landasan teori teori data warehouse

8/10/2019 Landasan Teori Teori Data Warehouse

1/29

7

BAB 2

LANDASAN TEORI

2.1 Teori Umum

Teori umum terdiri dari beberapa pengertian-pengertian sebagai berikut :

2.1.1 PengertianDatabase

Menurut Obrien (2005, p211), database adalah kumpulan terintegrasi dari

elemen data yang secara logika saling berhubungan.

Menurut Connolly dan Begg (2005, p15), database adalah kumpulan relasi-

relasi logikal dari data, dan deskripsi dari data, yang dapat digunakan bersama dan

dibuat untuk memperoleh informasi yang dibutuhkan oleh perusahaan.

Jadi database adalah data yang berelasi secara logikal yang dibuat untuk

memperoleh informasi yang di butuhkan oleh perusahaan

2.1.2 PengertianEntity Relationship Modeling

Menurut Connolly dan Begg (2005, p342), Entity RelationshipModeling

adalah pendekatan top-down untuk perancangan database yang dimulai dengan

mengidentifikasikan data yang penting yang disebut entitas dan relationship antar

data harus diperlihatkan dalam model ini. Kemudian ditambahkan detail-detail

seperti informasi yang ingin ditambahkan tentang entitas dan relationship yang

disebut atribut dan berbagai constraint pada entitas, relationship, atribut, dan

multiplicity.


2/29

8

2.1.3 PengertianData Mart

Menurut Matteo Golfarelli, Stefano Rizzi (2009, p1), data mart ialah data

yang diambil dari ringkasan data warehouse ke dalam informasi yang relevan untuk

membuat keputusan, dalam bentuk multidimensional cubes, yang secara khusus di-

query-kan oleh OLAP dan reporting front-ends. Menurut Conolly dan Begg (2005,

p1171), data mart merupakan bagian dari data warehouse yang mendukung

kebutuhan informasi bagian departemen atau fungsi bisnis tertentu. Karakteristik

yang membedakan antara data mart dengan data warehouse yaitu:

Data mart berfokus pada kebutuhan pengguna yang berhubungan dengan satu

bagian departemen atau fungsi bisnis.

Data marttidak berisi data operasional yang bersifat detail.

Data martlebih dimengerti dan digunakan karena berisi data yang lebih sedikit

dibandingkan data warehouse.

2.1.4 Pengertian OLTP (Online Transaction Processing)

Menurut Connolly dan Begg (2005, p1149), OLTP adalah sistem yang

dirancang untuk menangani jumlah hasil transaksi yang tinggi, dengan transaksi

yang biasanya membuat perubahan kecil bagi data operasional organisasi, yaitu data

yang memerlukan penanganan operasi setiap hari.

Menurut Kimball dan Ross (2002, p408), OLTP adalah deskripsi awal dari

setiap aktifitas dan sistem yang berhubungan dengan proses memasukkan data ke

dalam sebuah database. Berdasarkan definisi definisi di atas, dapat disimpulkan

bahwa OLTP adalah suatu sistem yang dirancang untuk menangani proses


3/29

9

pemasukkan data ke dalam database yang memiliki jumlah transaksi yang tinggi

dan biasanya merupakan data operasional harian dari perusahaan.

2.1.5 Pengertian OLAP (Online Analytical Processing)

Menurut Connolly dan Begg (2005, p1205), OLAP adalah sintesis, analisis,

dan konsolidasi dinamis dari sejumlah besar multidimensional data.

Menurut Kimball dan Ross (2002, p408), OLAP adalah kumpulan aturan

yang menyediakan sebuah kerangka dimensional untuk mendukung keputusan.

Berdasarkan definisi-definisi di atas, dapat disimpulkan bahwa OLAP adalah proses

analisis data dari sejumlah besar multidimensional data dengan menggunakan

sekumpulan alat grafikal yang dapat digunakan untuk mendukung proses

pengambilan keputusan.

2.1.6 KonsepData Warehouse

2.1.6.1PengertianData Warehouse

Menurut Inmon (2005, p29), sebuah data warehouse ialah sebuah

kumpulan data yang integrated, subject-oriented, nonvolatile, dan time

variant yang mendukung manajemen pengambilan keputusan.

Menurut Laudon (2006, p233), data warehouse adalah database

yang menyimpan data penting saat ini dan historis dari kebutuhan informasi

untuk manajer dalam perusahaan.


4/29

10

Menurut Ramakhrisnan and Gehrke (2004:651), data warehouse

berisi data gabungan dari banyak sumber, tambah dengan informasi

ringkasan dan mencakup periode waktu yang lama.

2.1.6.2KeunggulanData Warehouse

Menurut Connolly dan Begg (2005, p1152), data warehouse yang

telah diimplementasikan dengan baik dapat memberikan keuntungan yang

besar bagi organisasi, yaitu:

Potensi nilai kembali yang besar pada investasi

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.

Keuntungan kompetitif

Keuntungan Kompetitif didapatkan apabila pengambil keputusan

mengakses data yang dapat mengungkapkan informasi yang sebelumnya

tidak diketahui, tidak tersedia, misalnya informasi mengenai konsumen,

trend, dan permintaan.

Meningkatkan produktivitas para pengambil keputusan perusahaan.

Data warehouse meningkatkan produktivitas para pengambil

keputusan perusahaan dengan menciptakan sebuah database yang

terintegrasi secara konsisten, berorientasi pada subjek, dan data historis.


5/29

11

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 manajer bisnis dapat membuat analisa yang lebih

akurat dan konsisten.

2.1.6.3KarakteristikData Warehouse

Menurut Inmon (2005, p29-32), 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.

Menurut Darudianto (2008), suatu basis data dapat digolongkan

sebagai datawarehousejika memiliki karakteristik sebagai berikut.

Berorientasi subjek.Data diorganisasikan oleh subjek detail (misalnya

berdasarkan pelanggan, jenis kebijakan, dan lain-lain).

Terintegrasi ,berarti bahwa basis data mencakup data dari kebanyakan

atau semua aplikasi operasional organisasi dan data tersebut dibuat secara

konsisten.

Time-Variant (time series). Data tidak menyediakan status saat ini.

Mereka disimpan untuk lima atau sepuluh tahun atau lebih dan digunakan

untuk tren, peramalan, dan perbandingan. Waktu adalah dimensi penting

yang harus didukung oleh semua datawarehouse.


6/29

12

Nonvolatile. Sekali dimasukkan ke dalam warehouse, data adalah read-

only, mereka tidak dapat diubah. Data usang dibuang dan perubahan

direkam sebagai data baru. Hal itu memungkinkan datawarehouse untuk

disesuaikan hampir secara eksklusif untuk akses data.

Ringkas. Jika diperlukan, data operasional dikumpulkan ke dalam

ringkasan. Data di dalam sebuah data warehouse biasanya tidak

dinormalisasi dan sangat redundan.

Sumber.Semua sumber data ada, baik internal maupun eksternal.

Metadata. Metadata mengacu pada data tentang data. Metadata

menguraikan struktur dan beberapa arti tentang data, dengan demikian

mendukung penggunaan efektif atau tidak efektif dari data.

2.1.6.4ArsitekturData Warehouse

Arsitektur data warehouse menurut Connolly dan Begg (2005,

p1162) sebagai berikut:


7/29

13

Gambar 2. 1 ArsitekturData warehouse (Connolly, 2005, p1162)

Menurut Connoly dan Begg (2005, p1156), komponen utama data

warehouse, antara lain :

Data Operasional

Data operasional adalah data yang digunakan untuk mendukung proses

bisnis sehari-hari.

Operational Data Store (ODS)

Operatinal data store adalah tempat penyimpanan data operasional

yang bersifat current dan terintegrasi yang digunakan untuk analisis. Atau

dengan kata lain, ODS mendukung proses transaksi operasional maupun

proses analisis. Dengan adanya ODS maka pembangunan data warehouse


8/29

14

menjadi lebih mudah karena ODS dapat menyediakan data yang telah

diekstrak dari sumber dan telah dibersihkan sehingga proses pengintegrasian

dan restrukturisasi data untuk data warehouse menjadi lebih sederhana.

Load Manager

Disebut juga komponen front end menangani semua operasi yang

berhubungan dengan fungsi extract data (mengambil data) dan fungsi

loading data (menaruh data) ke dalam data warehouse

Warehouse Manager

Warehouse manager menangani semua operasi yang berhubungan

dengan management data dalam data warehouse. Operasi-operasi yang

dijalankan oleh warehouse manager mencakup :

a. Analisis data untuk menjaga konsistensi data.

b. Melakukan transformasi dan penggabungan sumber data dari tempat

penyimpanan sementara ke dalam tabel-tabel data warehouse.

c.

Melakukan denormalisasi.

d. Melakukan agregasi.

e. Menyimpan (archive) dan back-up data.

Query Manager

Query manager (disebut juga komponen backend) menangani semua

operasi yang berhubungan dengan management permintaan user (user

queries). Operasi yang dijalankan oleh query manager meliputi kegiatan

mengarahkan permintaan ke tabel-tabel data yang tepat dan melakukan

penjadwalan eksekusi terhadap permintaan.


9/29

15

Detailed Data

Dalam data warehouse, area ini adalah tempat penyimpanan semua

detailed data dalam skema basis data. Detailed data dibagi menjadi 2, yaitu

current detail data (tempat penyimpanan semua detailed data yang bersifat

current) dan old detailed data ( tempat penyimpanan semua detailed data

yang bersifat old).

Lightly and Highly Summerized Data

Area ini adalah tempat penyimpanan sementara data predefinisi yang

teringkas secara light dan high (predefined lightly and highly summarized)

yang dihasilkan oleh warehouse manager. Tujuan dari ringkasan informasi

ini adalah untuk mempercepat tanggapan terhadap permintaan user.

Ringkasan data di-update secara berkala seiring dengan bertambahnya data

dalam data warehouse.

Archive /Backup data

Dalam data warehouse, area ini digunakan untuk menyimpan detailed

data dan data yang telah diringkas. Tujuannya adalah untuk penyimpanan

(archiving) dan backup. Data kemudian ditransfer ke media penyimpanan

seperti magnetic tape atau optical disk.

Metadata

Digunakan untuk menyimpan semua definisi metadata (keterangan

tentang data) yang digunakan dalam seluruh proses warehouse. Metadata

digunakan untuk berbagai tujuan, antara lain :

a. proses extracting dan loading


10/29

16

b. proses warehouse management

c. sebagianproses query management

End-User Access Toolss

End-user access toolss adalah tools yang memanfaatkan kegunaan dari

data warehouse. Kegunaan data warehouse tersebut, antara lain untuk

pembuatan laporan, OLAP, data mining dan proses informasi eksekutif.

2.1.6.5Aliran Data dalamData Warehouse

Menurut Connoly dan Begg (2005, p1161-1165), data warehouse

fokus pada manajemen lima arus data primer, yaitu :

Inflow

Merupakan proses ekstraksi, pembersihan, dan pengisian data dari

sumber data ke dalam data warehouse. Proses inflow ini berkonsentrasi pada

proses mengambil data dari sumber sistem dan memasukannya ke dalam

data warehouse. Cara lainnya yaitu data dimasukan ke dalam operational

data store (ODS) sebelum dikirim ke data warehouse. Proses rekontruksi

data meliputi :

a. Membersihkan data yang kotor

b. Restrukturisasi data untuk dicocokan dengan kebutuhan dari data

warehouse, contohnya menambah atau membuang field-field, dan

denormalisasi data.

c. Memastikan bahwa sumber data konsisten dengan dirinya sendiri

dan dengan data lainnya yang sudah ada di data warehouse.


11/29

17

Upflow

Merupakan penambahan nilai ke dalam data di dalam data warehouse

melalui peringkasan, pemaketan, dan distribusi data. Aktifitas yang

berhubungan dengan upflow yaitu sebagai berikut :

a. Meringkas data dengan proses memilih, memperhitungkan,

menggabungkan dan mengelompokan data relasional ke dalam

tampilan yang lebih berguna bagi user.

b. Pengepakan data dengan mengubah data detail ke dalam format yang

lebih berguna seperti spreadsheets, teks dokumen, diagram, tampilan

grafik yang lain, databasepribadi dan animasi.

c. Mendistribusikan data ke kelompok-kelompok yang tepat untuk

meningkatkan ketersediaan dan dapat diakses.

Downflow

Merupakan proses mengambil dan mem-backup data dalam data

warehouse. Menyimpan data lama memainkan peranan yang penting di

dalam mempertahankan penampilan dan efektifitas dari warehouse dengan

mengirimkan data lama dengan nilai yang terbatas ke sebuah tempat

penyimpanan seperti magnetic tape dan optical disk. Downflow dari data

juga meliputi proses yang memastikan bahwa kondisi yang sekarang dari

data warehouse dapat dibangun kembali jika terjadi kehilangan data,

kegagalan software atau hardware.


12/29

18

Outflow

Merupakan proses membuat data agar tersedia bagi enduser Outflow

merupakan kondisi dimana manfaat dari data warehouse benar-benar

dirasakan oleh sebuah organisasi. Dua aktifitas kunci terdapat pada outflow

yaitu sebagai berikut :

a. Pengaksesan, dimana berhubungan dengan proses memuaskan

pemakai akhir dengan menyediakan data yang dibutuhkan oleh

mereka. Yang menjadi perhatian utama yaitu membuat suatu

lingkungan jadi user dapat dengan efektif menggunakan query tool

untuk mengakses sumber data yang paling tepat. Frekuensi dari

pengaksesan ini dapat bervariasi mulai dari ad hoc, secara rutin,

sampai real time. Selain itu juga harus dipastikan bahwa sumber

sistem digunakan dengan cara yang paling efektif di dalam

menjadwalkan pengeksekusian terhadap query dan user.

b.

Pengiriman, dimana berhubungan dengan secara aktif mengirimkan

informasi ke workstation dari user. Ini merupakan area yang baru

dari data warehouse dan sering dihubungkan dengan proses publish

dan subcribe. Warehouse akan mempublish objek bisnis bermacam-

macam dan user akan mensubcribe terhadap objek bisnis yang

dibutuhkan mereka.

Metaflow

Merupakan proses manajemen metadata. Metaflow merupakan proses

yang memindahkan metadata (data tentang flow yang lainnya). Metadata


13/29

19

merupakan deskripsi dari data yang ditampung di dalam data warehouse,

apa yang telah dilakukan terhadap data tersebut dengan cara cleansing,

integrating, dan summarizing.

2.1.6.6AnatomiData Warehouse

Berdasarkan Inmon (2005, p193) berikut ini macam-macam anatomi

yang ada padaData Warehouse:

Data Warehouse Fungsional

Tiap data warehouse fungsional mencakup sebuah grup tersendiri yang

terpisah (seperti divisi), area fungsional, unit geografis, atau grup pemasaran

produk. Data warehouse fungsional berfokus pada kebutuhan dari sebuah

fungsi bisnis, misalkan departemen, divisi, dan sebagainya. Keuntungan dari

data warehouse ini adalah memberikan fleksibilitas karena dapat

disesuaikan dengan permasalahan bisnis spesifik dan kemungkinan dari

departemen atau lini bisnis tertentu, disamping relatif lebih murah dan lebih

sederhana untuk diimplementasikan.

Perusahaan umumnya membangun beberapa rangkaian data warehouse

fungsional untuk mendukung area yang berbeda-beda, dan hal ini

memberikan pengembangan yang cepat. Perusahaan juga dapat memberikan

respon yang lebih cepat terhadap kesempatan pasar.Namun, terdapat resiko

hilangnya konsistensi data di luar lingkungan fungsi bisnis bersangkutan.

Apabila pendekatan ini lingkupnya diperbesar dari lingkungan fungsional

menjadi lingkup perusahaan, konsistensi data perusahaan tidak dapat

dijamin.


14/29

20

Data Warehouse Terpusat

Data Warehouse terpusat adalah sebuah database yang diciptakan dari

pengekstraksian operasional yang menganut pada sebuah model data tunggal

enterprise yang konsisten untuk memastikan konsistensi atas data

pendukung dalam perusahaaan. Merupakan penerapan gaya komputerisasi

dimana semua sistem informasi dilokasikan dan dimanajemen dari sebuah

lokasi fisikal tunggal.

Data warehouse terpusat adalah sebuah database fisikal tunggal yang

menyimpan semua data untuk area fungsional spesifik, departemen, divisi

atau perusahaan (enterprise). Pendekatan ini umumnya digunakan saat

terdapat banyak end-user yang sudah terhubung dengan sebuah komputer

atau jaringan pusat.

Data warehouse terpusat biasanya menyimpan data dari sistem operasi

yang berbeda-beda. Data yang disimpan didalamnya dapat diakses dari

sebuah lokasi dan harus di-load dan dipelihara pada basis data regular data

warehouse terpusat melingkupi sebuah data warehouse tunggal yang

melayani semua kebutuhan perusahaan. Tujuan dari pendekatan ini adalah

untuk memecahkan permasalahan organisasional yang membatasi operasi

perusahaan.

Jadi, membangun sebuah data warehouse terpusat yang terunifikasi

sangat kompleks, membutuhkan biaya besar dan waktu lebih banyak.

Namun, keuntungan dari data warehouse terpusat yang menyediakan

gambaran yang komprehensif, tingkat control dan reliabilitas yang tinggi

karena keterpaduan data di dalamnya.


15/29

21

Data Warehouse Terdistribusi

Data warehouse terdistribusi adalah sebuah sumber data terpisah yang

dapat diakses user via gateway pusat menyediakan view logical atas data

corporate dalam gambaran yang dapat dipahami oleh user. Gateway

tersebut akan melakukanparse dan mendistribusikan query secara real-time

ke sumber data terpisah dan mengembalikan result set-nya ke user. Data

warehouse terdistribusi adalah data warehouse yang komponennya

didistribusikan ke beberapa database fisikal yang berbeda.

Pendekatan ini umumnya dipilih saat perusahaan besar ingin mengikut

sertakan level organisasinya yang lebih rendah dalam pengambilan

keputusan, sehingga diperlukan penurunan data untuk pembuatan keputusan

ke komputer lokal tempat pengambilan keputusan lokal. Umumnya, data

warehouse terdistribusi melibatkan data yang paling redundan dan

konsekuensinya adalah proses load dan update yang sangat kompleks.

Pendekatan ini memerlukan biaya yang sangat besar karena setiap sistem

pengumpul data fungsional dan sistem operasinya dikelola secara terpisah.

Disamping itu, supaya berguna bagi perusahaan, data harus

disinkronisasikan untuk memelihara keterpaduannya.

2.1.7 Nine Step Methodology

Berdasarkan kutipan dari Connolly dan Begg (2005, p1187-1193),

metodologi dalam membangun data warehouse ada 9 tahapan , yang dikenal

denganNine-step Methodology. Sembilan tahap tersebut adalah :


16/29

22

Pemilihan Proses

Data mart pertama yang akan dibangun harus tepat waktu, disesuaikan dengan

anggaran dan menjawab pertanyaan bisnis yang penting. Data mart adalah

bagian dari data warehouse yang mendukung kebutuhan pada suatu unit

departemen dari perusahaan atau fungsi bisnis.

Pemilihan Grain

Memilih grainberarti menentukan secara tepat apa yang direpresentasikan oleh

record pada tabel fakta. Sebagai contoh PropertySale merepresentasikan fakta

mengenai setiap penjualan properti dan menjadi tabel fakta dari skema bintang

PropertySale. Oleh karena itu, grain dari tabel fakta PropertySale adalah

penjualan properti itu sendiri. Ketika grain dipilih, dimensi dapat

diidentifikasikan dari tabel fakta. Sebagai contoh Branch, Staff, Owner,

ClientBuyer, PropertyForSale, dan Promotion entity akan digunakan untuk

tabel dimensi utama yang selalu ada dalam skema bintang.

Identifikasi dan Penyesuaian Dimensi

Mengatur dimensi dari data mart yang dibangun dengan baik akan memberikan

kemudahan dalam memahami dan menggunakan data mart tersebut. Dimensi

diidentifikasikan dengan detail untuk menjelaskan suatu hal seperti client dan

properti pada grain yang tepat.

Sebagai contoh dimensi client buyer mendeskripsikan atribut ID, nama, tipe,

kota, area, dan negara. Jika dimensi apapun ada di dalam dua data mart, maka

dimensi tersebut merupakan dimensi yang sama, atau dimensi yang satu

merupakan suatu perhitungan matematika dari dimensi yang lainnya. Hanya


17/29

23

dengan ciri ini, dua data mart dapat berbagi satu atau lebih data mart, dimensi

tersebut harus sesuai. Sebagai contoh, dimensi-dimensi yang sesuai dengan

penjualan properti dan periklanan properti adalah dimensi Time,

PropertyForSale, Branch, dan Promotion. Jika dimensi-dimensi tersebut tidak

sesuai, maka data warehouse akan gagal untuk dibangun, sebab dua data mart

tersebut tidak akan dapat digunakan secara bersamaan.

Pemilihan Fakta

Sumber dari sebuah tabel fakta menentukan fakta mana yang bisa digunakan

dalam data mart. Semua fakta harus diekspresikan pada tingkat yang telah

ditentukan oleh sumber. Misalnya, jika sumber dari tabel fakta adalah property

sale, maka semua fakta numerik harus menunjuk padaparticular sale.

MenyimpanPre-calculation pada Table Fakta

Setelah fakta-fakta dipilih maka dilakukan pemeriksaan ulang untuk

menentukan apakah fakta-fakta memungkinkan diterapkan untuk pre-

calculation (kalkulasi awal) dan melakukan peyimpanan pada tabel fakta.

Contoh umum dari kebutuhan untuk penyimpanan pre-calculation muncul

ketika fakta berisi pernyataan untung atau rugi. Situasi ini akan meningkat

ketika tabel fakta didasarkan pada invoice atau sales.

Melengkapi Table Dimensi

Dalam langkah ini, kembali pada tabel dimensi dan menambahkan gambaran

teks terhadap dimensi yang memungkinkan. Gambaran teks harus mudah

digunakan dan dimengerti oleh user. Kegunaan suatu data mart ditentukan oleh

lingkup dan atribut tabel dimensi.


18/29

24

Pemilihan durasi Basis Data

Durasi mengukur waktu dari pembatasan data yang diambil dan dipindahkan ke

dalam tabel fakta. Sebagai contoh, perusahaan asuransi memiliki kebutuhan

untuk menyimpan data dalam jangka waktu 5 tahun atau lebih. Tabel fakta yang

besar menimbulkan dua persoalan. Pertama, semakin lama umur data, akan

muncul masalah pembacaan dan interpretasi terhadap file yang lama. Kedua,

terdapat kemungkinan digunakannya versi dimensi yang lama, bukan versi

terbarunya.

Melacak Perubahan dari Dimensi Secara Perlahan

Memperhatikan perubahan dimensi yang ada pada tabel khusus data historyatau

data lama yang telah berubah. Tiga dasar perubahan dimensi secara perlahan,

yaitu:

a. Perubahan data dimensi langsung dilakukan pada tabel dimensinya

b. Perubahan data dimensi mengakibatkan pembentukan recordbaru.

c.

Perubahan data dimensi mengakibatkan sebuah atribut atau kolom alternatif

dibuat, jadi antara record yang lama dan record yang baru diakses secara

bersama-sama.

Memutuskan Prioritas dan Mode dari Query

Mempertimbangkan pengaruh dari rancangan fisik, seperti penyortiran urutan

tabel fakta pada disk dan keberadaan dari penyimpanan awal ringkasan

(summaries) atau penjumlahan (aggregate). Selain itu, masalah administrasi,

backup, kinerja indeks, dan keamanan juga merupakan faktor yang harus

diperhatikan.


19/29

25

2.1.8 Skema Bintang (Star Schema)

Menurut Connolly dan Begg (2005, p1183), skema bintang adalah sebuah

struktur logikal yang memiliki tabel fakta di tengahnya, yang terdiri atas data

faktual, dan dikelilingi oleh tabel-tabel dimensi yang berisi referensi data. Skema

bintang mengeksploitasi karakteristik data faktual seperti fakta yang digenerasikan

oleh events yang muncul pada waktu yang lampau dan tidak berubah. Skema

bintang dapat digunakan untuk mempercepat kinerja query dengan informasi

referensi denormalisasi ke tabel dimensi tunggal.

Skema bintang memiliki beberapa kelebihan yang tidak ada dalam struktur

relasional biasa. Keuntungan skema bintang yaitu :

Efisiensi, struktur database konsisten sehingga efisien dalam mengakses data

dengan menggunakan tool untuk menampilkan data termasuk laporan tertulis

dan query.

Kemampuan untuk mengatasi perubahan kebutuhan, skema bintang dapat

beradaptasi terhadap perubahan kebutuhan pengguna karena semua tabel

dimensi memiliki kesamaan dalam hal menyediakan akses ke tabel fakta.

Extensibility, model dimensional dapat dikembangkan. Seperti menambah tabel

fakta selama data masih konsisten, menambah tabel dimensi selama ada nilai

tunggal di table dimensi tersebut yang mendefinisikan setiap record tabel fakta

yang ada, menambahkan attribute tabel dimensi, dan memecah record tabel

dimensi yang ada menjadi level yang lebih rendah daripada level sebelumnya.

Kemampuan untuk menggambarkan situasi bisnis pada umumnya, pendekatan

standar untuk menangani situasi umum di dunia bisnis yang terus bertambah.


20/29

26

Proses query yang bisa diprediksi, aplikasi data warehouse yang mencari data

dari level yang di bawahnya akan mudah menambahkan jumlah attribute pada

tabel dimensi dari sebuah skema bintang. Aplikasi yang mencari data dari level

yang setara akan menghubungkan tabel fakta yang terpisah melalui tabel

dimensi yang dapat diakses bersama.

2.1.9 Tabel Fakta (Fact Tabel)

Menurut Inmon (2005, p497), fact table ialah pusat dari tabel star join

dimana data dengan banyak kepentingan tersimpan.

Menurut Kimball dan Ross (2002, p402),fact tablepada sebuah star schema

ialah tabel central dengan pengukuran performansi bisnis dalam bentuk numerik

yang memiliki karakteristik berupa sebuah composite key, yang tiap-tiap elemennya

adalah foreignkey yang didapat dari tabel dimensi. Dari beberapa teori tersebut

dapat disimpulkan Table fakta sering disebut major table, yang merupakan inti dari

skema bintang dan berisi data aktual yang akan dianalisis.

2.1.10 Tabel Dimensi (Dimension Tabel)

Menurut Inmon (2005, p495), dimension table atau table dimensi merupakan

tempat dimana data tambahan yang berhubungan dengan tabel fakta ditempatkan

pada sebuah table multidimensional.

Menurut Kimball dan Ross (2002, p399), tabel dimensi ialah sebuah tabel

pada model dimensional yang memiliki sebuah primary key tunggal dan kolom

dengan atribut deskriptif.


21/29

27

Dari beberapa teori tersebut dapat disimpulkan Table dimensi merupakan

tabel dari skema bintang yang menyediakan jenis perspektif dari cara pandang

terhadap data.

2.1.11 ETL (Extract, Transform, Loading)

Menurut Kimball dan Ross (2002, p401), ETL adalah kumpulan proses

menyiapkan data dari operational source untuk data warehouse.

Proses ini terdiri dari extracting, transforming, loading, dan beberapa proses

yang dilakukan sebelum dipublikasikan ke data warehouse. Jadi, ETL adalah proses

menyiapkan data yang meliputi pencarian data, pengintegrasian data, dan

penempatan data dari operational source ke dalam data warehouse. Proses ini

terdiri dari tiga tahap, yaitu :

Extraction

Menurut Kimball dan Ross (2002, p8), extraction ialah langkah pertama dalam

proses mendapatkan data ke dalam lingkungan data warehouse. Langkah

pertama dari proses ETL adalah proses penarikan data dari satu atau lebih

sistem operasional sebagai sumber data (biasa diambil dari sistem OLTP, tapi

bisa juga dari sumber data di luar sistem database). Kebanyakan proyek data

warehouse menggabungkan data dari sumber-sumber yang berbeda. Pada

hakekatnya, proses ekstraksi adalah proses penguraian dan pembersihan data

yang diekstrak untuk mendapatkan suatu pola atau struktur data yang

diinginkan.


22/29

28

Transformation

Menurut Kimball dan Ross (2002, p8), 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, dan memberikan warehouse keys.

Proses membersihkan data yang telah diambil pada proses extract sehingga

data itu sesuai dengan struktur data warehouse atau data mart.

Hal-hal yang dapat dilakukan dalam tahap transformasi :

a. Hanya memilih kolom tertentu saja untuk dimasukkan ke dalam data

warehouse.

b. Menerjemahkan nilai berupa kode (misal, databasesumber menyimpan nilai

1 untuk pria dan 2 untuk wanita, tetapi data warehouse menyimpan M untuk

pria dan F untuk wanita). Proses yang dilakukan disebut automated data

cleansing, tidak ada pembersihan secara manual selama proses ETL.

c. Mengkodekan nilai-nilai ke dalam bentuk bebas (misal, memetakan

male,1, dan Mr ke dalam M).

d. Melakukan perhitungan nilai-nilai baru (misal sale_amount =

qty*unit_price).

e. Menggabungkan data dari berbagai sumber bersama-sama.

f. Membuat ringkasan dari sekumpulan baris data (misal, total penjualan untuk

setiap bagian).

Kesulitan yang terjadi pada proses transformasi adalah :

a. Data harus digabungkan dari beberapa sistem terpisah.


23/29

29

b. Data harus dibersihkan sehingga konsisten.

c. Data harus diagregasi untuk mempercepat analisis.

Loading

Menurut Kimball dan Ross (2002, p8), setelah melakukan transformasi maka

data dapat dimuat ke dalam data warehouse. Merupakan tahap akhir dalam

proses ETL. Proses memasukkan data ke dalam target akhir, dalam hal ini

adalah data warehouse atau data mart. Data berasal dari proses transformasi.

Setelah data yang dihasilkan dari proses transformasi sesuai dengan kondisi

yang diinginkan pada data warehouse atau data mart, maka proses loading akan

berjalan. Data dari staging area akan dipindahkan ke dalam data warehouse

atau data mart.

2.1.12 Pengertian Supply Chain Management(SCM)

Menurut Christina Whidya Utami, (2006, p.126), supply chain management

adalah proses penyatuan bisnis dari pengguna akhir melalui para penyalur asli yang

menyediakan produk, jasa pelayanan, dan informasi untuk menambah nilai

pelanggan.

Menurut Yolanda M Siagian (2005, p.6), supply chain management

menegaskan interaksi antar fungsi pemasaran, produksi pada perusahaan.

Memanfaatkan kesempatan untuk meningkatkan pelayanan dan penurunan biaya

dapat dilakukan melalui koordinasi dan kerjasama antara pengadaan bahan baku dan

pendistribusiannya.


24/29

30

2.1.13 Pengertian Intranet

Menurut James A. OBrien (2005, p326), intranet adalah jaringan internal

organisasi yang menggunakan infrastruktur dan standarisasi seperti internet dan web

yang hanya dapat diakses oleh para pekerja perusahaan tersebut.

Menurut McLeod & Schell (2004, p123), intranet adalah jaringan terbatas

yang memiliki kemampuan seperti internet dalam suatu perusahaan, tidak dapat

diakses oleh pihak luar dari perusahaan.

Jadi Intranet adalah jaringan komunikasi yang sama dengan jaringan internet

tetapi hanya dalam lingkup yang terbatas, dimana hanya dalam satu kesatuan

organisasi saja, misalnya dalam perusahaan atau kantor saja yang tidak dapat

diakses oleh pihak luar dari perusahaan.

Websiteadalah kumpulan yang menampilkan informasi, dokumen

dokumen, berkas-berkas gambar, video, atau jenis-jenis berkas lainnya. Sebuah

situs web biasanya ditempatkan setidaknya pada sebuah server webyang dapat

diakses melalui jaringan seperti internet, ataupun jaringan wilayah lokal (LAN).


25/29

31

2.2 Teori Khusus

2.2.1 Pengertian Persediaan

Menurut Alfredson (2007, p342), persediaan adalah aset yang tersedia untuk

dijual dalam proses bisnis biasa atau aset yang ada dalam proses produksi seperti

untuk dijual atau aset dalam bentuk material atau supplieruntuk digunakan dalam

proses produksi atau dalam memberikan pelayanan.

Pendapat Warren, Reeve, Fess (2005:440) mengatakan persediaan adalah

barang dagang yang disimpan untuk dijual dalam operasi bisnis perusahan, dan

bahan yang digunakan dalam proses produksi atau disimpan untuk tujuan itu.

Persediaan yang diperoleh perusahaan langsung dijual kembali tanpa mengalami

proses produksi selanjutnya disebut persediaan barang dagang

Jadi dapat disimpulkan bahwa persediaan merupakan suatu aset yang

tersedia yang disimpan untuk digunakan dalam proses produksi atau disediakan

untuk memenuhi permintaan pelanggan setiap waktu.

Metode Pencatatan Persediaan

Berdasarkan pendapat Horngren et al (2002, p169-170), terdapat dua tipe utama

dari sistem persediaan, yaitu :

a.

Sistem Persediaan Periodik

Sistem ini dilakukan dengan melakukan perhitungan fisik dari persediaan yang ada

di gudang pada setiap akhir periode, dan menggunakan data yang di dapat untuk

membuat laporan keuangan.


26/29

32

b. Sistem Persediaan Perpetual

Adalah suatu sistem yang mencatat seluruh barang yng dibeli dan dijual, persediaan

dihitung setidaknya sekali setahun, dan dapat digunakan untuk seluruh tipe atau

jenis barang.

2.2.2 Pengertian Penjualan

Menurut Marom, Chairul (2002, p28), penjualan adalah penjualan barang

dagangan sebagai usaha pokok perusahaan yang biasanya dilakukan secara teratur.

Berdasarkan pengertian di atas, maka dapat disimpulkan bahwa penjualan

adalah persetujuan kedua belah pihak antara penjual dan pembeli, dimana penjual

menawarkan suatu produk dengan harapan pembeli dapat menyerahkan sejumlah

uang sebagai alat ukur produk tersebut sebesar harga jual yang telah disepakati.

Klasifikasi Transaksi Penjualan

Menurut Midjan, La (2001, p170), transaksi penjualan dapat di klasifikasikan

sebagai berikut :

a. Penjualan Tunai

Adalah penjualan yang bersifat cashdan carrypada umumnya terjadi secara

kontan dan dapat pula terjadi pembayaran selama satu bulan dianggap kontan.

b. Penjualan Kredit

Adalah penjualan dengan tenggang waktu rata-rata diatas satu bulan.


27/29

33

c. Penjualan Tender

Adalah penjualan yang dilaksanakan melalui prosedur tender untuk

memegangkan tender selain harus memenuhi berbagai prosedur.

d. Penjualan Ekspor

Adalah penjualan yang dilaksanakan dengan pihak pembeli luar negeri yang

mengimpor barang tersebut.

e. Penjualan Konsinyasi

Adalah penjualan yang dilakukan secara titipan kepada pembeli yang juga

sebagai penjual.

f. Penjualan Grosir

Adalah penjualan yang tidak langsung kepada pembeli, tetapi melalui

pedagang grosir atau eceran.

2.2.3 Pengertian Pembelian

Menurut Kakouris (2006, p709), pembelian sekarang diakui sebagai sebuah

fungsi strategis, tidak hanya karena keputusan dibuat oleh manajer pembelian yang

memiliki pengaruh besar pada kinerja perusahaan secara keseluruhan, tetapi juga

karena para pebisnis harus mengatur proses yang menghubungkan mereka dengan

para pemasok mereka.


28/29

34

Menurut Mulyadi (2001, p299-300), pembelian digunakan dalam

perusahaan untuk pengadaan barang yang diperlukan perusahaan. Fungsi pembelian

bertanggung jawab untuk memperoleh informasi mengenai harga barang,

menentukan pemasok yang dipilih dalam pengadaan barang, dan mengeluarkan

order pembelian kepada pemasok yang dipilih dalam pengadaan barang, dan

mengeluarkan order pembelian kepada pemasok yang dipilih.

Menurut Mulyadi (2001, p300), jaringan prosedur yang membentuk sistem

akuntansi pembelian adalah sebagai berikut :

1. Prosedur permintaan pembelian

Dalam prosedur ini, fungsi gudang mengajukan permintaan pembelian

dalam formulir surat permintaan pembelian kepada fungsi pembelian. Jika barang

tidak disimpan di gudang, misalnya untuk barang langsung pakai, fungsi yang

memakai barang mengajukan permintaan pembelian langsung ke fungsi pembelian

dengan menggunakan surat permintaan pembelian.

2.

Prosedur permintaan penawaran harga dan penelitian pemasok

Dalam prosesdur ini, fungsi pembelian mengirimkan surat permintaan

penawaran harga kepada pemasok untuk memperoleh informasi mengenai harga

barang dan berbagai syarat pembelian yang lain, untuk memungkinkan pemilihan

pemasok yang akan ditunjuk sebagai pemasok barang yang diperlukan oleh

perusahaan.

3. Prosedur order pembelian

Dalam prosedur ini, fungsi pembelian mengirimkan surat order pembelian

kepada pemasok yang dipilih dan memberitahukan kepada unit-unit organisasi lain


29/29

35

dalam perusahaan, mengenai order pembelian yang sudah dikeluarkan oleh

perusahaan.

4. Prosedur penerimaan barang

Dalam prosedur ini, fungsi penerimaan melakukan pemeriksaan mengenai

jenis, kualitas, dan mutu barang yang diterima dari pemasok, dan kemudian

membuat laporan penerimaan barang untuk menyatakan penerimaan barang dari

pemasok tersebut.

5. Prosedur pencatatan utang

Dalam prosedur ini, fungsi akuntansi memeriksa dokumen-dokumen yang

berkaitan dengan pembelian dan menyelenggarakan pencatatan utang atau

mengarsipkan dokumen sumber sebagai catatan utang.

6. Prosedur distribusi pembelian

Prosedur ini meliputi distibusi rekening yang didebit dari transaksi

pembelian untuk kebutuhan pembuatan laporan bagi manajemen.

landasan teori teori data warehouse

Documents