BAB 4 PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE

84 BAB 4 PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE 4.1 Perancangan Data warehouse 4.1.1 Arsitektur Data warehouse Berdasarkan hasil dari penelitian yang dilakukan pada PT. Mega Solusi Teknologi, maka arsitektur data warehouse yang dipakai adalah tipe data warehouse terpusat. Alasan menggunakan tipe ini adalah karena biaya yang diperlukan relatif lebih murah dan mudah dirancang. Disamping itu, data dalam data warehouse tersimpan pada satu tempat sehingga akan lebih mudah dalam pengontrolan dan pemeliharaan data warehouse. Berikut adalah gambaran arsitektur data warehouse untuk PT. Mega Solusi Teknologi :

85 Gambar 4.1 Arsitektur Data warehouse PT. Mega Solusi Teknologi Komponen komponen yang mendukung data warehouse pada perusahaan adalah sebagai berikut : 1. Sumber Data Sumber data yang dipakai adalah data dari OLTP yang disimpan dalam bentuk tabel dan berkaitan erat dengan proses penjualan dan pembelian. 2. ETL ( Extract, Transformation, Loading) Sumber data ditransformasikan ke dalam bentuk format yang sama dan terintegrasi melalui proses ETL.

86 3. Data warehouse Adalah tempat penyimpanan data yang bersifat historikal dengan jangka waktu tertentu. Data data yang telah ditransformasi tersebut dipindahkan kedalam data warehouse. 4. OLAP (Online Analytical Processing) Dengan adanya OLAP memudahkan pengguna dalam menganalisis data dari berbagai dimensi dengan menggunakan view yang kompleks dan multidimensional. 4.1.2 Rancangan Data warehouse Proses perancangan data warehouse menggunakan Nine-Step Methodology dari Kimball, yaitu : 4.1.2.1 Menentukan Proses Proses yang digunakan adalah proses yang meliputi : 1. Pembelian Proses ini adalah proses pembelian barang pada PT. Mega Solusi Teknologi ke pelanggan.

87 2. Penjualan Proses ini adalah proses penjualan barang pada PT. Mega Solusi Teknologi terhadap pemasok. 3. Pendapatan Proses ini adalah proses pendapatan atau keuntungan yang didapat oleh PT. Mega Solusi Teknologi dari semua transaksi. 4. Penjualan Per-Wilayah Proses ini adalah proses penjualan barang yang dilihat dari segi wilayah pada PT. Mega Solusi 4.1.2.2 Menentukan Grain Dari hasil penelitian proses bisnis dan kebutuhan dari perusahaan, maka grain yang digunakan adalah : 1. Pembelian Analisis yang dilakukan pada proses pembelian adalah jumlah transaksi pembelian, jumlah barang dibeli, total pembelian.

88 2. Penjualan Analisis yang dilakukan pada proses penjualan adalah jumlah barang terjual, jumlah transaksi penjualan, dan total penjualan. 3. Pendapatan Analisis yang dilakukan pada proses pendapatan adalah jumlah pendapatan dalam periode tahunan. 4. Penjualan Per-Wilayah Analisis yang dilakukan pada proses ini adalah total penjualan setiap daerah dalam periode bulanan, dan tahunan. 4.1.2.3 Mengidentifikasi dan Membuat Dimensi yang Sesuai 1) Pembelian Dimensi yang digunakan dalam analisis pembelian adalah pemasok, waktu, dan barang.

89 Tabel 4.1 Analisis Dimensi Pembelian Grain Jumlah Beli Barang Total Beli Barang Dimensi Pemasok X X Waktu X X Barang X X 2) Penjualan Dimensi yang digunakan dalam analisis penjualan adalah pelanggan, barang, waktu, wilayah, dan sales. Tabel 4.2 Analisis Dimensi Penjualan Grain Jumlah Barang Terjual Total Barang Terjual Dimensi Pelanggan X X Waktu X X Barang X X

90 Wilayah X Sales X 3) Pendapatan Dimensi yang digunakan dalam analisis pendapatan adalah dimensi waktu dan dimensi wilayah. Tabel 4.3 Analisis Dimensi Pendapatan Grain Total Pendapatan Dimensi Wilayah X Waktu X 4) Penjualan Per-Wilayah Dimensi yang digunakan dalam analisis penjualan per-wilayah adalah barang dan wilayah.

91 Tabel 4.4 Analisis Dimensi Penjualan Per-Wilayah Grain Total Dimensi Waktu X Wilayah X Barang X 4.1.2.4 Menentukan Fakta 1. Fakta Penjualan Fakta penjualan disini meliputi jumlah barang terjual, dan total penjualan. 2. Fakta Pembelian Fakta pembelian disini meliputi jumlah barang dibeli dan total pembelian barang. 3. Fakta Pendapatan Fakta pendapatan disini meliputi keuntungan yang diperoleh dari selisih penjualan dan pembelian barang.

92 4. Fakta Penjualan Per-Wilayah Fakta penjualan per-wilayah disini meliputi wilayah dan total penjualan dari wilayah tersebut. 4.1.2.5 Menyimpan Pre-Kalkulasi Dalam Tabel Fakta Pada tahap ini dilakukan perhitungan kalkulasi total untuk tabel fakta sebagai berikut : 1. Fakta Penjualan a. Jumlah barang terjual = SUM(Qty) b. Total penjualan barang = SUM(Qty*HargaBarang) 2. Fakta Pembelian a. Jumlah barang dibeli = SUM(Qty) b. Total pembelian barang =SUM(Qty*HargaBarang) 3. Fakta Pendapatan a. Total pendapatan = Total penjualan barang Total pembelian barang 4. Fakta Penjualan Per-Wilayah a. Total = SUM(HargaJualBarang*SOQty)

93 Berikut adalah tabel fakta yang digunakan : 1. Fakta Penjualan Barang Tabel 4.5 Fakta Penjualan Atribut Tipe Data WaktuID INT SalesID INT WilayahID INT PelangganID INT BarangID INT 2. Fakta Pembelian Barang Tabel 4.6 Fakta Pembelian Atribut Tipe Data WaktuID INT PemasokID INT BarangID INT

94 3. Fakta Pendapatan Tabel 4.7 Fakta Pendapatan Atribut Tipe Data WilayahID INT WaktuID INT 4. Fakta Penjualan Per-Wilayah Tabel 4.8 Fakta Penjualan Per-Wilayah Atribut Tipe Data BarangID INT WaktuID INT WilayahID INT 4.1.2.6 Menambahkan Atribut yang Dibutuhkan Dalam Tabel Dimensi Berikut adalah tabel dimensi yang ada pada data warehouse PT. Mega Solusi Teknologi :

95 1. Dimensi Waktu Tabel 4.9 Dimensi Waktu Atribut Tipe Data Constraint WaktuID Int Primary key Tgl Date - Hari Int - Bulan Int - Kuartal Int - Tahun Int - 2. Dimensi Sales Tabel 4.10 Dimensi Sales Atribut Tipe Data Constraint SalesID Int Primary key KodeSales Char(8) - NamaSales Varchar(100) - TelpSales Varchar(100) - EmailSales Varchar(100) -

96 3. Dimensi Pelanggan Tabel 4.11 Dimensi Pelanggan Atribut Tipe Data Constraint PelangganID Int Primary key KodePelanggan Char(8) - NamaPelanggan Varchar(100) - AlamatPelanggan Varchar(1000) - TelpPelanggan Varchar(100) - KodeWilayah Char(2) - EmailPelanggan Varchar(100) - 4. Dimensi Barang Tabel 4.12 Dimensi Barang Atribut Tipe Data Constraint BarangID Int Primary key KodeBarang Char(8) - NamaBarang Varchar(100) - JenisBarang Varchar(100) - HargaBeliBarang Numeric(10,2) -

97 HargaJualBarang Numeric(10,2) - 5. Dimensi Pemasok Tabel 4.13 Dimensi Pemasok Atribut Tipe Data Constraint PemasokID Int Primary key KodePemasok Char(8) - NamaPemasok Varchar(100) - AlamatPemasok Varchar(1000) - TelpPemasok Varchar(100) - 6. Dimensi Wilayah Tabel 4.14 Dimensi Wilayah Atribut Tipe Data Constraint WilayahID Int Primary key KodeWilayah Char(2) - Wilayah Varchar(100) -

98 4.1.2.7 Menentukan Durasi Database Berikut adalah tabel dalam menentukan durasi database meliputi tahun database dibentuk, database yang masuk kedalam data warehouse dan durasi data dalam data warehouse. Tabel 4.15 Durasi Database Nama Aplikasi Database ada sejak tahun Database yang masuk kedalam data warehouse Data dalam data warehouse MST 2010 Maret 2010 September 2012 2 tahun 4.1.2.8 Menelusuri Perubahan Dimensi Secara Perlahan Perubahan dimensi yang terjadi menggunakan changing dan history. Untuk perubahan dimensi changing contohnya seperti alamat dan nomor telepon serta email. Untuk perubahan dimensi history contohnya seperti data pelanggan.

99 4.1.2.9 Menentukan Prioritas Query dan Tipe Query Berikut ini adalah analisis untuk pengguna berdasarkan kebutuhan informasi yang disediakan oleh data warehouse : Tabel 4.16 Tabel Priority Query User Informasi i. informasi digunakan untuk menganalisis keuntungan yang Direktur ii. didapat oleh perusahaan informasi digunakan untuk mengetahui grafik perkembangan penjualan. i. informasi digunakan untuk Sales Manager menganalisis produk mana yang paling banyak terjual i. informasi digunakan untuk Bagian Keuangan menganalisis pendapatan dan pengeluaran dalam perusahaan i. informasi digunakan untuk Pre-Sales menganalisis total penjualan dan jumlah barang yang terjual

100 4.1.3 Skema Bintang 4.1.3.1 Skema Bintang Untuk Tabel Fakta Pembelian Skema bintang untuk tabel fakta pembelian dapat dilihat berdasarkan tiga dimensi, yaitu dimensi waktu, dimensi barang, dan dimensi pemasok. Dari tabel fakta pembelian barang ini, dapat diketahui jumlah barang yang dibeli dan total pembelian yang dilakukan sesuai periode yang dibutuhkan.

Gambar 4.2 Skema Bintang Tabel Fakta Pembelian Barang 101

102 4.1.3.2 Skema Bintang Untuk Tabel Fakta Penjualan Skema bintang untuk tabel fakta penjualan barang dapat dilihat berdasarkan enam dimensi, yaitu dimensi waktu, dimensi barang, dimensi wilayah, dimensi sales, dan dimensi pelanggan. Gambar 4.3 Skema Bintang Tabel Fakta Penjualan Barang

103 4.1.3.3 Skema Bintang Untuk Tabel Fakta Pendapatan Skema bintang untuk tabel fakta pendapatan dapat dilihat berdasarkan dimensi waktu dan wilayah. Dari tabel fakta ini, dapat diketahui total pendapatan yang didapat oleh perusahaan. Gambar 4.4 Skema Bintang Tabel Fakta Pendapatan 4.1.3.4 Skema Bintang Untuk Tabel Fakta Penjualan Per-Wilayah Skema bintang untuk tabel fakta penjualan per-wilayah dapat dilihat berdasarkan dimensi wilayah. Dari sini dapat diketahui total penjualan dari tiap wilayah, seperti Jakarta Barat, Jakarta Selatan, Jakarta Timur, Jakarta Utara, dan Jakarta Pusat.

104 Gambar 4.5 Skema Bintang Tabel Fakta Penjualan Per-Wilayah 4.1.4 Metadata Berdasarkan yang telah dibahas pada landasan teori, metadata bukanlah data fisik melainkan merupakan sumber informasi lengkap mengenai data yang berkaitan pada data warehouse. Metadata tersebut

105 merupakan metadata dari tabel yang ada pada data warehouse, seperti berikut : 1. Dimensi Waktu Primary Key : WaktuID Keterangan : Tabel dimensi ini menampilkan data mengenai keterangan waktu terjadinya transaksi dalam perusahaan. Tabel 4.17 Metadata Dimensi Waktu Nama Field Tipe Data Ukuran Keterangan Sumber Tabel Sumber Field Transformasi WaktuID Int - Surrogate key dimensi waktu - - Create Tgl Date - Bilangan tanggal - - Create Hari Int - Bilangan hari - - Create Bulan Int - Bilangan bulan - - Create Kuartal Int - Kuartal ke-n - - Create Tahun Int - tahun - - Create

106 2. Dimensi Pelanggan Primary Key : PelangganID Keterangan : Tabel dimensi ini menampilkan data mengenai pelanggan yang membeli barang di PT. Mega Solusi Teknologi. Tabel 4.18 Metadata Dimensi Pelanggan Nama Field Tipe Data Ukuran Keterangan Sumber Tabel Sumber Field Transformasi PelangganID Int - KodePelanggan Char 8 Surrogate key dimensi pelanggan Kode pelanggan - - Create Pelanggan KodePelanggan Copy NamaPelanggan Varchar 100 Nama pelanggan Pelanggan NamaPelanggan Copy AlamatPelanggan Varchar 1000 Alamat pelanggan Pelanggan AlamatPelanggan Copy TelpPelanggan Varchar 100 Telepon pelanggan Pelanggan TelpPelanggan Copy EmailPelanggan Varchar 100 Email pelanggan Pelanggan EmailPelanggan Copy KodeWilayah Char 2 Kode wilayah pelanggan Pelanggan KodeWilayah Copy

107 3. Dimensi Barang Primary Key : BarangID Keterangan : Tabel dimensi ini menampilkan data mengenai barang-barang yang dijual perusahaan serta harga jual dan harga belinya. Tabel 4.19 Metadata Dimensi Barang Nama Field Tipe Data Ukuran Keterangan Sumber Tabel Sumber Field Transformasi Surrogate key BarangID Int - dimensi barang - - Create KodeBarang Char 8 Kode barang Barang KodeBarang Copy NamaBarang Varchar 100 Nama barang Barang NamaBarang Copy JenisBarang Varchar 100 Jenis barang Barang JenisBarang Copy HargaJualBarang Numeric 10,2 Harga Jual barang Barang HargaJualBarang Copy HargaBeliBarang Numeric 10,2 Harga Beli barang Barang HargaBeliBarang Copy

108 4. Dimensi Sales Primary Key : SalesID Keterangan : Tabel dimensi ini menampilkan data mengenai sales yang bekerja dalam perusahaan. Tabel 4.20 Metadata Dimensi Sales Nama Field Tipe Data Ukuran Keterangan Sumber Tabel Sumber Field Transformasi SalesID Int - Surrogate key dimensi sales - - Create KodeSales Char 8 Kode Sales Sales KodeSales Copy NamaSales Varchar 100 Nama Sales Sales NamaSales Copy TelpSales Varchar 100 Telepon Sales Sales TelpSales Copy EmailSales Varchar 100 Email Sales Sales EmailSales Copy 5. Dimensi Pemasok Primary Key : PemasokID Keterangan : Tabel dimensi ini menampilkan data mengenai Pemasok.

109 Tabel 4.21 Metadata Dimensi Pemasok Nama Field Tipe Data Ukuran Keterangan Sumber Tabel Sumber Field Transformasi Surrogate key PemasokID Int - dimensi Pemasok - - Create KodePemasok Char 8 Kode Pemasok Pemasok KodePemasok Copy NamaPemasok Varchar 100 Nama Pemasok Pemasok NamaPemasok Copy AlamatPemasok Varchar 1000 Alamat Pemasok Pemasok AlamatPemasok Copy TelpPemasok Varchar 100 Telepon Pemasok Pemasok TelpPemasok Copy 6. Dimensi Wilayah Primary Key : WilayahID Keterangan : Tabel dimensi ini menampilkan data mengenai kode dan wilayah dari pelanggan PT. Mega Solusi Teknologi.

110 Tabel 4.22 Metadata Dimensi Wilayah Nama Field Tipe Data Ukuran Keterangan Sumber Tabel Sumber Field Transformasi Surrogate key WilayahID Int - dimensi wilayah - - Create KodeWilayah Char 2 Kode wilayah Wilayah KodeWilayah Copy Wilayah Varchar 100 Nama wilayah Wilayah Wilayah Copy 7. Fakta Penjualan Barang Primary Key : PenjualanID Keterangan : Tabel ini menampilkan data-data mengenai penjualan pada PT. Mega Solusi Teknologi. Tabel 4.23 Metadata Fakta Penjualan Barang Nama Field Tipe Data Ukuran Keterangan Sumber Tabel Sumber Field Transformasi PenjualanID INT - Surrogate Key Fakta - - Create

111 Penjualan Barang WaktuID INT - Kode Waktu DimWaktu WaktuID Copy SalesID INT - Kode Sales DimSales SalesID Copy WilayahID INT - Kode Wilayah DimWilayah WilayahID Copy PelangganID INT - Kode Pelanggan DimPelanggan PelangganID Copy BarangID INT - Kode Barang DimBarang BarangID Copy Jumlah JumlahBarangTerjual INT - barang yang terjual - - SUM TotalPenjualan NUMERIC (10,2) Total penjualan - - SUM 8. Fakta Pembelian Barang Primary Key : PembelianID Keterangan : Tabel ini menampilkan data-data mengenai analisis pembelian pada PT. Mega Solusi Teknologi.

112 Tabel 4.24 Metadata Fakta Pembelian Barang Nama Field Tipe Data Ukuran Keterangan Sumber Tabel Sumber Field Transformasi Surrogate Key PembelianID INT - Fakta Pembelian Barang - - Create WaktuID INT - Kode Waktu DimWaktu WaktuID Copy PemasokID INT - Kode Pemasok DimPemasok PemasokID Copy BarangID INT - Kode Barang DimBarang BarangID Copy JumlahBarangDibeli INT - Jumlah barang yang dibeli - - SUM TotalPembelian NUMERIC (15,2) Total pembelian - - SUM 9. Fakta Pendapatan Primary Key : PendapatanID Keterangan : Tabel ini menampilkan data-data mengenai analisis pendapatan pada PT. Mega Solusi Teknologi.

113 Tabel 4.25 Metadata Fakta Pendapatan Nama Field Tipe Data Ukuran Keterangan Sumber Tabel Sumber Field Transformasi Surrogate PendapatanID INT - Key Fakta Pendapatan - - Create Kode WilayahID INT - WIlayah DimWilayah WilayahID Copy WaktuID INT - Kode Waktu DimWaktu WaktuID Copy TotalPendapatan NUMERIC (15,2) Total Pendapatan - - MINUS 10. Fakta Penjualan Per-Wilayah Primary Key : PenjualanPerWilayahID Keterangan : Tabel ini menampilkan data-data mengenai analisis penjualan perwilayah pada PT. Mega Solusi Teknologi.

114 Tabel 4.26 Metadata Fakta Penjualan Per-Wilayah Nama Field Tipe Data Ukuran Keterangan Sumber Tabel Sumber Field Transformasi PenjualanPerWilayahID INT - Surrogate Key Fakta Pendapatan - - Create BarangID INT - Kode Barang DimBarang BarangID Copy WaktuID INT - Kode Waktu DimWaktu WaktuID Copy WilayahID INT - Total NUMERIC (15,2) Kode Wilayah Total Pendapatan DimWilayah WilayahID Copy - - MINUS 4.1.5 DTS (Data Transformation Service) 4.1.5.1 DTS Dimensi Pemasok DTS dimensi pemasok memperlihatkan berapa banyak data yang dilakukan proses ETL untuk masuk kedalam data warehouse. Pada gambar 4.32 terlihat sebanyak 58 rows masuk kedalam data warehouse sesuai dengan banyaknya pemasok yang ada yaitu sebanyak 58 orang. Pada dimensi pemasok juga terdapat PemasokID sebagai primary key yang bersifat identity.

Gambar 4.6 DTS Dimensi Pemasok 115

116 4.1.5.2 DTS Dimensi Waktu DTS dimensi waktu menggambarkan proses ETL dari tanggal yang masuk kedalam data warehouse seperti tanggal pembelian dan tanggal penjualan. Gambar 4.7 DTS Dimensi Waktu Gambar 4.8 SQL Command Dimensi Waktu

117 4.1.5.3 DTS Dimensi Pelanggan DTS dimensi pelanggan menjelaskan proses ETL dari dimensi pelanggan. Sebanyak 81 pelanggan berhasil masuk ke dalam sistem data warehouse. Gambar 4.9 DTS Dimensi Pelanggan

118 4.1.5.4 DTS Dimensi Wilayah Pada DTS dimensi wilayah, ada 5 data wilayah yang masuk ke dalam data warehouse, yaitu Jakarta Barat, Jakarta Utara, Jakarta Selatan, Jakarta Timur, dan Jakarta Pusat. Selain itu juga ada data WilayahID yang bersifat identity. Gambar 4.10 DTS Dimensi Wilayah 4.1.5.5 DTS Dimensi Barang DTS dimensi barang menjelaskan barang-barang yang diupdate masuk kedalam data warehouse. Pada gambar terdapat 113 rows yang menjelaskan terdapat 113 barang yang masuk ke data warehouse.

Gambar 4.11 DTS Dimensi Barang 119

120 4.1.5.6 DTS Dimensi Sales DTS dimensi sales menjelaskan sales-sales yang masuk kedalam data warehouse. Sebanyak 10 orang sales telah diinput kedalam data warehouse. Gambar 4.12 DTS Dimensi Sales

121 4.1.5.7 DTS Fakta Penjualan Barang Pada DTS fakta penjualan barang menjelaskan proses ETL transaksi penjualan yang terjadi pada perusahaan. Data-data yang masuk kedalam data warehouse adalah data-data dari database yang berkaitan dengan transaksi penjualan barang. Gambar 4.13 DTS Fakta Penjualan Barang Gambar 4.14 SQL Command Fakta Penjualan Barang

122 4.1.5.8 DTS Fakta Pembelian Barang Pada DTS fakta pembelian barang menjelaskan proses ETL transaksi pembelian yang terjadi pada perusahaan. Data-data yang masuk kedalam data warehouse adalah data-data dari database yang berkaitan dengan transaksi pembelian barang. Gambar 4.15 DTS Fakta Pembelian Barang Gambar 4.16 SQL Command Fakta Pembelian Barang

123 4.1.5.9 DTS Fakta Pendapatan Pada DTS fakta pendapatan menjelaskan proses ETL mengenai pendapatan yang diperoleh perusahaan. Data-data yang masuk kedalam data warehouse adalah data-data hasil dari selisih penjualan dan pembelian. Gambar 4.17 DTS Fakta Pendapatan Gambar 4.18 SQL Command Fakta Pendapatan

124 4.1.5.10 DTS Fakta Penjualan Per-Wilayah Pada DTS fakta penjualan per-wilayah menjelaskan proses ETL mengenai penjualan barang pada setiap wilayah. Data-data yang masuk kedalam data warehouse adalah data-data penjualan yang dibedakan berdasarkan kode wilayah. Gambar 4.19 DTS Fakta Penjualan Per-Wilayah Gambar 4.20 SQL Command Fakta Penjualan Per-Wilayah

125 4.1.6 Proses Transformasi Data Dalam memaksimalkan performa data warehouse yang akan digunakan oleh pihak eksekutif, maka perlu dilakukan proses transformasi data untuk mendapatkan data yang akurat dan terkini. Berikut adalah jadwal proses transformasi yang akan dilakukan: Tabel 4.27 Jadwal Proses Transformasi Data Tabel Periode ETL Keterangan Dimensi Waktu Jam 8 malam Setiap akhir bulan Dimensi Barang Jam 8 malam Setiap akhir bulan Dimensi Pelanggan Jam 8 malam Hanya sewaktu-waktu jika ada penambahan pelanggan Dimensi Sales Jam 8 malam Hanya sewaktu-waktu jika ada penambahan sales Dimensi Pemasok Jam 8 malam Hanya sewaktu-waktu jika ada penambahan pemasok Fakta Penjualan Jam 8 malam Dilakukan setelah Proses ETL seluruh Dimensi yang bersangkutan Fakta Pembelian Jam 8 malam Dilakukan setelah Proses ETL seluruh Dimensi yang bersangkutan

126 Fakta Pendapatan Jam 8 malam Dilakukan setelah Proses ETL Fakta Penjualan dan Fakta Pembelian Fakta Penjualan Per-Wilayah Jam 8 malam Dilakukan setelah Proses ETL seluruh Dimensi yang bersangkutan 4.2 Rancangan Aplikasi 4.2.1 Rancangan State Diagram Berikut ini adalah rancangan state diagram dari aplikasi data warehouse PT. Mega Solusi Teknologi.

Gambar 4.21 Rancangan State Diagram 127

128 4.2.2 Rancangan Form Login Berikut ini adalah rancangan form login aplikasi data warehouse PT. Mega Solusi Teknologi. Gambar 4.22 Rancangan Form Login 4.2.3 Rancangan Menu Rancangan pada menu terdapat beberapa sub-menu seperti File, View, dan About. Menu View memiliki sub-menu lagi yaitu Penjualan, Pembelian, Penjualan Per-Wilayah, dan Pendapatan. Sedangkan menu About terdiri dari sub-

129 menu About Us dan About Application. Berikut adalah tampilan pada rancangan menu : 4.2.3.1 Tampilan Menu File Menu file berisi sub-menu Change Password dan Logout. Change Password dilakukan jika user ingin mengubah password login. Gambar 4.23 Tampilan Menu File

130 4.2.3.2 Tampilan Menu View Menu View memiliki beberapa sub-menu seperti Penjualan, Pembelian, Penjualan Per-Wilayah, dan Pendapatan. Masing-masing dari menu tersebut memiliki sub-menu lagi yang terbagi berdasarkan table dan chart serta dilengkapi dengan pilihan tahun yang diinginkan. Gambar 4.24 Tampilan Menu View Table -> Penjualan

131 Gambar 4.25 Tampilan Menu View Chart -> Penjualan Gambar 4.26 Tampilan Menu View Table -> Penjualan Per-Wilayah

132 Gambar 4.27 Tampilan Menu View Table Pendapatan Gambar 4.28 Tampilan Menu View Table Pendapatan

133 4.2.3.3 Tampilan Menu About Menu About berisi sub-menu About Application dan About Us. About Application menjelaskan mengenai aplikasi data warehouse tersebut. Sedangkan About Us menjelaskan mengenai pembuat aplikasi. Gambar 4.29 Tampilan Menu About

134 Gambar 4.30 Tampilan About Application Gambar 4.31 Tampilan About Us

135 4.2.4 Rancangan Tabel Penjualan Dalam tabel penjualan, dapat diketahui tgl, NamaSales, Wilayah, NamaPelanggan, NamaBarang, JumlahBarangTerjual, dan TotalPenjualan. User mengetahui laporan dapat berdasarkan pilihan, yaitu : Nama Sales, Nama Pelanggan, dan Wilayah. Rancangan pada tabel penjualan adalah sebagai berikut : Gambar 4.32 Tampilan Tabel Penjualan Berdasarkan Tahun 2010

136 Gambar 4.33 Tampilan Pie Chart Penjualan Tahun 2010 4.2.5 Rancangan Tabel Pembelian Dalam tabel pembelian, dapat diketahui tabel daftar pembelian yang terdiri dari Tgl, NamaPemasok, NamaBarang, JumlahBarangDibeli, dan TotalPembelian. User dapat memilih laporan berdasarkan 3 jenis, yaitu Nama Pemasok, Nama Barang, dan Total. Tampilan dari tabel pembelian adalah sebagai berikut :

137 Gambar 4.34 Tampilan Tabel Pembelian Berdasarkan Tahun 2010 Gambar 4.35 Tampilan Pie Chart Pembelian Tahun 2010

138 4.2.6 Rancangan Tabel Penjualan Per-Wilayah Dalam tabel penjualan per-wilayah dapat diketahui tanggal, nama barang dan total dari penjualan wilayah tersebut. Gambar 4.36 Tampilan Tabel Penjualan Per-Wilayah Jakarta Barat Tahun 2010

139 Gambar 4.37 Tampilan Pie Chart Penjualan Wilayah Jakarta Barat 2010 4.2.7 Rancangan Tabel Pendapatan Pada menu ini, user dapat mengetahui pendapatan setiap tahunnya dari masing-masing wilayah. Dapat juga diketahui total penjualan setiap tahunnya melalui pie chart.

140 Gambar 4.38 Tampilan Tabel Pendapatan Wilayah Jakarta Utara Gambar 4.39 Tampilan Pie Chart Pendapatan Tahun 2010

141 4.2.8 Tampilan Menu Change Password Dalam menu ini, user dapat melakukan change password dengan syarat memenuhi validasi yang disediakan. Antara lain, old password harus benar dan new password harus sama dengan confirm password. Semua field tidak boleh kosong. Gambar 4.40 Tampilan Menu Change Password 4.2.9 Tampilan Menu Logout Setelah menggunakan aplikasi, user dapat melakukan logout dan aplikasi akan kembali ke form awal

142 Gambar 4.41 Tampilan Logout 4.3 Implementasi Sistem Untuk memenuhi kebutuhan aplikasi data warehouse, maka PT. Mega Solusi Teknologi membutuhkan adanya spesifikasi hardware dan software yang dapat digunakan untuk menjalankan aplikasi yang telah dibangun. Diantaranya adalah sebagai berikut:

143 4.3.1 Spesifikasi Perangkat Keras Spesifikasi minimum perangkat keras yang dibutuhkan dalam mengimplementasikan sistem data warehouse ini adalah sebagai berikut : Server Prosessor : Core 2 Duo 2.13 GHz Memory : 1 Gigabyte Kapasitas Harddisk : 100 Gigabyte VGA : 512 Megabyte Monitor Mouse Keyboard DVD-ROM 4.3.2 Spesifikasi Perangkat Lunak Spesifikasi minimum perangkat lunak yang dibutuhkan untuk mendukung aplikasi sistem data warehouse ini adalah sebagai berikut : Sistem Operasi : Microsoft Windows XP SP2 RDBMS : Microsoft SQL Server 2008 Development Tool : Microsoft Visual Studio 2008 Front End-Tool : Visual Basic 2010

144 4.3.3 Jadwal Implementasi berikut: Dalam melakukan implementasi sistem kami menyusun jadwal sebagai Tabel 4.28 Tabel Jadwal Implementasi Minggu Ke- Bulan 1 Bulan 2 No 1. Kegiatan Pengadaan Hardware & Software 1 2 3 4 1 2 3 4 X 2. Instalasi Software X 3. Uji Coba Sistem Baru X X 4. Pelatihan User X X 5. Implementasi Sistem X X 4.3.3.1 Instalasi Proses selanjutnya adalah melakukan instalasi software. Proses instalasi membutuhkan waktu 1 minggu agar semua sistem server dan client dapat dijalankan dengan baik. Instalasi perangkat lunak yang diperlukan adalah Microsoft Windows XP SP2, Visual Basic 2010, Visual Studio 2008, dan Microsoft SQL Server 2008

145 4.3.3.2 Backup Untuk melengkapi kebutuhan data warehouse yang telah dirancang maka dilakukan salah satu kegiatan untuk mendukung berjalannya implementasi data warehouse yaitu Backup. Proses Backup perlu dilakukan untuk mencegah atau menanggulangi terhadap kerusakan atau kehilangan data yang mungkin terjadi karena hal-hal yang tidak diinginkan, seperti kebakaran atau bencana alam. Backup dilakukan dengan membackup database OLAP yang terdapat pada Microsoft SQL Server 2008 yaitu Enterprise Manager dengan pilihan backup database yang dilakukan setiap minggu. Disamping itu, pada database OLTP juga dilakukan proses backup setiap minggu-nya. Backup yang pertama dilakukan menggunakan metode full, dimana dalam proses ini dilakukan backup secara keseluruhan. Backup yang berikutnya dilakukan dengan menggunakan metode differential, dimana backup dilakukan terhadap data yang mengalami perubahan saja, kemudian semua data hasil backup disimpan ke media harddisk portable. 4.3.4 Analisa Kapasitas Media Penyimpanan Pada PT.Mega Solusi Teknologi terjadi transaksi setiap harinya, sehingga data di OLTP semakin bertambah, hal ini juga mempengaruhi pertumbuhan data dalam data warehouse. Untuk mengatasi hal tersebut, maka dilakukan analisa kebutuhan kapasitas media penyimpanan untuk data warehouse agar dapat

146 menampung pertumbuhan data yang terus meningkat untuk beberapa tahun ke depan. Rumus yang digunakan untuk perhitungan kebutuhan media penyimpanan dalam SQL Server 2008 adalah sebagai berikut: 1. Num_Row = jumlah baris dalam tabel 2. Num_Col = jumlah kolom dalam tabel 3. Fixed_Data_Size = total byte untuk semua kolom fixed-length 4. Null_Bitmap = 2 + ((Num_Col + 7) / 8) = Bit status null kolom 5. Row_Size = Fixed_Data_Size + Null_Bitmap + 4 Nilai 4 merepresentasikan data row header 6. Rows_Per_Pages = 8096 / (Row_Size + 2) 7. Num_of_Pages = Num_Row / Rows_Per_Pages 8. Num_of_Bytes = 8192 x Num_of_Pages 9. Num_of_Kbytes = 8192 / 1024 x Num_of_Pages Berikut ini adalah analisa kapasitas media penyimpanan untuk tabel fakta 4 tahun mendatang sebagai berikut : 1. Fakta Penjualan Jumlah transaksi dalam 1 hari = 15 transaksi Jumlah transaksi dalam 1 bulan (22 hari kerja) = 15 x 22 = 330 Jumlah baris setiap transaksi = 2 baris Jumlah baris dalam 1 bulan (22 hari kerja) = 2 x 330 = 660 baris Jumlah baris dalam 1 tahun = 660 x 12 = 7920 baris

147 Jumlah baris dalam 4 tahun = 7920 x 4 = 31680 baris Num_Row = 31680 baris Num_Col = 8 kolom Fixed_Data_Size = 4 + 4 + 4 + 4 + 4 + 4 + 4 + 4 = 32 Null_Bitmap = 2 + ((8 + 7) / 8) = 4 Row_Size = 32 + 4 + 4 = 40 bytes Rows_per_Pages = 8096 / (40 + 2) = 193 baris Num_of_Pages = 31680 / 193 = 165 pages Num_of_Bytes = 8192 x 165 = 1352340 bytes Num_of_Kbytes = 8192 / 1024 x 165 = 1320 kbytes 2. Fakta Pembelian Jumlah transaksi dalam 1 hari = 15 transaksi Jumlah transaksi dalam 1 bulan (22 hari kerja) = 15 x 22 = 330 Jumlah baris setiap transaksi = 2 baris Jumlah baris dalam 1 bulan (22 hari kerja) = 2 x 330 = 660 baris Jumlah baris dalam 1 tahun = 660 x 12 = 7920 baris Jumlah baris dalam 4 tahun = 7920 x 4 = 31680 baris Num_Row = 31680 baris Num_Col = 6 kolom Fixed_Data_Size = 4 + 4 + 4 + 4 + 4 + 4 = 24 Null_Bitmap = 2 + ((6 + 7) / 8) = 4 Row_Size = 24 + 4 + 4 = 32 bytes

148 Rows_per_Pages = 8096 / (32 + 2) = 239 baris Num_of_Pages = 31680 / 239 = 133 pages Num_of_Bytes = 8192 x 133 = 1089536 bytes Num_of_Kbytes = 8192 / 1024 x 133 = 1064 kbytes 3. Fakta Pendapatan Jumlah transaksi dalam 1 bulan (22 hari kerja) = 660 Jumlah baris setiap transaksi = 2 baris Jumlah baris dalam 1 bulan (22 hari kerja) = 2 x 660 = 1320 baris Jumlah baris dalam 1 tahun = 1320 x 12 = 15840 baris Jumlah baris dalam 4 tahun = 15840 x 4 = 63360 baris Num_Row = 63360 baris Num_Col = 3 kolom Fixed_Data_Size = 4 + 4 + 4 = 12 Null_Bitmap = 2 + ((3 + 7) / 8) = 4 Row_Size = 12 + 4 + 4 = 20 bytes Rows_per_Pages = 8096 / (20 + 2) = 368 baris Num_of_Pages = 63360 / 368 = 173 pages Num_of_Bytes = 8192 x 173 = 1417216 bytes Num_of_Kbytes = 8192 / 1024 x 173 = 1384 kbytes 4. Dimensi Waktu Num_Row = 63360 baris Num_Col = 6 kolom

149 Fixed_Data_Size = 4 + 4 + 4 + 4 + 4 + 4 = 24 Null_Bitmap = 2 + ((6 + 7) / 8) = 4 Row_Size = 24 + 4 + 4 = 32 bytes Rows_per_Pages = 8096 / (32 + 2) = 239 baris Num_of_Pages = 63360 / 239 = 266 pages Num_of_Bytes = 8192 x 266 = 2179092 bytes Num_of_Kbytes = 8192 / 1024 x 266 = 2128 kbytes 5. Dimensi Pelanggan Num_Row = 81 x 4 = 324 baris Num_Col = 8 kolom Fixed_Data_Size = 4 + 4 + 4 + 4 + 4 + 4 + 4 + 4 = 32 Null_Bitmap = 2 + ((8 + 7) / 8) = 4 Row_Size = 32 + 4 + 4 = 40 bytes Rows_per_Pages = 8096 / (40 + 2) = 193 baris Num_of_Pages = 324 / 193 = 2 pages Num_of_Bytes = 8192 x 2 = 16384 bytes Num_of_Kbytes = 8192 / 1024 x 2 = 16 kbytes 6. Dimensi Sales Num_Row = 10 x 4 = 40 baris Num_Col = 6 kolom Fixed_Data_Size = 4 + 4 + 4 + 4 + 4 + 4 = 24

150 Null_Bitmap = 2 + ((6 + 7) / 8) = 4 Row_Size = 24 + 4 + 4 = 32 bytes Rows_per_Pages = 8096 / (32 + 2) = 239 baris Num_of_Pages = 40 / 239 = 1 pages Num_of_Bytes = 8192 x 1 = 8192 bytes Num_of_Kbytes = 8192 / 1024 x 1 = 8 kbytes 7. Dimensi Barang Num_Row = 113 x 4 = 452 baris Num_Col = 7 kolom Fixed_Data_Size = 4 + 4 + 4 + 4 + 4 + 4 + 4 = 28 Null_Bitmap = 2 + ((7 + 7) / 8) = 4 Row_Size = 28 + 4 + 4 = 36 bytes Rows_per_Pages = 8096 / (36 + 2) = 214 baris Num_of_Pages = 452 / 214 = 3 pages Num_of_Bytes = 8192 x 3 = 24576 bytes Num_of_Kbytes = 8192 / 1024 x 3 = 24 kbytes 8. Dimensi Pemasok Num_Row = 58 x 4 = 232 baris Num_Col = 6 kolom Fixed_Data_Size = 4 + 4 + 4 + 4 + 4 + 4 = 24 Null_Bitmap = 2 + ((6 + 7) / 8) = 4

151 Row_Size = 24 + 4 + 4 = 32 bytes Rows_per_Pages = 8096 / (32 + 2) = 239 baris Num_of_Pages = 232 / 239 = 1 pages Num_of_Bytes = 8192 x 1 = 8192 bytes Num_of_Kbytes = 8192 / 1024 x 1 = 8 kbytes Berdasarkan hasil analisa kapasitas penyimpanan data, dapat disimpulkan bahwa kapasitas yang diperlukan untuk data warehouse dalam jangka waktu 4 tahun mendatang adalah sebesar : Num_of_Bytes = 6095528 bytes Num_of_Kbytes = 5952 Kbytes 4.3.5 Kebutuhan Personil Dalam menjaga sistem data warehouse dan mengembangkan aplikasinya, diperlukan seorang Database Administrator untuk melakukan maintenance pada sistem tersebut. Tugas dari DBA ini adalah melakukan backup, recovery, mengatur hak akses, serta hal-hal yang berhubungan dengan database.

152 4.3.6 Evaluasi Evaluasi aplikasi data warehouse dilakukan dengan wawancara langsung kepada user yang menggunakan aplikasi tersebut. Wawancara dilakukan dengan membuat daftar pertanyaan yang dijawab oleh user sehingga mendapat umpan balik yang baik demi pengembangan sistem aplikasi data warehouse. User yang melakukan evaluasi terhadap aplikasi ini adalah pihak eksekutif, yaitu Sales Manager, Finance, dan Business Solution Manager yang bertugas untuk menganalisa dan mengambil keputusan pada PT. Mega Solusi Teknologi. Adapun aspek-aspek yang dievaluasi seperti tampilan, kelengkapan data, keakuratan data, dan lain-lain. Berikut adalah pertanyaan-pertanyaan yang diberikan kepada user : 1. Apakah tampilan aplikasi data warehouse secara keseluruhan dapat dimengerti dengan mudah? Ya, tampilan aplikasi cukup mudah dimengerti karena memiliki menu-menu yang jelas dan umpan balik yang informatif untuk setiap kebutuhan informasi. 2. Apakah data yang diberikan sudah akurat dan memenuhi kebutuhan perusahaan? Ya, dengan adanya laporan mengenai penjualan, pembelian, serta pendapatan sudah dapat memenuhi kebutuhan informasi eksekutif perusahaan. Data yang

153 diterima juga sudah cukup akurat, tetapi aplikasi masih butuh pengembangan untuk kebutuhan dimasa mendatang. 3. Apakah manfaat penerapan sistem data warehouse dalam perusahaan? Dengan adanya data warehouse, memudahkan pihak eksekutif dalam memperoleh informasi seputar pembelian dan penjualan setiap bulannya. Dengan adanya data yang akurat, dapat membantu perusahaan dalam mengambil keputusan. Berdasarkan hasil evaluasi yang kami lakukan pada PT. Mega Solusi Teknologi dapat disimpulkan bahwa aplikasi data warehouse yang telah dibangun sudah cukup memenuhi kebutuhan informasi pihak eksekutif dan penggunaan aplikasi dapat mudah dimengerti oleh pihak eksekutif