BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 2.1 Data Data adalah fakta mentah atu deskripsi dasar dari benda, peristiwa, aktivitas dan transaksi yang didapatkan, direkam, disimpan diklasifikasi tetapi belum terorganisir untuk dapat menyampaikan suatu arti yang spesifik (Rainer & Turban, 2009). Menurut pendapat lainnya, Data adalah fakta tentang sesuatu di dunia nyata yang dapat direkam dan disimpan pada media komputer. Definisi di atas perlu diperluas untuk mencerminkan realitas yang ada saat ini. Basis data saat ini digunakan untuk menyimpan objek-objek seperti: dokumen, citra fotografi, suara, serta vedio, alih-alih hanya teks serta angka pada aplikasi basis data terdahulu. Dengan demikian, pengertian data dapat diperluas menjadi: fakta, teks, grafik, suara, serta video yang bermanfaat di lingkup pengguna (Hariyanto, 2004). 2.2 Informasi Informasi adalah data yang diolah menjadi bentuk yang lebih berguna dan lebih berarti bagi yang menerimanya. sumber dari informasi adalah data. Suatu informasi dikatakan bernilai bila manfaatnya lebih efektif dibandingkan dengan biaya mendapatkannya. Kegunaan informasi adalah untuk mengurangi hal ketidakpastian di dalam proses pengambilan keputusan tentang suatu keadaan. Informasi yang digunakan di dalam suatu sistem informasi umumnya digunakan untuk beberapa kegunaan (Jogiyanto, 2005). 2.3 Definisi Sistem Informasi Menurut Tata Sutabri, Kom., MM, Sistem informasi adalah suatu sistem dalam suatu organisasi yang mempertemukan kebutuhan pengolahan transaksi harian yang mendukung fungsi manajerial organisasi dalam kegiatan strategis dari suatu organisasi untuk dapat menyediakan kepada pihak luar tertentu dengan laporan laporan yang diperlukan. 6

7 2.4 Sistem informasi Manajemen Sistem informasi manajemen, istilah yang umum dikenal adalah sebuah sistem manusia/mesin yang terpadu (intregeted) untuk menyajikan informasi guna mendukung fungsi operasi, manajemen, dan pengambilan keputusan dalam sebuah organisasi. Sistem ini menggunakan perangkat keras (hardware) dan perangkat lunak (software) komputer, prosedur pedoman, model manajemen dan keputusan, dan sebuah data base. 2.5 Neraca Neraca merupakan salah satu laporan keuangan yang terpenting bagi perusahaan. oleh karena itu, setiap perusahaan diharuskan menyajikan laporan keuangan dalam bentuk neraca. Neraca biasanya disusun pada periode tertentu, misalnya satu tahu Namun, neraca juga dapat dibuat pada saat tertentu untuk mengetahui kondisi perusahaan saat ini bila diperluka. Menurut James C Van Horne, neraca adalah ringkasan posisi keuangan perusahaan pada tanggal tertentu yang menunjukan total aktiva dengan total kewajiban ditambah total ekuitas pemilik. Dari pengertian diatas dapat disimpulkan bahwa neraca merupakan ringkasan laporan keuangan. Artinya, laporan keuangan disusun secara garis besar saja dan tidak mendetail (Kasmir, 2016). 2.6 Laporan Laba Rugi Menurut James C. Van Horne, laporan laba rugi adalah ringkasan pendapatan dan biaya perusahaan selama periode tertentu diakhiri dengan laba atau rugi pada periode tersebut. Laporan laba rugi terdiri dari penghasilan dan biaya perusahaan pada periode tertentu, biasanya untuk satu tahun atau tiap semester enam bulan atau tiga bulan (Kasmir, 2016). 2.7 Rasio Keuangan Menurut James C. Van Horne, rasio keuangan adalah merupakan indeks yang menghubungkan 2 angka akuntansi dan diperoleh dengan membagi satu angka dengan angka lainnya. Rasio keuangan digunakan untuk mengevaluasi kondisi keuangan dan kinerja perusahaan. Dari hasil rasio keuangan ini akan terlihat kondisi kesehatan perusahaan yang bersangkutan (Kasmir, 2016).

8 Dalam praktiknya, analisis rasio keuangan suatu perusahaan dapat digolongkan menjadi sebagai berikut: 1. Rasio Neraca, yaitu membandingkan angka-angka yang hanya bersumber dari neraca. 2. Rasio Laporan Laba Rugi, yaitu membandingkan angka-angka yang hanya bersumber dari laporan laba rugi. 3. Rasio Antarlaporan, yaitu mebandingkan angka-angka dari dua sumber (datacampuran), baik yang ada di neraca maupun di laporan laba rugi. 2.7.1 Bentuk-Bentuk Rasio Keuangan Menurut J. Fred Weston, bentuk-bentuk rasio keuangan adalah sebagai berikut (Kasmir, 2016): 1. Rasio Likuiditas (Liquiditiy Ratio) a. Ratio Lancar (Current Ratio) b. Rasio Sangat Lancar (Quick Ratio atau Acid Test Ratio) 2. Rasio Solvabilitas (Leverage Ratio) a. Total utang dibandingkan dengan total aktiva atau rasio utang (Dept Ratio) b. Jumlah kali perolehan bunga (Times Interest Earned) c. Lingkup Biaya Tetap (Fixed Charge Coverage) d. Lingkup Arus Kas (Cash Flow Coverage) 3. Rasio Aktivity (Activity Ratio) a. Perputaran Sediaan (Inventory Turn Over) b. Rata-rata jangka waktu penagihan/perputaran piutang (Average Collection Period) c. Perputaran aktiva tetap (Fixed Asset Turn Over) d. Perputaran Total Aktiva (Total Asset Turn Over) 4. Rasio Profitabilitas (Profitability Ratio) a. Margin laba penjualan (Profit Margin on Sales) b. Daya laba dasar (Basic Earning Power) c. Hasil Pengembalian total aktiva (Return on Total Asset) d. Hasil pengembalian ekuitas (Return on Total Equity) 5. Rasio Pertumbuhan (Growth Ratio) merupakan rasio yang menggambarkan kemampuan perusahaan mempertahankan posisi ekonominya ditengah pertumbuhan perekonomian dan sektor usahanya. a. Pertumbuhan penjualan

9 b. Pertumbuhan laba bersih c. Pertumbuhan pendapatan per saham d. Pertumbuhan dividen per saham 6. Rasio Penilaian (Valuation Ratio), yaitu rasio yang memberikan ukuran kemampuan manajemen dalam menciptaan nilai pasar usahanya diatas biaya investasi. a. Rasio harga saham terhadap pendapatan b. Rasio nilai pasar saham terhadap nilai buku 2.8 Database Management System (DBMS) DBMS adalah seperangkat program yang menyediakan pengguna dengan alat-alat untuk menghapus, akses dan menganalisis data yang tersimpan di satu lokasi (Rainer & Turban, 2009). Sebuah organisasi dapat mengakses data dengan menggunakan query dan alat yang merupakan bagian dari DBMS pelaporan atau dengan menggunakan program aplikasi khusus ditulis untuk mengakses data. DBMS juga menyediakan mekanisme untuk menjaga integritas data yang tersimpan, mengelola akses keamanan dan pengguna, dan memulihkan informasi jika sistem gagal. Karena database dan DBMS sangat penting untuk semua bidang bisnis, mereka harus dikelola secara hati-hati. Software Database Management Sistem (DBMS) seperti Oracle,Ms SQL Server, Sybase dan masih banyak yang lainnya. 2.9 Dashboard Dashboard adalah sistem sebuah koleksi data informasi yang digunakan untuk melakukan evaluasi performa dan memastikan tercapainya tujuan dari sebuah operasi (Ronald R, 2010). Dashboard adalah tampilan visual dari informasi yang paling penting yang diperlukan untuk memahami dan mengelola satu atau lebih bidang organisasi yang diatur pada satu layar komputer sehingga dapat dipantau dengan mudah (Stephen Few, 2006). Dari pengertian di atas, maka sebuah dashboard harus dapat mendukung proses monitoring secara visual seperti: 1. Melihat gambaran besar informasi. 2. Fokus pada item tertentu yang memiliki informasi penting. 3. Dapat melakukan drill ke informasi tambahan yang diperlukan untuk proses pengambilan keputusan.

10 4. Menyajikan data dan informasi penting yang diperlukan untuk mencapai tujuan tertentu, secara efektif dan efisien. 2.10 Tools Pembuatan Dashboard 2.10.1 Power BI Power BI adalah rangkaian alat analisis bisnis untuk menganalisis data dan berbagi wawasan. Dasbor Power BI memberikan tampilan 360 derajat bagi pengguna bisnis dengan metrik terpenting mereka di satu tempat, diperbarui secara waktu nyata, dan tersedia di semua perangkat mereka. Dengan satu klik, pengguna dapat menjelajahi data di balik dasbor menggunakan alat intuitif yang membuat pencarian menjadi mudah. Power BI Desktop adalah mashup data kaya fitur dan tool authoring laporan. Kombinasikan data dari database, file, dan layanan web yang berbeda dengan alat visual yang membantu memahami dan memperbaiki kualitas data dan memformat masalah secara otomatis. Dengan lebih dari 20 visual built-in dan komunitas visual - visual yang dinamis, membuat laporan menakjubkan yang mengkomunikasikan secara efektif. Dengan layanan Power BI, publikasikan laporan secara aman ke organisasi dan atur refresh data otomatis sehingga setiap orang memiliki informasi terbaru. Power BI dapat menyatukan semua data organisasi, baik di awan maupun di tempat. Dengan menggunakan gerbang Power BI, dapat menghubungkan database SQL Server, Analysis Services models, dan banyak sumber data lainnya ke dasbor yang sama di Power BI. 2.11 Data warehouse Data warehouse adalah sekumpulan database yang berasal dari berbagai sumber yang saling terintegrasi, berorientasi subjek yang dirancang untuk mendukung DSS, data warehouse berisi data perusahaan (Inmon, 2002). Menurut (Kimball, 2002) Data warehouse adalah sekumpulan data yang terintegrasi, subjectoriented, nonvolatile, dan time-variant yang menunjang keputusan dari manajemen. Menurut (kimball, ross, 2002) Data warehouse adalah sebuah sarana yang dapat meningkatkan kualitas pengambilan keputusan, data warehouse berisi data yang dapat mendukung prosess DSS. Menurut (Handojo, 2004) data warehouse ialah sekumpulan informasi yang disimpan dalam basis data yang digunakan untuk mendukung pengambilan keputusan dalam sebuah organisasi. Data dikumpulkan dari berbagai aplikasi yang telah ada. Data yang telah

11 dikumpulkan tersebut kemudian divalidasi dan direstrukturisasi lagi, untuk selanjutnya disimpan dalam data warehouse. Pengumpulan data ini memungkinkan para pengambil keputusan untuk pergi hanya ke satu tempat untuk mengakses seluruh data yang ada tentang organisasinya Menurut (O Brien, James A, 2007) Data warehouse merupakan sumber utama data dari database lain yang telah dibersihkan, diubah, dan di kategorikan untuk analisis bisnis dan mendukung proses DSS. Dari beberapa definisi di atas dapat disimpulkan bahwa data warehouse adalah sekumpulan informasi yang didapatkan dari berbagai sistem operasi dalam suatu perusahaan dan di kumpulkan dalam suatu database dalam sistem terpisah untuk dilakukan ekstraksi, transformasi agar data terintegrasi, dan dapat digunakan untuk melakukan analisis dalam pengambilan suatu keputusan. 2.11.1 Karakteristik Data warehouse Karakteristik dasar data warehouse meliputi (Rainer & Turban, 2009): 1. Organized by business dimension or subject Data terorganisir dan berisi informasi yang relevan untuk mendukung keputusan dan analisis data. 2. Consistent Data dalam database yang berbeda dapat dikodekan berbeda. misalnya, data yang jenis kelamin dapat dikodekan 0 dan 1 dalam satu sistem operasional dan "m" dan "f" di lain. dalam data warehouse, meskipun semua data harus dikodekan dengan cara yang konsisten 3. Historical Data disimpan selama bertahun-tahun sehingga mereka dapat digunakan untuk mengidentifikasi tren, peramalan, dan membuat perbandingan dari waktu ke waktu 4. Nonvolatile Data pada data warehouse tidak diupdate secara real time tetapi di refresh dari sistem operasional secara regular. 5. Use online analytical processing 6. Multidimensional 7. Relation with relational databases

12 2.11.2 Arsitektur Data warehouse Gambar 2.1 Arsitektur Data warehouse Arsitektur data warehouse pada gambar 2.1 terdiri dari sumber data, ETL, data mart dan cube. Sumber data adalah data operasional yang disimpan dalam database, yang selanjutnya akan dilakukan proses ETL dan diintegrasikan kedalam data warehouse. Sedangkan data mart dan cube berisi data-data yang mendukung fungsi bisnis. Data mart adalah sub-set dari data warehouse yang umumnya terdiri dari sebuah subjek tunggal (inmon, 2002). Jadi, data mart merupakan serangkaian data yang hanya menjelaskan suatu fungsi dari operasi pada sebuah perusahaan. 2.11.3 Pemodelan Dimensional Pemodelan dimensional adalah sebuah teknik perancangan logika yang bertujuan untuk merepresentasikan data ke dalam sebuah standar bentuk intuiting yang dapat diakses dengan performa yang tinggi. Setiap model dimensional terdiri dari tabel fakta dan sekumpulan tabel yang lebih kecil yang disebut tabel dimensi (Connolly dan Begg, 2005). 2.11.4 Skema Bintang (Star Schema) Struktur skema bintang adalah suatu struktur yang dapat dengan mudah dipahami dan digunakan oleh pengguna. Dalam skema bintang terdapat dua jenis tabel, yitu tabel fakta dan tabel dimensi yang berisi refrensi data. Tabel fakta pada skema bintang dihasilkan dari eventevent yang terjadi dimasa lampau, fakta yang paling berguna dalam tabel fakta adalah perhitungan numeric, atau fakta yang terjadi dari setiap record. Sedangkan tabel dimensi mengandung informasi tekstual yang deskriktif.

13 Gambar 2.2 Star Schema 2.11.5 Perancangan Data warehouse Terdapat sembilan tahap metodelogi dalam membangun data warehouse yang dikenal dengan nine-step methodology yang terdiri dari (Connnolly dan Begg, 2005): 1. Memilih Proses (Choosing The Process) 2. Memilih Sumber (Choosing The Grain) 3. Mengidentifikasi dan Penyesuaian Dimensi (Identifying and Conforming The Dimensions) 4. Memilih Fakta (Choosing The Fact) 5. Menyimpan Perhitungan Awal dalam Tabel Fakta (Storing Pre-Calculation in The Fact Table) 6. Melihat Kembali Table Dimensi (Rounding Out The Dimension Tables) 7. Memilih Durasi Database (Choosing The Duration of Database) 8. Menelusuri Perubahan dari Dimensi secara Perlahan (Tracking Slowly Changing Dimension) 9. Memutuskan Prioritas Query dan Tipe Query (Deciding The Query Priorities and The Query Models)

14 2.12 Tools Pembuatan Data warehouse 2.12.1 Microsoft SQL Server Microsoft SQL Server merupakan aplikasi database handal yang digunakan oleh sebagian besar perusahaan terkemuka di dunia termasuk di Indonesia. Microsoft SQL Server merupakan pendobrak dan inovasi database modern yang mengetengahkan kemudahan, kecepatan, ketepatan dan kecanggihan dalam mengelola sebuah database modern berskala kecil, menengah dan besar. Melihat kemampuan yang sangat hebat ini Microsoft SQL Server mendapat julukan The Next Generation Database. Dengan demikian Microsoft SQL Server merupakan solusi database modern yang mampu mengelola data warehousing, computer portabel serta sektor e-commerce (Praduwiratna, 2010). Untuk melakukan transformasi data Extract Transform and Loading (ETL) dalam data warehousing dapat digunakan beberapa tools yang disediakan oleh SQL Server (Ramadhan, 2007), diantaranya: 1. Microsoft SQL Server 2005/2008 Integration Services (SSIS): Data dari sumber data dipilih dan dipilah, dibersihkan (cleansing), digabungkan dan kemudian dimuat (load) ke data warehouse. 2. Microsoft SQL Server 2005/2008 Analysis Services (SSAS) Digunakan untuk membantu merealisasikan proses analisis 3. Microsoft SQL Server 2005/2008 Reporting Services (SSRS) Proses terakhir, dengan menyajikan laporan-laporan dan query hasil analisis tersebut ke berbagai media yang diperlukan. 2.13 Business Intelligance (BI) Business Intelligance adalah sekumpulan model matematika dan metodologi analisa yang secara sitematik dapat menghasilkan sebuah data yang dapat menghasilkan informasi dan pengetahuan yang berguna untuk mendukung proses pengambilan keputusan (vercellis, 2003). (Turban, dkk, 2007) Business Intelligence (BI) terbagi kedalam lima jenis kategori yaitu: 1. Enterprise Reporting, digunakan untuk menghasilkan laporan-laporan statis yang dapat didistribusikan kepada banyak orang. Jenis laporan ini sangat sesuai untuk membuat laporan operasional dan dashboard. 2. Ad Hoc Query and Analysis, digunakan untuk memberikan akses kepada pengguna agar dapat melakukan query pada database, dan melakukan proses penggalian informasi sampai pada tingkat paling dasar dari sebuah informasi transaksional.

15 3. Cube Analysis, digunakan untuk menyediakan layanan analisis OLTP multidimensional, laporan hanya ditujukan kepada kalangan terbatas. 4. Statistical Analysis and Data Mining, digunakan untuk melakukan analisis prediksi atau menentukan korelasi diantara dua matrik. 5. Delivery Report and Alert, digunakan untuk melakukan pengiriman laporan secara lengkap atau memberikan peringatan kepada seluruh pengguna. 2.14 Perbedaan OLTP dan OLAP OLTP adalah sebuah sistem yang dirancang untuk dapat melakukan pemrosesan transaksi yang secara umum dapat melakukan perubahan kecil pada data operasional sebuah organisasi, yang bertujuan untuk menangani operasi sehari-hari (Connolly dan Begg, 2005). OLAP adalah operasi basis data (database) untuk mendapatkan informasi dalam bentuk kesimpulan dengan menggunakan agregasi sebagai mekanisme utama, mekanisme berupa analisis dan pengambilan keputusan. Analisis OLAP menggunakan tabel fakta dan dimensi untuk dapat menampilkan berbagai macam bentuk laporan, analisis, query dari data yang berukuran besar. Tabel 2.1 Perbedaaan antara OLAP dan OLTP Karakteristik OLAP (Online Analytical Processing) OLTP (Online Transaction Processing) Volatilitas Data Statis Data Dinamis Waktu Data saat ini dan Historis Data saat ini Dimensi Waktu Eksplisit dan Varian Implisit dan terkini Granuality Data agregasi dan Data yang detail konsolidasi Update Periodic dan regular Berlanjut dan tidak reguler Aktivitas Tidak dapat diprediksi Berulang Kali Fleksibilitas Tinggi Rendah Kinerja Rendah untuk query yang kompleks Tinggi, satu detik per query

16 User Knowledge workers Karyawan Fungsi Analisis Operasional Tujuan Penggunaan Query kompleks dan Transaksi pendukung keputusan Prioritas Fleksibilitas tinggi Kinerja tinggi Metric Respon Efektif Rata-rata transaksi Ukuran data Gigabyte hingga terabyte Megabyte hingga gigabyte 2.15 Literatur Review Adapaun beberapa penelitian lama yang terkait dengan penelitian ini yaitu antara lain penelitian yang dilakukan oleh William Suhaidir dan Dana Indra Sensuse pada tahun 2012 dengan judul Perancangan Digital Dashboard System untuk menyajikan sensitivity analysis kinerja keuangan perusahaan studi kasus PT. XYZ, penelitian yang dilakukan oleh Meta Amalya Dewi, Suliyanih dan Juni Marliena pada tahun 2013 dengan judul Dasboard Sistem Informasi Keuangan dalam Mendukung Proses Pengambilan Keputusan dan juga penelitian yang dilakukan oleh Ernestina Rahmanasari, Rully A. Hendrawan, S. Kom, M. Eng, dan Siswanto, S. Sos, M. M di tahun 2013 dengan judul Analisis dan Desain BI-Dashboard Monitoring Realisasi Daftar Isian Pelaksanaan Anggaran (DIPA) pada Kantor Pelayanan Perbendaharaan Negara (KPPN) Perbedaan dari ketiga penelitian tersebut dengan penelitian ini dapat dilihat pada Gambar 2.3 dibawah ini.

17 Meta Amalya Dewi, Suliyanih dan Juni Marliena [2013] William Suhaidir dan Dana Indra Sensuse [2012] Dashboard, Visualisasi, Parameter, Tools Digital Dashboard Dashboard, Visualisasi, Repository, Tools Fushion Chart Elisa Dwi Jayanti [2017] Dashboard, Visualisasi, Nine Step Method Design, Tools Power BI Ernestina Rahmanasari, Rully A. Hendrawan, S. Kom, M. Eng, dan Siswanto, S. Sos, M. M [2013] Dashboard, Visualisasi, Indicator, Tools Vera Gambar 2.3 Penggambaran Penelitian Terkait dengan Penelitian Ini Pada penelitian pertama William Suhaidir dan Dana Indra Sensuse memfokuskan pegambilan keputusan dengan mengajikan sensitivity pada laporan laba rugi perusahaan. Teknik sensitivity analysis dapat digunakan untuk melihat pengaruh antar variabel dalam konteks bisnis. Hal ini dapat membantu dalam mencari titik optimal dalam suatu bisnis sehingga keuntungan yang dicapai dapat mencapai titik maksimal dengan biaya yang minimal. Tetapi masih banyak hambatan-hambatan yang masih sering terjadi dalam penerapan sensitivity analysis dalam bisnis seperti banyaknya variabel interdependen yang tidak dapat dianalisis dan subjektivitas yang terjadi dalam menentukan titik maksimum dan minimum. Untuk menampilkan data secara visual dan interaktif William Suhaidir dan Dana Indra Sensus menggunakan tools yang digunakan untuk pembuatan dashboard adalah Digital Dashboard. Digital Dashboard adalah suatu tools yang dapat digunakan untuk merepresentasikan data secara visual dan interaktif. Suatu Digital Dashboard yang baik harus dapat menampilkan data

18 dengan tampilan yang efisien, menarik dan padat informasi dengan tetap memerhatikan fungsionalitas dari Digital Dashboard itu sendiri. Penggunaan Digital Dashboard dalam menyajikan sensitivity analysis kinerja keuangan dapat membantu eksekutif perusahaan dalam melakukan pengambilan keputusan. Hal ini harus didukung dengan rancangan dari Digital Dashboard yang sesuai dengan kebutuhan dari eksekutif perusahaan tersebut. Kemudian penelitian lain yang berhubungan dengan penelitian ini adalah penelitian yang dilakukan oleh Meta Amalya Dewi, Suliyanih dan Juni Marliena ditahun 2013 dimana penelitian ini yang berjudul Dasboard Sistem Informasi Keuangan dalam Mendukung Proses Pengambilan Keputusan. Meta Amalya Dewi, Suliyanih dan Juni Marliena membuat sebuah tampilan dashboard yang user friendly untuk para top level management dalam mengambil suatu keputusan. Tools yang digunakan dalam pengembangan ini adalah DIS (Dashboard Information System) dan softwarenya menggunkan FusionChart. FusionChart digunakan karena dapat digunakan untuk membangun grafik berbasis website yang dapat digabungkan dengan Bahasa pemrograman PHP. Hasil dari penelitian ini yaitu menunjukan dan mengimplementasikan menggunakan DIS dapat mempermudah top level management dalam menerima informasi yang dihasilkan DIS berupa diagram Critical dan berbentuk ringkas. Sedangkan untuk penelitian Ernestina Rahmanasari, Rully A. Hendrawan, S. Kom, M. Eng, dan Siswanto, S. Sos, M. M di tahun 2013 dimana penelitian ini diberik judul Analisis dan Desain BI-Dashboard Monitoring Realisasi Daftar Isian Pelaksanaan Anggaran (DIPA) pada Kantor Pelayanan Perbendaharaan Negara (KPPN). Ernestina Rahmanasari, Rully A. Hendrawan, S. Kom, M. Eng, dan Siswanto, S. Sos, M. M menggunakan metode analisa kebutuhannya dengan Analisis Indikator Kerja utama, Analisis Laporan. Analisis laporan keuangan pada penelitian ini adalah menggunakan aplikasi vera yang tampilannya sudah interaktif. Hasil dari penelitian ini adalah data yang telah ada pada aplikasi Vera dapat di monitoring oleh tingkat pengguna yang sesuai dan dashboard yang di bangun ini dapat memudahkan pengguna dalam menangkap data dengan cepat.