bab 2 landasan teori 2.1 teori umum 2.1.1 pengertian data...
TRANSCRIPT
6
BAB 2
LANDASAN TEORI
2.1 Teori Umum
2.1.1 Pengertian Data Warehouse
Menurut Ponniah (2001, p504), data warehouse adalah kumpulan
data yang terintegrasi diproses, disimpan untuk menyediakan informasi
strategis di seluruh perusahaan. Dalam pendekatan top-down untuk
implementasi, yang merupakan pusat repositori bersama dengan satu set
data yang diambil dari database operasional, historis, dan eksternal, dan
dibersihkan, diubah, dan dikatalogkan untuk penelusuran dan analisis,
untuk menyediakan kecerdasan bisnis bagi pengambilan keputusan bisnis.
Data Warehouse dikembangkan dengan mengekstrak data dari
berbagai sistem yang menjadi sumber data, lalu dibersihkan, diubah, dan
dimasukan ke dalam tempat penyimpanan yang dapat diakses oleh
pengambil keputusan (Barbara H Wixom & Hugh J Watson, 2001, p18).
Data warehouse merupakan tempat penyimpanan berukuran besar
yang dibuat untuk menyimpan data dari berbagai sumber dan dipelihara
oleh beberapa unit operasi berbeda bersamaan dengan transformasi
sejarah dan ringkasan data itu sendiri (Mark I Hwang & Hongjiang Xu,
2008, p48).
7
Data warehouse merupakan tempat penyimpanan data dalam
jumlah besar yang tidak memberikan informasi dengan sendirinya,
dibutuhkan alat khusus untuk melakukan query dan menganalisa data –
data tersebut agar didapatkan pengetahuan yang bernilai (Chang-Tseh
Hsieh; Binshan Lin, 2002, p1).
Data Warehouse merupakan tempat penyimpanan semua
kumpulan data dalam jumlah besar dan kemudian data tersebut akan
diolah sehingga menjadi suatu informasi yang dibutuhkan untuk
pengambilan keputusan. (Heeseok L, Taehun K, 2001, P15)
2.1.2 Karakteristik Data Warehouse
Menurut Inmon (2002, p31), karakteristik dari data warehouse
yaitu subject oriented, integrated, nonvolatile dan time variant.
Keempat karakteristik ini saling terkait satu sama lain, sehingga
ke semuanya harus diimplementasikan agar suatu data warehouse bisa
secara efektif memiliki data yang mendukung pengambilan keputusan.
2.1.2.1 Subject Oriented
Sistem operasi secara klasik diorganisasikan sekitar
aplikasi fungsional dari perusahaan. Untuk perusahaan asuransi,
aplikasinya dapat berupa auto, health, life dan casuality. Area
subyek utama dari perusahaan asuransi dapat berupa customer,
policy, premium, dan claim. Untuk perusahaan, area subyek utama
dapat berupa product, order, vendor, bill of material, dan raw
8
goods. Untuk pedagang eceran, area subyek utama dapat berupa
product, sale, vendor.
Gambar 2.1 Contoh Subject Oriented (Inmon, 2002, p32)
2.1.2.2 Integrated
Karakteristik kedua dan terpenting dari data warehouse
adalah integrasi. Data diambil dari banyak sumber terpisah ke
dalam data warehouse. Data yang diambil itu akan diubah,
diformat, disusun kembali, diringkas, dan seterusnya. Data yang
masuk ke dalam data warehouse dengan berbagai cara dan
mempunyai ketidakkonsistenan pada tingkat aplikasi tidak akan
dimasukkan. Contoh konsistensi data antara lain adalah
9
penamaan, struktur kunci, ukuran atribut, dan karakteristik data
secara fisik. Hasilnya adalah data dalam data warehouse yang
mempunyai satu bentuk. Gambar 2.3 di bawah ini akan
mengilustrasikan integrasi yang muncul ketika data melewati
lingkungan operasional berbasiskan aplikasi ke lingkungan data
warehouse.
Gambar 2.2 Contoh Integrasi Data (Inmon, 2002, p33)
2.1.2.3 Non-Volatile
10
Non-volatile dapat diartikan bahwa data tersebut tidak
mengalami perubahan. Data di lingkungan operasional dapat
dilakukan perubahan (update), dihapus (delete), dan dimasukkan
data baru (insert) seperti pada Gambar 2.4 sebelah kiri (record-
by-record manipulation of data), tetapi data dalam data
warehouse hanya melakukan loading dan accessing seperti pada
Gambar 2.4 sebelah kanan (mass load/access of data). Dengan ini
maka data yang lama tetap tersimpan dalam data warehouse.
Gambar 2.3 Gambaran pengertian Non-Volatile (Inmon, 2002, p34)
2.1.2.4 Time Variant
Karakteristik ini mengimplikasikan bahwa tiap data dalam
data warehouse itu selalu akurat dalam periode tertentu. Dalam
satu sisi, sebuah record dalam database memiliki waktu yang
telah ditetapkan secara langsung. Di sisi lain, sebuah record
mempunyai waktu transaksi.
11
Dalam setiap lingkungan baik operasional maupun data
warehouse, lingkungan tersebut memiliki time horizon. Time
horizon adalah sebuah parameter waktu yang dipertunjukkan
dalam lingkungan tersebut. Batas waktu pada data warehouse
lebih lama daripada sistem operasional. Karena perbedaan batas
waktu tersebut, maka data warehouse mempunyai lebih banyak
histori daripada lingkungan lainnya. Tabel di bawah ini akan
menjelaskan perbedaan data operasional dan data warehouse dari
segi time variant.
Tabel 2.1 Perbandingan Time Variant antara Data Operasional dan
Data Warehouse (Inmon, 2002, p35)
Data Operasional Data Warehouse
Mempunyai time horizon 60-90
hari
Data atau record dapat di-
update
Key structure dapat termasuk
atau tidak termasuk elemen
waktu
Mempunyai time horizon 5-10
tahun
Data atau record tidak dapat
di-update
Key structure termasuk
elemen waktu
12
2.1.3 Arsitektur Data Warehouse
Menurut Connolly dan Begg (2005, p1162), Arsitektur data
warehouse adalah sebagai berikut:
Gambar 2.4 Arsitektur Data Warehouse (Connolly and Begg, 2005, p1162)
Menurut Connolly (2005, p1156), arsitektur data warehouse
terdiri atas:
a. Operational Data
Sumber data untuk data warehouse disediakan dari:
• Mainframe data operasional yang disimpan dalam generasi
pertama database hirarki dan database jaringan. Diperkirakan
bahwa mayoritas dari data operasional perusahaan berada dalam
sistem – sistem ini.
13
• Data tiap departemen yang disimpan dalam beraneka ragam
sistem penyimpanan file seperti VSAM, RMS, dan relational
DBMS seperti Informix dan Oracle.
• Data internal yang tersimpan di berbagai workstation dan private
server.
• Sistem eksternal seperti internet, database komersial, atau
database yang berhubungan dengan pelanggan atau supplier dari
organisasi.
b. Operational Data Store
Operational data store (ODS) adalah suatu media penyimpanan
atas data operasional yang terbaru dan terintegrasi yang digunakan
untuk analisis. ODS dibentuk dan diisi oleh data dengan cara yang
sama seperti data warehouse, tetapi kenyataannya, ODS secara
sederhana berperan sebagai tempat penampungan sementara untuk
data sebelum dipindahkan ke warehouse.
ODS diciptakan ketika sistem operasional tidak mampu mencapai
kebutuhan sistem pelaporan. ODS menyediakan manfaat yang
berguna dari suatu relational database dalam mengambil keputusan
yang mendukung fungsi data warehouse.
c. Load Manager
Load manager melakukan semua operasi yang berhubungan
dengan extract dan load data ke dalam data warehouse. Data dapat
di-extract secara langsung dari sumber data atau yang lebih umum
14
dilakukan melalui tempat penyimpanan data operasional. Operasi
yang dilakukan oleh load manager dapat meliputi transformasi data
yang sederhana untuk mempersiapkan data tersebut agar dapat
dimasukkan ke dalam warehouse.
d. Warehouse Manager
Warehouse manager melaksanakan semua operasi yang
berhubungan dengan pengelolaan atas data dalam warehouse. Operasi
yang dilakukan oleh warehouse manager meliputi:
• Analisa atas data untuk memastikan konsistensinya.
• Transformasi dan penggabungan sumber data dari tempat
penyimpanan sementara ke dalam tabel-tabel data warehouse.
• Pembuatan index dan view pada tabel-tabel dasar.
• Menghasilkan denormalisasi (jika diperlukan).
• Menghasilkan agregasi (jika diperlukan).
• Backup dan archieve data.
e. Query Manager
Query manager melakukan semua operasi yang berkaitan dengan
pengelolaan query dari user. Komponen ini secara khusus dibangun
menggunakan tool akses data end-user, tool pengontrol data
warehouse, fasilitas database, dan custom-built program.
Kompleksitas query manager ditentukan oleh fasilitas yang
disediakan oleh tool akses end-user dan database.
15
Operasi yang dilakukan komponen ini meliputi pengarahan query
pada tabel yang sesuai dan penjadwalan pelaksanaan query. Dalam
beberapa kasus, terkadang query manager juga menghasilkan profil
query yang mengijinkan warehouse manager menentukan kesesuaian
index dan agregasi.
f. Detailed Data
Area ini menyimpan semua data detil di dalam skema database,
yang bertujuan untuk melengkapkan kumpulan data untuk data
warehouse. Dalam banyak kasus, data yang terperinci tidaklah
disimpan secara online tetapi dapat disediakan melalui agregasi data
pada tingkatan detil berikutnya.
g. Lightly dan Highly Summarized Data
Area ini menyimpan semua lightly dan highly summarized
(aggregated) data yang dihasilkan oleh warehouse manager. Area ini
adalah tempat penampungan sementara sebelum dilakukan perubahan
secara berkelanjutan untuk merespon perubahan profil query.
Tujuan ringkasan informasi ini adalah untuk mempercepat
pencapaian query. Meskipun biaya operasi akan meningkat
sehubungan dengan proses peringkasan data tersebut, ini akan
diseimbangkan dengan menghapus keperluan untuk secara terus-
menerus melakukan operasi ringkasan (seperti penyortiran atau
pengelompokan) dalam menjawab query user. Ringkasan data di-
16
update secara terus- menerus ketika ada data baru terisi ke dalam
warehouse.
h. Archive / Backup Data
Area ini menyimpan semua detil dan ringkasan data untuk
kepentingan archiving dan backup. Walaupun ringkasan data
dihasilkan dari detil data, itu akan mungkin untuk membutuhkan
backup ringkasan data secara online jika data ini disimpan melebihi
periode penyimpanan untuk data yang terinci. Data ditransfer ke arsip
penyimpanan seperti magnetic tape atau optical disk.
i. Metadata
Area ini menyimpan semua definisi metadata yang digunakan
oleh semua proses di dalam warehouse. Metadata digunakan untuk
berbagai tujuan termasuk:
• Proses extract dan load atas metadata digunakan untuk
memetakan sumber data ke dalam pandangan umum data dalam
warehouse.
• Proses pengelolaan warehouse – metadata digunakan untuk
mengotomatisasi pembuatan atas tabel ringkasan.
• Sebagai bagian proses pengelolaan query – metadata digunakan
untuk mengarahkan suatu query dengan sumber data yang tepat.
17
j. End-User Access Tools
Tujuan yang utama dari data warehouse adalah menyediakan
informasi kepada user untuk mendukung pengambilan keputusan.
Para user berinteraksi dengan warehouse menggunakan end-user
access tools. Ada 5 kelompok utama dari end-user access tools:
• Reporting dan query tools
Reporting tools meliputi production reporting tools dan
report writers. Production reporting tools digunakan untuk
menghasilkan laporan operasional regular (biasa), seperti
pemesanan pelanggan dan pembayaran staff. Sedangkan report
writer adalah desktop tools yang dirancang untuk end-user. Query
tools untuk data warehouse relational dirancang untuk menerima
SQL atau menghasilkan pernyataan SQL untuk proses query data
yang tersimpan dalam data warehouse.
• Application development tools
Aplikasi yang dapat digunakan user yaitu graphical data
access yang dirancang secara utama untuk sisi client server.
• Executive Information System (EIS) tools.
Executive information system, lebih dikenal sebagai
“everybody’s information systems”, yang semula dikembangkan
untuk mendukung pengambilan keputusan tingkat tinggi.
Kemudian meluas untuk mendukung semua tingkat manajemen.
18
Executive information system tools yang terisolasi dengan
mainframe memungkinkan user membuat aplikasi pendukung
pengambilan keputusan untuk menyediakan overview data
organisasi dan mengakses sumber data eksternal.
• Online Analytical Processing (OLAP) tools.
Online analytical processing tools berbasis pada konsep
basis data multidimensi dan memperbolehkan user untuk
menganalisis data menggunakan view yang kompleks dan
multidimensional.
• Data mining tools.
Data mining adalah proses menemukan korelasi, pola dan
arah baru yang mempunyai arti dengan ‘menambang’ (mining)
sejumlah besar data dengan menggunakan teknik statistik,
matematika dan artificial intelligence (AI). Data mining memiliki
potensi untuk mengganti kemampuan dari OLAP tools.
2.1.4 Struktur Data Warehouse
Berdasarkan Inmon (2002, p35), struktur data warehouse
menunjukan level detil yang berbeda dalam data warehouse. Terdapat
older level of detail, current level of detail, level of lightly summarized
data (level data mart), dan level of highly summarized data. Data
mengalir ke dalam data warehouse dari lingkaran operasional. Biasanya
19
transformasi penting dari data terjadi pada jalur dari level data
operasional ke level data warehouse.
Gambar 2.5 Struktur Data Warehouse (Inmon, 2002, p36)
Saat data disimpan, data melalui current detail ke older detail.
Selama data diringkas, data melalui current detail ke lightly summarized
data, kemudian dari lightly summarized data ke highly summarized data.
1. Current Detail Data
Current detail data adalah data detail yang sedang aktif
saat ini, mencerminkan keadaan yang sedang berjalan saat ini dan
merupakan tingkat terendah dalam data warehouse. Current
detail data ini biasanya memerlukan media penyimpanan data
yang cukup besar. Alasan perlu diperhatikan current detail data
adalah sebagai berikut :
• Menggambarkan kejadian yang baru terjadi dan selalu
menjadi perhatian utama.
20
• Hampir selalu disimpan di media penyimpanan karena cepat
diakses tetapi mahal dan kompleks dalam pengaturannya.
• Dapat digunakan dalam membuat rekapitulasi sehingga
current detail dataharus akurat.
• Jumlahnya sangat banyak dan disimpan pada tingkat
penyimpanan rendah.
2. Old Detail Data
Old detail data adalah data historis dapat berupa hasil
back-up yang dapat disimpan dalam media penyimpanan yang
terpisah dan dapat diakses kembali pada saat tertentu. Data ini
jarang diakses sehingga disimpan dalam media penyimpanan
alternatif seperti tape dan disk.
Data ini biasanya memiliki tingkat frekuensi akses yang
rendah. Penyusunan file atau directory dari data ini disusun
berdasarkan umur dari data yang bertujuan mempermudah untuk
pencarian atau pengaksesan kembali.
3. Lightly Summarized Data
Data ini merupakan ringkasan atau rangkuman dari
current detail data. Data ini dirangkum berdasarkan periode atau
dimensi lainnya sesuai dengan kebutuhan.
Ringkasan dari current detail data belum bersifat total
summary. Data-data ini memiliki detil tingkatan yang lebih tinggi
21
dari current detail data dan mendukung kebutuhan warehouse
pada tingkat departemen. Tingkatan data ini disebut juga dengan
data mart. Akses terhadap data jenis ini banyak digunakan untuk
view suatu kondisi yang sedang atau sudah berjalan.
4. Highly Summarized Data
Data ini merupakan tingkat lanjutan dari lightly
summarized data, yang merupakan hasil ringkasan yang bersifat
totalitas, dapat diakses misalnya untuk melakukan analisis
perbandingan data berdasarkan urutan waktu tertentu dan analisis
menggunakan data multidimensi.
5. Metadata
Menurut Mallach (2002, p474), metadata adalah data
tentang data yang berguna sebagai pusat penyimpanan informasi
untuk menjelaskan kepada user tentang apakah data warehouse
itu, dari mana asalnya dan siapa yang bertanggung jawab atas hal
tersebut dan sebagainya.
Metadata menangkap abstraksi dari pemilihan desain dan
administrasi terkait dengan berbagai komponen yang berbeda –
beda dari lingkungan penghasil data seperti, infrastruktur, model,
proses, isi, representasi, dan administrasi (Heeseok Lee, Taehun
Kim & Jongho Kim, 2001, p15).
22
Menurut Connolly (2005, p1055), Metadata digunakan
untuk berbagai tujuan meliputi :
a. Proses ekstraksi dan loading
Metadata digunakan untuk memetakan sumber data ke dalam
pandangan umum dari data dalam warehouse.
b. Proses manajemen warehouse
Metadata digunakan untuk mengotomatiskan pembuatan tabel
ringkasan.
c. Sebagai bagian dari proses manajemen query
Metadata digunakan untuk menghubungkan suatu query
dengan sumber data yang tepat.
Menurut Inmon (2002, p269-270), hal-hal penting dari
metadata meliputi:
a. ID dokumen
b. Tanggal mengentri data ke warehouse
c. Deskripsi dari dokumen
d. Sumber dari dokumen
e. Tanggal sumber dari dokumen
f. Klasifikasi dokumen
g. Indeks
h. Lokasi fisikal
i. Panjang dokumen
23
j. Referensi yang terhubung dengan dokumen
Menurut Ponniah (2001, p36), metadata dalam data
warehouse dibagi menjadi 3 kategori, yaitu :
a. Metadata operasional
Metadata operasional berisi mengenai informasi tentang
sumber data operasional yang memiliki struktur data yang
berbeda, ukuran field yang berbeda, dan tipe data yang berbeda.
b. Metadata ekstraksi dan transformasi
Metadata ekstraksi dan tranformasi berisi mengenai data
ekstraksi dari sumber data, penamaan, frekuensi ekstraksi, metode
ekstraksi, dan peraturan untuk ekstraksi.
c. Metadata pengguna akhir
Metadata pengguna akhir adalah sebuah peta navigasi dari
data warehouse. Ini memampukan pengguna akhir untuk
menemukan informasi dari data warehouse.
2.1.5 OLTP
Menurut Connolly dan Begg (2005, p1149), suatu sistem yang
dirancang untuk menangani jumlah transaksi yang tinggi, dengan
transaksi yang pada umumnya membuat perubahan kecil bagi data
operasional organisasi, yaitu data yang membutuhkan organisasi untuk
menangani operasinya sehari-hari.
24
Menurut Kimball (2002, p408), OLTP (Online Transaction
Processing) yaitu deskripsi awal dari setiap aktifitas dan sistem yang
berhubungan dengan proses memasukan data ke dalam sebuah database.
2.1.6 Fact Table
Menurut Inmon (2002, p391), tabel fakta adalah tabel pusat dari
skema bintang yang dimana data yang sering muncul akan ditempatkan
disini.
Disebut juga tabel utama (major tabel), merupakan inti dari skema
bintang dan berisi data actual yang akan dianalisis (data kumulatif dan
transaksi). Tabel fakta adalah tabel yang umumnya mengandung angka
dan data historis dimana key (kunci) yang dihasilkan sangat unik karena
key-nya merupakan kumpulan foreign key dan primary key yang ada pada
masing-masing tabel dimensi yang berhubungan atau merupakan tabel
terpusat dari skema bintang. Tabel fakta menyimpan tipe-tipe measure
yang berbeda, seperti measure yang secara langsung terhubung dengan
tabel dimensi dan measure yang secara langsung terhubung dengan tabel
dimensi dan measure yang tidak berhubungan dengan tabel dimsensi.
2.1.7 Dimensional Table
Menurut Inmon (2002, p89), tabel dimensi adalah tempat dimana
data yang tidak berhubungan yang berelasi dengan tabel fakta yang
ditempatkan di dalam tabel multidimensional.
25
Disebut juga tabel kecil (minor tabel), biasanya lebih kecil dan
memegang data deskriptif yang mencerminkan dimensi suatu bisnis.
Tabel dimensi adalah tabel yang berisikan kategori dengan ringkasan data
detil yang dapat dilaporkan seperti laporan keuntungan pada tabel fakta
dan dapat dilaporkan dengan dimensi waktu (yang berupa perbulan,
perkuartal, dan pertahun).
2.1.8 ETL (Extraction, Tranformation, Loading)
1. Data Extraction
Extraction adalah langkah pertama dalam proses mendapatkan
data ke dalam lingkungan data warehouse (Kimball, Ross. 2002,
p408).
2. Data Transformation
Setelah data di extract, ada sejumlah transformation yang
mungkin dilakukan, seperti melakukan cleansing data (memperbaiki
kesalahan pengejaan kata, mengatasi masalah elemen yang hilang,
atau mengubah ke bentuk standard), mengkombinasikan data dari
berbagai sumber, serta memberikan warehouse keys (Kimball, Ross.
2002, p408).
3. Data Loading
Setelah melakukan transformasi maka data dapat dimuat ke dalam
data warehouse (Kimball, Ross. 2002, p408).
2.1.9 Data Mart
26
Menurut Turban, Aronson, and Ting Peng Liang (2005,p321),
data mart adalah subkumpulan data warehouse yang umumnya terdiri
dari sebuah subjek tunggal. Data Mart, tempat dimana data yang diambil
dari data warehouse dirangkum sehingga menjadi informasi yang relevan
untuk pengambilan keputusan, dalam bentuk multidimensional cubes,
untuk kemudian di-query oleh OLAP dan reporting front-ends.
2.1.10 OLAP
Menurut Connolly dan Begg (2005, p1101), OLAP (Online
Analytical Processing) adalah sintesis, analisis dan konsolidasi dinamis
dari sejumlah besar multidimensional data.
Menurut Hoffer et al (2005, p480), OLAP adalah penggunaan
sekumpulan alat grafikal yang menyediakan kepada pengguna sebuah
tampilan multidimensional dari data pengguna dan memampukan
pengguna untuk menganalisa data menggukanan teknik penyajian yang
sederhana.
Menurut Panian & Klepac (2003, p237), OLAP merupakan
bentuk analisa data multidimensi, yang dapat melihat masalah bisnis dari
beberapa aspek. Dengan OLAP, user dapat menemukan keterkaitan dari
hasil yang direncanakan dengan yang telah dicapai dalam kurun waktu
tertentu. Fitur khusus dari OLAP adalah kecepatan dalam mendapatkan
data yang sangat kompleks dan mencakup banyak variabel. OLAP
mencakup berbagai area bisnis dimana keputusan dibuat, yaitu proses
27
yang dimulai dengan data, dilanjutkan dengan informasi, dan berakhir
dengan kecerdasan bisnis.
2.1.10.1 Konsep OLAP
Penjelasan yang lebih spesifik mengenai OLAP adalah
suatu alat yang menggambarkan data dalam bentuk
multidimentional cube.
Gambar 2.6 Cube
OLAP memungkinkan manager untuk menelusuri
pertanyaan apa pun yang melibatkan dimensi dari cube. Yang
paling berguna dari OLAP adalah bahwa OLAP dapat
menyediakan kemampuan interaktif utuk membantu manager
melihat data dari berbagai perspektif. Alat ini umumnya
memberikan ringkasan akhir, misalnya seperti laporan total
penjualan dalam kurun waktu satu tahun, dan memungkinkan
manager untuk melakukan drill down jika ingin melihat lebih
detail total penjualan dalam satu bulan, satu minggu, bahkan
28
total penjualan harian. Sebaliknya, manager juga dapat
melakukan roll up untuk melihat total atau rata – rata
penjualan secara keseluruhan.
2.1.10.2 Desain Database OLAP
Desain database untuk OLAP berbeda dengan dengan
desain database tradisional. Terdapat beberapa konsep yang
mirip, namun pada OLAP, data disimpan di dalam struktur
cube, bukan di table relasional. Selain itu, desain OLAP tidak
memperlihatkan join antar table kepada pengguna akhir. Yang
dilihat oleh manager hanyalah cube data.
Dalam mendesain cube OLAP kita harus memahami
ide dasar dari cube itu sendiri. Pertama – tama, semua data
yang ada di cube OLAP disebut dengan measure. Measure
adalah pengukuran numeric dari beberapa atribut, seperti nilai
penjualan atau quantity. Secara umum, measure dipilih untuk
dijadikan detail atribut dari sebuah table walaupun di
beberapa kasus diciptakan query baru untuk menjalankan
penghitungan dasar. Measure berasal dari fact table. Fact
table merupakan tabel detail di dalam database. Fact table
terdiri dari satu atau dua data yang diinginkan oleh manager
untuk diuji, dan beberapa kolom yang merupakan foreign key.
29
Langkah kedua adalah untuk memilih atribut yang
membentuk sisi dari cube. Tiap atribut atau sisi dari cube
disebut dengan dimensi. Dimensi merupakan atribut yang
dipilih dari tabel lain. Tabel dimensi ini harus berhubungan
dengan table fakta. Biasanya mereka digabungkan ke foreign
key pada table fakta.
Dua desain OLAP yaitu star dan snowflake. Pada
desain star, semua table dimensi dihubungkan secara
langsung ke table fakta. Tabel fakta menyimpan data numeric
yang ingin digunakan oleh manager, sedangkan tabel dimensi
menyimpan karakteristiknya.
Gambar 2.7 Desain Star
Pada desain snowflake, paling tidak terdapat satu table
dimensi yang dihubungkan melalui table lain sebelum
dihubungkan ke table fakta. Tabel fakta sebagai pusat, seperti
pada desain star, namun table dimensi dapat menjangkau ke
luar melewati beberapa level. Pada desain star, semua table
30
dimensi langsung terhubung dengan table fakta tanpa
perantara.
Gambar 2.8 Desain Snowflake
2.1.11 Keuntungan Data Warehouse
Menurut Connolly dan Begg (2005, p1048), data warehouse yang
telah diimplementasikan dengan sukses dapat membawa keuntungan
besar bagi sebuah organisasi antara lain :
• Pengembalian yang besar dari investasi (Potential high returns on
investment)
Sebuah organisasi harus mengeluarkan uang dan sumber daya
dalam jumlah yang cukup besar untuk memastikan kalau data
warehouse telah diimplementasikan dengan baik, biaya yang
dikeluarkan tergantung dari solusi teknikal yang diinginkan. Akan
tetapi, setelah data warehouse digunakan, maka kemungkinan
didapatkannya ROI (Return on Investment) relatif lebih besar.
31
• Keuntungan kompetitif (Competitive advantage)
Keuntungan kompetitif didapatkan apabila pengambil keputusan
mengakses data yang dapat mengungkapkan informasi yang
sebelumnya tidak diketahui, tidak tersedia, misalnya informasi
mengenai konsumen, tren, dan permintaan
• Meningkatkan produktivitas bagi para pembuat keputusan (Increased
productivity of corporate decision-makers)
Data warehouse meningkatkan produktivitas para pengambil
keputusan perusahaan dengan menciptakan sebuah database yang
terintegrasi secara konsisten, berorientasi pada subjek, dan data
historis. Data warehouse mengintegrasikan data dari beberapa sistem
yang tidak compatible ke dalam bentuk yang menyediakan satu
pandangan yang konsisten dari organisasi. Dengan mengubah data
menjadi informasi yang berguna, maka seorang manager bisnis dapat
membuat analisa yang lebih akurat dan konsisten.
2.2 Teori Khusus
2.2.1 Pengertian Balance Scorecard
Menurut Robert S. Kaplan dan David P. Norton (2006, p3)
Balanced Scorecard terdiri dari dua kata: (1) kartu skor (scorecard) dan
(2) berimbang (balanced). Kartu skor adalah kartu yang digunakan untuk
mencatat skor hasil kinerja suatu organisasi atau skor individu. Kartu skor
juga dapat digunakan untuk merencanakan skor yang hendak diwujudkan
di masa depan. Melalui kartu skor, skor yang hendak diwujudkan
32
organisasi/individu di masa depan dibandingkan dengan hasil kinerja
sesungguhnya. Hasil perbandingan ini digunakan untuk melakukan
evaluasi atas kinerja organisasi/individu yang bersangkutan. Kata
berimbang dimaksudkan untuk menunjukkan bahwa kinerja
organisasi/individu diukur secara berimbang dari dua aspek: keuangan
dan non keuangan, jangka pendek dan jangka panjang, internal dan
eksternal.
Balanced scorecard adalah metode untuk mengukur setiap
aktivitas yang dilakukan oleh suatu perusahaan dalam rangka
merealisasikan tujuan perusahaan tersebut. Balanced scorecard semula
merupakan aktivitas tersendiri yang terkait dengan penentuan sasaran,
tetapi kemudian diintegrasikan dengan sistem manajemen strategis.
Balanced scorecard dikembangkan lebih lanjut sebagai sarana untuk
berkomunkasi dari berbagai unit dalam suatu organisasi. Balanced
scorecard juga dikembangkan sebagai alat bagi organisasi untuk berfokus
pada strategi. (Herry Darwanto, 2003, p10)
2.2.2 Pengertian Menurut undang-undang Republik Indonesia nomor 22
tahun 2009 tentang Lalu Lintas dan Angkutan Jalan
2.2.2.1 Pengertian Lalu Lintas
33
Lalu lintas adalah gerak kendaraan dan orang di ruang lalu
lintas jalan.
2.2.2.2 Pengertian Ruang Lalu Lintas
Ruang lalu lintas jalan adalah prasarana yang diperuntukkan
bagi gerak pindah Kendaraan, orang, dan/atau barang yang berupa
Jalan dan fasilitas pendukung.
2.2.2.3 Pengertian Kendaraan
Kendaraan adalah suatu sarana angkut di jalan yang terdiri
atas kendaraan bermotor dan kendaraan tidak bermotor.
2.2.2.4 Pengertian Kendaraan Bermotor
Kendaraan bermotor adalah setiap kendaraan yang
digerakkan oleh peralatan mekanik berupa mesin selain kendaraan
yang berjalan di atas rel.
2.2.2.5 Pengertian Kendaraan Tidak Bermotor
Kendaraan tidak bermotor adalah setiap kendaraan yang
digerakkan oleh tenaga manusia dan/atau hewan.
2.2.2.6 Pengertian Kecelakaan Lalu Lintas
Kecelakaan lalu lintas adalah suatu peristiwa di jalan yang
tidak diduga dan tidak disengaja melibatkan kendaraan dengan
atau tanpa pengguna jalan lain yang mengakibatkan korban
manusia dan/atau kerugian harta benda.
2.2.2.7 Pengertian Pelanggaran Lalu Lintas
34
Pelanggaran lalu lintas adalah suatu peristiwa yang
dilakukan pengemudi kendaraan yang tidak sesuai dengan
peraturan yang telah ditetapkan dalam undang-undang.
2.2.2.8 Pengertian Surat Tanda Naik Kendaraan (STNK)
Surat Tanda Nomor Kendaraan Bermotor sebagaimana
dimaksud pada ayat (1) memuat data Kendaraan Bermotor,
identitas pemilik, nomor registrasi Kendaraan Bermotor, dan masa
berlaku.
2.2.2.9 Pengertian Buku Pemilik Kendaraan Bermotor (BPKB)
Buku Pemilik Kendaraan Bermotor memuat data lengkap
identitas pemilik kendaraan, jenis kendaraan, jenis bahan bakar,
nomor kendaraan, warna kendaraan serta kelengkapan kendaraan
yang lain.
2.2.2.10 Pengertian Bagian Registrasi dan Identifikasi (Regiden)
Bagian dalam kepolisian yang bertugas melakukan seluruh
pelayanan yang berhubungan dengan BPKB, STNK dan SIM
kepada masyarakat. Berwewenang mengubah data dan
menerbitkan BPKB, STNK dan SIM.
2.2.2.11 Pengertian Bagian Penegakan Hukum (Gakum)
Bagian dari kepolisian yang bertugas :
35
• Menemukan pelaku pengendara kendaraan yang
melakukan pelanggaran lalu- lintas.
• Melakukan tindakan ketika terjadi kecelakaan sesuai
prosedur yang ditetapkan pimpinan.
• Bertugas untuk memantau seluruh kondisi lalu lintas ibu
kota dengan kendaraan yang telah ditentukan.
Wewenang :
• Melakukan pengandalian dan pengaturan lalu lintas pada
kondisi tertentu jika dikira diperlukan.
• Menindak dan member hukuman pagi pelanggar lalu
lintas.
• Melakukan cek dan olah tkp ketika terjadi kecelakaan.
2.2.2.12 Pengertian Bagian Perencanaan dan Administrasi
(Renmin)
Bagian dalam kepolisian yang bertugas melakukan
perencanaan terkait tugas dan fungsi direktorat lalu lintas dan
juga membuat surat resmi di direktorat lalu lintas.
Berwewenang menerbitkan surat perintah, akses awal masuk
dan keluarnya surat di direktorat lalu lintas polda metro jaya.