67 Bab 4 ANALISIS DAN PERANCANGAN DATA WAREHOUSE 4.1 Arsitektur Data Warehouse Perancangan Data Warehouse pada PT. Fujiyama menggunakan arsitektur Data Warehouse terpusat atau Centralized. Pada arsitektur ini terlebih dahulu mengumpulkan sumber-sumber data pada satu tempat, kemudian sumbersumber data tersebut dikirimkan dan masuk kefungsinya masing-masing. Keuntungan dalam menggunakan centralized Data Warehouse yaitu konsistensi data tinggi dan keakuratan juga tinggi, selain itu mempermudah dalam pengawasan dan pemeliharaan data dalam Data Warehouse karena hanya berada disatu tempat, serta untuk pengembangan rancangan Data Warehouse relatif mudah dan murah. Berikut ini gambar arsitektur Data Warehouse pada PT. Fujiyama : ETL Data Operational Extraction, Transformation, Loading DATA WAREHOUSE Executive Gambar 4.1 Arsitektur Data warehouse 67
68 4.2 Perancangan Data Warehouse Dalam perancangan Data Warehouse dibutuhkan beberapa tahap sehingga terbentuknya Data Warehouse. Metode yang digunakan adalah nine step metodologi menurut Ralph Kimball yang dikutip oleh Conolly (2010). Kesembilan tahap tersebut, yaitu : 4.2.1 Pemilihan proses (Choosing the procces) Identifikasi terhadap proses bisnis yang akan disesuaikan dengan kebutuhan informasi dan permasalahan yang dihadapi oleh PT. Fujiyama. Hasil analisis yang dilakukan adalah sebagai berikut : 1. Persediaan Bagian logistik akan memeriksa persedian barang yang ada digudang. Apabila stok barang yang ada sudah mencapai atau melewati stok minimal maka bagian logistik akan membuat Purchase Request yang akan dikirimkan kepada CEO. Apabila bagian logistik sudah menerima pengiriman dari vendor, maka bagian logistik akan membuat Surat Barang Masuk sesuai jumlah barang yang dikirimkan oleh vendor tersebut. Apabila terdapat penjualan barang yang dilakukan oleh bagian penjualan maka bagian logistik akan membuat surat pengeluaran barang sesuai jumlah barang yang keluar dan tertera pada sales order bagian penjualan. Setelah pelanggan melunasi invoice yang dikirimkan oleh bagian finance, maka bagian logistic akan membuat surat jalan untuk mengantarkan barang-barang yang dibeli ketempat pelanggan melalui expedisi. Sedangkan data yang digunakan adalah barang, invoice, Purchase Order, Sales Order, Purchase Request, Surat Barang Masuk, Surat Barang Keluar, dan surat jalan.
69 2. Penjualan Pada saat pelanggan ingin membeli barang, maka bagian penjualan akan membuat sales order yang akan dikirimkan kepada bagian finance untuk dibuat invoicen dan kemudian invoice tersebut akan dikirimkan kepada pelanggan. Sedangkan data yang digunakan adalah barang, stok, dan bagian penjualan. 3. Pemasaran Sales mendatangi pelanggan di daerah yang telah ditentukan, lalu memasarkan produk yang di jual perusahaan. Serta memotivasi dan meyakinkan pelanggan atas manfaat, kelebihan produk dan harga yang terjangkau dengan tujuan pelanggan membeli produk yang ditawarkan 4.2.2 Pemilihan Grain (Choosing the Grain) Pemilihan Grain berarti menentukan secara tepat apa yang akan direpresentasikan oleh report pada tabel fakta. Grain yang dilakukan dalam perancangan Data Warehouse ini adalah : 1. Persediaan Pada proses persediaan analisis yang dilakukan adalah barang yang banyak distok, jumlah barang yang distok, total barang yang distok dan minimal barang yang distok. Analisis tersebut berdasarkan periode hari, bulanan dan pertahunan. 2. Penjualan Pada proses penjualan analisis yang dilakukan adalah barang yang banyak dibeli, jumlah barang yang banyak dibeli, dan total barang yang banyak dibeli. Analisis tersebut dapat berdasarkan periode hari, bulanan dan pertahunan.
70 3. Pemasaran Pada proses pemasaran analisis yang dilakukan adalah jumlah barang yang dipasarkan, jumlah pemasaran, dan daerah pemasran. Analisis tersebut dapat berdasarkan periode hari, bulanan dan pertahunan. 4.2.3 Mendefinisikan dan menyesuaikan dimensi (Identifying and Conforming The Dimensions) Pada tahap ini dilakukan mendefinisikan dan penyesuaian dimensi yang ditampilkan dalam bentuk matrik. 1. Persedian Tabel 4.1 Persediaan Dimensi Waktu Barang Grain Barang yang banyak distok X X Jumlah barang yang distok X X Minimal barang yang distok X X Total barang yang distok X X 2. Penjualan Tabel 4.2 Penjualan
71 Dimensi Waktu Pelanggan Barang Grain Barang yang banyak dibeli X X X Jumlah barang yang banyak dibeli X X X Total barang yang banyak dibeli X X X 3. Pemasaran Tabel 4.3 Pemasaran Dimensi Waktu Pelanggan Barang Grain Jumlah pemasaran yang dilakukan X X X Jumlah barang yang dipasarkan X X X Total barang yang dipasarkan X X X 4.2.4 Memilih fakta (Choosing The Fact) Pada tahap ini dilakukan pemilihan fakta yang telah ditentukan sebelumnya. Masing-masing fakta yang dipilih akan ditampilkan dalam bentuk laporan dan grafik. Berikut ini fakta-fakta yang akan ditampilkan kedalam Data Warehouse : 1. Fakta Persediaan
72 Meliputi WaktuID, ArtikelID, GudangID, WarnaID Jumlah barang yang distok, Jumlah barang awal, Jumlah barang masuk, Jumlah barang keluar, Jumlah barang akhir. 2. Fakta Penjualan Meliputi WaktuID, PelangganID, ArtikelID, WarnaID, StaffID, DaerahID, Total barang yang dijual dan Jumlah barang dijual. 3. Fakta Pemasaran Meliputi WaktuID, DaerahID, PelangganID, ArtikelID, StaffID, Total barang yang dipasarkan dan Jumlah pemasaran tertinggi. 4.2.5 Menyimpan Pre-Kalkulasi pada tabel fakta (Storing Pre-calculation in fact table) Dalam tabel fakta yang terdapat data yang merupakan kalkulasi awal yang ada. Pada tabel fakta antara lain : 1. Persediaan a. Jumlah barang yang distok merupakan jumlah pembelian barang dari supplier. b. Total barang yang distok merupakan jumlah pembelian barang dari supplier. 2. Penjualan a. Jumlah barang yang dijual merupakan jumlah penjualan barang yang terjadi pada setiap pelanggan. b. Total penjualan barang merupakan jumlah penjualan barang yang terjadi pada setiap pelanggan dikali dengan harga jual per barang. 3. Pemasaran
73 a. Total pemasaran barang merupakan jumlah barang yang dipasarkan perusahaan ke pelanggan di daerah atau lokasi tertentu. b. Pemasaran tertinggi merupakan jumlah pemasaran di suatu lokasi atau daerah tertentu dimana perusahaan melakukan pemasaran. Berikut adalah tabel-tabel fakta yang digunakan : 1. Fakta Persediaan Atribut WaktuId ArtikelId JumlahBarangAwal JumlahBarangMasuk JumlahBarangKeluar JumlahBarangAkhir TotalPersediaan Tabel 4.1 Fakta Persediaan Tipe Data Date Varchar Int Int Int Int Int 2. Fakta Penjualan Atribut WaktuId PelangganId ArtikelId Tabel 4.2 Fakta Penjualan Tipe Data Date Varchar Varchar
74 WarnaID StaffID DaerahID JumlahPenjualan TotalPenjualan Varchar Varchar Varchar Num Num 3. Fakta Pemasaran Atribut WaktuId PelangganId ArtikelId WarnaID StaffID DaerahID Total_pemasaran Pemasaran_tertinggi Tabel 4.3 Fakta Pemasaran Tipe Data Date Varchar Varchar Varchar Varchar Varchar Num Num 4.2.6 Melengkapi tabel dimensi (Rounding out the dimension table) Dalam tabel dimensi terdapat data yang merupakan rujukan dari table fakta yang berhubungan dengan tabel dimensi tersebut, sebagai berikut :
75 1. Dimensi Waktu Tabel 4.4 Dimensi Waktu Atribut Tipe Data Constraint WaktuId Int Primary Key Tahun Int - Bulan Int - Kuartal Int - Hari Int - 2. Dimensi Artikel Tabel 4.5 Dimensi Artikel Atribut Tipe Data Constraint ArtikelId Varchar(25) Primary Key Kode_Artikel Varchar(50) Not null Nama_Artikel Varchar(50) - 3. Dimensi Pelanggan Tabel 4.6 Dimensi Pelanggan Atribut Tipe Data Constraint PelangganId Int Primary Key Kode_Pelanggan Varchar(20) Not null Nama_perusahaan Varchar(20) -
76 4. Dimensi Daerah Tabel 4.7 Dimensi Daerah Atribut Tipe Data Constraint DaerahId Int Primary Key Kode_daerah Varchar(20) Not null Nama_daerah Varchar(20) - 5. Dimensi Staff Tabel 4.8 Dimensi Staff Atribut Tipe Data Constraint StaffID Int Primary Key Kd_Staff Varchar(20) Not null Nama Varchar(20) - 6. Dimensi Warna Tabel 4.9 Dimensi Warna Atribut Tipe Data Constraint WarnaID Int Primary Key Kd_Warna Varchar(20) Not null Nama_Warna Varchar(20) - 7. Dimensi Gudang Tabel 4.10 Dimensi Gudang Atribut Tipe Data Constraint GudangID Int Primary Key
77 KdGudang Varchar(20) Not null Nama_Gudang Varchar(30) - 4.2.7 Pemilihan durasi database (Choosing the duration of the database) Durasi dari data PT. Fujiyama yang dimasukan kedalam data warehouse sebagai berikut : Tabel 4.11 Pemilihan durasi database Nama Database Database Data yang Data dalam aplikasi ada sejak masuk ke data tahun data warehouse warehouse Aplikasi DWH (Microsoft Visual Studio) OLTP (SQL Server 2008 R2) 2002 2008-2013 5 tahun 4.2.8 Melacak perubahan dari dimensi secara perlahan (Tracking slowly changing dimension) Dari tipe dasar perubahan dimensi, pada perancangan data warehouse pada PT. Fujiyama, perubahan atribut yang ada pada dimensi akan dapat mengakibatkan suatu record field baru. Hal ini dilakukan dengan tujuan untuk tetap menyimpan data lama agar dapat diketahui perubahan dimensi yang terjadi dari data lama ke data baru, serta bertujuan sebagai histori data. Dimensi-dimensi yang ada kemungkinan berubah terdapat pada tabel dibawah ini : Tabel 4.12 Melacak perubahan dari dimensi secara perlahan
78 Nama Dimensi Dimensi Artikel Dimensi Pelanggan Atribut yang mungkin berubah Nama Artikel Nama Pelanggan Untuk mengatasi masalah ini, berikut adalah contoh penerapannya : Data pada Dimensi Pelanggan sebelum berubah : Tabel 4.13 Data Pada Dimensi Pelanggan PelangganId IdPelanggan NamaPelanggan 1 HRSPEL001 MT. Sinar Jogja 2 HRSPEL002 PT. Agung Samudra Data pada dimensi Pelanggan setelah terjadi perubahan nama pada pelanggan dengan PelangganID 1 : Tabel 4.14 Perubahan nama pada pelanggan PelangganId IdPelanggan NamaPelanggan 1 HRSPEL001 MT. Sinar Jogja 2 HRSPEL001A MT.Sinar Mulia 4.2.9 Memutuskan prioritas dan model dari query (Deciding the query priorities and the query models) Pada tahap ini membahas tentang proses ETL(Extact Transform dan Load), backup data yang akan dilakukan secara berkala dan analisis kapasistas media penyimpanan.
79 Tabel 4.15 Memutuskan prioritas dan model dari query Pelaku ETL Dilakukan Setiap Keterangan Database Admin Dalam periode waktu (minggu, bulan, tahun sekali) Diawasi oleh manager 4.3 Skema Bintang dan Metadata 4.3.1 Skema Bintang Permodelan dimensional (dimensionality modeling) yang digunakan dalam perancangan data warehouse untuk PT. Fujiyama adalah star scheme (skema bintang). Pemilihan star schema karena bentuk dari star schema ini memaksimalkan tingkat pengaksesan yang dilakukan dan memudahkan dalam query. Terdapat dua skema bintang yang diperoleh dari perancangan data warehouse pada PT. Fujiyama,yaitu sebagai berikut :
80 Star Scheme Penjualan Gambar 4.2 Star Scheme Penjualan Star Scheme Persediaan
81 Gambar 4.3 Star Scheme Persediaan Star Scheme Pemasaran
82 Gambar 4.4 Star Scheme Pemasaran 4.3.2 Metadata Metadata Memuat informasi-informasi yang penting mengenai data dalam Data warehouse. Metada dalam data warehouse terdapat beberapa hal, yang meliputi :
83 1. Dimensi Waktu Primary Key : waktuid Keterangan : Tabel dimensi ini menampilkan data mengenai keterangan waktu terjadinya transaksi pada PT. Fujiyama. Tabel 4.16 Dimensi Waktu Nama Field Tipe Data Ukuran Keterangan Sumber Tabel Sumber Field Transformasi WaktuID Int - Surrogate key Dimensi Waktu - - Create Tahun Int - Tahun MsSalesOrder, MsSuratBarangMasuk Bulan Int - Bulan MsSalesOrder, MsSuratBarangMasuk Minggu Int - Minggu MsSalesOrder, MsSuratBarangMasuk Hari Int - Hari MsSalesOrder, MsSuratBarangMasuk Year Month Week Day Copy Copy Copy Copy
84 2. Dimensi Artikel Primary Key : ArtikelID Keterangan : Tabel dimensi ini menampilan data mengenai barang yang dimiliki oleh PT. Fujiyama. Tabel 4.17 Dimensi Artikel Nama Field Tipe Data Ukuran Keterangan Sumber Tabel Sumber Field Tranformasi ArtikelID Int - Surrogate key Dimensi Artikel - - Create Kode_Artikel Varchar 50 Kode Produk MsArtikel Kode_Artikel Copy Nama_Artikel Varchar 50 Nama Produk MsArtikel Nama_Artikel Copy
85 3. Dimensi Warna Primary Key : WarnaID Keterangan : Tabel dimensi ini akan menampilkan data-data mengenai warna barang pada PT.Fujiyama Tabel 4.18 Dimensi Warna Nama Field Tipe Data Ukuran Keterangan Sumber Tabel Sumber Field Transformasi WarnaID Int - Surrogate key Dimensi Warna - - Create Kd_Warna Varchar 50 Kode Warna MsWarna Kd _Warna Copy Nama_Warna Varchar 30 Nama Warna MsWarna Nama_Warna Copy
86 4. Dimensi Daerah Primary Key : DaerahID Keterangan : Tabel dimensi ini akan menampilkan data-data mengenai daerah pada PT.Fujiyama. Tabel 4.19 Dimensi Daerah Nama Field Tipe Data Ukuran Keterangan Sumber Tabel Sumber Field Transformasi DaerahID Int - Surrogate key Dimensi Daerah - - Create Kode_Daerah Varchar 50 Kode Daerah MsDaerah Kode_Daerah Copy Nama_Daerah Varchar 30 Nama Daerah MsDaerah Nama_Daerah Copy
87 5. Dimensi Staff Primary Key : StaffID Keterangan : Tabel Dimensi ini akan menampilkan data-data mengenai staff pada PT. Fujiyama. Tabel 4.20 Dimensi Staff Nama Field Tipe Data Ukuran Keterangan Sumber tabel Sumber Field Transformasi StaffID Int - Surrogate key Dimensi Staff - - Create Kd_Staff Varchar 50 Kode Staff Penjualan Nama Varchar 50 Nama Staff Penjualan MsStaff Kd_Staff Copy MsStaff Nama Copy
88 6. Dimensi Pelanggan Primary Key : PelangganID Keterangan : Tabel dimensi ini akan menampilkan data-data mengenai pelanggan pada PT. Fujiyama. Tabel 4.21 Dimensi Pelanggan Nama Field Tipe Data Ukuran Keterangan Sumber tabel Sumber Field Transformasi PelangganID Int - Surrogate key Dimensi Pelanggan - - Create Kode_Pelanggan Varchar 30 Kode Pelanggan MsPelanggan Kode_Pelanggan Copy Nama_Pelanggan Varchar 50 Nama Pelanggan MsPelanggan Nama_Pelanggan Copy
89 7. Dimensi Gudang Primary Key : GudangID Keterangan : Tabel Dimensi ini akan menampilkan data-data mengenai gudang pada PT. Fujiyama. Tabel 4.22 Dimensi Gudang Nama Field Tipe Data Ukuran Keterangan Sumber Tabel Sumber Field Transformasi GudangID Int 0 Surrogate key Dimensi Gudang - - Create KdGudang Varchar 30 Kode Gudang Ms Gudang KdGudang Copy Nama_Gudang Varchar 50 Nama Gudang Ms Gudang Nama_Gudang Copy
90 8. Fakta Penjualan Primary Key : StaffID, PelangganID, WaktuID, ArtikelID, WarnaID, DaerahID Keterangan : Tabel fakta penjualan ini menampilkan data mengenai proses penjualan pada PT. Fujiyama. Tabel 4.23 Fakta Penjualan Nama Field Tipe Data Ukuran Keterangan Sumber Tabel Sumber Field Transformasi StaffID Int - Surrogate Key Staff PelangganID Int - Surrogate Key Pelanggan WaktuID Int - Surrogate Key Waktu ArtikelID Int - Surrogate Key Artikel WarnaID Int - Surrogate Key Warna Dimensi Staff StaffPenjualanID Copy Dimensi Pelanggan PelangganID Copy Dimensi Waktu WaktuID Copy Dimensi Artikel ArtikelID Copy Dimensi Warna WarnaID Copy
91 DaerahID Int - Surrogate Key Daerah Dimensi Daerah DaerahID Copy Total Penjualan Num 20 Total Penjualan Detail Penjualan SUM(Jumlah*HargaJu al) Copy Jumlah Penjualan Num 20 Jumlah Penjualan Detail Penjualan SUM(Jumlah) Copy
92 9. Fakta Persediaan Primary Key : WaktuID, ArtikelID, GudangID, WarnaID Keterangan : Tabel fakta ini menampilkan data mengenai proses persediaan pada PT. Fujiyama. Tabel 4.24 Fakta Persediaan Nama Field Tipe Data Ukuran Keterangan Sumber Tabel Sumber Field Transformasi WaktuID Int - Surrogate Key Waktu Dimensi Waktu WaktuID Copy ArtikelID Int - Surrogate Key Artikel Dimensi Artikel ArtikelID Copy GudangID Int - Surrogate Key Gudang Dimensi Gudang GudangID Copy WarnaID Int - Surrogate Key Warna Dimensi Warna WarnaID Copy JumlahBarang Int - Jumlah Barang Awal Detail SUM(Jumlah_Awal) Copy Awal Persediaan JumlahBarang Int - Jumlah Barang Masuk Detail SUM(Jumlah_Masuk) Copy Masuk Persediaan JumlahBarang Int - Jumlah Barang Keluar Detail SUM(Jumlah_Keluar) Copy Keluar Persediaan JumlahBarang Akhir Int - Jumlah Barang Akhir Detail Persediaan SUM(Jumlah_Sisa) Copy
93 9. Fakta Pemasaran Primary Key : WaktuID, DaerahID, PelangganID, ArtikelID, StaffID, WarnaID Keterangan : Tabel fakta pemasaran ini menampilkan data mengenai proses pemasaran pada PT. Fujiyama. Tabel 4.25 Fakta Pemasaran Nama Field Tipe Data Ukuran Keterangan Sumber Tabel Sumber Field Transformasi StaffID Int - Surrogate Key Staff PelangganID Int - Surrogate Key Pelanggan WaktuID Int - Surrogate Key Waktu ArtikelID Int - Surrogate Key Artikel WarnaID Int - Surrogate Key Warna Dimensi Staff StaffPenjualanID Copy Dimensi Pelanggan PelangganID Copy Dimensi Waktu WaktuID Copy Dimensi Artikel ArtikelID Copy Dimensi Warna WarnaID Copy
94 DaerahID Int - Surrogate Key Daerah Dimensi Daerah DaerahID Copy Total Pemasaran Num 20 Total Pemasaran Detail Pemasaran SUM(Jumlah) Copy Pemasaran Num 20 Pemasaran Detail Pemasaran SUM(Jumlah*pemasar Copy Tertinggi Tertinggi an)
95 4.3.3 Tahap-Tahap Transformasi Data Tahap Awal dalam melakukan transformasi data dengan drop Data Flow Task dari Toolbox untuk membuat proses DTS (Data Transformation Service) Gambar 4.5 Transformasi Data double klick, Data Flow Task, drop OLE DB Source dan Slowly Changing Dimension dari Toolbox, Lalu hubungkan OLE DB Source dengan Slowly Changing Dimension.
96 Gambar 4.5 Menghubungkan New Database Connection Double klick OLE DB Source yang akan diisi dengan OLTP.Isi OLE DB connection manager dengan localhost.oltp. Pilih Data access mode: SQL Command (masukkan query untuk membuat dimensi Waktu). Lalu OK Gambar 4.7 Command Query
97 double klick Slowly Changing Dimension untuk membuat OLAP, maka akan muncul Slowly Changing Dimension Wizard, kemudian tekan next. Gambar 4.8 Membuat Slowly Changing Dimension Isi Connection manager dengan: LocalHost.OLAP, Kemudian Table or View pilih sesuai dengan Dimensi yang akan dibuat, pilihlah kolom yang akan dibuat sebagai BusinessKey. Kemudian next. Gambar 4.9 Membuat Database Value
98 Masukkan Dimensi yang ingin ditampilkan menjadi OLAP, kemudian Next Gambar 4.10 Membuat Select Value Pastikan pada Fixed and changing Attribute Options, terpilih. Kemudian tekan next. Gambar 4.11 Membuat Insert/Update
99 Pilihlah Enable inferref member support pada Inferred Dimension Members kemudian pilih All columns with a change type null, lalu tekan next. Gambar 4.12 Launch Transformasi Maka akan muncul tampilan yang akan diconfigurasi, kemudian tekan Finish. Gambar 4.13 Hasil configurasi
100 Jika berhasil maka akan memberikan hasil seperti : Gambar 4.14 Hasil Transformasi Kemudian masukkan Exequte SQL Task yang ada pada Toolbox, lalu hubungkan dengan Data Flow Task yang ada. Gambar 4.15 Menghubungkan Data Flow Task
101 Double klick pada Execute SQL Task, masukkan connection : LocalHost.OLAP, kemudian ByPassPrepare buat False. Kemudian test dengan Parse Query, jika berhasil kemudian tekan OK Gambar 4.16 Koneksi Ke LocalHost OLAP Setelah dimensi yang dubutuhkan dibuat seluruhnya maka fakta dapat dibuat dengan cara yang sama dengan membuat dimensi. Hasil jadi seluruh fakta dan dimensi yang telah dibuat: Gambar 4.17 Hasil Fakta dan Dimensi
102 4.3.4 Proses Perancangan Transformasi Dimensi dan Fakta Pada transformasi dimensi tahap pertama membuat koneksi database, kemudian terdapat tabel input yang merupakan sumber data yang akan ditransformasi ke data warehouse, lalu terdapat transform select value yang berfungsi untuk mengambil attribute-attribut apa saja yang diperlukan untuk ditransformasi dari sumber data ke datawarehouse, terakhir terdapat tabel output sebagai dimensi yang merupakan tempat penyimpanan dari hasil trasnformasi. a) Dimensi Gudang Gambar 4.18 Transformasi Dimensi Gudang Gambar 4.18 menjelaskan mengenai proses transformasi dimensi gudang.
103 b) Dimensi Artikel Gambar 4.19 Transformasi Dimensi Artikel Gambar 4.19 menjelaskan mengenai proses transformasi dimensi artikel. c) Dimensi Pelanggan Gambar 4.20 Transformasi Dimensi Pelanggan Gambar 4.20 menjelaskan mengenai proses transformasi dimensi pelanggan.
104 d) Dimensi Daerah Gambar 4.21 Transformasi Dimensi Daerah Gambar 4.21 menjelaskan mengenai proses transformasi dimensi daerah. e) Dimensi Merek Gambar 4.22 Transformasi Dimensi Merek Gambar 4.22 menjelaskan mengenai proses transformasi dimensi merek.
105 f) Dimensi Staff Gambar 4.23 Transformasi Dimensi Staff Gambar 4.23 menjelaskan mengenai proses transformasi dimensi staff. g) Dimensi Jenis Gambar 4.24 Transformasi Dimensi Jenis Gambar 4.24 menjelaskan mengenai proses transformasi dimensi jenis.
106 h) Dimensi Waktu Gambar 4.25 Transformasi Dimensi Waktu Gambar 4.25 menjelaskan mengenai proses transformasi dimensi waktu. i) Dimensi Warna Gambar 4.26 Transformasi Dimensi Warna Gambar 4.26 menjelaskan mengenai proses transformasi dimensi waktu.
107 j) Fakta Penjualan Gambar 4.27 Transformasi Fakta Penjualan Gambar 4.27 menjelaskan mengenai proses transformasi fakta penjualan. k) Fakta Persediaan Gambar 4.28 Transformasi Fakta Persediaan Gambar 4.28 menjelaskan mengenai proses transformasi fakta persediaan. l) Fakta Pemasaran Gambar 4.29 Transformasi Fakta Pemasaran Gambar 4.29 menjelaskan mengenai proses transformasi fakta pemasaran.
108 4.4 Tampilan User Interface (UI) Berikut tampilan layar dari aplikasi data warehouse yang dikembangkan pada PT. FUJIYAMA. Tampilan awal output Gambar 4.30 Tampilan awal output
109 Tampilan Form login Gambar 4.31 Tampilan Form Login Tampilan Berhasil Login Gambar 4.32 Tampilan Berhasil Login
110 Tampilan Form Penjualan Gambar 4.33 Tampilan Form Penjualan Gambar 4.34 Tampilan Grafik Penjualan
111 Tampilan Form Persediaan Gambar 4.35 Tampilan Form Persediaan Gambar 4.36 Tampilan Grafik Persediaan
112 Tampilan Form Pemasaran Gambar 4.37 Tampilan Form Pemasaran Gambar 4.38 Tampilan Grafik Pemasaran
113 Tampilan Starscheme Penjualan Gambar 4.39 Tampilan Starscheme Penjualan
114 Tampilan Starscheme Persediaan Gambar 4.40 Tampilan Starscheme Persediaan
115 Tampilan Starscheme Pemasaran Gambar 4.41 Tampilan Starscheme Pemasaran
116 Tampilan Tentang perusahaan Gambar 4.42 Tampilan Tentang perusahaan