7 BAB 2 LANDASAN TEORI 2.1 Definisi Efektivitas Kegiatan Promosi Beberapa definisi dari efektivitas, kegiatan, dan promosi dari beberapa sumber dapat dilihat berikut ini. 2.1.1 Definisi Efektivitas Menurut Peter Drucker (Mallach, 2000, p59) efektivitas adalah melakukan sesuatu yang benar atau merupakan pencapaian tujuan. Efektivitas berkaitan dengan output sebuah sistem (misalnya penjualan total atau pendapatan per promosi). Menurut Soekarno K. (1996, p42) efektivitas adalah pencapaian tujuan atau hasil yang dikehendaki tanpa menghiraukan faktor faktor tenaga, waktu, biaya, pikiran, dan alat lain yang telah dikeluarkan atau digunakan. Menurut Kamus Besar Bahasa Indonesia (2001, p284) efektivitas merupakan keadaan yang berpengaruh. 2.1.2 Definisi Kegiatan Promosi Menurut Madura (2001, p449) kegiatan promosi adalah kegiatan yang memberikan informasi atau mengingatkan konsumen mengenai produk atau merek tertentu.
8 Sedangkan menurut Griffin (1999, p122) kegiatan promosi adalah aspek bauran pemasaran yang berhubungan dengan teknik teknik yang paling efektif untuk menjual suatu barang. Berdasarkan Kamus Besar Bahasa Indonesia (2001, p898) kegiatan promosi adalah kegiatan komunikasi untuk meningkatkan volume penjualan dengan pameran, periklanan, demonstrasi, dan usaha lain yang bersifat persuasif. Menurut McCarthy (1998, p294) kegiatan promosi adalah kegiatan mengkomunikasikan informasi dari penjual kepada pembeli atau pihak lain dalam saluran untuk mempengaruhi sikap dan prilaku. 2.1.2.1 Bentuk Bentuk Promosi Banyak cara promosi yang dilakukan oleh perusahaan dalam rangka meningkatkan volume penjualannya. Berikut adalah bentuk-bentuk promosi yang digunakan untuk meningkatkan volume penjualan : 1. Advertising (Periklanan) Menurut Philip Kotler, advertising adalah suatu bentuk dorongan yang tidak bersifat pribadi untuk meningkatkan permintaan atas suatu barang, jasa melalui surat surat langsung atau media sebagai bahan perbandingan. Tujuan advertising antara lain : Pengenalan dan penerimaan merk Pembelian percobaan Mencapai pembeli yang tidak dapat didekati Menambah nilai pada produk
9 2. Personal Selling (Penjualan oleh perorangan) Menurut Philip Kotler, personal selling adalah penyajian secara lisan dalam bentuk percakapan dengan satu atau lebih calon pembeli dengan maksud melakukan penjualan. Ada empat macam prinsip dasar dari penjual perorangan agar efektif yaitu : a. Persiapan yang cukup b. Lokasi atau menemukan pembeli c. Membuat penjualan d. Pengembangan jasa baik setelah penjualan 3. Publicity (Publisitas) Menurut Philip Kotler, publicity adalah dorongan yang sifatnya tidak perorangan terhadap permintaan akan suatu produk, jasa ataupun satuan usaha dengan jalan memuat berita berita yang sifatnya komersil di dalam media yang dipublikasikan atau penyajiannya secara tepat melalui televisi, radio, dan kesemuanya ini tidak dibayar oleh sponsor. 4. Sales Promotion (Promosi Penjualan) Menurut Philip Kotler, sales promotion adalah kegiatan kegiatan pemasaran selain personal selling, advertising, dan publisitas yang mendorong konsumen untuk membeli dan mendorong keberhasilan agen penjual. Promosi penjualan dilakukan dengan berbagai cara, antara lain : Promosi Konsumen, yaitu promosi yang ditujukan pada konsumen akhir, contoh : kupon, pengembalian uang ganti rugi, promosi harga.
10 Promosi Perdagangan, yaitu promosi yang ditujukan kepada pedagang perantara yang dapat berupa : bantuan pembelian, bantuan yang diharapkan, bantuan sebelum pembelian, kerja sama advertising. Promosi Tenaga Penjual, yaitu promosi yang ditujukan kepada tenaga penjual perusahaan yang terdiri dari bonus, kontes tenaga penjual, pertemuan penjual. Faktor-faktor yang mempengaruhi efektif tidaknya promosi antara lain adalah : Besarnya dana yang dipasarkan untuk promosi Sifat pasar Jenis produk yang dipasarkan Tahap tahap dalam siklus kehidupan barang 2.1.2.2 Tujuan Promosi Tujuan promosi menurut McCarthy (1998, p294) antara lain sebagai berikut : Memberitahu, yang berarti perusahaan yang memiliki produk baru tidak harus melakukan apapun terlebih dahulu kecuali memberitahu konsumen tentang produk dan menunjukkan bahwa ia memenuhi kebutuhan konsumen secara lebih baik dibandingkan dengan produk lainnya.
11 Membujuk, yang berarti perusahaan akan berusaha mengembangkan sikap yang menghubungkan, sehingga pelanggan akan membeli dan terus membeli produknya. Mengingatkan para pelanggan target tentang perusahaan dan bauran pemasarannya. Sekalipun pelanggan telah tertarik dan pernah membeli, mereka masih merupakan target bagi himbauan pesaing. Upaya mengingatkan mereka tentang kepuasan yang diperoleh pada waktu lalu mungkin akan menahan mereka untuk tidak beralih pada produk pesaing. 2.1.2.3 Definisi Efektivitas Kegiatan Promosi Berdasarkan teori tentang efektivitas dan kegiatan promosi, maka dapat disimpukan bahwa efektivitas kegiatan promosi merupakan kegiatan yang memberikan informasi atau mengingatkan konsumen mengenai produk atau merek tertentu untuk pencapaian tujuan atau hasil yang dikehendaki. Dengan kata lain dengan dilakukannya promosi suatu produk atau barang maka penjualan terhadap produk atau barang tersebut harus meningkat melebihi biaya promosi yang dikeluarkan. 2.1.2.4 Definisi Penjualan Menurut Romney dan Steinbar (2003, p157) penjualan merupakan suatu set rekursif dari kegiatan bisnis dan operasi pemrosesan informasi terkait yang dihubungkan dengan persediaan barang dan pelayanan pelanggan serta penerimaan dari penjualan tersebut.
12 Dalam konsep penjualan Kotler dan Armstrong (2001, p22), ia beranggapan bahwa konsumen tidak akan membeli cukup banyak produksi perusahaan, kecuali jika perusahaan tersebut melakukan usaha penjualan dan promosi dalam skala besar. Menurut Mulyadi (2001, p202) kegiatan penjualan terdiri dari transaksi penjualan barang atau jasa, baik secara kredit maupun secara tunai. Penjualan didasarkan pada dua jenis, yaitu : berdasarkan pembayaran dan berdasarkan cara penyediaan. Berdasarkan Pembayaran Ditinjau dari pembayaran yang dilakukan pembeli, maka jenis penjualan dibedakan menjadi dua, yaitu : 1. Penjualan Tunai Menurut Mulyadi (2001, p455) penjualan tunai dilaksanakan oleh perusahaan dengan cara mewajibkan pembeli melakukan pembayaran harga barang lebih dahulu sebelum barang diserahkan oleh perusahaan kepada pembeli. Setelah uang diterima perusahaan, barang kemudian diserahkan kepada pembeli dan transaksi penjualan tunai kemudian dicatat oleh perusahaan 2. Penjualan Kredit Menurut Mulyadi (2001, p210) Penjualan kredit dilaksanakan oleh perusahaan dengan cara mengirimkan barang sesuai dengan order yang diterima dari pembeli untuk jangka waktu tertentu, perusahaan mempunyai tagihan kepada pembeli tersebut.
13 Berdasarkan Cara Penyediaan Ditinjau dari cara penyediaan barang ke konsumen, maka penjualan dibedakan menjadi beberapa macam, yaitu : 1. Penjualan Eceran (Retail Sales) Menyediakan pelayanan barang yang efisien sesuai dengan kebutuhan permintaan konsumen di daerah sekitar (lokal), biasanya dengan harga yang lebih mahal dan jumlah yang sedikit (eceran). 2. Penjualan Partai (Grosir) Barang yang dijual biasanya dalam jumlah yang lebih besar dan harganya biasanya lebih murah dibandingkan dengan penjualan eceran. 3. Penjualan Supermarket Barang yang disediakan untuk dijual lebih beraneka ragam. Pembeli mengambil atau mencari barang yang dibutuhkan sendiri (self service). Jumlah pembelian konsumen bervariasi dengan harga yang tetap, tidak tergantung banyaknya pembelian. 4. Penjualan Dari Pintu Ke Pintu Barang ditawarkan oleh pramuniaga kepada konsumen secara langsung dari rumah ke rumah. 5. Penjualan Konsinyasi Penjualan dilakukan dengan cara menitipkan barang yang akan dijual kepada penjual atau toko tertentu. 6. Penjualan Canvasser
ke toko. Barang ditawarkan oleh salesman kepada pelanggan dari toko 14 2.2 Perusahaan Distributor Alat Fotografi Beberapa definisi dari distributor, alat, dan fotografi dapat dilihat pada penjelasan berikut ini. 2.2.1 Definisi Distributor Berdasarkan Kamus Besar Bahasa Indonesia (2001, p270) distributor adalah orang atau badan yang bertugas mendistribusikan barang, atau sebagai penyalur. 2.2.2 Definisi Alat Fotografi Menurut Kamus Besar Bahasa Indonesia (2001, p27) Alat adalah benda yang dipakai untuk mengerjakan sesuatu. Menurut Kamus Besar Bahasa Indonesia (2001,p321) Fotografi adalah seni dan penghasilan gambar dan cahaya pada film atau permukaan yang dipekakan. Jadi perusahaan distributor alat fotografi adalah suatu perusahaan yang menyediakan alat-alat yang berhubungan dengan fotografi untuk didistribusikan ke berbagai tempat.
15 2.2.3 Definisi Perusahaan Distributor Alat Fotografi Berdasarkan masing-masing pengertian tentang perusahaan distributor, alat, dan fotografi maka disimpulkan bahwa perusahaan distributor alat fotografi adalah suatu perusahaan yang menyediakan alat alat yang berhubungan dengan fotografi untuk didistribusikan ke berbagai tempat. 2. 3 Konsep Data Warehouse berikut ini. Beberapa definisi dari data warehouse beserta konsep lainnya dapat dilihat 2. 3. 1 Definisi Data Warehouse Menurut Inmon (2002, p31) data warehouse adalah koleksi data yang bersifat subject oriented, integrated, time variant, dan non volatile, yang digunakan untuk mendukung proses strategis pengambilan keputusan bagi organisasi. Menurut Poe (1996, p6) data warehouse adalah database yang bersifat analistis dan hanya dapat dibaca dan digunakan sebagai dasar landasan dari sistem pendukung keputusan. Menurut Mallach (2000, p484) data warehouse adalah koleksi dari variasi data yang besar, terorganisasi dan dibuat untuk dapat digunakan oleh end user dalam pembuatan keputusan.
16 2. 3. 2 Tujuan Perancangan Data Warehouse Data warehouse yang digunakan selama ini memberikan kemudahan dan keuntungan karena data warehouse biasanya digunakan untuk melakukan empat tugas yang berbeda. Menurut William (1998, p533) empat tugas data warehouse tersebut adalah sebagai berikut : 1. Pembuatan Laporan Pembuatan laporan merupakan salah satu kegunaan data warehouse yang paling umum. Dengan menggunakan query sederhana, dalam data warehouse dapat dihasilkan informasi per tahun, per kuartal, per bulan, dan bahkan per hari. 2. On-Line Analytical Processing (OLAP) Data warehouse digunakan dalam melakukan analisis bisnis untuk mengetahui kecenderungan pasar dan faktor faktor penyebabnya, karena dengan adanya data warehouse semua informasi baik detail maupun hasil summary yang dibutuhkan dalam proses analisa mudah didapat. Dalam hal ini data warehouse merupakan tool handal untuk analisa data yang kompleks. OLAP mendayagunakan konsep data multidimensi dan memungkinkan pemakai untuk menganalisa data sampai mendetail, tanpa mengetikkan satu pun perintah SQL. Hal ini dimungkinkan karena pada konsep data multidimensi, maka data berupa fakta yang sama bisa dilihat dengan menggunakan dimensi yang berbeda. Fasilitas lain yang ada pada tool perangkat lunak OLAP adalah drill-down dan roll-up. Drill-down adalah kemampuan untuk melihat detail dari suatu informasi yang ditampilkan sedangkan roll-up adalah kebalikan dari drill-down.
17 3. Data Mining Data mining adalah proses untuk mencari informasi dan pengetahuan baru dengan cara menggali (mining) data yang berjumlah banyak pada data warehouse, dengan menggunakan kecerdasan buatan (Artificial Intelligence), statistik, dan matematika. Data mining merupakan teknologi yang diharapkan bisa menjembatani komunikasi antara data dan pemakainya. Beberapa solusi yang bisa diselesaikan dengan data mining diantaranya : a. Menembak target pasar Data mining dapat melakukan pengelompokan (clustering) dari model model pembeli dan melakukan klasifikasi terhadap setiap pembeli sesuai dengan karakteristik yang diinginkan seperti kesukaan yang sama, tingkat penghasilan yang sama, kebiasaan membeli dan karakteristik lainnya. b. Melihat pola beli pemakai dari waktu ke waktu Data mining dapat digunakan untuk melihat pola beli seseorang dari waktu ke waktu. c. Cross-market Analisis Data mining dapat dimanfaatkan untuk melihat hubungan antara penjualan satu produk dengan produk lainnya. d. Profil Customer Data mining dapat membantu pengguna untuk melihat profil pembeli sehingga dapat diketahui pembeli tertentu suka membeli produk apa saja. e. Informasi Summary
18 Data mining dapat dimanfaatkan untuk membuat laporan summary yang bersifat multidimensi yang dilengkapi dengan informasi statistik lainnya. 4. Proses Informasi Eksekutif Data warehouse digunakan untuk mencapai ringkasan informasi yang penting dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi keseluruhan data. Dengan menggunakan data warehouse, segala laporan telah diringkas dan dapat pula diketahui rinciannya secara lengkap. Hal ini akan mempermudah proses pengambilan keputusan. Informasi dan data pada laporan data warehouse menjadi target informatif bagi user, dimana user disini adalah pihak eksekutif. 2. 3. 3 Karakteristik Data Warehouse Menurut Inmon (2002, p31) dapat diketahui bahwa sebuah data warehouse mempunyai karakteristik, antara lain : Subject Oriented (Berorientasi Subyek) Integrated (Terintegrasi) Non Volatile (Tidak Dapat Berubah) Time Variant (Variasi Waktu) 2.3.3.1 Subject Oriented (Berorientasi Subyek) Data warehouse berorientasi subyek karena didasarkan pada subyeksubyek yang ada didalam perusahaan, seperti: customer, products, dan sales.
19 Bukannya berorientasi pada proses atau fungsi aplikasi tertentu, seperti : customer invoicing, stock control, dan product sales. Perbedaan antara orientasi aplikasi proses dengan orientasi subyek terlihat jelas pada perbedaan isi data pada tingkatan data yang rinci. Data yang tidak digunakan pada pemrosesan sistem penunjang keputusan (Decision Support System) tidak termasuk sebagai data pada data warehouse, sedangkan pada orientasi aplikasi operasional, data yang digunakan terdiri atas data untuk keperluan fungsional atau pemrosesan baik yang dibutuhkan maupun yang tidak dibutuhkan. 2.3.3.2 Integrated (Terintegrasi) Data warehouse bersifat intergrated, artinya data warehouse harus menyimpan data-data yang berasal dari sumber-sumber yang terpisah ke dalam suatu format yang konsisten dan saling terintegrasi satu dengan lainnya. Dengan demikian data tidak bisa dipisah-pisah karena data yang ada merupakan satu kesatuan yang menunjang keseluruhan konsep data warehouse itu sendiri. Syarat integrasi sumber data dapat dipenuhi dengan berbagai cara seperti konsisten dalam penamaan variabel, konsisten dalam ukuran variabel dan konsisten dalam struktur pengkodean dan konsisten dalam atribut fisik dari data. Contoh konsistensi yang ditunjukkan oleh data warehouse terlihat pada : Pengembang aplikasi harus memilih untuk memberi kode pada kolom negara sesuai yang dikehendaki. Ada yang menghendaki memberikan kode ina untuk negara Indonesia, kode sgp untuk negara Singapura, dan kode eng untuk negara Inggris. Ada juga yang mempresentasikan
20 kode id untuk negara Indonesia, kode sg untuk negara Singapura, dan kode uk untuk negara Inggris. Data tersebut harus diubah ke dalam format data warehouse yang telah ditentukan sebelumnya. Jadi dari awal sampai akhir, data warehouse akan menggunakan format kode id, sg, dan uk untuk memberikan penamaan negara. Di dalam beberapa database digunakan beberapa satuan ukuran seperti kilometer, meter, centimeter, dan inci. Apabila data yang berasal dari database ingin disimpan kedalam suatu data warehouse, maka satuan ukuran harus diintegrasikan terlebih dahulu menggunakan format ukuran yang konsisten, misalnya menggunakan ukuran meter (m). Jadi dari awal sampai akhir, data warehouse akan menggunakan format m untuk jenis satuannya. 2.3.3.3 Non Volatile (Tidak Dapat Berubah) Non volatile berarti bahwa ketika data sudah disimpan ke dalam sebuah data warehouse, data tidak boleh berubah atau tidak boleh ada perubahan didalamnya. Hal ini disebabkan karena data warehouse bertujuan agar penggunanya dapat menganalisa data historis yang ada untuk keperluan pengambilan keputusan. 2.3.3.4 Time-Variant (Variasi Waktu) Time-variant disini diartikan bahwa data dalam sebuah data warehouse berhubungan dengan suatu titik atau point dalam suatu periode waktu tertentu. Misalnya kwartalan, semester, ataupun tahunan. Contoh variasi waktu antara
lain : jumlah penjualan per semester, data produk produk yang ada dalam perusahaan per tahun. 21 2.3.4 Anatomi Data Warehouse Menurut Prabowo (1997, p7) terdapat tiga jenis dasar anatomi data warehouse, yaitu : Functional Data Warehouse (Data warehouse Fungsional) Centralized Data Warehouse (Data warehouse Terpusat) Distributed Data Warehouse (Data Warehouse Terdistribusi) 2.3.4.1 Functional Data Warehouse (Data Warehouse Fungsional) Data warehouse fungsional mengambil data yang diperoleh dari hasil kegiatan operasi sehari-hari, dan dibuat lebih dari satu yang dikelompokkan berdasarkan masing masing fungsi yang ada di dalam perusahaan seperti fungsi keuangan (financial), fungsi pemasaran (marketing), fungsi kinerja personalia, dan sebagainya. Kelebihan dari bentuk fungsional ini adalah sistem mudah dibangun dengan biaya yang relatif murah dan dapat memberikan kemampuan sistem pengumpulan data yang terbatas kepada kelompok user. Sedangkan kekurangan dari bentuk fungsional ini adalah resiko kehilangan konsistensi dari data dan juga terbatasnya kemampuan dalam pengumpulan data bagi user.
22 Source Data Warehouse Fungsional Workstation Source Data Warehouse Fungsional Source Workstation Gambar 2.1 Anatomi dari Data Warehouse Fungsional 2.3.4.2 Centralized Data Warehouse (Data warehouse Terpusat) Data warehouse terpusat merupakan pendekatan yang paling baik digunakan. Hal ini dikarenakan karena bentuk dari data warehouse terpusat terlihat seperti bentuk data warehouse fungsional, namun disini sumber data terlebih dahulu dikumpulkan atau diintegrasikan pada suatu tempat terpusat. Kemudian barulah data tersebut dibagi-bagi berdasarkan fungsi-fungsi yang dibutuhkan oleh perusahaan. Bentuk ini sering digunakan oleh perusahaanperusahaan yang belum memiliki jaringan eksternal. Kelebihan dari data warehouse terpusat dibanding dengan data warehouse fungsional adalah data benar-benar terintegrasi. Sistem ini mengharuskan data dikirim tepat pada waktunya agar tetap konsisten dengan pemasok data lainnya. Disamping itu, user hanya dapat mengambil data dari pusat pengumpulan saja dan tidak dapat berhubungan secara langsung dengan pemasok datanya sendiri.
23 Sedangkan kekurangan dari data warehouse terpusat adalah pada penerapannya membutuhkan biaya pemeliharaan yang tinggi atas sistem pengumpulan data yang besar. Selain itu diperlukan waktu yang lama untuk membangun sistem tersebut. Source Data Warehouse Fungsional W orkstation Source Data Warehouse Terpusat Source Data Warehouse Fungsional W orkstation Gambar 2.2 Anatomi dari Data Warehouse Terpusat 2.3.4.3 Distributed Data Warehouse (Data warehouse Terdistribusi) Data warehouse terdistribusi dikembangkan berdasarkan konsep gateway data warehouse, sehingga memungkinkan user dapat langsung berhubungan dengan sumber data atau pemasok data maupun dengan pusat pengumpulan data lainnya. Gambar user data merupakan gambaran logika karena data mungkin diambil dari berbagai sumber yang berbeda. Keuntungan dari data warehouse terdistribusi adalah kelebihannya dalam mengakses data dari luar perusahaan yang lebih mengalami sinkronisasi terlebih dahulu dan tetap terjaga konsistensinya. Hal ini dikarenakan data warehouse terdistribusi menggunakan teknologi client-server untuk mengambil data dari berbagai sumber.
24 Sedangkan kerugian dari data warehouse terdistribusi ini adalah pada penerapannya memerlukan biaya yang sangat besar dan juga kompleks untuk diterapkan karena sistem operasinya dikelola secara terpisah. Source Workstation Source Data Warehouse Gateway Source Workstation Gambar 2.3 Anatomi Data Warehouse Terdistribusi. 2.3.5 Struktur Data Warehouse Data warehouse mempunyai struktur yang spesifik dan mempunyai perbedaan dalam tingkatan ringkasan (summary) dan detail data serta perbedaan dalam tingkatan umur data. Struktur data warehouse tersebut terdiri atas: Current detail data (data detail saat ini) Old detail data (data detail histories) Lightly summarized data (data ringkasan level menengah) Highly summarized data (data ringkasan level tinggi) Metadata
25 M E T A D A T A Current Detail Highly Summarized Lightly Summarized (Data Mart) Operational Transformation Old Detail Gambar 2.4 Struktur Data Warehouse 2.3.5.1 Current Detail Data Current detail data berisi data yang mencerminkan keadaan yang sedang berjalan saat ini. Bagian ini sangat penting karena merefleksikan kejadian yang sedang berlangsung dalam sebuah perusahaan. Berukuran sangat besar karena merupakan level terendah dan menyimpan semua informasi dan data yang ada dalam perusahaan. Current detail data menjadi perhatian utama. Hal ini disebabkan karena: Merefleksikan kejadian yang sedang berlangsung dalam sebuah perusahaan. Jumlah datanya sangat banyak dan disimpan pada tingkat level penyimpanan terendah. Biasanya disimpan dalam media penyimpanan agar cepat diakses, namun mahal dan pengaturannya kompleks.
Digunakan untuk merekapitulasi data sehingga current detail data harus akurat. 26 2.3.5.2 Old Detail Data Old detail data merupakan histori data dari perusahaan yang merupakan hasil back-up yang disimpan dalam media penyimpanan yang terpisah dan dapat diakses kembali pada saat tertentu. Old detail data biasanya disimpan pada media penyimpanan seperti tape disk karena pengaksesannya relatif jarang. 2.3.5.3 Lightly Summarized Data Lightly summarized data merupakan ringkasan dari detail data tapi belum bersifat total summary. Biasanya data ini disimpan pada media penyimpanan seperti disk. 2.3.5.4 Highly Summarized Data Highly summarized data merupakan ringkasan yang bersifat totalitas solid dan mudah diakses. Highly summarized data digunakan untuk melakukan analisa perbandingan data berdasarkan waktu dan analisa yang menggunakan multi dimensi. Database multidimensi adalah suatu teknologi software yang mempermudahkan dalam melakukan pencarian dan pengambilan data dalam volume besar.
27 2.3.5.5 Metadata Metadata merupakan informasi dari sumber data atau struktur data dimana mengandung struktur data, algoritma yang dijalankan, mapping dari operasi ke data warehouse. Sedangkan metadata menurut Poe (1996, p169) adalah data tentang data, yang menyediakan informasi tentang struktur data dari hubungan antar data atau database dalam lingkungan data warehouse. Terdapat dua tipe metadata, yaitu : Metadata operasional, merupakan berfungsi untuk sistem operasi dimana menjelaskan sistem operasi awal, baik berupa nama, tipe data, dan sumber lainnya, ke dalam tujuan transformasi data warehouse. Metadata DSS, memetakan data dan data warehouse ke segi dan sebagai alat front-end untuk memanipulasi data dan membuat laporan. 2.3.6 Arsitektur Data Warehouse Menurut Conolly dan Beg (3 rd edition, p1052) Arsitektur data warehouse terdiri dari operational data, operational data store, load manager, warehouse manager, query manager, detailed data, lightly dan highly summarized data, archive/backup data, metadata, end-user access tools.
28 Warehous e Mana ger Operation al Data source 1 Reporting, query, ap plic ation devel opme nt, and EIS tools Load Manag er Metadata High ly Summarized data Query Manag er Operation al Data source 2 Lightly Summ arize d Data OLAP Tools DBMS Detail ed Data Operation al Data source n Warehous e Mana ger Data mini ng tools Operation al Data store (ODS) Archive/back up data End-user acc ess tools Gambar 2.5 Arsitektur Data Warehouse (Connolly & Begg, p1053) Menurut Poe (1996, p24) arsitektur adalah sekumpulan peraturan atau struktur yang menyediakan kerangka kerja untuk merancang sistem atau produk secara keseluruhan. Arsitektur data warehouse mempunyai komponen utama yaitu database yang hanya dapat dibaca (read-only). Menurut Poe (1996, p40-41) karakteristik arsitektur data warehouse adalah sebagai berikut : Data diambil dari sistem asal (sistem informasi yang ada), database, dan file. Data dari sistem asal diintegrasikan dan ditransformasi sebelum disimpan kedalam data warehouse. Data warehouse adalah jenis database read-only yang diciptakan untuk
29 mengambil keputusan. User mengakses data warehouse lewat front-end tool atau aplikasi. 2.3.6.1 Jenis Arsitektur Data Warehouse Ada beberapa macam arsitektur data warehouse yang antara lain arsitektur two-tier, arsitektur three-tier, dan arsitektur bottom-up. 2.3.6.1.1 Arsitektur Two-Tier Pada arsitektur two-tier ini, operasional data ditransformasikan dan ditransfer ke data warehouse. Untuk membantu proses transformasi, sebuah Enterprise Data Model (EDM) dibuat. Enterprise Data Model ini menjelaskan tentang struktur data warehouse yang berisi metadata yang dibutuhkan untuk menempatkan serta mengakses database yang dihasilkan dari sumber data ekstenal. Arsitektur two-tier akan menemui kesulitan pada performance apabila suatu data warehouse berukuran besar.
30 Operational Database Operational Database Operational Database T R A N S F O R M A S I Data W arehouse Server Workstation Workstation Summarized Data Workstation Gambar 2.6 Arsitektur Two Tier Data Warehouse 2.3.6.1.2 Arsitektur Three-Tier Organisasi yang menemui kesulitan dalam menerapkan arsitektur two-tier pada umumnya akan beralih ke arsitektur three-tier. User pada departemen pada umumnya hanya mengakses sebagian kecil dari porsi data warehouse, oleh karena itu digunakanlah data mart. Pada umumnya data mart ini memiliki server yang terpisah dengan data warehouse, yang bertujuan untuk performance dan fault tolerance. M asingmasing departemen bertanggung jawab untuk mengawasi data mart departemennya.
31 Operational Database Oper ational Database Oper ati onal Database T R A N S F O R M A S I Data Warehouse Server Data Mart Tier Data Mart User Departement User Departement Summarized Data Data Mart Tier Data Mart User Departement Gambar 2.7 Arsitektur Three Tier Data Warehouse 2.3.6.1.3 Arsitektur Bottom-Up Pada arsitektur bottom-up, data dimodelkan dalam satu function atau proses dalam suatu waktu dan disimpan di data mart yang terpisah. Jika waktunya tiba, data baru disintesis, disaring (dibersihkan) dan di-merge ke dalam data mart yang telah tersedia atau dapat juga dengan membangun data mart yang baru.
32 Operational Dat abase Data Mart Tier User Departement Operational Database Data Mart User Departement Operational Database Data Mart Tier Data Mart User Departement Gambar 2.8 Arsitektur Bottom-Up Data Warehouse 2.3.7 Infrastruktur Data Warehouse Menurut Poe (1998, p43) Infrastruktur data warehouse terdiri dari software, hardware, pelatihan-pelatihan dan komponen-komponen lainnya yang memberikan dukungan yang dibutuhkan untuk mengimplementasikan arsitektur data warehouse. Infrastruktur teknikal antara lain berupa teknologi, platform, database, gateway,dan komponen-komponen penting yang mendukung arsitektur data warehouse yang terpilih. Salah satu instrumen yang mempengaruhi keberhasilan pengembangan data warehouse adalah pengidentifikasian arsitektur mana yang terbaik dan infrastruktur apa yang dibutuhkan. Arsitektur dan infrastruktur sangat erat hubungannya. Arsitektur yang sama mungkin akan membutuhkan infrastruktur yang berbeda, tergantung pada kebutuhan lingkungan perusahaan ataupun organisasi.
33 2.4 Perancangan Data Warehouse Dalam merancang data warehouse, diperlukan adanya konsep dalam pembuatannya yang dapat dilihat penjelasannya berikut ini 2.4.1 Skema Bintang (Star Schema) Menurut Poe (1998, p191) Skema bintang merupakan perancangan yang memiliki struktur sederhana dengan tabel-tabel yang relatif dan penggabungan yang telah diketahui. Skema bintang juga merupakan suatu rancangan database pada data warehouse yang menggambarkan hubungan yang jelas antara struktur tabel fakta dan tabel dimensi. Skema ini dapat dibaca dengan mudah oleh analis maupun pemakai yang tidak biasa dengan struktur database. Skema bintang memiliki beberapa keuntungan yang tidak terdapat pada struktur relasional biasa. Berikut merupakan keuntungan dari penggunaan skema bintang: 1. Respon data lebih cepat daripada perancangan database operasional. 2. Mempermudah dalam hal modifikasi atau pengembangan data warehouse yang terus menerus. 3. End user dapat menyesuaikan cara berpikir dan menggunakan data. 4. Menyederhanakan pemahaman dan penelusuran metadata bagi pemakai dan pengembang. 2.4.2 Perancangan Skema Bintang Skema bintang terdiri dari dua macam tabel, yaitu tabel fakta (fact table) dan tabel dimensi (dimension table).
34 Tabel Fakta Sering disebut major table, yang merupakan inti dari skema bintang dan berisi data aktual yang akan dianalisis. Field field dalam fakta disebut measure dan biasanya berupa numerik. Selalu berisi foreign key dari masingmasing tabel dimensi. Tabel Dimensi Sering disebut minor table, yang merupakan tabel dari skema bintang yang menyediakan jenis perspektif dari cara pandang terhadap data. Tabel dimensi mempuyai field field dari level hierarki tabel dimensi. Nama dari field tersebut biasanya menggunakan nama dari level dalam suatu hierarki. 2.4.3 Jenis-jenis Skema Bintang Dalam penggunaannya, terdapat dua jenis skema bintang berdasarkan pada kebutuhannya, yaitu skema bintang sederhana dan skema bintang dengan beberapa tabel fakta. 2.4.3.1 Skema Bintang Sederhana Pada skema bintang sederhana, setiap tabel harus mempunyai primary key yang terdiri dari satu kolom atau lebih. Primary key tersebut membuat masing-masing baris menjadi unik. Primary key pada tabel fakta terdiri dari satu atau lebih foreign key. Foreign key adalah kolom pada suatu tabel yang nilainya didefinisikan oleh primary key pada tabel yang lain. Gambar dibawah ini menunjukkan hubungan antara satu tabel fakta dan
35 tiga tabel dimensi. Tabel fakta memiliki primary key yang terdiri dari tiga foreign key, yaitu kunci ke-1, kunci ke-2, kunci ke-3, yang masing-masing merupakan primary key pada tabel dimensi. Tabel dimensi 1 Kunci 1... Tabel dimensi 2 Kunci 2... Tabel fakta Kunci 1 Kunci 2 Kunci 3 Kolom data Kolom data... Kolom data Tabel dimensi 3 Kunci 3... Gambar 2.9 Skema Bintang Sederhana. 2.4.3.2 Skema Bintang dengan Beberapa Tabel Fakta Skema ini bisa terdiri dari beberapa tabel fakta. Hal ini terjadi karena tabel tabel fakta tersebut berisi kenyataan yang tidak saling berhubungan atau karena perbedaan waktu pemuatan data, selain itu dapat juga meningkatkan kinerja (performance). Tabel fakta yang umu digunakan untuk menampung berbagai tingkat dari data yang bermacam-macam terutama jika data tersebut dalam jumlah besar.
36 Tabel fakta 1 Kunci 1 Kunci 2 Kunci 3 Kolom data Kolom data... Kolom data Tabel dimensi 1 Kunci 1... Tabel dimensi 2 Kunci 2... Tabel dimensi 3 Kunci 3... Tabel fakta 2 Kunci 1 Kunci 2 Kunci 3 Kolom data Kolom data... Kolom data Gambar 2.10 Skema Bintang dengan banyak Tabel Fakta 2.4.4 Skema Snowflake Skema snowflake merupakan variasi dari skema bintang yang menyimpan seluruh informasi tabel dimensi dalam bentuk normal ke-3 dan tabel fakta tetap dalam keadaan semula seperti yang terlihat pada gambar berikut Tabel dimensi 1 Kunci 1 Atribut 4 Atribut 5 Atribut 6 Tabel fakta Tabel atribut 5 Atribut 5 Tabel atribut 6 Atribut 6 Kunci 1 Kunci 2 Kunci 3 Tabel dimensi 3 Kunci 3 Kolom data Atribut 1 Tabel dimensi 4 Kolom data Atribut 2 Kunci 4 Tabel dimensi 6 Tabel dimensi 2 Kunci 2 Atribut 7 Kunci 6 Atribut 8... Kolom data Atribut 3 Kunci 4 Kunci 5 Atribut Tabel dimensi 5 Kunci 4 Atribut Kunci 6 Tabel Atribut 8 Atribut Atribut 8 Gambar 2.11 Skema Snow Flake (Poe, 1996, p129)
37 Penggunaan tabel dimensi sangatlah menonjol, karena itulah perbedaan dasar dari skema bintang dan skema snowflake. Ciri-ciri skema snowflake adalah sebagai berikut : 1. Tidak terdapat level pada tabel dimensi. 2. Tabel dimensi di normalisasi dengan dekomposisi pada tabel atribut. 3. Setiap dimensi membunyai satu (1) key untuk setiap level pada hierarki dimensi. 4. Kunsi level terendah menghubungkan tabel dimensi dengan tabel fakta dan tabel atribut level terendah. Sedangkan beberapa keuntungan dari skema snowflake dapat dilihat pada point-point berikut ini : a. Kecepatan dalam pemindahan data dari data OLAP ke dalam metadata. b. Sebagai alat pengambil keputusan tingkat tinggi dimana dengan menggunakan skema snowflake seperti ini seluruh struktur dapat digunakan seluruhnya. c. Banyak anggapan yang menyatakan bahwa lebih nyaman merancang dalam bentuk normal ketiga. 2.4.5 Metodologi Perancangan Data warehouse Berdasarkan kutipan (Connolly & Begg, 2002, p1083) metodologi yang dikemukan oleh Kimball dalam membangun data warehouse terdapat sembilan tahapan, dikenal dengan Nine-step Methodology, antara lain :
38 1. Memilih proses (Choosing Proses) Proses atau fungsi berkenaan dengan subyek dari data mart tertentu. Data mart pertama yang dibangun haruslah menjadi data mart yang dapat dibangun tepat waktu, sesuai dengan anggaran, dan mampu menjawab pertanyaan bisnis yang paling penting. Pilihan terbaik untuk data mart pertama cenderung lebih berkaitan dengan penjualan (sales), karena sumber data ini kelihatan lebih mudah di akses dan berkualitas tinggi. 2. Memilih grain (Choosing the grain) Memilih grain berarti memutuskan sebuah variabel yang dinyatakan oleh tabel fakta (fact table). Hanya pada saat grain pada table fakta sudah dipilih, baru bisa diidentifikasikan dimensi yang diperlukan oleh tabel fakta tersebut. Keputusan grain untuk tabel fakta juga menentukan grain dari masing-masing tabel dimensi. 3. Menentukan dimensi (Identifying and conforming the dimensions) Dimensi membuat suatu konteks dalam memberikan pertanyaan mengenai fakta yang ada dalam tabel fakta. Suatu dimensi yang baik dapat membuat data mart mudah untuk dipahami dan digunakan. Kita menggunakan dimensi dengan detil yang cukup untuk menggambarkan suatu data seperti client dan property dengan grain yang tepat. Dimensi dengan data yang kurang lengkap akan mengurangi kegunaan data mart dalam perusahaan. Apabila ada dimensi yang muncul dalam dua data mart, maka kedua data mart tersebut pasti memiliki dimensi yang sama atau salah satu data
39 mart merupakan subset matematis dari data mart lainnya. Hanya dengan cara inilah dua data mart dapat berbagi satu atau dua dimensi dalam satu aplikasi yang sama. Pada saat sebuah dimensi digunakan untuk lebih dari satu data mart, dan dimensi ini tidak disinkronisasi maka keseluruhan data warehouse akan gagal. Karena dua data mart tidak bisa digunakan secara bersama-sama. 4. Menentukan fakta (Choosing the facts) Grain dari tabel fakta menentukan fakta fakta yang dapat digunakan di dalam data mart. Semua fakta harus ditunjukkan pada tingkat yang dinyatakan secara tidak langsung oleh grain. Fakta haruslah berupa numerik dan bahan tambahan. Fakta tambahan dapat dimasukkan kedalam tabel fakta dengan catatan fakta tersebut harus konsisten dengan grain dari tabel fakta. 5. Menyimpan pre-calculation pada tabel fakta (Storing pre-calculations in the fact table) Setelah fakta diperoleh, fakta tersebut harus dikaji ulang untuk menentukan apakah terdapat kemungkinan untuk melakukan pre calculation. Hal ini terjadi apabila fakta diperlukan untuk membentuk sebuah laporan rugi-laba (a profit and loss statement). 6. Rounding out the dimension tables Pada tahap ini, kita mengkaji kembali tabel dimensi yang sudah ada dan menambahkan sebanyak mungkin penjelasan kedalam dimensi. Penjelasan ini sedapat mungkin mudah untuk dipahami dan intutif bagi
40 pengguna. Kegunaan data mart ditentukan oleh ruang lingkup atribut dari tabel dimensi. 7. Memilih durasi database (Choosing the duration of the database) Durasi berguna untuk mengukur seberapa lama tabel fakta yang dapat di simpan. Beberapa perusahaan lebih membrikan perhatian pada periode waktu satu atau dua tahun sebelumnya. Tetapi beberapa perusahaan lainnya seperti perusahaan asuransi, membutuhkan penganalisaan dalam rentang waktu lima tahun atau lebih. Tabel fakta yang sangat besar akan menimbulkan dua masalah dalam perancangan data warehouse. Masalah yang pertama adalah sangat sukar bagi sumber untuk memperoleh data lama, karena semakin tua datanya semakin banyak masalah dalam membaca dan menginterpretasikan file lama. Masalah yang kedua adalah kebutuhan dimensi dengan menggunakan versi yang lama, dan bukan versi yang terbaru. 8. Melacak perubahan dari dimensi secara perlahan (Tracking slowly changing dimensions) Amati perubahan dari dimensi pada dimension table. Ada tiga tipe dasar dari perubahan dimensi yang perlahan, yaitu : a. Perubahan atribut dimensi ditulis ulang (over write). b. Perubahan atribut dimensi mengakibatkan pembuatan suatu dimensi baru.
41 c. Perubahan atribut dimensi mengakibatkan alternatif atribut dibuat, sehingga nilai atribut yang lama dan yang baru dapat diakses secara bersama sama. 9. Memutuskan prioritas query dan mode dari query (Deciding the query priorities and the query modes) Pada tahap ini kita mempertimbangkan masalah perancangan fisik (physical design) seperti masalah kemanan data, masalah pengarsipan data, masalah backup data. Masalah perancangan fisik yang paling kritis yang dapat mempengaruhi pandangan pengguna akhir terhadap data mart adalah masalah pembagian fisik tabel fakta kedalam disk.