BAB 3 ANALISIS DAN PERANCANGAN SISTEM

Transkripsi

1 38 BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Analisis Perusahaan Riwayat Perusahaan PT. Artha Envirotama didirikan pada tanggal 25 Juli 2000 oleh Bapak Yohanes Roman. Perusahaan ini pertama kali berdiri di Jogjakarta. Saat ini PT Artha Envirotama memiliki kantor pusat yang berkedudukan di Jl. Talaud no 7A-B, Cideng Barat, Jakarta Pusat PT. Artha Envirotama adalah perusahaan yang bergerak dalam bidang pengolahan air, yang antara lain penjualan air minum dalam kemasan, water treatment dan wastewater tratement system. Keterbatasan dan kualitas yang buruk dari air baku yang tersedia saat ini menuntut adanya pengolahan yang tepat agar dapat dimanfaatkan sebagai air yang layak dikonsumsi untuk keperluan domestik, komersial dan industri. PT. Artha Envirotama menyediakan serangkaian produk dan jasa yang dapat memberikan solusi yang terpadu dan efektif untuk sistem pengolahan air. Salah satu usaha yang dijalankan perusahaan ini adalah penjualan air minum dalam kemasan. Produk air minum dalam kemasan yang dijual antara lain air minum kemasan dalam bentuk botol dengan ukuran 1500 ml dan 600 ml, air minum kemasan dalam bentuk gelas dengan ukuran 250 ml, dan air minum kemasan dalam bentuk galon dengan ukuran 20 liter.

2 39 Pada tahap awal, perusahaan hanya menjalankan bisnisnya di seputar Jogjakarta, akan tetapi saat ini PT Artha Envirotama telah mampu menangani pelanggannya hingga ke luar daerah Jogjakarta seperti Solo dan Cilacap Visi dan Misi Perusahaan Visi Perusahaan Visi perusahaan dari PT Artha Envirotama adalah menjadi PERUSAHAAN AIR MINUM yang mandiri, berwawasan global dan terbaik di kelasnya. Misi Perusahaan Menyediakan air minum yang memenuhi kualitas, kuantitas, dan kontinuitas yang dapat dipertanggungjawabkan melalui pelayanan prima dalam rangka menciptakan nilai tambah bagi masyarakat. Melakukan pengelolaan usaha secara profesional dengan teknologi tepat guna dan prinsip-prinsip manajemen yang berwawasan global. Mengembangkan lingkungan kerja yang kondusif sehingga menjadi pilihan utama karyawan bekerja dan berkarir secara profesional.

3 Struktur Organisasi Perusahaan Presiden Komisaris Komisaris Presiden Direktur Manajer Marketing Manajer Prop & Desain Manajer Finance & Acc Manajer Purchasing Staf Marketing Staf Prop & Desain Staf Finance & Acc Staf Purchasing Gambar 3. 1 Struktur Organisasi PT Artha Envirotama (Sumber : Manajer Finance & Acc, Tahun : 2007) Tugas dan Wewenang Tugas dan wewenang dari setiap bagian organisasi PT Artha Envirotama adalah: Presiden Komisaris 1. Melakukan kontrol terhadap kemajuan pada keseluruhan perusahaan. 2. Menentukan garis-garis pokok kebijakan perusahaan. Komisaris 1. Memimpin perusahaan dengan mengendalikan dan mengawasi kegiatan dari keseluruhan perusahaan 2. Melihat dan meneliti kebenaran dari laporan keuangan (neraca dan laba rugi).

4 41 Presiden Direktur 1. Memonitor kegiatan operasional dari keseluruhan perusahaan secara periodik 2. Mengatur pengeluaran yang berhubungan dengan kegiatan perusahaan. 3. Melihat laporan dari setiap departemen dan melakukan pengambilan keputusan untuk memajukan perusahaan Manajer Marketing 1. Mengkoordinasikan pemasaraan ke perusahaan pelanggan. 2. Membuat kesepakatan harga dengan pelanggan. Manajer Prop & Desain 1. Mengawasi perancangan produk yang akan diproduksi. 2. Mengatur kelancaran kegiatan perusahaan seperti penempatan barang di pabrik Manajer Finance & Acc 1. Melakukan kontrol terhadap penerimaan dan pengeluaran kas. 2. Menganalisis laporan keuangan dan laba rugi perusahan. Manajer Purchasing 1. Melakukan kontrol terhadap pembelian bahan baku. 2. Mengawasi kinerja bagian purchasing agar memilih supplier dengan penawaran harga rendah dan bahan baku yang berkualitas. Staf Marketing 1. Memasarkan barang kepada customer.

5 42 2. Mencari pelanggan baru untuk perusahaan. Staf Prop & Desain 1. Mendesain rancangan produk yang akan diproduksi 2. Mendesain rancangan ruang penempatan produk 3. Merancang desain dari pabrik yang akan dibuat Staf Finance & Accounting 1. Membuat, melaporkan dan menyimpulkan laporan keuangan (neraca dan laba rugi). 2. Mengurus pemasukan dan pengeluaran dana perusahaan secara keseluruhan. Staf Purchasing 1. Menerima order pembelian bahan baku dari gudang. 2. Membuat surat order pembelian ke supplier. 3. Mengatur pengiriman barang ke gudang Analisis Sistem yang Berjalan PT. Artha Envirotama sudah menerapkan sistem informasi di dalam perusahaan untuk menjalankan proses bisnisnya. Aplikasi sistem informasi yang ada digunakan untuk menyimpan setiap transaksi operasional seperti pembelian, penjualan, persediaan, produksi, laporan yang digunakan setiap divisi di perusahaan dan lainnya. Aplikasi sistem informasi ini juga digunakan oleh kantor cabang perusahaan. Data-data transaksi yang disimpan tersebut, akan dibuatkan

6 43 laporan oleh masing-masing divisi yang bersangkutan di kantor cabang. Laporan dari kantor cabang tersebut kemudian akan dikirimkan ke Jakarta untuk dianalisis dan dievaluasi oleh pihak eksekutif di Jakarta. Dari analisis laporan tersebut, pihak eksekutif akan mengambil keputusan yang sesuai untuk kantor cabang. Untuk dapat memudahkan analisis, maka setiap informasi yang ditampilkan untuk pihak eksekutif haruslah bersifat summarized, jelas dan singkat. Pihak eksekutif perlu dapat memperoleh informasi dengan mudah, sehingga proses analisis dan pengambilan keputusan bisnis dapat dilakukan dengan optimal Analisis Kebutuhan Informasi Untuk menentukan keputusan yang tepat bagi perusahaan, pihak eksekutif memerlukan infomasi penting dari kegiatan operasional yang terjadi. Informasi yang dibutuhkan tersebut antara lain : Informasi mengenai produksi. Informasi ini meliputi bahan baku yang digunakan, bahan baku yang tidak terpakai serta hasil produksi yang jadi dan yang cacat. Informasi ini digunakan untuk mengetahui selisih antara bahan baku yang digunakan dengan bahan baku yang tidak terpakai serta informasi hasil produksi yang jadi dan yang cacat. Informasi bahan baku yang dibeli dari supplier. Informasi ini meliputi kuantitas bahan baku yang dibeli, penawaran harga yang diberikan supplier dan bahan baku yang diretur. Informasi ini digunakan untuk mengetahui supplier terbaik sehingga dapat menentukkan kerjasama

7 44 selanjutnya dengan supplier tersebut. Informasi barang yang terjual. Informasi ini meliputi barang yang terjual dan barang yang diretur dari customer. Informasi ini digunakan untuk mengetahui barang yang paling laku terjual dan perbandingannya dengan barang yang diretur Permasalahan yang dihadapi Setelah dilakukan survei pada PT Artha Envirotama, beberapa masalah yang sedang dihadapi oleh perusahaan antara lain : 1. Informasi yang dihasilkan jumlahnya sangat besar sehingga pihak eksekutif sulit untuk melakukan analisis. 2. Informasi dihasilkan dari berbagai departemen dalam perusahaan sehingga sulit untuk mendapatkan informasi yang akurat. 3. Laporan yang dihasilkan tidak dapat dilihat dari berbagai dimensi Usulan Pemecahan Masalah Dari permasalahan yang dihadapi oleh PT Artha Envirotama, maka diusulkan pemecahan masalah berupa data warehouse. Dimana data warehouse tersebut dapat menampilkan informasi yang summarized dan akurat bagi pihak eksekutif untuk mendukung proses pengambilan keputusan. Dengan penggunaan data warehouse, laporan dapat dibuat sesuai jangka waktu yang dibutuhkan.

8 Basis Data yang Berjalan Tipe Customer memiliki Customer Supplier melakukan menangani Retur Penjualan memiliki Penjualan menangani Karyawan menangani Pembelian memiliki Retur Pembelian meliputi meliputi menangani meliputi meliputi Detil Retur Penjualan Detil Penjualan Produksi Detil Pembelian Detil Retur Pembeli memiliki Barang memiliki memiliki memiliki Detil Produksi meliputi memiliki Bahan Baku memiliki Group Barang Gambar 3.2 ER-Model PT. Artha Envirotama memiliki Data operasional yang dibutuhkan untuk perancangan data warehouse yaitu : a. Nama tabel : MsBarang Deskripsi tabel: tabel master barang Primary key Foreign key : KodeBarang : KodeGroupBarang references MsGroupBarang Tabel 3.1 Tabel Master Barang Nama Field Type Ukuran Keterangan Field KodeBarang varchar 6 Kode barang KodeGroupBarang varchar 6 Kode group barang NamaBarang varchar 30 Nama barang Satuan varchar 3 Satuan barang

9 46 HargaAwal money 8 Harga jual barang InsertedDate datetime 8 Tanggal update data barang b. Nama tabel : MsGroupBarang Deskripsi tabel: tabel master group barang Primary key : KodeGroupBarang Tabel 3.2 Tabel Master Group Barang Nama Field Type Ukuran Keterangan Field KodeGroupBarang varchar 6 Kode group barang NamaGroupBarang varchar 20 Nama group barang InsertedDate datetime 8 Tanggal update data group barang c. Nama tabel : MsBahanBaku Deksripsi tabel: tabel master bahan baku Primary key : KodeBahan Tabel 3.3 Tabel Master Bahan Baku Nama Field Type Ukuran Keterangan Field KodeBahan varchar 5 Kode bahan baku NamaBahan varchar 30 Nama bahan baku

10 47 Satuan varchar 2 Satuan bahan baku HargaBeli money 8 Harga beli bahan baku NamaProdukJadi varchar 30 Nama produk jadi InsertedDate datetime 8 Tanggal update data bahan baku d. Nama tabel : MsKaryawan Deskripsi tabel: tabel master karyawan Primary key : Kode Karyawan Tabel 3.4 Tabel Master Karyawan Nama Field Type Ukuran Keterangan Field KodeKaryawan varchar 3 Kode karyawan NamaKaryawan varchar 20 Nama karyawan AlamatKaryawan varchar 20 Alamat karyawan Telp varchar 20 Telepon karyawan Jabatan varchar 20 Jabatan karyawan InsertedDate datetime 8 Tanggal update data karyawan e. Nama tabel : MsSupplier Deskripsi tabel: tabel master supplier Primary key : KodeSupplier

11 48 Tabel 3.5 Tabel Master Supplier Nama Field Type Ukuran Keterangan Field KodeSupplier varchar 5 Kode supplier NamaSupplier varchar 30 Nama supplier Alamat varchar 50 Alamat supplier Telepon varchar 12 No. Telepon supplier Fax varchar 10 No. Fax supplier ContactPerson varchar 20 Nama orang dari pihak supplier yang dapat dihubungi NPWP varchar 20 Nomor wajib pajak InsertedDate datetime 8 Tanggal update data supplier f. Nama tabel : MsCustomer Deskripsi tabel: tabel master customer Primary key Foreign key : KodeCustomer : KodeTipeCustomer references MsTipeCustomer Tabel 3.6 Tabel Master Customer Nama Field Type Ukuran Keterangan Field KodeCustomer varchar 8 Kode customer

12 49 KodeTipeCustomer varchar 6 Kode tipe customer NamaCustomer varchar 20 Nama customer AlamatCustomer varchar 50 Alamat customer TeleponCustomer varchar 20 Telepon customer CaraPembayaran varchar 20 Cara pembayaran Status varchar 20 Status aktif customer InsertedDate datetime 8 Tanggal update data customer g. Nama tabel : MsTipeCustomer Deskripsi tabel: tabel master tipe customer Primary key : KodeTipeCustomer Tabel 3.7 Tabel Master Tipe Customer Nama Field Type Ukuran Keterangan Field KodeTipeCustomer varchar 6 Kode tipe customer TipeCustomer varchar 20 Tipe customer InsertedDate datetime 8 Tanggal update data tipe customer h. Nama tabel : TrHeaderPenjualan Deskripsi tabel: tabel transaksi header penjualan Primary key Foreign key : NoFakturJual : KodeCustomer references MsCustomer

13 50 Tabel 3.8 Tabel Transaksi Header Penjualan Nama Field Type Ukuran Keterangan Field NoFakturJual varchar 6 Nomor faktur penjualan Tanggal datetime 8 Tanggal transaksi KodeCustomer varchar 8 Kode customer KodeKaryawan varchar 3 Kode karyawan InsertedDate datetime 8 Tanggal update data penjualan i. Nama tabel : TrDetailPenjualan Deskripsi tabel: tabel transaksi detail penjualan Primary key Foreign key : NoFakturJual dan KodeBarang : NoFakturJual references TrHeaderPenjualan KodeBarang references MsBarang Tabel 3.9 Tabel Transaksi Detail Penjualan Nama Field Type Ukuran Keterangan Field NoFakturJual varchar 6 Nomor faktur penjualan KodeBarang varchar 6 Kode barang JmlJual int 4 Jumlah barang yang terjual InsertedDate datetime 8 Tanggal update data penjualan

14 51 j. Nama tabel : TrHeaderReturJual Deskripsi tabel: tabel transaksi header retur penjualan Primary key Foreign key : KodeReturJual : NoFakturJual references TrHeaderPenjualan Tabel 3.10 Tabel Transaksi Header Retur Penjualan Nama Field Type Ukuran Keterangan Field KodeReturJual varchar 5 Kode retur penjualan NoFakturJual varchar 6 No faktur penjualan Tanggal datetime 8 Tanggal transaksi InsertedDate datetime 8 Tanggal update data retur penjualan k. Nama tabel : TrDetailReturJual Deskripsi tabel: tabel transaksi detail retur penjualan Primary key Foreign key : KodeReturJual dan KodeBarang : KodeReturJual references TrHeaderReturJual KodeBarang references MsBarang Tabel 3.11 Tabel Transaksi Detail Retur Penjualan Nama Field Type Ukuran Keterangan Field KodeReturJual varchar 5 Kode retur penjualan KodeBarang varchar 6 Kode barang

15 52 JmlReturJual int 4 Jumlah barang yang diretur InsertedDate datetime 8 Tanggal update data retur penjualan l. Nama tabel : TrHeaderPembelian Deksripsi tabel : tabel transaksi header pembelian Primary key Foreign key : NoFakturBeli : KodeSupplier references MsSupplier Tabel 3.12 Tabel Transaksi Header Pembelian Nama Field Type Ukuran Keterangan Field NoFakturBeli varchar 6 Nomor faktur pembelian Tanggal datetime 8 Tanggal transaksi NoPO varchar 6 Nomor purchase order KodeKaryawan varchar 3 Kode karyawan KodeSupplier varchar 3 Kode supplier InsertedDate datetime 8 Tanggal update data pembelian m. Nama tabel : TrDetailPembelian Deksripsi tabel: tabel transaksi detail pembelian Primary key Foreign key : NoFakturBeli dan KodeBahan : NoFakturBeli references TrHeaderPembelian KodeBahan references MsBahan

16 53 Tabel 3.13 Tabel Transaksi Detail Pembelian Nama Field Type Ukuran Keterangan Field NoFakturBeli varchar 6 Nomor faktur pembelian KodeBahan varchar 5 Kode bahan JmlBeli int 4 Jumlah bahan yang dibeli Pembayaran varchar 20 Jenis pembayaran InsertedDate datetime 8 Tanggal update data pembelian n. Nama tabel : TrHeaderReturBeli Deksripsi tabel : tabel transaksi header retur pembelian Primary key Foreign key : KodeReturBeli : NoFakturBeli references TrHeaderPembelian Tabel 3.14 Tabel Transaksi Header Retur Pembelian o. Nama N Field Type Ukuran Keterangan a Field KodeReturBeli varchar 5 Kode retur pembelian NoFakturBeli varchar 6 Nomor faktur pembelian Tanggal datetime 8 Tanggal transaksi InsertedDate datetime 8 Tanggal update data retur pembelian

17 54 o. Nama tabel : TrDetailReturBeli Deskripsi tabel: tabel transaksi detail retur pembelian Primary key Foreign key : KodeReturBeli dan KodeBahan : KodeReturBeli references TrHeaderReturBeli KodeBahan references MsBahan Tabel 3.15 Tabel Transaksi Detail Retur Pembelian Nama Field Type Ukuran Keterangan Field KodeReturBeli varchar 5 Kode retur pembelian KodeBahan varchar 5 Kode bahan JmlReturBeli int 4 Jumlah bahan yang diretur InsertedDate datetime 8 Tanggal update data retur pembelian p. Nama tabel : TrHeaderProduksi Deskripsi tabel: tabel transaksi header produksi Primary key : Kode Produksi Tabel 3.16 Tabel Transaksi Header Produksi Nama Field Type Ukuran Keterangan Field KodeProduksi varchar 6 Kode produksi Tanggal datetime 8 Tanggal transaksi KodeKaryawan varchar 3 Kode karyawan

18 55 InsertedDate datetime 8 Tanggal update data produksi q. Nama tabel : TrDetailProduksi Deskripsi tabel: tabel transaksi detail produksi Primary key Foreign key : Kode Produksi, KodeBahan, KodeBarang : KodeProduksi references TrHeaderProduksi KodeBahan references MsBahan KodeBarang references MsBarang Tabel 3.17 Tabel Transaksi Detail Produksi Nama Field Type Ukuran Keterangan Field KodeProduksi varchar 6 Kode produksi KodeBahan varchar 5 Kode bahan KodeBarang varchar 6 Kode barang JmlBahan int 4 Jumlah bahan dalam produksi JmlBahanTakTerpakai int 4 Jumlah bahan yang tidak terpakai dalam produksi JumlahProduksiJadi int 4 Jumlah produksi yang jadi JumlahProduksiCacat int 4 Jumlah produksi yang

19 56 cacat InsertedDate datetime 8 Tanggal update data produksi 3.3 Arsitektur Data Warehouse Perancangan data warehouse pada PT. Artha Envirotama menggunakan anatomi data warehouse terpusat. Alasan penggunaan anatomi data warehouse terpusat : a. Mempermudah dalam melakukan pengawasan dan pemeliharaan data yang dipergunakan untuk aplikasi data warehouse. b. Pengembangan rancangan yang relatif mudah dan murah dibandingkan dengan bentuk arsitektur data warehouse terdistribusi. c. Lebih mudah dalam menjaga konsistensi dari data warehouse terhadap segala perubahan dibandingkan penggunaan data warehouse terdistribusi. Berikut adalah gambaran arsitektur data warehouse terpusat pada PT. Artha Envirotama :

20 57 Source Source Data Transformation Data Warehouse User User Source User Gambar 3. 3 Arsitektur Data Warehouse pada PT Artha Envirotama Dari arsitektur perancangan data warehouse di atas ada tiga komponen sistem yang saling berhubungan. Masing-masing dapat dijelaskan sebagai berikut: 1. Data source Data source merupakan sumber data untuk pembuatan data warehouse. Dalam perancangan data warehouse ini, pengambilan sumber data yang diperlukan berasal dari database transaksional dari sistem informasi PT. Artha Envirotama. Dari database ini akan dipilih data-data yang berhubungan dengan produksi, pembelian dan penjualan. Data - data tersebut akan mengalami proses transformasi data yang hasilnya akan dimasukkan ke dalam data warehouse. 2. Data Warehouse Merupakan suatu media yang digunakan sebagai tempat penyimpanan datadata yang bersifat historical (menurut waktu) dengan periode atau jangka

21 58 waktu tertentu yang telah disaring dan dikumpulkan untuk dipakai sebagai sumber penganalisisan oleh pimpinan perusahaan atau pihak-pihak eksekutif. 3. User User dapat mengakses data warehouse melalui program aplikasi yang telah di-install ke dalam komputer user. 3.4 Perancangan Data Warehouse Perancangan data warehouse ini menggunakan Nine-step Methodology, yang meliputi : Memilih Proses (Choosing the process) Proses yang digunakan dalam perancangan data warehouse ini yaitu : a. Produksi Proses produksi yang dimaksud adalah proses mengubah bahan baku menjadi bahan jadi di pabrik. Dokumen yang dibutuhkan adalah dokumen produksi di mana di dalam dokumen produksi terdapat data bahan baku yang digunakan, data hasil produksi, dan proses produksi. b. Pembelian Proses pembelian yang dimaksud adalah pembelian bahan baku dari PT. Artha Envirotama ke supplier. Dalam proses ini dokumen yang diperlukan yaitu nota pembelian. Di dalam nota pembelian terdapat data supplier, bahan baku, dan transaksi pembelian. Di dalam proses pembelian terdapat retur pembelian. Proses retur

22 59 pembelian yang dimaksud adalah pengembalian bahan baku yang dibeli PT. Artha Envirotama dari supplier karena barang yang rusak. Dalam proses ini dokumen yang diperlukan yaitu formulir retur pembelian. Di dalam retur pembelian terdapat data transaksi retur pembelian. c. Penjualan Proses penjualan yang dimaksud adalah penjualan dari PT. Artha Envirotama ke customer. Dalam proses ini dokumen yang diperlukan yaitu nota penjualan. Di dalam nota penjualan terdapat data customer, barang dan transaksi penjualan. Di dalam proses penjualan terdapat retur penjualan. Proses retur penjualan yang dimaksud adalah pengembalian barang dari customer ke PT. Artha Envirotama karena barang yang rusak. Dalam proses ini dokumen yang diperlukan yaitu formulir retur penjualan. Di dalam retur penjualan terdapat data transaksi retur penjualan Memilih Grain (Choosing the grain) Grain yang digunakan dalam perancangan data warehouse ini yaitu : a. Produksi Pada proses produksi, data yang dapat dianalisis meliputi bahan baku yang digunakan, bahan baku yang tak terpakai, hasil produksi yang jadi dan yang cacat. b. Pembelian

23 60 Pada proses pembelian, data yang dapat dianalisis meliputi kuantitas bahan baku yang dibeli dari supplier dan penawaran harga (best supplier), bahan baku yang paling banyak diretur c. Penjualan Pada proses penjualan, data yang dapat dianalisis meliputi barang yang paling laku terjual, barang yang banyak diretur, omset penjualan Identifikasi dan Penyesuaian Dimensi (Identifying and conforming the dimensions) Pada tahap ini dilakukan penyesuaian dimensi dan grain yang ditampilkan dalam bentuk matriks : a. Produksi Tabel 3.18 Tabel Grain vs Dimensi pada Produksi Grain Perbandingan Dimensi Waktu Barang GroupBarang Bahan baku produksi X X X X b. Pembelian

24 61 Tabel 3.19 Tabel Grain vs Dimensi pada Pembelian Grain Best Supplier Bahan baku Dimensi yang diretur Waktu X X Supplier X X Bahan Baku X X c. Penjualan Tabel 3.20 Tabel Grain vs Dimensi pada Penjualan Dimensi Grain Barang Paling Laku Barang yang diretur Waktu X X Barang X X GroupBarang X X Customer X X TipeCustomer X X Memilih Fakta (Choosing the Fact) Pada tahap ini dilakukan pemilihan fakta. Setiap fakta yang ada memiliki data yang dapat dihitung (bersifat numerik). a. Produksi meliputi JmlBahan(kuantitas bahan), JmlBahanTakTerpakai(kuantitas bahan tak terpakai), JmlProduksiJadi(kuantitas produksi jadi), JmlProduksiCacat(kuantitas

25 62 produksi yang cacat). b. Pembelian meliputi JmlBeli(kuantiítas beli), HargaBeli, JmlReturBeli(kuantitas retur pembelian). c. Penjualan meliputi JmlJual(kuantitas jual), HargaJual, JmlReturJual (kuantitas retur penjualan) Menyimpan Pre-Calculation pada Tabel Fakta (Storing precalculation in the fact-table) Di dalam tabel fakta terdapat kalkulasi awal terhadap data yang dapat dihitung. Kalkulasi awal yang ada pada tabel fakta antara lain : a. Produksi meliputi : Jumlah bahan yang merupakan jumlah dari JmlBahan(kuantitas bahan) Jumlah bahan tak terpakait yang merupakan jumlah dari JmlBahanTakTerpakai(kuantitas bahan tak terpakai) Jumlah produksi jadi yang merupakan jumlah dari JmlProduksiJadi(kuantitas produksi jadi) Jumlah produksi cacat yang merupakan jumlah dari JmlProduksiCacat(kuantitas produksi cacat) b. Pembelian meliputi : JumlahBeli yang merupakan jumlah dari JmlBeli (kuantitas beli). TotalBeli yang merupakan jumlah dari (JmlBeli(kuantitas beli) dikali HargaBeli).

26 63 JumlahReturBeli yang merupakan jumlah dari JmlReturBeli (kuantitas retur pembelian)). TotalReturBeli yang merupakan jumlah dari (JmlReturBeli(kuantitas retur pembelian) dikali HargaBeli). c. Penjualan meliputi : JumlahJual yang merupakan jumlah dari JmlJual (kuantitas jual). TotalJual yang merupakan jumlah dari (JmlJual(kuantitas jual) dikali HargaJual). JumlahReturJual yang merupakan jumlah dari JmlReturJual (kuantitas retur penjualan). TotalReturJual yang merupakan jumlah dari (JmlReturJual(kuantitas retur penjualan) dikali HargaJual) Rounding Out the Dimension Table a. Tabel Rounding Out Dimension Tabel Tabel Rounding Out Dimension Dimensi Field Deskripsi Hirarki Waktu Tahun Laporan dapat dilihat per Tahun Kuartal bulan, per kuartal atau per Kuartal Bulan tahun. Bulan Barang Barang Laporan dapat dilihat GroupBarang GroupBarang berdasarkan dari barang Barang yang dikelompokkan ke

27 64 Customer Customer TipeCustomer dalam group barang. Laporan dapat dilihat berdasarkan customer dan tipecustomer TipeCustomer Customer b. Daftar tabel tabel dimensi Dimensi Waktu Tabel 3.22 Tabel Dimensi Waktu Atribut Tipe data Panjang WaktuID int 4 Tahun int 4 Kuartal int 4 Bulan int 4 Dimensi Barang Tabel 3.23 Tabel Dimensi Barang Atribut Tipe data Panjang BarangID int 4 GroupBarangID int 4 KodeBarang varchar 6 NamaBarang varchar 30 Dimensi GroupBarang

28 65 Tabel 3.24 Tabel Dimensi GroupBarang Atribut Tipe data Panjang GroupBarangID int 4 KodeGroupBarang varchar 6 NamaGroupBarang varchar 20 Dimensi Bahan Baku Tabel 3.25 Tabel Dimensi Bahan Baku Atribut Tipe data Panjang BahanID int 4 KodeBahan varchar 5 NamaBahan varchar 30 Dimensi Supplier Tabel 3.26 Tabel Dimensi Supplier Atribut Tipe data Panjang SupplierID int 4 KodeSupplier varchar 5 NamaSupplier varchar 30 Dimensi Customer Tabel 3.27 Tabel Dimensi Customer Atribut Tipe data Panjang

29 66 CustomerID int 4 TipeCustomerID int 4 KodeCustomer varchar 8 NamaCustomer varchar 20 Dimensi TipeCustomer Tabel 3.28 Tabel Dimensi TipeCustomer Atribut Tipe data Panjang TipeCustomerID int 4 KodeTipeCustomer varchar 6 TipeCustomer varchar 20 c. Perancangan Skema Dalam perancangan ini, dihasilkan skema snowflake, yaitu:

30 67 DimTipeCustomer PK TipeCustomerID KodeTipeCustomer TipeCustomer DimSupplier FactPembelian DimWaktu FactPenjualan DimCustomer PK SupplierID PK WaktuID PK CustomerID KodeSupplier NamaSupplier FK1 FK2 FK3 WaktuID BahanID SupplierID JumlahBeli JumlahReturBeli TotalPembelian TotalReturBeli Bulan Kuartal Tahun FK1 FK2 FK3 WaktuID BarangID CustomerID JumlahJual JumlahReturJual TotalJual TotalReturJual FK1 TipeCustomerID KodeCustomer NamaCustomer FactProduksi DimBahanBaku DimBarang PK BahanID KodeBahan NamaBahan FK1 FK2 FK3 WaktuID BahanID BarangID JumlahBahan JumlahBahanTakTerpakai JumlahProduksiJadi JumlahProduksiCacat PK FK1 BarangID GroupBarangID KodeBarang NamaBarang DimGroupBarang PK GroupBarangID KodeGroupBarang NamaGroupBarang Gambar 3. 4 Skema Snowflake Memilih durasi dari basis data (Choosing the duration of the database) Tabel 3.29 Tabel Durasi Basis Data Nama Aplikasi Database Database ada sejak tahun Data yang masuk ke Data Warehouse Data Dalam Data Warehouse ARTHA DW ARTHA OPERASIONAL tahun

31 68 Bulan 9 bulan Januari September Melacak perubahan dari dimensi secara perlahan (Tracking slowly changing dimensions) Mengamati perubahan dari dimensi pada dimension table dapat dilakukan dengan 3 cara yaitu mengganti secara langsung pada tabel dimensi, pembentukan record baru untuk setiap perubahan baru, dan perubahan data yang membentuk kolom baru yang berbeda. Dalam perancangan ini dipilih cara kedua yaitu jika ada perubahan data, maka data baru akan dimasukkan sebagai record baru dan record lama tetap ada dan tidak dihapus Memutuskan prioritas dan mode dari query (Deciding the query priorities and the query modes) a. Proses Extract, Transformation and Load (ETL) Proses Extract, Transformation and Load (ETL) akan dilakukan 1 bulan sekali. b. Proses Backup Proses backup akan dilakukan setiap akhir bulan sebelum proses ETL dilakukan.

32 69 c. Analisis Kapasitas Media Penyimpanan Di dalam pengolahan data, kapasitas media penyimpanan menjadi salah satu aspek yang signifikan dan perlu untuk dipertimbangkan. Proses insert, update dan delete pada aplikasi OLTP akan mempengaruhi pertumbuhan data secara terus menerus. Demikian halnya dalam perancangan data warehouse, perlu juga dilakukan analisis pertumbuhan data untuk mendapatkan perkiraan kapasitas media penyimpanan yang memadai untuk menampung data dalam beberapa tahun ke depan. Rumus yang akan digunakan untuk perhitungan kebutuhan penyimpanan record dalam SQL Server 2000 (SQL Server Books Online) adalah : Num_Row = Jumlah Baris / Jumlah Record Num_Col = Jumlah Kolom dalam tabel Fixed_Data_Size = Jumlah bytes yang dibutuhkan oleh semua kolom sesuai dengan tipe datanya masing-masing Null Bitmap = Bit status null kolom = 2 + ((Num_Col + 7) / 8) Row_Size = Fixed_Data_Size + Null_Bitmap + 4 Nilai 4 merepresentasikan data row header Rows_Per_Page = 8096 / (Row_Size+2) Num_of_Pages = Num_Row / Rows_Per_Page Num_of_Bytes = 8192 Num_of_Pages Num_of_Kbytes = 8192 / 1024 Num_of_Pages = 8

33 70 Num_of_Pages Analisis perkiraan kapasitas media penyimpanan data pada data warehouse PT Artha Envirotama adalah seperti berikut ini, dimana n merupakan variabel tahun. R n = R (n + (1+i) n ) R = jumlah record n = tahun i = persentase pertumbuhan record per tahun Perhitungan untuk dimensi yang mengalami pertumbuhan data adalah seperti berikut : R n = R (1+i) n R = jumlah record n = tahun i = persentase pertumbuhan record per tahun Berikut adalah analisis perkiraan kapasitas media penyimpanan untuk 5 tahun mendatang 1. Record FactProduksi Asumsi jumlah record data untuk tahun ini diperkirakan adalah record. Jumlah tersebut didasarkan pada asumsi bahwa ratarata setiap bulan terjadi 1000 transaksi sehingga jumlah record untuk satu tahun adalah 1000 x 12 yaitu record. Maka dapat

34 71 dihitung jumlah record sampai pada tahun ke-5 : R 5 = (5 + (1+0,1) 5 ) = Jumlah record FactProduksi pada tahun ke-5 = Maka kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : Num_Row = Num_Col = 7 Fixed_Data_Size = = 28 bytes Null Bitmap = 2 + ((7 + 7) / 8) = 4 Row_Size = = 36 bytes Rows_Per_Page = 8096 / (36 + 2) = 213 rows Num_of_Pages = / 213 = 372 pages Num_of_Bytes = = bytes Num_of_Kbytes = 8192 / = = 2976 Kbytes Num_of_Mbytes (Tabel Size) = 2,9 Mbytes 2. Record FactPembelian Asumsi jumlah record data untuk tahun ini diperkirakan adalah 3600 record. Jumlah tersebut didasarkan pada asumsi bahwa ratarata setiap bulan terjadi 300 transaksi sehingga jumlah record untuk

35 72 satu tahun adalah 300 x 12 yaitu 3600 record. Maka dapat dihitung jumlah record sampai pada tahun ke-5 : R 5 = 3600 (5 + (1+0,1) 5 ) = Jumlah record FaktaPembelian pada tahun ke-5 = Maka kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : Num_Row = Num_Col = 7 Fixed_Data_Size = = 36 bytes Null Bitmap = 2 + ((7 + 7) / 8) = 4 Row_Size = = 44 bytes Rows_Per_Page = 8096 / (44 + 2) = 176 rows Num_of_Pages = / 176 = 135 pages Num_of_Bytes = = bytes Num_of_Kbytes = 8192 / = = 1080 Kbytes Num_of_Mbytes (Tabel Size) = 1,054 Mbytes 3. Record FactPenjualan Asumsi jumlah record data untuk tahun ini diperkirakan adalah record. Jumlah tersebut didasarkan pada asumsi bahwa rata-

36 73 rata setiap bulan terjadi 3000 transaksi sehingga jumlah record untuk satu tahun adalah 3000 x 12 yaitu record. Maka dapat dihitung jumlah record sampai pada tahun ke-5 : R 5 = (5 + (1+0,1) 5 ) = Jumlah record FactPenjualan pada tahun ke-5 = Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : Num_Row = Num_Col = 7 Fixed_Data_Size = = 36 bytes Null Bitmap = 2 + ((7 + 7) / 8) = 4 Row_Size = = 44 bytes Rows_Per_Page = 8096 / (44 + 2) = 176 rows Num_of_Pages = / 176 = 1350 pages Num_of_Bytes = = bytes Num_of_Kbytes = 8192 / = = Kbytes Num_of_Mbytes (Tabel Size) = 10,546 Mbytes Berikut adalah perhitungan untuk dimensi yang mengalami pertumbuhan data (kecuali dimensi waktu) :

37 74 1. Dimensi Waktu R 5 = = 96 Jumlah record DimWak tu pada tahun ke-5 = 96 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : Num_Row = 96 Num_Col = 4 Fixed_Data_Size = = 16 bytes Null Bitmap = 2 + ((4+ 7) / 8) = 4 Row_Size = = 24 bytes Rows_Per_Page = 8096 / (24 + 2) = 311 rows Num_of_Pages = 96 / 311 = 0,3 pages Num_of_Bytes = ,3 = 2457 bytes Num_of_Kbytes = 8192 / ,3 = 8 0,3 = 2,4 Kbytes 2. Dimensi Barang R 5 = 6 (1+0.01) 5 = 6 Jumlah record DimBarang pada tahun ke-5 = 6 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah :

38 75 Num_Row = 6 Num_Col = 4 Fixed_Data_Size = = 44 bytes Null Bitmap = 2 + ((4 + 7) / 8) = 3 Row_Size = = 51 bytes Rows_Per_Page = 8096 / (51 + 2) = 153 rows Num_of_Pages = 6 / 153 = 0,04 pages Num_of_Bytes = ,04 = 327,68 bytes Num_of_Kbytes = 8192 / ,04 = 8 0,04 = 0,32 Kbytes 3. Dimensi Bahan Baku R 5 = 20 (1+0.01) 5 = 21 Jumlah record DimBahanBaku pada tahun ke-5 = 21 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : Num_Row = 21 Num_Col = 3 Fixed_Data_Size = = 39 bytes Null Bitmap = 2 + ((3 + 7) / 8) = 3 Row_Size = = 46 bytes

39 76 Rows_Per_Page = 8096 / (46 + 2) = 169 rows Num_of_Pages = 21 / 169 = 0,12 pages Num_of_Bytes = ,12 = 983,04 bytes Num_of_Kbytes = 8192 / ,23= 8 0,12 = 0,96 Kbytes 4. Dimensi Supplier R 5 = 30 (1+0.01) 5 = 32 Jumlah record DimSupplier pada tahun ke-5 = 32 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : Num_Row = 32 Num_Col = 3 Fixed_Data_Size = = 39 bytes Null Bitmap = 2 + ((3 + 7) / 8) = 3 Row_Size = = 46 bytes Rows_Per_Page = 8096 / (46 + 2) = 169 rows Num_of_Pages = 32 / 169 = 0,19 pages Num_of_Bytes = ,19 = 1556,48 bytes Num_of_Kbytes = 8192 / ,19 = 8 0,19 = 1,52 Kbytes 5. Dimensi Customer

40 77 R 5 = 1500 (1+0.01) 5 = 1577 Jumlah record DimCustomer pada tahun ke-5 = 1577 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 5 tahun adalah : Num_Row = 1577 Num_Col = 4 Fixed_Data_Size = = 36 bytes Null Bitmap = 2 + ((4 + 7) / 8) = 3 Row_Size = = 43 bytes Rows_Per_Page = 8096 / (43 + 2) = 180 rows Num_of_Pages = 1577 / 180 = 8,76 pages Num_of_Bytes = ,76 = bytes Num_of_Kbytes = 8192 / ,76= 8 8,76 = 70,08 Kbytes Tabel Analisis Kapasitas Media Penyimpanan 5 Tahun Mendatang Untuk Tabel Fakta Nama Tabel Besar Jumlah Jumlah Record Jumlah Record Current Sampai 5 Bytes (Bytes) Record Tahun ke (Mbytes) Depan FactProduksi ,9

41 78 FactPembelian ,504 FactPenjualan ,546 Tabel Analisis Kapasitas Media Penyimpanan 5 Tahun Mendatang Untuk Tabel Dimensi Nama Tabel Besar Jumlah Jumlah Jumlah Record Current Record Sampai 5 Bytes (Bytes) Record Tahun ke Depan (Kbytes) DimWaktu ,4 DimBarang ,32 DimGroupBarang ,12 DimBahanBaku ,96 DimSupplier ,52 DimCustomer ,08 DimTipeCustomer ,16 Berikut adalah analisis perkiraan kapasitas media penyimpanan untuk 3 tahun sebelumnya 1. Record FactProduksi Asumsi jumlah record data untuk tahun ini diperkirakan adalah record. Jumlah tersebut didasarkan pada asumsi bahwa ratarata setiap bulan terjadi 1000 transaksi sehingga jumlah record untuk satu tahun adalah 1000 x 12 yaitu record. Maka dapat dihitung jumlah record dari tahun 2004 sampai pada tahun 2007:

42 79 R 5 = (3 + (1+0,1) 3 ) = Jumlah record FactProduksi pada tahun 2007 = Maka kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 3 tahun adalah : Num_Row = Num_Col = 7 Fixed_Data_Size = = 28 bytes Null Bitmap = 2 + ((7 + 7) / 8) = 4 Row_Size = = 36 bytes Rows_Per_Page = 8096 / (36 + 2) = 213 rows Num_of_Pages = / 213 = 242 pages Num_of_Bytes = = bytes Num_of_Kbytes = 8192 / = = 1936 Kbytes Num_of_Mbytes (Tabel Size) = 1,89 Mbytes 2. Record FactPembelian Asumsi jumlah record data untuk tahun ini diperkirakan adalah 3600 record. Jumlah tersebut didasarkan pada asumsi bahwa ratarata setiap bulan terjadi 300 transaksi sehingga jumlah record untuk

43 80 satu tahun adalah 300 x 12 yaitu 3600 record. Maka dapat dihitung jumlah record dari tahun 2004 sampai pada tahun ke 2007 : R 5 = 3600 (3 + (1+0,1) 3 ) = Jumlah record FaktaPembelian pada tahun 2007 = Maka kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 3 tahun adalah : Num_Row = Num_Col = 7 Fixed_Data_Size = = 36 bytes Null Bitmap = 2 + ((7 + 7) / 8) = 4 Row_Size = = 44 bytes Rows_Per_Page = 8096 / (44 + 2) = 176 rows Num_of_Pages = / 176 = 88 pages Num_of_Bytes = = bytes Num_of_Kbytes = 8192 / = 8 88 = 704 Kbytes Num_of_Mbytes (Tabel Size) = 0,687 Mbytes 3. Record FactPenjualan Asumsi jumlah record data untuk tahun ini diperkirakan adalah record. Jumlah tersebut didasarkan pada asumsi bahwa rata-

44 81 rata setiap bulan terjadi 3000 transaksi sehingga jumlah record untuk satu tahun adalah 3000 x 12 yaitu record. Maka dapat dihitung jumlah record dari tahun 2004 sampai pada tahun 2007 : R 5 = (3 + (1+0,1) 3 ) = Jumlah record FactPenjualan pada tahun ke-3 = Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 3 tahun adalah : Num_Row = Num_Col = 7 Fixed_Data_Size = = 36 bytes Null Bitmap = 2 + ((7 + 7) / 8) = 4 Row_Size = = 44 bytes Rows_Per_Page = 8096 / (44 + 2) = 176 rows Num_of_Pages = / 176 = 879 pages Num_of_Bytes = = bytes Num_of_Kbytes = 8192 / = = 7032 Kbytes Num_of_Mbytes (Tabel Size) = 6,87 Mbytes Berikut adalah perhitungan untuk dimensi yang mengalami pertumbuhan data (kecuali dimensi waktu) :

45 82 1. Dimensi Waktu R 5 = = 72 Jumlah record DimWak tu pada tahun ke-3 = 72 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 3 tahun adalah : Num_Row = 72 Num_Col = 4 Fixed_Data_Size = = 16 bytes Null Bitmap = 2 + ((4+ 7) / 8) = 4 Row_Size = = 24 bytes Rows_Per_Page = 8096 / (24 + 2) = 311 rows Num_of_Pages = 72 / 311 = 0,23 pages Num_of_Bytes = ,23 = 1884 bytes Num_of_Kbytes = 8192 / ,23 = 8 0,23 = 1,84 Kbytes 2. Dimensi Barang R 5 = 6 (1+0.01) 3 = 6 Jumlah record DimBarang pada tahun ke-3 = 6 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 3 tahun adalah :

46 83 Num_Row = 6 Num_Col = 4 Fixed_Data_Size = = 44 bytes Null Bitmap = 2 + ((4 + 7) / 8) = 3 Row_Size = = 51 bytes Rows_Per_Page = 8096 / (51 + 2) = 153 rows Num_of_Pages = 6 / 153 = 0,04 pages Num_of_Bytes = ,04 = 327,68 bytes Num_of_Kbytes = 8192 / ,04 = 8 0,04 = 0,32 Kbytes 3. Dimensi Bahan Baku R 5 = 20 (1+0.01) 3 = 21 Jumlah record DimBahanBaku pada tahun ke-3 = 21 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 3 tahun adalah : Num_Row = 21 Num_Col = 3 Fixed_Data_Size = = 39 bytes Null Bitmap = 2 + ((3 + 7) / 8) = 3 Row_Size = = 46 bytes

47 84 Rows_Per_Page = 8096 / (46 + 2) = 169 rows Num_of_Pages = 21 / 169 = 0,12 pages Num_of_Bytes = ,12 = 983,04 bytes Num_of_Kbytes = 8192 / ,12= 8 0,12 = 0,96 Kbytes 4. Dimensi Supplier R 5 = 30 (1+0.01) 3 = 31 Jumlah record DimSupplier pada tahun ke-3 = 31 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 3 tahun adalah : Num_Row = 31 Num_Col = 3 Fixed_Data_Size = = 39 bytes Null Bitmap = 2 + ((3 + 7) / 8) = 3 Row_Size = = 46 bytes Rows_Per_Page = 8096 / (46 + 2) = 169 rows Num_of_Pages = 31 / 169 = 0,18 pages Num_of_Bytes = ,18 = 1474,56 bytes Num_of_Kbytes = 8192 / ,18 = 8 0,18 = 1,44 Kbytes 5. Dimensi Customer

48 85 R 5 = 1500 (1+0.01) 3 = 1545 Jumlah record DimCustomer pada tahun ke- 3= 1545 Kisaran media penyimpanan yang dibutuhkan dalam jangka waktu 3 tahun adalah : Num_Row = 1545 Num_Col = 4 Fixed_Data_Size = = 36 bytes Null Bitmap = 2 + ((4 + 7) / 8) = 3 Row_Size = = 43 bytes Rows_Per_Page = 8096 / (43 + 2) = 180 rows Num_of_Pages = 1545 / 180 = 8,58 pages Num_of_Bytes = ,58 = 70287,36 bytes Num_of_Kbytes = 8192 / ,76= 8 8,58 = 68,64 Kbytes Tabel Analisis Kapasitas Media Penyimpanan 3 Tahun Sebelumnya untuk Tabel Fakta Nama Tabel Besar Jumlah Jumlah Record Jumlah Record Current Sampai Bytes (Bytes) Record Tahun 2007 (Mbytes) FactProduksi ,89 FactPembelian ,687

49 86 FactPenjualan ,87 Tabel Analisis Kapasitas Media Penyimpanan 3 Tahun Sebelumnya untuk Tabel Dimensi Nama Tabel Besar Jumlah Jumlah Jumlah Record Current Record Sampai Bytes (Bytes) Record 2007 (Kbytes) DimWaktu ,84 DimBarang ,32 DimGroupBarang ,12 DimBahanBaku ,96 DimSupplier ,44 DimCustomer ,64 DimTipeCustomer ,16 Berdasarkan hasil analisis kapasitas media penyimpanan data, dapat diperkirakan kebutuhan kapasitas penyimpanan data untuk data warehouse PT Artha Envirotama adalah minimal sekitar 25 Mbytes untuk jangka waktu tiga tahun sebelumnya ditambah lima tahun mendatang. Oleh karena itu, diperlukan dukungan perangkat keras yang memenuhi kapasitas penyimpanan untuk menyimpan data yang diperlukan. d. Analisis Pertumbuhan Data Analisis perkiraan pertumbuhan data pada data warehouse PT Artha

50 87 Envirotama adalah sebagai berikut : Tabel Tabel Analisis Pertumbuhan Data Nama Tabel Besar Record (Bytes) Jumlah Current Record Jumlah Bytes (Kbytes) Jumlah Tumbuh Record Jumlah Tumbuh (Kbytes) Tumbuh % FactProduksi ,6 10 FactPembelian FactPenjualan DimWaktu , , DimBarang , ,72 1 DimGroupBarang , DimBahanBaku ,96 2 0,09 1 DimSupplier ,52 0,3 0,01 1 DimCustomer , DimTipeCustomer , Metadata Metadata menyangkut tabel pada data warehouse yang mencakup nama database sumber, nama tabel data warehouse itu sendiri beserta deskripsinya. Metadata juga memuat informasi yang mencakup rincian tabel, mengenai nama field, tipe field, ukuran field dan field yang menjadi field kunci. Berikut merupakan metadata dari data warehouse PT Artha Envirotama:

51 88 DBMS : SQL Server Nama Database : Artha Operasional Nama Tabel : DimWaktu Deskripsi Tabel : Tabel dimensi waktu Field Tipe Ukuran Tabel Tabel Metadata DimWaktu Sumber Data Field Tipe Ukuran Tabel Transformasi WaktuID int 4 WaktuID int 4 DimWaktu create Tahun int 4 Tahun int 4 create Bulan int 4 Bulan int 4 create Kuartal int 4 Kuartal int 4 create

52 89 DBMS : SQL Server Nama Database : Artha Operasional Nama Tabel : DimBarang Deskripsi Tabel : Tabel dimensi barang Field Tipe Ukuran Tabel Tabel Metadata DimBarang Sumber Data Field Tipe Ukuran Tabel Transformasi BarangID int 4 BarangID int 4 DimBarang create GroupBarangID int 4 GroupBarangID int 4 DimGroupBarang copy KodeBarang varchar 6 KodeBarang varchar 6 MsBarang copy NamaBarang varchar 30 NamaBarang varchar 30 MsBarang copy

53 90 DBMS : SQL Server Nama Database : Artha Operasional Nama Tabel : DimGroupBarang Deskripsi Tabel : Tabel dimensi group barang Field Tipe Ukuran Tabel Tabel Metadata DimGroupBarang Sumber Data Field Tipe Ukuran Tabel Transformasi GroupBarangID int 4 GroupBarangID int 4 DimGroupBarang create KodeGroupBarang varchar 6 KodeGroupBarang varchar 6 MsGroupBarang copy NamaGroupBarang varchar 20 NamaBarang varchar 20 MsGroupBarang copy

54 91 DBMS : SQL Server Nama Database : Artha Operasional Nama Tabel : DimBahanBaku Deskripsi Tabel : Tabel dimensi bahan baku Field Tipe Ukuran Tabel Tabel Metadata DimBahanBaku Sumber Data Field Tipe Ukuran Tabel Transformasi BahanID int 4 BahanID int 4 DimBahan create KodeBahan varchar 5 KodeBahan varchar 5 MsBahan copy NamaBahan varchar 30 NamaBahan varchar 30 MsBahan copy

55 92 DBMS : SQL Server Nama Database : Artha Operasional Nama Tabel : DimSupplier Deskripsi Tabel : Tabel dimensi supplier Field Tipe Ukuran Tabel Tabel Metadata DimSupplier Sumber Data Field Tipe Ukuran Tabel Transformasi SupplierID int 4 SupplierID int 4 DimSupplier create KodeSupplier varchar 5 KodeSupplier varchar 5 MsSupplier copy NamaSupplier varchar 30 NamaSupplier varchar 30 MsSupplier copy

56 93 DBMS : SQL Server Nama Database : Artha Operasional Nama Tabel : DimCustomer Deskripsi Tabel : Tabel dimensi customer Field Tipe Ukuran Tabel Tabel Metadata DimCustomer Sumber Data Field Tipe Ukuran Tabel Transformasi CustomerID int 4 CustomerID int 4 DimCustomer create TipeCustomerID int 4 TipeCustomerID int 4 DimTipeCustomer copy KodeCustomer varchar 8 KodeCustomer varchar 8 MsCustomer copy NamaCustomer varchar 20 NamaCustomer varchar 20 MsCustomer copy

57 94 DBMS : SQL Server Nama Database : Artha Operasional Nama Tabel : DimTipeCustomer Deskripsi Tabel : Tabel dimensi tipe customer Field Tipe Ukuran Tabel Tabel Metadata DimTipeCustomer Sumber Data Field Tipe Ukuran Tabel Transformasi TipeCustomerID int 4 TipeCustomerID int 4 DimTipeCustomer create KodeTipeCustomer varchar 6 KodeTipeCustomer varchar 6 MsTipeCustomer copy TipeCustomer varchar 20 TipeCustomer varchar 20 MsTipeCustomer copy

58 95 DBMS : SQL Server Nama Database : Artha Operasional Nama Tabel : FactProduksi Deskripsi Tabel : Tabel Fact Produksi Field Tipe Ukuran Tabel Tabel Metadata FactProduksi Sumber Data Field Tipe Ukuran Tabel Transformasi WaktuID int 4 WaktuID int 4 DimWaktu copy WaktuID di mana DimWaktu.bulan = month(trproduksi.tanggal) dan DimWaktu.kuartal=case when month(trproduksi.tanggal) between 1 and 3 Then 1 when

59 96 month(trproduksi.tanggal) between 4 and 6 Then 2 when month(trproduksi.tanggal) between 7 and 9 Then 3 when month(trproduksi.tanggal) between 10 and 12 Then 4 dan DimWaktu.tahun = year(trproduksi.tanggal) BahanID int 4 BahanID int 4 DimBahan copy BahanID di mana DimBahan.KodeBahan = TrProduksi.KodeBahan BarangID int 4 BarangID int 4 DimBarang copy BarangID di mana DimBarang.KodeBarang

60 97 =TrProduksi.KodeBarang JumlahBah int 4 sum(qty) int 4 calculate an JumlahBah int 4 sum(qty) int 4 calculate antakterp kai JumlahProd int 4 sum(qty) int 4 calculate uksijadi JumlahProd int 4 sum(qty) int 4 calculate uksicacat

61 98 DBMS : SQL Server Nama Database : Artha Operasional Nama Tabel : FactPembelian Deskripsi Tabel : Tabel Fact Pembelian Field Tipe Ukuran Tabel Tabel Metadata FactPembelian Sumber Data Field Tipe Ukuran Tabel Transformasi WaktuID int 4 WaktuID int 4 DimWaktu copy WaktuID di mana DimWaktu.bulan = month(trheaderpembelian.tan ggal) dan DimWaktu.kuartal=case when month(trheaderpembelian.tan ggal) between 1 and 3 Then 1

62 99 when month(trheaderpembelian.tan ggal) between 4 and 6 Then 2 when month(trheaderpembelian.tan ggal) between 7 and 9 Then 3 when month(trheaderpembelian.tan ggal) between 10 and 12Then4 dan DimWaktu.tahun = year(trheaderpembelian.tangg al) BahanID int 4 BahanID int 4 DimBahan copy BahanID di mana DimBahan.KodeBahan = TrDetailPembelian.KodeBahan

63 100 SupplierID int 4 SupplierID int 4 DimSupplier copy SupplierID di mana DimSupplier.KodeSupplier =TrHeaderPembelian.Kode Supplier JumlahBeli int 4 sum(qty) int 4 calculate JumlahRetu int 4 sum(qty) int 4 calculate rbeli TotalBeli money 8 sum(qty * money 8 calculate TotalRetur Beli hargabeli) money 8 sum(qty * hargabeli) money 8 calculate

64 101 DBMS : SQL Server Nama Database : Artha Operasional Nama Tabel : FactPenjualan Deskripsi Tabel : Tabel Fact Penjualan Field Tipe Ukuran Tabel Tabel Metadata FactPenjualan Sumber Data Field Tipe Ukuran Tabel Transformasi WaktuID int 4 WaktuID int 4 DimWaktu copy WaktuID di mana DimWaktu.bulan = month(trheaderpenjualan.tan ggal) dan DimWaktu.kuartal=case when month(trheaderpenjualan.tan ggal) between 1 and 3 Then 1

65 102 when month(trheaderpenjualan.tan ggal) between 4 and 6 Then 2 when month(trheaderpenjualan.tan ggal) between 7 and 9 Then 3 when month(trheaderpenjualan.tan ggal) between 10 and 12Then4 dan DimWaktu.tahun = year(trheaderpenjualan.tangg al) BarangID int 4 BarangID int 4 DimBarang copy BarangID di mana DimBarang.KodeBarang = TrDetailPenjualan.KodeBaran

66 103 g CustomerI D int 4 CustomerID int 4 DimCustomer copy CustomerID di mana DimCustomer.KodeCustomer = TrHeaderPenjualan.Kode Customer JumlahJual int 4 sum(qty) int 4 calculate JumlahRetu int 4 sum(qty) int 4 calculate rjual TotalJual money 8 sum(qty * money 8 calculate TotalReturJ ual hargajual) money 8 sum(qty * hargajual) money 8 calculate

67 Transformasi Data Proses transformasi data dimulai dari tabel DimBahanBaku, DimBarang, DimCustomer, DimGroupBarang, DimSupplier, DimTipeSupplier, DimWaktu, FactPenjualan, FactPembelian, FactProduksi yang akan dijabarkan sebagai berikut : a. DimBahanBaku Gambar 3.5 Gambar Rancangan Package DTS Dim BahanBaku IF EXISTS ( SELECT * FROM [AE_DW].[dbo].FilterTimeStamp WHERE Table_Name = 'MsBahanBaku' ) SELECT KodeBahan, NamaBahan FROM [Artha_Operasional].[dbo].MsBahanBaku AS B WHERE InsertedDate >

68 105 ( SELECT Last_ETL_Process_Date FROM [AE_DW].[dbo].FilterTimeStamp WHERE Table_Name = 'MsBahanBaku' ) ELSE SELECT KodeBahan, NamaBahan FROM [Artha_Operasional].[dbo].MsBahanBaku AS B b. DimBarang Gambar 3.6 Gambar Rancangan Package DTS Dim Barang IF EXISTS ( SELECT * FROM [AE_DW].[dbo].FilterTimeStamp WHERE Table_Name = 'MsBarang' ) SELECT GroupBarangID, KodeBarang, NamaBarang

69 106 FROM [Artha_Operasional].[dbo].MsBarang AS B, [AE_DW].[dbo].DimGroupBarang AS GB WHERE B.KodeGroupBarang = GB.KodeGroupBarang AND InsertedDate > ( SELECT Last_ETL_Process_Date FROM [AE_DW].[dbo].FilterTimeStamp WHERE Table_Name = 'MsBarang' ) ELSE SELECT GroupBarangID, KodeBarang, NamaBarang FROM [Artha_Operasional].[dbo].MsBarang AS B, [AE_DW].[dbo].DimGroupBarang AS GB WHERE B.KodeGroupBarang = GB.KodeGroupBarang c. DimCustomer Gambar 3.7 Gambar Rancangan Package DTS Dim Customer

70 107 IF EXISTS ( SELECT * FROM [AE_DW].[dbo].FilterTimeStamp WHERE Table_Name = 'MsCustomer' ) SELECT TipeCustomerID,KodeCustomer, NamaCustomer FROM [Artha_Operasional].[dbo].MsCustomer as M, [AE_DW].[dbo].DimTipeCustomer as TC WHERE M.KodeTipeCustomer = TC.KodeTipeCustomer AND InsertedDate > ( SELECT Last_ETL_Process_Date FROM [AE_DW].[dbo].FilterTimeStamp WHERE Table_Name = 'MsCustomer' ) ELSE SELECT TipeCustomerID, KodeCustomer, NamaCustomer FROM [Artha_Operasional].[dbo].MsCustomer as M, [AE_DW].[dbo].DimTipeCustomer as TC WHERE M.KodeTipeCustomer = TC.KodeTipeCustomer d. DimGroupBarang

71 108 Gambar 3.8 Gambar Rancangan Package DTS Dim GroupBarang IF EXISTS ( SELECT * FROM [AE_DW].[dbo].FilterTimeStamp WHERE Table_Name = 'MsGroupBarang' ) SELECT KodeGroupBarang, NamaGroupBarang FROM [Artha_Operasional].[dbo].MsGroupBarang WHERE InsertedDate > ( SELECT Last_ETL_Process_Date FROM [AE_DW].[dbo].FilterTimeStamp WHERE Table_Name = 'MsGroupBarang' ) ELSE SELECT KodeGroupBarang, NamaGroupBarang FROM [Artha_Operasional].[dbo].MsGroupBarang

72 109 e. DimSupplier Gambar 3.9 Gambar Rancangan Package DTS Dim Supplier IF EXISTS ( SELECT * FROM [AE_DW].[dbo].FilterTimeStamp WHERE Table_Name = 'MsSupplier' ) SELECT KodeSupplier, NamaSupplier FROM [Artha_Operasional].[dbo].MsSupplier AS S WHERE InsertedDate > ( SELECT Last_ETL_Process_Date FROM [AE_DW].[dbo].FilterTimeStamp WHERE Table_Name = 'MsSupplier' ) ELSE

73 110 SELECT KodeSupplier, NamaSupplier FROM [Artha_Operasional].[dbo].MsSupplier AS S f. DimTipeCustomer Gambar 3.10 Gambar Rancangan Package DTS Dim TipeCustomer IF EXISTS ( SELECT * FROM [AE_DW].[dbo].FilterTimeStamp WHERE Table_Name = 'MsTipeCustomer' ) SELECT KodeTipeCustomer, TipeCustomer FROM [Artha_Operasional].[dbo].MsTipeCustomer WHERE InsertedDate > ( SELECT Last_ETL_Process_Date FROM [AE_DW].[dbo].FilterTimeStamp WHERE Table_Name = 'MsTipeCustomer'