BAB 2 LANDASAN TEORI

Transkripsi

1 BAB 2 LANDASAN TEORI 2.1 Teknologi Informasi Menurut Whitten (2004, p12) Information Technology is a contemporary term that describes the combination of computer technology (hardware and software) with telecommunications technology (data, image, and voice) dimana dapat diartikan bahwa teknologi informasi adalah suatu istilah jaman ini yang mendeskripsikan kombinasi antara teknologi komputer (perangkat keras dan lunak) dengan teknologi telekomunikasi (data, gambaran, dan suara). Teknologi Informasi dapat diartikan sebagai aplikasi dari teknologi komputer, komunikasi dan piranti lunak yang digunakan untuk melakukan pengelolaan, pemrosesan dan pemisahan informasi. (Sumber: Selain itu, istilah Teknologi Informasi juga diartikan sebagai metode dan teknik yang digunakan dalam rangka penanganan informasi dan penerimaan kembali informasi tersebut secara otomatis melalui berbagai peralatan teknologi seperti komputer, telekomunikasi dan sistem perkantoran atau kombinasi dari unsur-unsur tersebut. (Sumber: 8

2 9 2.2 Konsep Dasar Sistem Informasi Menurut Whitten (2004, p27) Information system is an arrangement of people, data, processes, and information technology that interact to collect, process, store, and provide as output the information needed to support an organization dimana dapat diartikan bahwa sistem informasi adalah suatu pengaturan orang-orang, data, proses, dan teknologi informasi yang saling berhubungan untuk mengumpulkan, memproses, menyimpan, dan menyediakan seperti keluaran informasi yang diperlukan untuk mendukung suatu organisasi. 2.3 Pengertian Data dan Informasi Menurut McLeod (2001, p18) data terdiri dari fakta-fakta dan angka-angka yang secara relatif tidak berarti bagi pemakai. Sedangkan informasi adalah data yang telah diproses atau data yang memiliki arti. Menurut Mallach (2000, p95) Data is what the information system department creates, stores, and provides, dimana dapat diartikan bahwa data adalah apapun yang diciptakan, disimpan dan disediakan oleh departemen informasi. Menurut Whitten (2004, p27) data merupakan sekumpulan fakta mengenai orang, tempat, kejadian, dan berbagai hal lain yang penting dalam suatu organisasi. Data dapat dikombinasikan, disaring, diorganisasikan, dan dianalisa untuk menghasilkan informasi yang dapat membantu para manajer merencanakan dan mengoperasikan bisnis. Menurut Whitten (2004, p27) informasi merupakan data yang diproses atau diorganisasikan kedalam suatu bentuk yang memiliki arti untuk seseorang.

3 10 Informasi dibentuk dari berbagai kombinasi data yang diharapkan dapat memberikan makna bagi penerimanya. Sebagai contoh, data dapat berupa jumlah barang yang terjual dalam suatu perusahaan. Saat data ini diproses, ia dapat diubah menjadi informasi. Jika jumlah barang yang terjual dikalikan dengan harga jual barang maka akan menghasilkan pendapatan kotor. Jika angka-angka pendapatan kotor dari semua hasil penjualan barang dijumlahkan, maka hasil penjumlahan tersebut merupakan total pendapatan kotor bagi perusahaan. Jumlah pendapatan kotor ini dapat menjadi informasi bagi pemilik perusahaan agar dapat diolah lebih lanjut. 2.4 Pengertian Database Menurut Connolly (2002, p14) Database is a shared collection of logically related data, and a description of this data, design to meet the information needs of an organization dimana dapat diartikan bahwa database adalah suatu koleksi bersama tentang data yang secara logika saling terkait, dan suatu deskripsi tentang data tersebut, yang dirancang agar sesuai dengan informasi yang dibutuhkan oleh suatu organisasi 2.5 Pengertian OLTP OLTP (On-Line Transaction Processing) menggambarkan kebutuhan sistem dalam ruang lingkup operasional dan merupakan proses yang mendukung operasi bisnis sehari-hari. (Sumber:

4 11 OLTP dirancang untuk memungkinkan terjadinya pengaksesan secara bersamaan oleh beberapa user terhadap sumber data yang sama dan mengatur proses yang diperlukan (Veiera, p680). Sesuai dengan namanya, OLTP mengizinkan transaksi untuk mengakses langsung ke database. Transaksi yang dilakukan termasuk operasi insert, update, dan delete. Database OLTP biasanya bersifat relasional dan dalam bentuk normal ketiga. Dan yang terpenting, database OLTP dibangun untuk mampu menangani banyak transaksi dengan performa tinggi. (Veiera, p682). 2.6 Pengertian Data Warehouse Menurut Poe (1996, p24), A Data warehouse is a read-only analytical database that used as the foundation of a decision support system, dapat diartikan bahwa Data warehouse merupakan database yang bersifat analisis dan hanya dapat dibaca saja yang digunakan sebagai dasar dari sistem pendukung keputusan. Menurut W.H Inmon (2002, p389), A data warehouse is a collection of integrated, subject integrated database designed to support the DSS fuction, where each unit of data is relevant to some moment in time yang artinya Data Warehouse adalah suatu koleksi yang terintegrasi, berupa database yang terintegrasi dengan subjek, yang dirancang untuk mendukung sistem pendukung keputusan dimana tiap data berhubungan dengan suatu kejadian pada suatu waktu. Menurut Ralph Kimball, A data warehouse is a copy of transaction data specifically structured for querying and reporting. yang artinya data warehouse adalah salinan (copy) dari data transaksi yang tersusun untuk laporan dan query.

5 12 Menurut Ramalho (2001, p206), data warehouse adalah sebuah database yang mengandung data yang biasanya mewakili sejarah bisnis dari suatu organisasi. Data historis dari data warehouse digunakan dalam aktivitas analisa yang mendukung keputusan keputusan bisnis dalam beberapa tingkat. Data di dalam data warehouse diorganisir untuk mendukung analisa, bukan transaksi pemrosesan dalam waktu nyata, seperti pada sistem Online Transaction Processing (OLTP). Menurut Ramalho (2001, p204) data warehouse adalah pendekatan untuk penyimpanan data dimana sumber-sumber data yang heterogen (yang biasa tersebar pada beberapa database OLTP) dimigrasikan untuk penyimpanan data yang homogen dan terpisah. Dari definisi-definisi diatas dapat ditarik suatu kesimpulan yaitu data warehouse adalah suatu database yang saling terhubung yang digunakan untuk query dan analisis yang memiliki sifat subject oriented (berorientasi subyek), integrated (saling terpadu), nonvolatile (tidak dapat berubah), dan time variant (memiliki variasi waktu) bagi para pengambil keputusan yaitu eksekutif perusahaan. Data-data dari operational database dan external source diekstrak, disaring, di-summary dan kemudian di-load ke data warehouse. Karena data warehouse mengandung data-data historis, maka seringkali aktivitasnya meliputi pengambilan kembali data-data yang telah benar-benar di rangkum (summarized).

6 Perbandingan Data Warehouse dengan OLTP Database yang disediakan pada lingkungan data warehouse berbeda dengan database pada lingkungan operasional yang mendukung OLTP (Online Transaction Processing). Perbedaan itu adalah bahwa database pada data warehouse adalah database analisis, sedangkan database pada lingkungan operasional yang mendukung OLTP (Online Transaction Processing) adalah database operasional. OLTP dirancang untuk menangkap informasi dan memperbaharui isi data dengan sangat cepat. Karakteristik OLTP (Poe, p119) : Rata-rata transaksi adalah tinggi. Pembaharuan data secara teratur setiap kali terjadi perubahan. Tidak terjadi redudansi perulangan untuk menjaga integritas data. Faktor Pembanding OLTP Data Warehouse Tujuan Menjalankan operasi sehari-hari Mengambil dan menganalisis informasi Manajemen Database RDBMS RDBMS Metode Pemodelan data Normalisasi Skema bintang/multidimensi Akses SQL SQL ditambah dengan kemampuan menganalisis data Kegunaan data Digunakan untuk menjalankan kegiatan bisnis harian Digunakan untuk menganalisis dan mengamati strategi bisnis Tabel 2.1 Perbandingan Data Warehouse dengan OLTP

7 Istilah yang berkaitan dengan Data Warehouse Data Mart Data Warehouse dan data mart didefinisikan dan digunakan secara terpisah di dalam sistem data warehouse. Menurut Peterson (2000, p54), Data Mart adalah kumpulan data yang lebih kecil dari data warehouse yang digunakan untuk melakukan analisa bisnis di satu divisi. Sedangkan data warehouse adalah kumpulan dari seluruh data perusahaan yang digunakan untuk melakukan analisa bisnis secara keseluruhan OLAP (On Line Analytical Processing) Menurut Mallach (2000, p531), OLAP adalah A category of software that enables analyst, managers, and executive to gain insight into data through fast,consistent, interactive access to a wide variety of possible views of information that has been transformed from raw data to reflect the real dimensionality of the enterprise as understood by the user, yang dapat diartikan bahwa OLAP adalah kategori teknologi software yang dapat memungkinkan seorang system analyst, manager, dan eksekutif untuk melihat data yang ada dengan akses yang cepat, konsisten dan interaktif sehingga dapat melihat informasi yang sudah ditranformasi dari data mentah menjadi dimensi keadaan nyata yang dapat dimengerti dengan mudah oleh user.

8 Karakteristik Data Warehouse Subject Oriented (Berorientasi Subyek) Karakteristik pertama dari Data Warehouse yaitu berorientasi pada subyeksubyek utama dari perusahaan. Sebaliknya, OLTP berorientasi pada proses/fungsi. Contohnya, dalam dunia perdagangan Data Warehouse akan berorientasi pada subyek utama antara lain customer, supplier, dan product. Sedangkan OLTP berorientasi pada proses/fungsinya, antara lain penjualan, penagihan, dan pembelian. Perbedaan orientasi ini kemudian berpengaruh pada rancangan dan implementasi data dari Data Warehouse. OLTP berhubungan dengan database design dan process design. Sedangkan Data Warehouse secara khusus berpusat pada data modelling dan database design. Process design bukanlah bagian dari lingkungan Data Warehouse. Perbedaan yang lain terlihat pada kandungan data pada level terinci. Data Warehouse tidak menyimpan data yang tidak digunakan untuk proses pengambilan keputusan, sedangkan OLTP mengandung data yang memenuhi kebutuhan fungsional/proses, yang mungkin dibutuhkan ataupun tidak oleh analis dalam kegiatan pengambilan keputusan Integrated (Terintegrasi) Untuk menciptakan subjek area yang berguna, sumber data yang berasal dari beberapa sistem yang berbeda terlebih dahulu harus terintegrasi sebelum digabungkan ke dalam sebuah Data Warehouse.

9 16 Data warehouse tidak hanya melayani penyatuan data pada aplikasi yang sedang berjalan, tetapi memiliki kemampuan untuk menyatukan data dari beberapa versi aplikasi yang telah digunakan sebelumnya Konsistensi yang ditunjukkan oleh Data Warehouse dapat dilihat pada : Encoding (pengkodean) Sebagai contoh, software developer harus memberi kode m untuk jenis kelamin pria, f untuk jenis kelamin wanita. Dapat juga memberi kode 1 atau male untuk pria serta 0 atau female untuk wanita. Attribute measurement (pengukuran atribut) Sebagai contoh, ada beberapa satuan ukuran yang digunakan untuk satuan panjang dalam database seperti cm, inchi, meter, dan yard. Dengan karakteristik integrasi data, maka ukuran tersebut harus konsisten seperti menetapkan ukuran satuan panjang yaitu cm. Multiple source (banyak sumber) Dalam database ada kemungkinan banyaknya deskripsi dari suatu informasi, namun dengan prinsip integrasi data, seluruh informasi tersebut harus memiliki kesamaan deskripsi yang konsisten. Conflicting Keys (Kunci yang berbeda) Sebagai contoh, dalam database ada beberapa tipe data yang berbeda dalam field yang sama seperti field kode barang dalam tabel penjualan memiliki tipe data character (char) dengan field size 12 sedangkan dalam tabel lain berbeda, misal char (10). Semua perbedaan itu harus diintegrasikan menjadi satu tipe data yaitu char dengan ukuran 12.

10 17 Sebagai contoh lainnya, terdapat tiga sistem order entry yang berbeda. Sistem yang pertama memiliki kode produk yang terdiri atas tujuh digit numerik, sistem kedua terdiri atas sembilan digit karakter, dan sistem yang ketiga terdiri atas empat digit karakter dan empat digit numerik. Apabila ketiga sistem ini hendak disatukan ke dalam Data Warehouse, maka kode produknya harus dimodifikasi menjadi satu jenis kode produk yang dapat mencakup seluruh kode produk yang ada. Untuk lebih jelasnya dapat dilihat pada gambar 2.1 Provides common coding of data both within and across subject areas Retail Sales System Outlet Sales System Catalog Sales System Product Code : Product Code : XXXXXXXXX Product Code : XXXX9999 Product Code : Common Code or a mapping of the various source code Sales Subject Area Gambar 2.1 Aspek Terintegrasi dari Data Warehouse Sumber: Corey, Michael, et al, Data Warehousing (1999, p10) Nonvolatile (Tidak Berubah) Proses update, insert dan delete biasanya dilakukan pada OLTP dengan basis record. Tetapi manipulasi data pada Data Warehouse lebih sederhana. Hanya

11 18 ada dua macam operasi dalam Data Warehouse yaitu loading data dan akses data. Dalam Data Warehouse tidak ada proses update terhadap data. Untuk lebih jelasnya dapat dilihat pada gambar 2.2. Gambar 2.2 Aspek Nonvolatile Data Warehouse Sumber: Time-Variant (Rentang Waktu) Data yang tersimpan dalam Data Warehouse bersifat time variant atau bersifat akurat pada periode tertentu. Karakteristik dasar data dalam Data Warehouse sangat berbeda dengan data pada OLTP, dimana data hanya akurat untuk waktu sesaat setelah data diakses, sedangkan data pada Data Warehouse akurat selama periode waktu tertentu, maka dikatakan memiliki perbedaan

12 19 waktu/rentang waktu (time variance). Gambar 2.3 menunjukkan karakteristik time variant Data Warehouse. Gambar 2.3 Aspek Time Variant Data Warehouse Sumber: Aspek yang menunjukkan karakteristik time variant dalam Data Warehouse adalah sebagai berikut: a) Data Warehouse mempresentasikan data untuk kurun waktu 5 10 tahun. Sedangkan pada OLTP memrepresentasikan data untuk jangka waktu yang lebih singkat mulai dari hari. Karena pada OLTP, aplikasi yang digunakan harus memiliki respons time yang singkat maka data yang diproses harus optimal.

13 20 b) Secara implisit maupun eksplisit, setiap struktur data pada Data Warehouse mengandung elemen waktu seperti hari, minggu, bulan, dan sebagainya. Elemen waktu ini hampir selalu menjadi dasar yang mengintegrasi data dalam Data Warehouse. c) Data pada Data Warehouse merupakan serangkaian snapshot. Yaitu potongan data yang dikelompokkan sesuai dengan urutan waktu. 2.8 Struktur Data Warehouse Data warehouse memiliki struktur yang spesifik serta memiliki perbedaan dalam tingkatan ringkasan, detil data, dan umur data. Struktur tersebut terdiri dari: Current Detail Data (Detil data saat ini) Old Detail Data (Detil data historis) Lightly Summarized Data (Ringkasan data level menengah) Highly Summarized Data (Ringkasan data level tinggi) Metadata Struktur Data Warehouse (Inmon, Hackathorn, 1994, p12-17) dapat dilihat pada gambar 2.4.

14 21 Gambar 2.4 Struktur Data Warehouse Sumber: Current Detail Data (Detil data saat ini) Current detail data adalah data rinci yang sedang aktif saat ini, mencerminkan keadaan yang sedang berjalan saat ini dan merupakan tingkat terendah dalam data warehouse. Current detail data biasanya memerlukan media penyimpanan data yang cukup besar. Alasan perlu diperhatikannya current detail data adalah sebagai berikut:

15 22 1. Menggambarkan kejadian yang baru terjadi dan selalu menjadi perhatian utama. 2. Hampir selalu disimpan di media penyimpanan karena cepat diakses tetapi mahal dan kompleks dalam pengaturannya. 3. Dapat digunakan dalam membuat rekapitulasi sehingga current detail data harus akurat. 4. Jumlahnya sangat banyak dan disimpan pada tingkat penyimpanan terendah Old Detail Data (Detil data historis) Old Detail Data merupakan data historis yang dapat berupa hasil back-up yang dapat disimpan dalam media penyimpanan yang terpisah dan dapat diakses kembali pada saat tertentu. Data ini jarang diakses sehingga disimpan dalam media penyimpanan alternatif seperti tape desk. Penyusunan direktori untuk data ini harus menggambarkan umur dari data agar memudahkan pengaksesan kembali Lightly Summarized Data (Rangkuman Data Secara Khusus) Lightly Summarized Data merupakan ringkasan dari detail data, tapi belum bersifat total summary. Data ini memiliki tingkatan detail yang lebih tinggi dan mendukung kebutuhan data warehouse pada tingkatan departemen. Tingkatan ini disebut juga data mart. Akses terhadap data ini banyak digunakan untuk view dari suatu kondisi yang sedang dan sudah berjalan.

16 Highly Summarized Data (Rangkuman Data Secara Umum) Highly Summarized Data merupakan hasil proses ringkasan yang bersifat total, solid, dan mudah diakses. Dilakukan untuk melakukan analisa perbandingan data berdasarkan urutan waktu dan analisa yang menggunakan data multi-dimensi. Data multi-dimensi adalah suatu teknologi software komputer yang dirancang untuk meningkatkan efisiensi dalam mencari tabel (query), sehingga menjadi media penyimpanan yang lebih baik, serta mempermudah pengambilan data dalam jumlah yang besar Metadata Metadata termasuk dalam komponen penting pada data warehouse. Metadata seringkali disebut data yang menerangkan tentang data. Metadata memberikan peranan yang penting untuk keefektifan penggunaan data warehouse. Dengan adanya metadata maka akan mempermudah pengguna data warehouse dalam melakukan analisis dan menghemat waktu mereka. Metadata bertindak seperti indeks terhadap seluruh isi dari data warehouse. Metadata mengandung : Struktur Data Suatu direktori untuk membantu analisis DSS (Decision Support System) untuk mencari lokasi/tempat data dalam data warehouse. Algoritma untuk meringkas data

17 24 Suatu algoritma untuk proses summary data antara current detail data dengan lightly summarized data dan antara lightly summarized data dengan highly summarized data, dan lain-lain. Pemetaan dari data operasional ke data warehouse Suatu panduan pemetaan data pada saat data ditransformasi/diubah dari lingkup data operasional menjadi lingkup data warehouse. 2.9 Anatomi Data Warehouse Penerapan awal dari arsitektur Data Warehouse dibuat berdasarkan konsep bahwa Data Warehouse mengambil data dari berbagai sumber dan memindahkannya ke dalam sebuah pusat pengumpulan data yang besar. Konsep ini sebetulnya lebih cenderung pada sebuah lingkungan main frame yang terpusat. Keunggulan teknologi client-server memungkinkan Data Warehouse diterapkan dalam berbagai macam cara untuk menampung kebutuhan pemakai sistem secara lebih proposional. Misalnya pemakai tertentu perlu menggabungkan data dari sebuah sistem pengumpulan data yang statis, dengan data dari sistem operasional yang dinamis hanya dalam sebuah query saja. Berikut ini adalah tiga jenis dasar sistem Data Warehouse: 1. Data Warehouse Fungsional (Functional Data Warehouse) 2. Data Warehouse Terpusat (Centralized Data Warehouse) 3. Data Warehouse Terdistribusi (Decentralized Data Warehouse)

18 Data Warehouse Fungsional Data Warehouse Fungsional mempergunakan pendekatan kebutuhan dari tiap bagian fungsi bisnis, misalnya departemen, divisi, dan sebagainya, untuk mendefinisikan jenis data yang akan ditampung di dalam sistem. Setiap unit fungsi dapat mempunyai gambaran datanya masingmasing. Penerapan jenis sistem pengumpulan data seperti ini beresiko kehilangan konsistensi data di luar lingkungan bisnis bersangkutan. Apabila pendekatan ini lingkupnya diperbesar dari lingkungan fungsional menjadi lingkup perusahaan, konsistensi data perusahaan tidak lagi dapat dijamin. Sebab utama dipergunakan pendekatan seperti ini adalah bahwa sistem ini dapat memberi solusi yang mudah untuk dibangun dengan biaya investasi yang relatif rendah dan dapat memberikan kelompok pemakai sebuah kemampuan sistem pengumpulan data yang terbatas. Gambar 2.5 Data Warehouse Fungsional

19 Data Warehouse Terpusat Data Warehouse Terpusat adalah pendekatan yang paling banyak digunakan, sebagian besar karena keterbiasaan pemakai dengan lingkungan main frame yang terpusat. Data diambil dari seluruh sistem operasional dan disimpan di dalam pusat penyimpanan data. Pemakai kemudian bekerja dengan mempergunakan data yang telah terkumpul tersebut untuk membangun Data Warehouse Fungsional masing-masing. Keuntungan sistem ini dibandingkan dengan Data Warehouse Fungsional adalah bahwa data benar-benar terpadu. Sistem ini mengharuskan pemasok data harus mengirimkan data tepat pada waktunya agar supaya tetap konsisten dengan pemasok lainnya. Di samping itu, pemakai hanya dapat mengambil data dari bagian pengumpulan saja, dan tidak dapat secara langsung berhubungan dengan pemasok datanya sendiri. Gambar 2.6 Data Warehouse Terpusat

20 Data Warehouse Terdistribusi Data Warehouse Terdistribusi dikembangkan berdasarkan konsep Data Warehouse gateway yang memungkinkan pemakai untuk langsung berhubungan dengan sumber data maupun dengan pusat pengumpul data lainnya. Gambaran pemakai atas data adalah berupa gambaran logik karena data mungkin diambil dari berbagai sumber yang berbeda. Pendekatan ini mengandalkan keunggulan teknologi client-server untuk mengambil data dari berbagai sumber. Pendekatan ini memungkinkan tiap departemen atau divisi untuk membangun pengumpul data fungsionalnya masing-masing atau bahkan sistem operasionalnya dan memadukan bagian-bagian tersebut dengan teknologi client-server. Pendekatan ini memerlukan biaya yang sangat besar karena setiap sistem pengumpulan data fungsional dan sistem operasinya dikelolah secara terpisah. Di samping itu, supaya berguna bagi perusahaan maka data harus disinkronisasikan untuk dapat memelihara keterpaduannya. Metode ini akan sangat efektif apabila data telah tersedia dalam bentuk yang konsisten dan pemakai ingin dapat menambah data tersebut dengan informasi baru apabila ingin membantu gambaran baru atas informasi. Gambar 2.7 Data Warehouse Terdistribusi

21 Perencanaan dan Perancangan Data Warehouse Dalam perencanaan Data Warehouse faktor-faktor di bawah ini harus diperhatikan. 1. Tujuan. Tujuan pembangunan Data Warehouse harus memenuhi kriteria di bawah ini: Meningkatkan kemampuan akses informasi Meningkatkan kualitas keputusan yang diambil Memberikan integrasi dan interfungsi dalam organisasi perusahaan Meningkatkan apresiasi pemakai dalam menangkap/menyentuh data 2. Terkait dengan perencanaan strategi organisasi dalam menjalankan aktivitasnya. 3. Merujuk pada kebutuhan masa depan dan pada kemungkinan pemakai (user) baru dalam organisasi. 4. Kriteria fasilitas yang dapat diberikan oleh Data Warehouse: Akuisi data yang mendukung integrasi data Navigasi yang memudahkan pemakai (user) untuk mencari dan load data Akses informasi yang mudah dan cepat Tahap-tahap pembangunan Data Warehouse adalah sebagai berikut: Tahap I : Strategic Information Analysis (Analisis Informasi Stategis) Tahap II : Planning Design (Rancangan Rencana) Tahap III : Constructing / Implementing (Konstruksi/Pengimplementasian) Tahap IV : Operational Support (Dukungan Operasional)

22 Alat Perancangan Data Warehouse Menurut Poe (1996, p120), alat yang digunakan untuk merancang data warehouse adalah skema bintang (star schema). Skema bintang mempunyai struktur yang sederhana dengan tabel yang relatif sedikit dan hubungan antar tabel yang terlihat jelas. Rancangan ini dapat melakukan query dengan cepat serta mudah dimengerti oleh analis dan pengguna akhir Skema Bintang Menurut Connoly (2002, p1079), star schema is a logical structure that has a fact table containing factual data in the center, surrounded by dimension tables containing reference data (which can be denormalized)., yang berarti skema bintang adalah struktur logical yang memiliki tabel fakta yang berisi data factual, dikelilingi oleh tabel dimensi yang berisi data reference (dimana dapat didenormalisasikan) Tipe Tabel Skema Bintang Tabel Fakta (fact table) Tabel fakta sering juga disebut tabel mayor. Tabel ini merupakan inti dari skema bintang dan berisi data aktual yang akan dianalisis(data kuantitatif dan transaksi). Field-field tabel fakta sering disebut measure dan biasanya dalam bentuk numerik. Selalu berisi foreign key dari masingmasing tabel dimensi. Tabel ini dapat terdiri dari banyak kolom dan ribuan baris data

23 Tabel Dimensi (dimension table) Tabel dimensi sering juga disebut tabel minor. Tabel dimensi biasanya lebih kecil dan berisi data yang merupakan deskripsi lebih lanjut dari data yang ada pada tabel fakta dan mencerminkan dimensi bisnis Ketentuan Pembacaan Skema Bintang Adapun ketentuan pembacaan skema bintang adalah sebagai berikut: Bagian yang ada di bawah tabel adalah kolom-kolom dari tabel. Primary key dan foreign key ditandai dengan kata kunci. Primary key diarsir, sedangkan foreign key yang bukan primary key tidak diarsir. Foreign key yang berhubungan ditunjukkan dengan garis yang menghubungkan tabel-tabel. Kolom yang bukan primary key atau foreign key disebut kolom data pada tabel fakta dan atribut pada tabel dimensi Jenis Skema Bintang Skema Bintang Sederhana Dalam skema bintang sederhana, setiap tabel mempunyai primary key yang terdiri dari sebuah kolom atau lebih. Primary key akan membuat setiap baris menjadi unik. Primary key tersebut pada tabel fakta akan menjadi foreign key. Primary key pada tabel fakta, terdiri dari satu atau lebih foreign key.

24 31 Gambar 2.8 Skema Bintang Sederhana Pada gambar 2.8 menunjukan hubungan antara satu tabel fakta dan tiga tabel dimensi. Tabel utama terdapat primary key yang terdiri dari tiga foreign key, yaitu kunci-1, kunci-2 dan kunci-3, yang masing-masing merupakan primary key di tabel masing-masing Skema Bintang Dengan Banyak Tabel Fakta Dalam sebuah skema bintang, dapat juga memiliki lebih dari satu tabel fakta, karena adanya fakta yang tidak saling berhubungan. Tabel semacam ini umumnya digunakan untuk jumlah data yang besar dan untuk berbagai macam lebel data yang teragregasi.

25 32 Gambar 2.9 Skema Bintang dengan Banyak Tabel Fakta Pada gambar 2.9 terdapat dua tabel fakta dan tiga tabel dimensi yang memperlihatkan hubungan many-to-one antara foreign key pada kedua tabel fakta tersebut dengan primary key pada masing-masing tabel dimensi Skema Bintang Majemuk Tabel dimensi mungkin juga mengandung foreign key yang mereferensikan primary key di tabel dimensi yang lain. Tabel dimensi yang direferensikan ini dinamakan outboard atau secondary dimension table.

26 33 Gambar 2.10 Skema Bintang Majemuk Skema Snowflake Menurut Connoly (2002, p1080), snowflake schema is a variant of the star schema where dimension table do not contain denormalized data., dapat diartikan skema snowflake adalah bentuk lain dari skema bintang dimana table dimensi tidak berisi data yang didenormalisasi. Suatu tabel dimensi dapat memiliki tabel dimensi lainnya. Ciri-ciri snowflake adalah: 1. Tabel dimensi dinormalisasi dengan dekomposisi pada level attribute. 2. Setiap dimensi mempunyai satu key untuk setiap level pada hirarki dimensi 3. Kunci level terendah menghubungkan tabel dimensi dengan tabel fakta dan tabel atribut berlevel rendah

27 34 Gambar 2.11 Skema Snowflake Keuntungan dari skema snowflake adalah : Kecepatan memindahkan data dari data OLTP kedalam metadata. Sebagai kebutuhan dari alat pengambil keputusan tingkat tinggi dimana dengan tipe yang seperti ini seluruh struktur dapat digunakan sepenuhnya. Banyak yang beranggapan lebih nyaman merancang dalam bentuk normal ketiga. Sedangkan kerugiannya adalah mempunyai masalah yang besar dalam hal kinerja (performance), hal ini disebabkan semakin banyaknya join antar tabel-tabel yang dilakukan dalam skema snowflake ini, maka semakin lambat juga kinerja yang dihasilkan.

28 Keuntungan Skema Bintang Keuntungan dengan menggunakan skema bintang dan snowflake adalah sebagai berikut : Efisiensi, struktur database yang konsisten sehingga lebih efisien dalam mengakses data dengan menggunakan alat/tool untuk menampilkan data termasuk laporan tertulis dan query. Kemampuan untuk mengatasi perubahan kebutuhan, skema bintang dapat beradaptasi terhadap perubahan kebutuhan pengguna, karena semua tabel dimensi memiliki kesamaan dalam hal menyediakan akses ke tabel fakta. Artinya bahwa desain skema sebaiknya mampu mendukung ad hoc query dari pengguna Extensibility, model dimensional dapat dikembangkan. Seperti menambah tabel fakta selama data masih konsisten, menambah tabel dimensi selama ada nilai tunggal di tabel dimensi tersebut yang mendefinisikan setiap record tabel fakta yang ada, menambahakan attribute tabel dimensi, dan memecah record tabel dimensi yang ada menjadi level yang lebih rendah dari level sebelumnya. Kemampuan untuk menggambarkan situasi bisnis pada umumnya, pendekatan standar untuk menangani situasi umum didunia bisnis terus bertambah. Proses query yang bisa diprediksi, aplikasi data warehouse yang mencari data dari level yang dibawahnya akan dengan mudah

29 36 menambah jumlah atribut pada tabel dimensi dari sebuah skema bintang. Aplikasi yang mencari data dari level yang setara akan menghubungkan tabel fakta yang terpisah melalui tabel dimensi yang dapat diakses bersama Agregasi Agregasi adalah proses perhitungan data fakta terhadap atribut-atribut yang telah didefinisikan. Sebagai contoh dapat dibuat ikhtisar dari jumlah penjualan barang berdasarkan wilayah dan jenis produk dengan menghitung nilai penjualan dari data transaksi yang terjadi. Agregasi dapat dibuat selama proses transformasi dan pengambilan data dalam Data Warehouse. Faktor yang mendorong pembuatan Agregasi adalah (Poe, p136): 1. Peningkatan performance pencarian. 2. Pengurangan jumlah dari penggunaan CPU cycles Normalisasi dan Denormalisasi Normalisasi Menurut Connolly (2002, p376), Normalization is a technique for producing a set of relation with desirable properties, given the data requirements of an enterprise, dimana dapat diartikan bahwa Normalisasi adalah suatu teknik untuk menghasilkan sekumpulan hubungan dengan berbagai properti yang diinginkan, memberikan kebutuhan data dari sebuah perusahaan. Sesungguhnya ada lima tingkatan normalisasi, tetapi yang paling sering digunakan dalam melakukan normalisasi adalah tiga tingkat pertama dalam

30 37 normalisasi, sedangkan tingkatan lainnya dapat terjadi tergantung pada data yang ada. Tingkat pertama dalam normalisasi disebut dengan First Normal Form (1NF), tingkat kedua disebut dengan Second Normal Form (2NF), dan Third Normal Form (3NF), ketiga tingkat normalisasi tersebut berdasarkan pada functional dependency antar atribut pada suatu hubungan. Tingkatan selanjutnya adalah Fourth Normal Form (4NF) dan Fifth Normal Form (5NF), dimana tingkatan pada normalisasi ini sangat jarang terjadi. First Normal Form (1NF) menyatakan bahwa tabel tidak bisa memuat nilai yang berulang, atau kolom dengan multi nilai. Second Normal Form (2NF) menyebutkan bahwa tabel harus berisi entitas tunggal dan setiap kolom nonprimary key bergantung pada seluruh primary key. Third Normal Form (3NF) menyatakan bahwa semua kolom non-primary key independen, dengan kata lain, sebuah kolom non-primary key bisa saja tidak bergantung pada kolom non-primary key lainnya. Langkah pertama dalam normalisasi database adalah memastikan setiap tabel memiliki sebuah kunci utama. Saat menerapkan normalisasi dalam sebuah database jumlah tabel dan kolom bertambah, yang juga menambah jumlah dan kompleksitas penyertaan (join) yang dibutuhkan untuk mengambil data dari database. Normalisasi meningkatkan efisiensi dan integritas database, khususnya untuk meng-update data Denormalisasi

31 38 Denormalisasi adalah proses penggabungan field-field dari beberapa tabel untuk meningkatkan performance yang ada. Ini adalah sebuah proses yang bertolak belakang dengan bentuk normal dalam proses normalisasi. Alasan utama untuk melakukan hal ini (Poe, p139): 1. Untuk mengurangi jumlah hubungan yang terjadi antar tabel-tabel yang harus mengalami proses pada waktu dilakukan pencarian. Dengan inilah performance database dapat ditingkatkan. 2. Untuk membuat struktur fisik dari database yang semakin mendekati model dimensi dari pemakai. Membuat struktur tabel sesuai dengan yang ingin ditanyakan oleh pemakai, memungkinkan terjadinya akses langsung, yang sekali lagi akan meningkatkan performance Pengertian Critical Succes Factor (CSF) Menurut James Martin (1990, p89), Critical Success Factors (CSFs) are the limited number of areas in which satisfactory results will ensure competitive performance for the individual, department, or organization, dimana dapat diartikan bahwa CSF adalah area dalam jumlah terbatas dimana nilai kepuasan dapat menjamin kinerja yang kompetitif bagi seorang individu, departemen, atau organisasi. CSF merupakan salah satu area penting dimana segala sesuatu harus berjalan dengan benar bagi sebuah bisnis untuk berkembang dan goal seorang manajer dapat dicapai. Sebuah goal berarti keseluruhan tujuan, sebuah CSF adalah apa yang harus dilakukan untuk mencapai goal tersebut.

32 Tingkatan Manajemen Pengguna Informasi Para manajer ada pada berbagai tingkat dan dalam berbagai area fungsional di dalam perusahaan. Perbedaan tingkatan manajemen dapat mempengaruhi sumber dan bentuk penyajian informasi. Menurut McLeod (1996, p8) tingkatan manajemen pada umumnya terbagi menjadi 3, yaitu: 1. Manajemen Tingkat Atas Manajemen tingkat atas sering disebut sebagai manajemen tingkat perencanaan strategis (strategic planning level). Perencanaan strategis menunjukkan pengaruh yang timbul dari keputusan-keputusan pada seluruh organisasi pada tahun-tahun yang akan datang. Istilah eksekutif sering digunakan untuk menggambarkan seorang manajer pada tingkat perencanaan strategis. 2. Manajemen Tingkat Menengah Manajer tingkat menengah berada pada tingkat pengendalian manajemen (management control level) mencakup manajer wilayah, direktur produk, dan kepala divisi, yang bertanggung jawab untuk melaksanakan rencana dan memastikan tercapainya tujuan. 3. Manajemen Tingkat Bawah Manajer tingkat bawah mencakup kepala departemen, supervisor, dan pemimpin proyek, yang bertanggung jawab menyelesaikan rencana-rencana yang telah ditetapkan oleh pada manajer di tingkat yang lebih tinggi. Tingkatan ini disebut tingkat pengendalian operasional (operational control level), yaitu tempat berlangsungnya operasi perusahaan.

33 40 Berikut ini adalah grafik hubungan antara tingkatan manajemen dengan sumber informasi dan bentuk informasi: Gambar 2.12 Tingkat Manajemen Berpengaruh pada Sumber dan Bentuk Penyajian Informasi Sumber: McLeod, 1996, p9 Grafik pada gambar 2.12 menunjukkan bahwa para manajer pada tingkat perencanaan strategis lebih menekankan informasi lingkungan daripada para manajer di tingkat yang lebih bawah, dan para manajer di tingkat pengendalian operasional menganggap informasi internal sebagai yang paling penting. Dan grafik pengaruh pada bentuk informasi menunjukkan bahwa para manajer tingkat perencanaan strategis memilih informasi dalam bentuk ringkas, sedangkan para manajer tingkat pengendalian operasional memilih bentuk yang rinci Pengertian Penjualan Menurut Mulyadi (2001, p202), kegiatan penjualan terdiri dari penjualan barang dan jasa, baik secara kredit maupun secara tunai. Dalam transaksi penjualan kredit, jika order dari pelanggan telah dipenuhi dengan pengiriman barang atau penyerahan jasa, untuk jangka waktu tertentu perusahaan telah memiliki piutang kepada pelanggannya. Dalam sistem penjualan secara tunai, barang atau jasa baru

34 41 diserahkan oleh perusahaan kepada pembeli jika perusahaan telah menerima kas dari pembeli. Menurut Mulyadi (2001, p204), fungsi yang terkait pada penjualan adalah: 1. Fungsi kredit Dalam transaksi kredit dengan kartu kredit, fungsi ini bertanggung jawab atas pemberian kartu kredit kepada pelanggan terpilih. Dalam sistem penjualan secara kredit dengan kartu kredit, fungsi kredit tidak diperlukan lagi otorisasinya, karena otorisasi pemberian kredit sudah tercermin dari kartu kredit yang ditunjukan oleh pelanggan pada saat melakukan pembelian. 2. Fungsi penjualan Dalam sistem penjualan dengan kartu kredit ini, fungsi penjualan bertanggung jawab melayani kebutuhan barang pelanggan. Fungsi penjualan mengisi faktur penjualan kartu kredit untuk memungkinkan fungsi gudang dan fungsi pengiriman melaksanakan penyerahan barang kepada pelanggan. 3. Fungsi gudang Dalam sistem penjualan ini, fungsi gudang menyediakan barang yang diperlukan oleh pelanggan sesuai dengan yang tercantum dalam tembusan faktur penjualan kredit yang diterima dari fungsi penjualan. 4. Fungsi pengiriman Fungsi ini bertanggung jawab untuk menyerahkan barang yang kuantitas, mutu, dan spesifikasinya sesuai dengan yang tercantum dalam tembusan faktur penjualan kartu kredit yang diterima dari fungsi penjualan. 5. Fungsi akuntansi

35 42 Fungsi ini bertanggung jawab untuk mencatat transaksi bertambahnya piutang kepada pelanggan ke dalam kartu piutang berdasarkan faktur penjualan kartu kredit yang diterima dari fungsi pengiriman. 6. Fungsi penagihan Fungsi ini bertanggung jawab untuk membuat surat tagihan secara periodik kepada pemegang kartu kredit. Menurut Mulyadi (2001, p462), fungsi yang terkait dalam penerimaan kas dan penjualan secara tunai adalah: 1. Fungsi penjualan Fungsi ini bertanggung jawab untuk menerima order dari pembeli, mengisi faktur penjualan tunai, dan menyerahkan faktur tersebut kepada pembeli untuk kepentingan pembayaran harga barang ke fungsi kas. 2. Fungsi kas Fungsi ini bertanggung jawab sebagai penerima kas dari pembeli. 3. Fungsi gudang Fungsi ini bertanggung jawab untuk menyiapkan barang yang dipesan oleh pembeli, serta menyerahkan barang tersebut ke fungsi pengirim. 4. Fungsi pengiriman Fungsi ini bertanggung jawab untuk membungkus barang dan menyerahkan barang yang telah dibayar harganya kepada pembeli. 5. Fungsi akuntansi Fungsi ini bertanggung jawab sebagai pencatat transaksi penjualan dan penerimaan kas serta pembuat laporan penjualan.

36 Pengertian Pembelian Menurut Mulyadi (2001, p299), sistem pembelian digunakan dalam perusahaan untuk pengadaan barang yang diperlukan oleh perusahaan. Transaksi pembelian dapat digolongkan menjadi dua: pembelian lokal dan pembelian impor. Pembelian lokal adalah pembelian dari pemasok dalam negeri, sedangkan pembelian impor adalah pembelian dari pemasok luar negeri. Menurut Mulyadi (2001, p299), fungsi yang terkait pada pembelian adalah: 1. Fungsi gudang Fungsi gudang bertanggung jawab untuk mengajukan permintaan pembelian sesuai dengan posisi persediaan yang ada di gudang dan untuk menyimpan barang yang telah diterima oleh fungsi penerimaan. Untuk barang-barang yang langsung pakai (tidak diselenggarakan persediaan barang di gudang), permintaan pembelian diajukan oleh pemakai barang. 2. Fungsi pembelian Fungsi pembelian bertanggung jawab untuk memperoleh informasi mengenai harga barang, menentukan pemasok yang dipilih dalam pengadaan barang, dan mengeluarkan order pembelian kepada pemasok yang dipilih. 3. Fungsi penerimaan Fungsi ini bertanggung jawab untuk melakukan pemeriksaan terhadap jenis, mutu, dan kuantitas barang yang diterima dari pemasok guna menentukan

37 44 dapat atau tidaknya barang tersebut diterima oleh perusahaan. Fungsi ini juga bertanggung jawab untuk menerima barang dari pembeli yang berasal dari transaksi retur penjualan 4. Fungsi akuntansi Fungsi akuntansi yang terkait dalam transaksi pembelian adalahfungsi pencatat utang dan fungsi pencatat persediaan. Fungsi pencatat utang bertanggung jawab untuk mencatat transaksi pembelian kedalam register bukti kas keluar dan untuk menyelenggarakan arsip dokumen sumber (bukti kas keluar) yang berfungsi sebagai catatan utang atau menyelenggarakan kartu utang sebagai buku pembantu utang. Fungsi pencatat persediaan bertanggung jawab untuk mencatat harga pokok persediaan barang yang dibeli ke dalam kartu persediaan Pengertian Persediaan Menurut Mulyadi (2001, p553), sistem persediaan bertujuan untuk mencatat mutasi tiap jenis persediaan yang disimpan digudang. Sistem ini berkaitan erat dengan sistem penjualan, sistem retur penjualan, sistem pembelian, sistem retur pembelian dan sistem akuntansi biaya produksi. Dalam perusahaan manufaktur, persediaan terdiri dari persediaan produk jadi, persediaan produk dalam proses, persediaan bahan baku, persediaan bahan penolong, persediaan suku cadang. Dalam perusahaan dagang persediaan hanya terdiri dari satu golongan yaitu persediaan barang dagangan yang merupakan barang yang akan dibeli dengan tujuan untuk dijual kembali.

38 45 Menurut Mulyadi (2001, p556), ada 2 macam metode pencatatan persediaan, yaitu metode mutasi persediaan dan metode persediaan fisik. Dalam metode mutasi persediaan, setiap mutasi persediaan dicatat dalam kartu persediaan. Dalam metode persediaan fisik hanya tambahan persediaan dari pembelian saja yang dicatat sedangkan mutasi berkurangnya persediaan karena pemakaian tidak dicatat dalam kartu persediaan. Menurut Mulyadi (2001, p579), fungsi yang terkait dalam sistem perhitungan fisik persediaan, yaitu: 1. Panitia perhitungan fisik persediaan berfungsi untuk melaksanakan perhitungan fisik persediaan dan menyerahkan hasil perhitungan tersebut kepada bagian kartu persediaan untuk digunakan sebagai dasar penyesuaian terhadap catatan persediaan dalam kartu persediaan. 2. Fungsi akuntansi bertanggung jawab untuk: a. Mencantumkan harga pokok sistem persediaan yang dihitung dalam daftar hasil perhitungan fisik. b. Mengalikan kuantitas dan harga pokok persatuan yang tercantum dalam hasil perhitungan fisik. c. Mencantumkan harga pokok total dalam daftar hasil perhitungan fisik. d. Melakukan penyesuaian terhadap kartu persediaan berdasarkan data hasil perhitungan fisik persediaan. e. Membuat bukti memorial untuk mencatat penyesuaian data persediaan dalam jurnal umum berdasarkan hasil penghitungan fisik persediaan.

39 46 3. Fungsi gudang bertanggung jawab untuk melakukan penyesuaian data kuantitas persediaan yang dicatat dalam kartu gudang berdasarkan hasil perhitungan fisik persediaan.