih terperinciBAB 4 RANCANGAN S IS TEM YANG D IUS ULKAN. kami mengusulkan sebuah data warehouse terpusat. Data warehouse tersebut
BAB 4 RANCANGAN S IS TEM YANG D IUS ULKAN 4.11 Arsitektur data warehouse Untuk perancangan data warehouse pada Software Laboratory Center, kami mengusulkan sebuah data warehouse terpusat. Data warehouse
Lebih terperinciBAB 4 PERANCANGAN DATA WAREHOUSE YANG DIUSULKAN. data warehouse terpusat (centralized data warehouse). Arsitektur ini merupakan bentuk
BAB 4 PERANCANGAN DATA WAREHOUSE YANG DIUSULKAN 4.1. Arsitektur Data Warehouse Dalam perancangan data warehouse pada Rumah Sakit Husada menggunakan data warehouse terpusat (centralized data warehouse).
Lebih terperinciBAB 4 PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE
84 BAB 4 PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE 4.1 Perancangan Data warehouse 4.1.1 Arsitektur Data warehouse Berdasarkan hasil dari penelitian yang dilakukan pada PT. Mega Solusi Teknologi, maka
Lebih terperinciBab 4 ANALISIS DAN PERANCANGAN DATA WAREHOUSE
67 Bab 4 ANALISIS DAN PERANCANGAN DATA WAREHOUSE 4.1 Arsitektur Data Warehouse Perancangan Data Warehouse pada PT. Fujiyama menggunakan arsitektur Data Warehouse terpusat atau Centralized. Pada arsitektur
Lebih terperinciBAB 1 PENDAHULUAN. tersebut dapat membantu dalam pengambilan keputusan yang tepat di waktu
BAB 1 PENDAHULUAN 1.1 Latar Belakang Informasi dan pengambilan keputusan adalah dua hal yang saling terkait dan tidak dapat dipisahkan. Dengan adanya informasi yang memadai, perusahaan dapat menganalisa
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 terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang 1.2 Ruang Lingkup
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kemajuan teknologi informasi yang amat sangat pesat saat ini baik di Indonesia maupun negara lain, mempengaruhi semua aspek yang ada di masyarakat. Kebutuhan akan teknologi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Memasuki era globalisasi pada saat ini, persaingan di dalam bisnis semakin ketat baik dalam industri barang atau jasa. Pada dasarnya perusahaan didirikan dengan melakukan
Lebih terperinciLAMPIRAN. Dalam mengumpulkan informasi yang dibutuhkan dalam pembuatan skripsi ini,
L1 LAMPIRAN Wawancara Dalam mengumpulkan informasi yang dibutuhkan dalam pembuatan skripsi ini, metodologi yang digunakan adalah wawancara. Wawancara yang kami lakukan selama melaksanakan survey pada bagian
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 terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada masa seperti sekarang ini teknologi sudah berkembang dengan pesat. Seiring dengan perubahan zaman, teknologi tersebut dapat membantu dan memudahkan setiap kegiatan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Dengan semakin berkembangnya zaman, maka semakin berkembang pula
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan semakin berkembangnya zaman, maka semakin berkembang pula teknologi informasi sekarang ini. Hampir seluruh aspek kehidupan manusia mulai dipengaruhi oleh teknologi
Lebih terperinciLampiran Wawancara dilakukan kepada Wakil Direktur pada PT. Tirta Kencana. 1. Jelaskan secara singkat sejarah PT.
L1 Lampiran 1. Wawancara 1.1. Wawancara dilakukan kepada Wakil Direktur pada PT. Tirta Kencana 1. Jelaskan secara singkat sejarah PT. Tirta Kencana Sebelum tahun 1990 Pak Suwarno Hardjo memulai bisnisnya
Lebih terperinci1. Merancang arsitektur data warehouse. 2. Merancang data warehouse. 3. Merancang skema bintang. yang ada di dalam data warehouse.
BAB 4 PERANCANGAN SISTEM YANG DIUSULKAN 4.1 Perancangan Data Warehouse Berdasarkan hasil analisa yang telah dilakukan pada bab sebelumnya mengenai permasalahan yang dihadapi dan informasi yang dibutuhkan
Lebih terperinciBAB 1 PENDAHULUAN. berkembang.mereka semua berusaha meningkatkan bisnisnya agar tetap dapat bertahan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dewasa ini bisnis bertumbuh dengan pesat, perusahaan yang sudah ada terus berkembang.mereka semua berusaha meningkatkan bisnisnya agar tetap dapat bertahan dalam persaingan
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dewasa ini pangan merupakan salah satu masalah terbesar yang semakin sulit untuk ditangani dikarenakan jumlah manusia yang semakin banyak dari tahun ke tahun sehingga
Lebih terperinciBAB 1 PENDAHULUAN. untuk organisasi tersebut. Informasi tersebut dapat digunakan sebagai pengambilan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring dengan perkembangan teknologi informasi yang pesat, maka data sangat dibutuhkan oleh setiap organisasi karena dapat menghasilkan informasi yang diperlukan untuk
Lebih terperinciBAB 1 PENDAHULUAN. tersedianya informasi yang sesuai, dibutuhkan data warehouse yang berisi data
BAB 1 PENDAHULUAN 1.1 Latar Belakang Persaingan di dunia bisnis global yang semakin ketat menuntut perusahaan untuk memiliki strategi bisnis yang tepat agar dapat bertahan dan terus berkembang. Salah satu
Lebih terperinciBINUS UNIVERSITY. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil 2007/2008
BINUS UNIVERSITY Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil 2007/2008 PERANCANGAN DATA WAREHOUSE PENJUALAN, BONUS, KINERJA MEMBER DAN SERVICE CENTER PADA PT. WOO TEKH INDONESIA
Lebih terperinciBAB III METODOLOGI. mengidentifikasi proses-proses bisnis utama dan entitas-entitas utama yang ada di SFI,
BAB III METODOLOGI 3.1 Analisa masalah Langkah pertama yang dilakukan dalam proyek business intelligence pada PT Suzuki Finance Indonesia (SFI) adalah dengan melakukan analisa masalah. Yaitu dengan mengidentifikasi
Lebih terperinciLAMPIRAN L 1. Lampiran 1 Implementasi Tabel
L 1 LAMPIRAN Lampiran 1 Implementasi Tabel CREATE TABLE [Klien] [KodeKlien] [char] 6) COLLATE [NamaKlien] [varchar] 30) COLLATE [Alamat] [varchar] 70) COLLATE [Telepon] [varchar] 15) COLLATE SQL_Latin1_General_CP1_CI_AS
Lebih terperinciBAB 4 PERANCANGAN DATA WAREHOUSE. kendali kontrol terhadap data. Untuk perancangan data warehouse pada PT. Arbe
69 BAB 4 PERANCANGAN DATA WAREHOUSE 4.1 Arsitektur Data Warehouse Dalam memilih arsitektur data warehouse yang akan digunakan, terlebih dahulu harus ditentukan dimana data warehouse akan ditempatkan dan
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 4 PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE. 4.1 Anatomi dan Arsitektur Data Warehouse Perusahaan Teh Tong Tji
BAB 4 PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE 4.1 Anatomi dan Arsitektur Data Warehouse Perusahaan Teh Tong Tji Dalam perancangan data warehouse untuk Perusahaan Teh Tong Tji digunakan bentuk data
Lebih terperinciLAMPIRAN. create proc varchar(40))as. update filtertimestamp set last_etl=getdate()
L1 LAMPIRAN S tored Procedure pada database OLAP 1. Stored Procedure proc filtertimehistory create proc filtertimehistory(@tabel varchar(40as if exists ( select * from filtertimestamp where namatable=@tabel
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 terperinciANALISIS DAN PERANCANGAN DATA WAREHOUSE PERPUSTAKAAN (STUDI KASUS: PERPUSTAKAAN UNIVERSITAS BINADARMA PALEMBANG)
ANALISIS DAN PERANCANGAN DATA WAREHOUSE PERPUSTAKAAN (STUDI KASUS: PERPUSTAKAAN UNIVERSITAS BINADARMA PALEMBANG) Andri 1), Baibul Tujni 2) 1,2) Program Studi Sistem Informasi Universitas Binadarma Jalan
Lebih terperinciLAMPIRAN. /****** Object: Table [dbo].[dimensiactionoffice] Script Date: 01/21/2011
LAMPIRAN SQL Query untuk pembuatan tabel OLTP USE [DW1] /****** Object: Table [dbo].[dimensiactionoffice] Script Date: 01/21/2011 08:08:43 ******/ SET ANSI_NULLS ON SET QUOTED_IDENTIFIER ON SET ANSI_PADDING
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 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 terperinciBAB I PENDAHULUAN. terus mempertahankan dan mengembangkan eksistensinya agar dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Pada masa era globalisasi seperti sekarang ini, persaingan bisnis terus tumbuh dan berkembang pesat. Oleh karena itu suatu perusahaan berusaha untuk terus mempertahankan
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 terperinciBAB 4 DATA WAREHOUSE YANG DIUSULKAN
94 BAB 4 DATA WAREHOUSE YANG DIUSULKAN 4.1 Arsitektur Data Warehouse Rancangan data warehouse yang diusulkan adalah rancangan yang menggunakan arsitektur data warehouse terpusat. Alasan penggunaan arsitektur
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang. Kebutuhan perusahaan akan informasi yang cepat dan akurat semakin
BAB 1 PENDAHULUAN 1.1. Latar Belakang Kebutuhan perusahaan akan informasi yang cepat dan akurat semakin meningkat seiring dengan tingkat kemajuan teknologi yang semakin pesat. Informasi tersebut dihasilkan
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 terperinciMEMBANGUN DATA WAREHOUSE
MEMBANGUN DATA WAREHOUSE A. Menentukan Bentuk Data Warehouse Data warehouse memiliki berbagai macam bentuk yang sering digunakan. Jadi sebelum membangun suatu data warehouse kita harus memutuskan bentuk
Lebih terperinciPerancangan Data Warehouse Alumni Untuk Mendukung Kebutuhan Informasi Business Placement Centre Universitas AMIKOM
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Data Warehouse Alumni Untuk Mendukung Kebutuhan Informasi Business Placement Centre Universitas AMIKOM Arik
Lebih terperinciBAB 1 PENDAHULUAN. banyaknya proses bisnis yang dilakukan tidak lagi secara manual melainkan telah
BAB 1 PENDAHULUAN 1.1 Latar Bel akan g Seiring dengan perkembangan zaman, komputer tidak hanya sebagai sarana untuk mengetik atau menghitung saja. Saat ini teknologi informasi telah berkembang pesat dalam
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 1 PENDAHULUAN. terkumpul diolah menjadi database yang berperan penting dalam perusahaan. Database
1 BAB 1 PENDAHULUAN 1.1 Latar belakang Data merupakan suatu elemen penting pada suatu organisasi yang digunakan untuk memberikan informasi dan keterangan-keterangan yang diperlukan oleh suatu organisasi.
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 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 terperinciPERANCANGAN DATA WAREHOUSE PADA SOFTWARE LABORATORY CENTER
PERANCANGAN DATA WAREHOUSE PADA SOFTWARE LABORATORY CENTER Alvin Chandra Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Bina Nusantara Jln. Kebon Jeruk Raya No. 27, Kebon Jeruk, Jakarta
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1. 1 Latar Belakang Berbagai aspek ilmu pengetahuan dan teknologi selalu berkembang dan mengalami kemajuan, sesuai dengan perkembangan cara berpikir manusia dan perkembangan zaman. Salah
Lebih terperinciBAB III LANDASAN TEORI Akreditasi Nasional Perguruan Tinggi dan Program Studi
BAB III LANDASAN TEORI 3.1. Akreditasi Nasional Perguruan Tinggi dan Program Studi Satu satunya badan akreditasi yang diakui oleh pemerintah adalah BAN-PT yang berdiri pada tahun 1994, berlandaskan UU
Lebih terperinciBAB 4 PERANCANGAN DAN IMPLEMENTASI. memproyeksikan hal hal berikut: 1. Jalannya investasi dari proses bisnis yang berjalan pada perusahaan
BAB 4 PERANCANGAN DAN IMPLEMENTASI 4.1. Identifikasi Kebutuhan Informasi Kebutuhan informasi dari PT. Corfina Capital adalah untuk dapat memproyeksikan hal hal berikut: 1. Jalannya investasi dari proses
Lebih terperinciPROSES EXTRACT, TRANSFORM DAN LOAD PADA DATA WAREHOUSE
PROSES EXTRACT, TRANSFORM DAN LOAD PADA DATA WAREHOUSE Oktavian Abraham Lantang ABSTRAK Saat ini seiring dengan perkembangan teknologi informasi yang semakin pesat, ketergantungan proses bisnis suatu perusahaan
Lebih terperinciBAB 2 LANDASAN TEORI. berarti dan penting di lingkungan pemakai. (Hoffer, Prescott, dan McFadden, 2002, p5).
BAB 2 LANDASAN TEORI 2.1 Data Data adalah sebuah representasi dari obyek - obyek dan kejadian - kejadian yang berarti dan penting di lingkungan pemakai. (Hoffer, Prescott, dan McFadden, 2002, p5). Data
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Teori Dasar / Umum 2.1.1 Pengertian Data Warehouse dan Database Database merupakan gabungan dari sejumlah informasi yang terdapat pada masing - masing bagian aktivitas perusahaan
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 3 ANALISIS DAN PERANCANGAN SISTEM
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis 3.1.1 Riwayat Perusahaan PT Pondok Pujian Sejahtera, pengelola Toko Pondok Pujian adalah perseroan yang bergerak dalam bidang distribusi audio visual,
Lebih terperinciBAB 1 PENDAHULUAN. saja media-media nirkabel seperti telepon selular, notebook dan masih banyak yang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dewasa ini media komunikasi sudah didukung oleh banyak kecanggihan, sebut saja media-media nirkabel seperti telepon selular, notebook dan masih banyak yang lainnya.
Lebih terperinci2. DTS tabel DimOutlet
191 Gambar 4.17 Design Query untuk DTS_Brand Gambar 4.18 DTS DimBrand 2. DTS tabel DimOutlet Data diperoleh dari tabel Outlet yang melalui proses pengecekan tanggal pemasukan di FTS_Outlet. 192 Gambar
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang. Pada era globalisasi yang diiringi dengan kemajuan teknologi yang semakin
BAB 1 PENDAHULUAN 1.1 Latar belakang Pada era globalisasi yang diiringi dengan kemajuan teknologi yang semakin pesat ini, kebutuhan akan informasi yang cepat, lengkap, akurat dan relevan menjadi hal yang
Lebih terperinciBAB 4 RANCANGAN S IS TEM YANG D IUS ULKAN
BAB 4 RANCANGAN S IS TEM YANG D IUS ULKAN 4.1 Arsitektur Data Warehouse Dalam perancangan data warehouse ini, arsitektur yang akan digunakan adalah arsitektur data warehouse terpusat. Bentuk ini terlihat
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 terperinciPERANCANGAN STRUKTUR DAN APLIKASI DATAWAREHOUSE PADA PELAYANAN KESEHATAN SINT CAROLUS. Ervyn. Binus University, Jakarta, DKI Jakarta, Indonesia.
PERANCANGAN STRUKTUR DAN APLIKASI DATAWAREHOUSE PADA PELAYANAN KESEHATAN SINT CAROLUS Ervyn Binus University, Jakarta, DKI Jakarta, Indonesia Selvi Binus University, Jakarta, DKI Jakarta, Indonesia dan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1. Konsep Dasar Data Warehouse 2.1.1 Pengertian Data dan Database Menurut James A. O Brien (1997, p166), Database is an integrated collection of logically related record of file,
Lebih terperinciMANFAAT DATAWAREHOUSE PADA RUMAH SAKIT ABC
MANFAAT DATAWAREHOUSE PADA RUMAH SAKIT ABC Evaristus Didik M.; M. Awan Wibisono; Sucipto A.; Gusti Agung D. V. Information Systems Department, School of Information Systems, Binus University Jl. K.H. Syahdan
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 4 RANCANGAN SISTEM YANG DIUSULKAN DAN IMPLEMENTASI
BAB 4 RANCANGAN SISTEM YANG DIUSULKAN DAN IMPLEMENTASI 4.1 Arsitektur Data Warehouse Pelaksanaan rancangan data warehouse dimulai dengan menjalankan pencarian data yang berhubungan dengan pembuatan laporan
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 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 terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN 3.1. Tinjauan Organisasi 3.1.1. Sejarah dan Profil Perusahaan PT. Kurnia Ciptamoda Gemilang adalah sebuah perusahaan yang bergerak di bidang retail. Berdiri pada tahun 2008,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di Indonesia perusahaan manufaktur merupakaan perusahaan yang cukup signifikan perkembangannya seperti industri kimia, industri perbankan dll. Perusahaan manufaktur
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 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Database 2.1.1 Pengertian Database Menurut Connolly dan Begg (2002, p15) database merupakan suatu kumpulan data logikal yang berhubungan satu sama lain dan deskripsi dari suatu
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Program Studi Strata-1 Skripsi Sarjana Komputer Semester Ganjil Tahun 2006/2007
UNIVERSITAS BINA NUSANTARA Jurusan Teknik Informatika Program Studi Strata-1 Skripsi Sarjana Komputer Semester Ganjil Tahun 2006/2007 ANALISIS DAN PERANCANGAN DATA WAREHOUSE DEPARTEMEN MARKETING PT. RAHADICIPTA
Lebih terperinciBAB I PENDAHULUAN. dan pendidikannya. Tidak terkecuali pada Universitas Widyatama yang sudah. untuk laporan kepada pimpinan Universitas Widyatama.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Ketatnya persaingan perguruan tinggi swasta saat ini membuat perguruan tinggi swasta berlomba-lomba untuk lebih meningkatkan lagi kualitas pelayanan dan pendidikannya.
Lebih terperinciUKDW BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam dunia bisnis pada jaman sekarang, para pelaku bisnis senantiasa selalu berusaha mengembangkan cara-cara untuk dapat mengembangkan usaha mereka dan memperhatikan
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 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 terperinciImplementasi Pengembangan Sistem Model Water Fall Untuk Data Warehouse Akademik
Implementasi Pengembangan Sistem Model Water Fall Untuk Data Warehouse Akademik 1 Arik Sofan Tohir, 2 Kusrini, 3 Sudarmawan 1,2,3 Universitas Amikom 1,2,3 Sleman, Yogyakarta E-mail: 1 arik.sofan.tohir@gmail.com,
Lebih terperinci