BAB II LANDASAN TEORI

Transkripsi

1 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 dan presentasi sebagai informasi yang dapat dimengerti oleh manusia (Inmon, 2005). Pendapat lain mengatakan, bahwa data merupakan sebuah rekaman dari fakta, konsep, atau instruksi yang harus diproses untuk menjadi sebuah informasi yang dapat dimerti oleh manusia. Tempat penyimpanan data bisa di media penyimpanan berupa media komputer yang bisa menyimpan data berupa video, gambar, suara, dan teks. Maka dari itu pengertian data pada era ini dapat diperluas menjadi data berupa fakta, konsep, instruksi, grafik, suara, serta video (Hariyanto, 2004). Dari kedua pendapat di atas yang dimaksud data pada penelitian ini adalah rekaman berupa fakta, konsep, instruksi, grafik, suara, dan video Informasi Informasi adalah data yang dikelola untuk digunakan sebagai proses pengambil keputusan (Bodnar, 2000). Informasi juga memiliki tujuan tertentu. Tujuan tersebut adalah untuk menghasilkan sebuah keputusan yang berdasar (Meliono, 1990). Secara umum informasi dapat diartikan sebagai sebuah data yang dikelola dan diproses sehingga memiliki tujuan tertentu untuk menghasilkan sebuah keputusan yang berdasarkan fakta yang ada di dunia nyata yang berjalan berdasarkan siklus informasi yang dimulai dari dasar data yang kemudia di proses sehingga menghasilkan output informasi yang bisa digunakan sebagai keputusan tindakan. 7

2 . Gambar 2.1 Siklus Informasi (Sutabri, 2005) 2.3. Sistem Informasi Sistem informasi adalah suatu sistem dalam suatu organisasi yang mempertemukan kebutuhan pengolahan transaksi harian, mendukung operasi, bersifat manajerial, kegiatan strategi, dan menyediakan pihak luar tertentu (outsourcing) dengan laporan-laporan yang diperlukan (Jogiyanto, 2005). Sekumpulan strategi, kegiatan prosedural, dan kegiatan manajerial yang dilakukan oleh organisasi ini dilaksanakan untuk mencapai suatu tujuan yaitu pengambil keputusan dan mengendalikan kegiatan organisasi Database Database ialah koleksi atau kumpulan data yang mekanis, terbagi(shared), terdefinisi secara formal dan juga dikontrol terpusat pada suatu organisasi (Everest, 1974). Di lain pendapat database memiliki definisi yaitu koleksi data operasional yang tersimpan dan juga dipakai oleh sistem aplikasi dari suatu organisasi (Date, 2003). Dari kedua pendapat itu dapat ditarik kesimpulan bahwa database merupakan sebuah sistem aplikasi yang menyimpan semua koleksi data operasional maupun mekanis yang digunakan pada suatu organisasi dan dikontrol terpusat. 8

3 2.5. Data Warehouse Pengertian Data Warehouse Data Warehouse adalah koleksi data hasil kelola dari database OLTP (Online Transaction Processing) menjadi OLAP (Online Analytical Processing) dan menghasilkan sebuah data mart. Data warehouse juga mempunyai sifat berorientasi subjek, terintegrasi, time-variant, dan bersifat tetap (nonvolatile) dari koleksi data dalam mendukung proses pengambilan keputusan manajemen (Inmon, 2005). Sedangkan menurut pendapat lain data warehouse merupakan basis data yang bersifat analisis dan read-only yang digunakan sebagai fondasi dari sistem penunjang keputusan (Poe, 1996). Menurut Paul Lane, data warehouse merupakan database relasional yang dirancang lebih untuk query dan analisis proses transaksi, biasanya mengandung sejarah data transaksi dan mungkin juga data dari sumber lain. Data warehouse memisahkan beban kerja analisis dari beban kerja transaksi dan memungkinkan organisasi untuk menggabungkan / konsolidasi data dari berbagai sumber. Dari ketiga pendapat tersebut dapat disimpulkan bahwa data warehouse adalah sebuah koleksi data bersifat analisis dan read-only yang disimpan dalam kurun waktu tertentu lalu diproses secara analitik untuk pengambilan keputusan manajemen. Dari kesimpulan itu muncul sebuah ide bahwa sebuah tabel yang berisikan transaksi atau biasa disebut dengan tabel fakta selalu memiliki dimensi-dimensi yang memperjelas data-data yang ada di tabel fakta. Salah satu dimensi yang selalu ada adalah dimensi waktu karena sifat data warehouse yang time-variant Karakteristik Data Warehouse Menurut Inmon, data warehouse memiliki beberapa karakteristik yang selalu ada, yang pertama adalah subject oriented, integrated, nonvolatile, dan timevariant Subject Oriented Data warehouse memiliki ciri subject-oriented yang berarti dalam desain sistem untuk menganalisis didasari oleh subjek-subjek tertentu yang berkaitan dengan organisasi. Misalnya untuk organisasi asuransi subjek yang terkait dan dalam skala mayor adalah pelanggan, kebijakan, dan klaim. Untuk penjualan, 9

4 subjek yang berskala mayor contohnya adalah transaksi penjualan, produk, toko atau cabang. Dapat ditarik kesimpulan bahwa setiap organisasi maupun perusahaan memiliki subjek tertentu yang berhubungan dengan operasional sistem. Dalam studi kasus saya, perpustakaan memiliki subjek berupa peminjam buku, transaksi peminjaman, transaksi pengembalian, dan buku yang dipinjamkan Integration Dalam sistem data warehouse sangat memungkinkan untuk mendapatkan sumber database operasional dari luar (external source). Dari kejadian ini menimbulkan kemungkinan adanya perbedaan satuan antara database operasional (internal source) dengan database-database dari luar. Maka dari itu dilakukanlah sebuah integrasi pada satuan bilangan tertentu. Misalnya jika di internal memiliki satuan ukur panjang dengan satuan cm, sedangkan di external source menggunakan mm, maka bisa di pilih salah satu satuan yang menjadi patokan sehingga semua satuan terintegrasi menjadi satu dan sama. Berikut adalah gambaran kasus lain. Gambar 2.2 Contoh kasus integrasi dari berbagai satuan pada database operasional lalu diintegrasi pada data warehouse (Inmon, 2005) Nonvolatile Database operasional sering kali mengalami manipulasi data seperti insert, delete, dan update data. Setiap kali ada data baru, maka akan dilakukan 10

5 penambahan data pada waktu itu juga. Demikian dengan menghapus dan mengedit data. Data operasional yang ada di database berubah secara real-time. Data dimanipulasi dan saat itu juga data berubah. Berbeda dengan data warehouse, data warehouse hanya melakukan load (mengambil) data dari database operasional sehingga dapat diakses oleh pengguna. Jadi setiap perubahan yang ada di database operasional tidak langsung dirubah di data warehouse melainkan akan berubah ketika data warehouse melakukan load dari database operasional dan diakses oleh pengguna sistem data warehouse. Data warehouse tidak berubah (nonvolatile) namun biasanya setiap adanya perubahan yang ada di database operasional akan membuat data warehouse menyerap data yang baru kemudian secara incremental disatukan dengan data sebelumnya. Ini disebabkan data warehouse hanya memiliki dua fungsi manipulasi data, yaitu load data dan access data. Gambar 2.3 Ilustrasi kerja database operasional dan data warehouse ketika terjadi manipulasi data (insert, update, delete). (Inmon, 2005) Time-variant Database operasional selalu berhubungan dengan kegiatan manipulasi data yang terjadi pada saat itu juga (real-time). Sedangkan data warehouse selalu menyerap apa pun yang telah di-load oleh data warehouse dari awal terbentuknya data warehouse hingga yang paling terbaru. Semua data akan dijadikan bahan analisis dan pengambil keputusan yang valid pada rentan waktu tertentu, misalnya harian, mingguan, bulanan, tahunan, dan nilai waktu lainnya. Database operasional bisa bekeja dan tetap valid meskipun ada atau tidak adanya elemen waktu pada datanya. Sedangkan pada data warehouse elemen waktu harus jelas untuk menjaga 11

6 kevalidan data pada rentang waktu tertentu karena record data pada data warehouse rentang waktunya lebih besar daripada database operasional demi kepentingan analisis data secara periodik. Karena rentang waktu kevalidan database operasional dan data warehouse berbeda menyebabkan time horizon dari database operasional berlaku dari data yang terkini hingga hari kemudian. Sedangkan untuk data warehouse memiliki time horizon 5-10 tahun (Inmon, 2005). Gambar 2.4 Perbandingan time variancy dari database operasional dengan data warehouse (Inmon, 2005) Struktur Data Warehouse Struktur data warehouse terdiri dari older level of detail, current level of detail, lightly summarized data, dan highly summarized data. Current level of detail adalah sebuah level data dimana data mengalir ke data warehouse dari database operasional. Setelah data warehouse me-load data yang baru lagi dari database operasional, maka data yang tadinya current level of detail berubah menjadi older level of detail. Older level of detail adalah data historik dari current level of detail yang masih disimpan sebagai back-up dan historik data secara keseluruhan. Setelah data tersimpan di data warehouse, maka dilakukan rangkuman data sehingga terbentuklah lightly summarized data. Lightly summarized data sendiri adalah hasil rangkuman data yang masih bisa dibilang terkini. Jika sudah melampaui waktu tertentu maka lightly summarized data akan berubah menjadi highly summarized data. 12

7 Gambar 2.5 Struktur data warehouse (Inmon, 2005) Data Mart yang Bisa Dihasilkan oleh Proses Data Warehouse Data mart yang bisa didapatkan dalam proses data warehouse pada penelitian ini adalah: 1. Perbandingan persentase pengembalian buku tiap tahun. 2. Penunjang data pengadaan buku dari frekuensi tipe-tipe buku yang sering dipinjam Perbedaan OLAP dan OLTP OLTP atau biasa disebut dengan Online Transaction Processing adalah sebuah sistem yang memiliki orientasi fungsi berupa proses pada segala transaksi yang terjadi. OLTP terjadi pada sebuah jaringan komputer yang memiliki sebuah sistem penyimpanan data untuk mencatat semua kegiatan dan proses transaksi yang terjadi pada instansi atau organisasi yang terkait. Seperti misalnya penjaga perpustakaan yang memasukkan setiap kegiatan peminjaman yang terjadi ketika buku perpustakaan dipinjam oleh anggota perpustakaan. Kegiatan OLTP lebih bersifat pendek dan cepat yang dapat dimanipulasi datanya pada saat itu juga. Karena disetiap ada proses transaksi, data akan di-update untuk memperoleh kevalidan data. Sedangkan OLAP atau biasa disebut dengan Online Analytical Processing adalah sebuah kegiatan yang bersifat managerial dimana terdapat queryquery kompleks yang berfungsi untuk menarik hasil analisis. Hasil analisis inilah 13

8 yang akan dijadikan sebagai pengambil keputusan yang dilakukan oleh manager instansi atau orang yang mengatur dan mengontrol instansi tersebut Model Dimensional Model dimensional merupakan rancangan logikal suatu sistem yang bertujuan untuk mendapatkan akses data dalam bentuk standar, intuitif, dengan performa tinggi. Model dimensional terbentuk dari beberapa entitiy relation (ER) yang ditandai dengan adanya primary key dan foreign key. Terdapat dua model dimensional yang sering digunakan dalam praktek data warehouse, yaitu star schema dan snowflake karena mudah dimengerti dan query yang digunakan memiliki performa superior dengan meminimalisasi tabel-tabel join Star Schema Star Schema adalah skema yang tabel dimensinya terpusat pada sebuah tabel fakta. Setiap tabel dimensi terbentuk dari hasil collapse (penggabungan) tanpa adanya normalisasi sehingga bisa saja terbentuk sebuah tabel dimensi yang redundan. Pada model ini tabel dimensi hanya terhubung dengan tabel fakta. Tabel Fakta Tabel fakta merupakan tabel yang memiliki atribut transaksi ataupun atribut hasil agregasi yang memiliki nilai yang dapat dikomputasi. Selain memiliki atribut transaksi juga memiliki foreign key dari setiap tabel dimensi yang terhubung pada tabel fakta. Tabel Dimensi Tabel dimensi merupakan tabel yang memperjelas subjek yang ada pada tabel fakta. Primary key pada tabel dimensi selalu ada dalam tabel fakta yang berhubungan langsung Snowflake Schema Snowflake Schema adalah sebuah skema data warehouse yang memiliki tabel fakta dan dimensi sama seperti star schema namun pada Snowflake Schema tidak ada redundansi karena pada proses collapse (penggabungan) tabel dimensi dilakukan normalisasi sehingga tidak ada atribut yang redundan. Ini menyebabkan beberapa tabel dimensi tidak berhubungan langsung dengan tabel fakta namun tetap berhubungan dengan tabel dimensi yang masih memiliki entity relation. 14

9 2.8. ETL Kepanjangan dari ETL adalah extract, transform, dan load. Proses ETL berfungsi sebagai mengubah jenis data agar terintegrasi yang awalnya di-extract dari database operasional lalu pada aplikasi ETL (seperti talend) akan mengalami perubahan jenis data lalu di-load ke bentuk data warehouse OLAP sehingga user bisa memulai analisis data dari OLAP itu untuk kebutuhan pengambilan keputusan Nine Step Design Method cara yaitu: Menurut Kimball et al (2002), data warehouse dirancang dengan sembilan Memilih Proses Bisnis yang Bersangkutan dengan Kebutuhan Data warehouse memiliki karakteristik subject-oriented yang berarti kita harus menentukan subyek permasalahan yang akan dianalisis lalu kita bisa mengidentifikasi proses bisnis yang sesuai dengan permasalahan sehingga terbentuk batasan-batasan dalam pembuatan data warehouse Menentukan Grain Bersumberkan Proses Bisnis Maksud dari grain sendiri adalah cikal bakal tabel fakta yang ada pada tabel OLAP. Grain ditentukan pada database operasional dengan mempertimbangkan tabel tersebut memiliki fungsi transaksi yang terbentuk karena telah ada atribut transaksi maupun ditabel tersebut bisa dilakukan agregasi atribut Mengidentifikasi dan Menyesuaikan Tabel Dimensi dengan yang Lain Setelah kita menentukan cikal bakal tabel fakta, selanjutnya kita menentukan cikal bakal tabel dimensi yang akan dimasukkan pada OLAP. Setelah terbentuk cikal bakal tabel dimensi, tentu primary key yang ada pada tabel dimensi akan menjadi sebuah identifikasi suatu tabel dimensi Memilih Data-Data Fakta Setelah memilih cikal bakal fakta, akan ditambahkan fakta-fakta yang akan mengisi setiap tabel fakta yang sesuai dengan grain yang telah ditentukan Menyimpan Kalkulasi Awal dalam Tabel Fakta Seperti yang telah dijelaskan sebelumnya, bahwa setiap tabel fakta selalu ada transaksi yang dapat dihitung, pada tahap inilah perhitungan dilakukan. 15

10 Melihat Kembali Tabel Dimensi Pada tahap ini dilakukan pelengkapan keterangan pada tabel dimensi selengkap-lengkapnya sehingga dapat dipahami dengan mudah oleh penggunanya Memilih Durasi Database Pada tahap ini yang dilakukan adalah memberi batasan waktu analisis dan range analisis yang akan dilakukan Menelusuri Perubahan-Perubahan yang Terjadi pada Dimensi Pada tahap ini dilakukan pengecekan pada tabel dimensi. Hal-hal yang biasa berubah pada tabel dimensi adalah: 1. Atribut dimensi yang berubah tertulis ulang 2. Atribut dimensi yang berubah menimbulkan dimensi baru 3. Atribut dimensi yang berubah menimbulkan alternatif sehingga atribut sebelumnya dan yang baru dapat diakses bersamaan pada dimensi yang sama Memutuskan Prioritas Query, Tipe Query, dan Memilih Physical Design Pada tahap ini difokuskan untuk memilih Physical Design, query, dan query type yang sesuai dengan kasus yang terjadi Tools Pembuatan Data Warehouse Untuk pembuatan data warehouse sendiri dibutuhkan alat / aplikasi yang digunakan untuk membantu dalam pembuatannya. Dalam kasus saya, saya menggunakan penyimpanan database berupa MySQL, untuk proses ETL menggunakan aplikasi talend, dan untuk keluaran data mart-nya saya menggunakan pivot table yang biasanya bisa menggunakan program Ms. Excel Perpustakaan Daerah Kabupaten Lumajang Perpustakaan adalah tempat untuk menyimpan dan membagikan informasi pada halayak umum. Beberapa peranan perpustakaan pada kehidupan manusia adalah sebagai sarana simpan karya manusia, sebagai fungsi informasi, sebagai fungsi rekreasi, fungsi pendidikan, dan fungsi kultural. Perpustakaan Daerah Kabupaten Lumajang memiliki dua macam proses bisnis yang berkaitan dengan data warehouse dalam penelitian ini yaitu proses 16

11 bisnis peminjaman dan pengembalian. Pada Perpustakaan Daerah Kabupaten Lumajang tidak terdapat sistem denda dikarenakan tidak ada peraturan daerah (perda) yang mengharuskan adanya denda. Gambar 2.6 Proses bisnis peminjaman buku perpustakaan Gambar 2.7 Proses bisnis pengembalian buku perpustakaan 17

12 18