BAB III METODOLOGI 3.1 Analisa masalah Langkah pertama yang dilakukan dalam proyek business intelligence pada PT Suzuki Finance Indonesia (SFI) adalah dengan melakukan analisa masalah. Yaitu dengan mengidentifikasi proses-proses bisnis utama dan entitas-entitas utama yang ada di SFI, serta masalah- masalah sistem informasi yang ada di SFI. 3.2 Software requirement specification (SRS) Berdasarkan analisa masalah yang telah dilakukan, maka tahapan selanjutnya adalah pembuatan software requirement specification untuk menspesifikasikan apa saja yang dibutuhkan dalam pengembangan aplikasi. 3.3 Perancangan Data Warehouse Dalam perancangan data warehouse pada Suzuki Finance, arsitektur data warehouse yang digunakan adalah arsitektur data warehouse terpusat (Centralized data warehouse). Adapun tahapan-tahapan yang dilakukan dalam perancangan data warehouse ini terbagi menjadi 3 bagian utama, yaitu : 3.3.1 Pengumpulan data (fact finding). Pengumpulan data dan informasi untuk keperluan thesis dilakukan dengan survei atau observasi langsung ke kantor pusat Suzuki Finance Indonesia yang berada di Jakarta. Hasil yang didapatkan dari survei tersebut yaitu berupa proses bisnis yang sedang berjalan, aplikasi atau sistem yang sedang digunakan, subjek data (Database OLTP), dan analisa tentang permasalahan pengolahan data pada Suzuki Finance Indonesia serta hasil yang ingin dicapai untuk mengatasi masalah sistem informasi pada perusahaan tersebut. 33
3.3.2 Metodologi Sembilan Langkah (Nine steps Methodology) Metodologi perancangan data warehouse dari Kimball yang penulis kutip dari buku Connolly, dengan langkah-langkah sebagai berikut : 1. Penentuan proses (Choosing the process) Memilih subjek dari permasalahan yang dihadapi, kemudian identifikasi proses bisnisnya. 2. Penentuan grain (Choosing the grain) Tentukan tabel fakta dan identifikasi dimensi dari tabel fakta. Tabel fakta adalah tabel yang mengandung angka dan data history dimana key yang dihasilkan sangat unik karena merupakan kumpulan foreign key dari primary key yang ada pada masing-masing tabel dimensi yang berhbungan, sedangkan tabel dimensi adalah tabel yang berisikan kategori dengan ringkasan data detil yang dapat dilaporkan, seperti laporan keuntungan pada tabel fakta sebagai dimensi waktu (per bulan, per kuartal, per tahun). 3. Mengidentifikasi dan penyesuaian dimensi (identifying and conforming the dimension ) Identifikasi dimensi dalam detil yang secukupnya untuk mendethesiskan sesuatu. Ketika suatu tabel dimensi ada pada dua atau lebih data mart, maka tabel dimensi tersebut harus mempunyai dimensi yang sama atau salah satu harus merupakan subset dari yang lainnya. Apabila suatu tabel dimensi digunakan lebih dari satu data mart, maka dimensinya harus disesuaikan. 4. Penentuan fakta (Choosing the facts) Tentukan fakta - fakta dari tabel fakta yang akan digunakan pada data 34
mart, maka dimensinya harus disesuaikan. 5. Menyimpan pre-calculation pada tabel fakta (Storing pre-calculation in the fact table) Setelah fakta - fakta dipilih maka lakukan pengkajian ulang untuk menentukan apakah ada fakta - fakta yang diterapkan pre - calculation (kalkulasi awal) dan lakukan penyimpanan pada tabel fakta. 6. Melengkapi tabel dimensi (Rounding out the dimension table) Pada tabel dimensi, tambahkan penjelasan agar lebih dimengerti oleh pengguna. 7. Penentuan durasi dari database (Choosing the duration of the database) Tentukan waktu dari pembatasan data yang diambil dan dipindahkan ke dalam tabel fakta. Seperti data perusahaan 3 tahun lalu atau lebih diambil dan dimasukkan dalam tabel fakta. 8. Melacak perubahan dimensi secara perlahan (Tracking slowly changing dimension) Amati perubahan dari dimensi pada tabel dimensi. Ada tiga tipe dasar dari perubahan dimensi yang perlahan, yaitu : a. Perubahan atribut dimensi ditulis ulang (di overwrite). b. Perubahan atribut dimensi mengakibatkan pembuatan suatu dimensi baru. c. Perubahan atribut dimensi mengakibatkan sebuah atribut alternatif dibuat, jadi antara atribut yang lama dan baru diakses secara bersama sama. 35
9. Memutuskan prioritas dan mode query (Deciding the query priorities and the query modes) Pertimbangkan pengaruh dari perancangn fisikal, seperti keberadaan dari ringkasan dan penjumlahan (aggregate). Selain itu, masalah administrasi, backup, kinerja indeks dan keamanan juga merupakan factor yang harus diperhatikan. 3.3.3 Rancangan konseptual. Untuk memetakan aplikasi business intelligence yang akan dibuat, penulis membuat rancangan konseptual yang menggambarkan alur data dari sumber data ke datawarehouse (proses ETL), dan dari datawarehouse menjadi informasi yang berguna untuk user. Secara konseptual proses ETL meliputi ekstraksi data operasional secara periodik dari sistem yang ada, melakukan validasi, pembersihan data dan mengubah data tersebut ke dalam bentuk yang sama dengan data warehouse sesuai kebutuhan, kemudian disimpan ke dalam data warehouse. Untuk menyederhanakan proses ETL, memudahkan untuk mengatur, menelusuri, dan membaginya, seringkali data operasional disimpan dalam tempat penyimpanan sementara terlebih dahulu (staging area) kemudian melakukan proses ETL yang dibutuhkan dan menyimpan hasilnya dalam data warehouse. 36
3.4 Implementasi data mining Untuk menghasilkan informasi yang relevan dan berguna bagi masingmasing divisi dan end user yang ada di SFI, maka data mining akan diimplementasikan pada masing-masing divisi, sesuai dengan kebutuhan dari setiap end user dari divisi yang ada di SFI. Berikut adalah tabel Matrix dari masing-masing divisi SFI beserta kebutuhan informasi dan tehnik data mining yang akan diterapkan : Function And Algorithm Classify (Naïve bayes) Risk Management Marketing Collection Credit Klasifikasi calon nasabah yang memiliki resiko kredit macet yang tinggi Forecast (Neural Network) prediksi penjualan Prediksi jumlah kredit macet Associate (Decission tree) Tingkat asosiasi atau Hubungan antara produk dengan konsumen Cluster (K-means) Segmentasi variaber variabel apa saja yg ada pada kredit macet Tabel 3.4 Implementasi data mining SFI 37
3.5 Evaluasi 3.5.1 Evalution perspective Menurut Moss (Moss & atre, 2003) aplikasi Business intelligence harus dapat mendukung tujuan strategis. Dan menyelaraskan alokasi sumber daya dengan strategi bisnissangat penting bagi daya saing business intelligence (Williams & Williams, 2007). Oleh karena itu dapat diartikan bahwa penyelarasan Business Intelligence dengan strategi bisnis (yang disingkat dengan ustilah strategic allignment) merupakan salah satu indicator kesuksesan dari business intelligence. Evaluasi yang akan dilakukan adalah IT-System in use yang menfokuskan interaksi user dengan aplikasi business intelligence sebagai objek dari evaluasi.yang diukur adalah kemudahan dan produktifitas dalam penggunaan perangkat lunak, yang disingkat dengan ustilah usability. Dan Walaupun kedua kriteria tersebut sudah terpenuhi, hal itu akan percuma jika aplikasi tersebut tidak berjalan dengan baik. Oleh karena itu sangat penting untuk memastikan aplikasi Business intelligence berjalan dengan baik dan benar. Menurut Jiantao Pan (pan, 1999) efek dari bug bisa berakibat fatal. Pada dunia komputerisasi, kualitas dan realibilitas adalah hal yang sangat penting. Kualitas adalah ketepatan terhadap desain yang telah ditentukan (correctness and reliability). Berdasarkan kajian tersebut maka evaluation perscpective yang akan digunakan adalah : - strategic alignment - usability - correctness and reliability 3.5.2 Criteria based on perspective Kriteria untuk strategic alignment penulis simpulkan dari teori dari Benson (Benson, Thomas, & Walton, 2004) : 38
- Apakah BI mendukung pencapaian strategic goals? - Apakah BI mendukung operational effectiveness? - Apakah BI mendukung strategic effectiveness? - Apakah BI telah mencapai bottom line impact yang maksimal? Adapun beberapa kriteria untuk usability yang dikemukakan oleh Palmer (Palmer, 2002) adalah : Apakah tidak terdapat keluhan user terhadap penataan layout? Apakah tidak terdapat keluhan user terhadap penyusunan urutan navigasi? Apakah aplikasi BI sudah memberikan umpan balik? Apakah sudah terdapat FAQ pada BI? Apakah informasi dari BI sudah menyediakan seluruh kebutuhan informasi user? Apakah informasi yang disediakan sesuai dengan kebutuhan informasi user? Dan beberapa kriteria untuk mengukur correctness and reliability yang dikemukakan oleh Jiantao Pan (pan, 1999) adalah : - Apakah hasil dari aplikasi BI sudah tepat sesuai desain yang direncanakan? - Apakah aplikasi BI sudah bebas dari kesalahan atau bug? 3.5.3 Evaluasi beban kerja server OLTP setelah implementasi BI Salah satu tujuan dari project BI di suzuki finance adalah untuk mengurangi workload (beban kerja) server OLTP. Maka setelah proses pembuatan datawarehouse selesai dan implementasi BI berhasil dilakukan, akan dilakukan evaluasi beban kerja server OLTP. Yaitu dengan cara membandingkan beban kerja sistem OLTP sebelum dan 39
sesudah implementasi BI. Adapun hal itu akan dilakukan dengan mengamati CPU load, Memory load, dan Disk load dari server OLTP Suzuki finance indonesia. 40