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.