Nama : Sugiri
Nim : 10108418
Tempat / Tgl Lahir : Brebes, 23 Agustus 1990 Jenis Kelamin : Laki – laki
Alamat : Jl.Merdeka Desa Kertasari, Kec.Banjarharjo, Kab.Brebes Jawa Tengah.
Telepon : 0857-8220-4604
Email : giriyondaime@yahoo.co.id
PENDIDIKAN
1. 1997 – 2002 : SDN 01 Kertasari, Bajnarharjo, Brebes. 2. 2002--2005 : MTS Ma’arif NU 06 Bandungsari 3. 2005 – 2008 : SMK Dinamika Tegal
4. 2008 - 2013 : Program Studi S1 Jurusan Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia
Bandung, Agustus 2013
Penulis
SKRIPSI
Diajukan untuk Menempuh Ujian Akhir Sarjana Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer
SUGIRI
10108418
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK DAN ILMU KOMPUTER
iii
KATA PENGANTAR
Segala puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa, karena berkat rahmat-Nyalah akhirnya Skripsi ini dapat diselesaikan. Skripsi dengan judul “PEMBANGUNAN PERANGKAT LUNAK DATA MART
PENJUALAN OBAT DI RUMAH SAKIT DERA AS-SYIFA”, yang diajukan
untuk menempuh ujian akhir sarjana Program Strata I pada Jurusan Teknik Informatika Universitas Komputer Indonesia.
Penulis menyadari bahwa segala usaha yang dilakukan dalam penulisan ini tidak akan berhasil dengan baik tanpa bantuan dan saran dari berbagai pihak. Maka dalam kesempatan ini perkenankanlah penulis mengucapkan terima kasih kepada yang terhormat :
1. Allah SWT yang telah memberikan rahmat dan pertolongannya kepada saya hingga detik ini.
2. Keluarga tercinta, terutama sekali Ayahanda dan Ibunda tercinta yang selalu
memberikan do’a, kasih sayang, semangat dan dorongan moril maupun
materil.
3. Bapak Irawan Afrianto, S.T., M.T. selaku Ketua Jurusan Teknik Informatika Fakultas Teknik dan Ilmu Komputer Unikom.
4. Bapak Andri Heryandi, S.T., M.T. selaku dosen wali yang membimbing dalam perkuliahan.
5. Ibu Sufa’atin,ST.,M.Kom. selaku dosen pembimbing yang telah meluangkan
waktu untuk memberikan bimbingan dengan penuh kearifan, kekeluargaan serta memberikan masukan dalam penyelesaian tugas akhir ini.
6. Bapak Adam Mukharil Bachtiar,S.Kom.,M.T. selaku dosen penguji 1 yang telah meluangkan waktu untuk memberikan bimbingan dengan penuh kearifan, ketegasan serta memberikan masukan dalam penyelesaian tugas akhir ini.
iv
8. Seluruh staf pengajar dan sekretariat Teknik Informatika, yang telah membantu proses akademik penulis.
9. seluruh teman-teman IF-8 2008 terima kasih atas saran, dukungan serta kebersamaannya.
10. Seluruh teman kos 155 yang selalu memberi dukungan dan saran, terima kasih atas waktunya.
11. Pihak-pihak lain yang membantu penulis untuk dapat menyelesaikan tugas akhir ini yang tidak dapat disebutkan satu per satu.
Penulis menyadari bahwa penulisan laporan ini masih jauh dari sempurna maka kritik dan saran dari semua pihak dibutuhkan untuk menambah wawasan penulis.
Akhir kata semoga Tuhan membalas segala kebaikan yang telah penulis terima dan harapan penulis semoga laporan skripsi ini dapat bermanfaat bagi pihak yang membutuhkan.
Bandung, Juli 2013
v
ABSTRAK ... i
ABSTRACT ... ii
KATA PENGANTAR ... iii
DAFTAR ISI ... v
DAFTAR GAMBAR ... ix
DAFTAR TABEL ... xi
DAFTAR SIMBOL ... xiv
DAFTAR LAMPIRAN ... xvii
BAB 1 PENDAHULUAN ... 1
1.1. Latar Belakang Masalah ... 1
1.2. Rumusan Masalah ... 2
1.3. Maksud Dan Tujuan ... 2
1.4. Batasan Masalah ... 2
1.5. Metodologi Penelitian ... 3
1.6. Sistematika Penulisan ... 5
BAB 2 TINJAUAN PUSTAKA ... 10
2.1. Profil Rumah Sakit Dera As-Syifa ... 7
2.1.1. Sejarah Rumah Sakit Dera As-Syifa ... 7
2.1.2. Visi, Misi Serta Tujuan Rumah Sakit Dera As-Syifa ... 7
2.1.2.1. Visi Rumah Sakit Dera As-Syifa ... 7
2.1.2.2. Misi Rumah Sakit Dera As-Syifa ... 8
2.1.2.3. Tujuan Rumah Sakit Dera As-Syifa ... 8
2.1.3. Struktur Organisasi Rumah Sakit Dera As-Syifa ... 8
2.2. Landasan Teori ... 10
2.2.1. Pengertian Data ... 10
vi
2.2.7. Two-Layer Architecture ... 14
2.2.8. Jenis-jenis data source untuk data mart ... 15
2.2.9. Staging Area ... 15
2.2.10. Skema Data Mart ... 16
2.2.11. OLAP ... 17
2.2.12. Multidimensi ... 18
2.2.13. Multidimensional Sebagai Model Data Mart ... 19
2.2.14. Cube ... 22
2.2.15. Alat Pembantu Perancangan Sistem ... 23
2.2.15.1. Diagram Konteks ... 24
2.2.15.2. Data Flow Diagram... 24
2.2.16. Pengertian Basis Data ... 26
2.2.17. Konsep Dasar Basis Data ... 26
2.2.17.1. Basis Data Relasional ... 26
2.2.17.2. Perancangan Basis Data... 26
2.2.18. Microsoft Visual Foxpro7 ... 28
2.2.18.1. Komponen Visual Foxpro ... 28
2.2.19. Mysql ... 29
2.2.20. Arsitektur Clinet-Server ... 31
BAB 3 ANALISIS DAN PERANCANGAN SISTEM ... 33
3.1. Analisis Sistem ... 33
3.1.1. Analisis Masalah... 33
3.1.2. Kebutuhan Informasi ... 34
3.1.3. Analisis Prosedur Yang Sedang Berjalan ... 34
3.1.4. Analisis OLTP RS.Dera As.Syifa ... 35
vii
3.1.5.2.3. Tahap Load ... 43
3.1.5.3. Analisis Data Mart Layer ... 44
3.1.5.3.1. Pemodelan Data Multidimensional ... 44
3.1.5.3.2. Menentukan Tabel Fakta, Dimensi dan Measure ... 44
3.1.5.3.3. OLAP ... 59
3.1.6. Spesifikasi Kebutuhan Perangkat Lunak ... 54
3.1.7. Analisis Kebutuhan Fungsional ... 55
3.1.7.1. Diagram Konteks ... 55
3.1.7.2. Data Flow Diagram... 55
3.1.7.3. Spesifikasi Proses ... 58
3.1.7.4. Kamus Data ... 61
3.1.8. Analisis Kebutuhan Non Fungsional ... 63
3.1.8.1. Analisis Perangkat Keras ... 63
3.1.8.2. Analisis Perangkat Lunak ... 64
3.1.8.3. Analisa Pengguna ... 64
3.2. Perancangan Sistem ... 65
3.2.1. Perancangan Struktur Menu ... 65
3.2.2. Perancangan Antarmuka ... 66
3.2.2.1. Rancangan Tampilan ... 66
3.2.3. Hubungam Semantik ... 69
3.2.4. Perancangan Prosedural ... 69
BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM ... 71
4.1. Implementasi Sistem ... 71
4.1.1. Perangkat Lunak Pembangun ... 71
4.1.2. Perangkat Keras Pembangunan ... 71
viii
4.3.1.1. Pengujian Login ... 80
4.3.1.2. Pengujian Proses ETL ... 81
4.3.1.3. Pengujian Analisa ... 82
4.3.2. Kesimpulan Pengujian Alpha ... 82
4.3.3. Pengujian Beta ... 82
4.3.3.1. Wawancara ... 83
4.3.3.2. Hasil Wawancara ... 83
4.3.4. Saran Dan Kesimpuilan Pengujian Beta ... 84
BAB 5 KESIMPULAN DAN SARAN ... 85
5.1. Kesimpulan ... 85
5.2. Saran ... 85
87
Comprehensive Guide for IT Profesionals
[2] Ballard, Chuck, et.all. 1998. Data Modeling Technique for Data
Warehouse, IBM Corp. California
[3] Daihani, Umar. 1999. Komputerisasi Pengambilan Keputusan, Jakarta : Elex Media Komputindo.
[4] Inmon, Bill. 2002. Data Warehousing,http://dheise.andrews.edu/dw/. Diakses tanggal 6 Maret 2013.
[5] Ramalho, Jose. 2001. SQL Server 7.0. Jakarta : PT. Elex Media Komputindo.
[6] Kimball, Ralph dan Ross, Margy. The Data Warehouse Toolkit Second Edition (2002) John Wiley and Sons, Inc
[7]
. Diakses 20 April 2013.
[8] Oracle Corporation. Data Warehousing Concepts,
http://docs.oracle.com/cd/B10501_01/server.920/a96520/concept.htm,
diakses 20 April 2013.
[9] Golfarelli, Matteo; Rizzi Stefano 2009. Data Warehouse Design: Modern
Principles and Methodologies, New York: McGraw-Hill
[10] Karina Novita Suryani; Ir. Hira Laksmiwati Z, M.Sc. Evaluasi Teknik Optimalisasi Proses ETL dan Skema Data Warehouse untuk Mendukung
Tactical Business Intelligence. Jurnal Sarjana Institut Teknologi Bandung Bidang Teknik Elektro dan Informatika, volume 1, nomor 2, Juli 2012. [11] Connolly, Thomas dan Begg, Carolyn. 2005. Database Systems: A
Practical Approach to Design, Implementation, and Management, Fourth
1
1.1. Latar Belakang
Rumah Sakit Dera As-Syifa merupakann sebuah unit pelayanan kesehatan masyarakat yang berada dibawah naungan departemen kesehatan republik Indonesia (Depkes RI) yang beralamatkan di Jl.Merdeka No.119. kecamatan Banjarharjo, Kabupaten brebes dan Rumah Sakit Dera As-Syifa resmi berdiri pada tahun 2008. Rumah sakit Dera As-Syifa bertugas dalam melayani kesehatan kepada masyarakat, khususnya di wilayah kecamatan banjarharjo dan sekitarnya.
Permasalahan yang dihadapi oleh pihak manajemen Rumah Sakit Dera As-Syifa adalah struktur penyajian data yang digunakan di rumah sakit masih sulit untuk dilakukan analisis. Masalah tersebut disebabkan oleh sistem yang ada tidak mendukung dalam keperluan anlisis karena sistem hanya digunakan untuk kebutuhan operasinoal. Untuk melakukan proses analisis terhadap jumlah transaksi penjualan obat, pihak manajemen harus mengkaji ulang hasil transaksi dengan menggunakan Microsoft excel agar mampu mendapatkan banyak informasi dari sumber yang berbeda-beda. Pihak manajemen menilai hal tersebut masih belum efektip karena proses anlisis dilakukan secara manual dan memerlukan proses yang lama sehingga menghambat efisiensi waktu, maka dibutuhkan konsep multidimensi yang mampu memberikan kemudahan dalam mendapatkan informasi strategis untuk memperoleh hasil yang tepat dalam menentukan langkah strategis rumah sakit.
memberi kemudahan bagi pihak manajemen untuk mendapatkan informasi strategis dari sumber yang ada. Untuk itulah perlu dibangun sebuah Data mart yang dapat memberikan kemudahan bagi pihak manajemen dalam mendapatkan informasi strategis. Data mart juga dapat memberikan kemudahan bagi pihak manajemen dalam melakukan analisis terhadap data penjualan obat sehingga memudahkan dalam pengambilan keputusan.
1.2. Rumusan Masalah
Dari latar belakang yang telah di uraikan, maka masalah yang dapat
dirumuskan dalam tugas akhir ini adalah. Bagaimana membangun perangkat lunak
data mart penjualan obat di RS.Dera As-Syifa.
1.3. Maksud Dan Tujuan
Penelitian ini dimaksudkan untuk membangun perangkat lunak Data mart di RS.Dera As-Syifa yang mampu memberikan alternatif dalam pemecahan masalah dengan mendapatkan informasi yang benar.
Sedangkan tujuan yang ingin dicapai adalah :
1. Memudahkan pihak manajemen dalam mendapatkan informasi dari berbagai sumber data yang digunakan untuk keperluan analisis.
2. Mampu menyajikan desain data yang lebih mudah digunakan untuk melihat perkembangan operasional rumah sakit, dalam hal ini dari segmen penjualan obat.
3. Memudahkan pihak manajemen dalam menyediakan berbagai jenis informasi yang dapat mendukung dalam pengambilan keputusan strategi.
1.4. Batasan Masalah
Pembahasan masalah akan terbatas hanya pada hal-hal berikut: 1. Penelitian dilakukan di RS.Dera As-Syifa.
2. Analisa dan Perancangan perangkat lunak Data mart dengan memanfaaktkan
3. Analisa pengolahan data dilakukan di tingkat operasional rumah sakit dengan menggunakan data mart dan teknologi Online Analytical Processing (OLAP)
1.5. Metodologi Penelitian
Metode penelitian yang digunakan adalah metode deskriptif yang bertujuan untuk menggambarkan secara sistematis karakteristik tentang suatu keadaan pada waktu tertentu. Adapun tahapan yang dilakukan dalam penelitian ini adalah sebagai berikut :
1. Metode Pengumpulan data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah sebagai berikut :
a. Studi Literatur
Pengumpulan data dengan cara mengumpulkan literatur, jurnal, paper dan bacaan-bacaan yang ada kaitannya dengan judul penelitian. Dalam hal ini adalah tentang data mart, data warehouse dan on-line analytical processing (OLAP).
b. Observasi
Teknik pengumpulan data dengan mengadakan penelitian dan peninjauan langsung terhadap permasalahan yang diambil. Dalam hal ini tempat yang di tinjau sebagai penelitian adalah RS. Dera As-Syifa yang berada di Kab.Brebes c. Wawancara
2. Metode Pembangunan perangkat lunak
Metode pembangunan perangkat lunak berdasarkan teori model waterfall
waterfall adalah tahapan utama yang langsung mencerminkan dasar
pembangunan kegiatan. (Sommerville, 2011). berikut ini adalah tahapannya:
Gambar 1.1. Model Waterfall
Penjelasan mengenai pengembangan perangkat lunak tersebut adalah sebagai
berikut :
a. Requirements analysis and definition, menganalisa dan menentukan data yang
dibutuhkan, menetapkan definisi pembangunan perangkat lunak sebagai sistem data mart yang mampu menyediakan informasi terkait kepentingan manajemen Rumah Sakit dalam mengeembangkan operasional Rumah Sakit. b. System and software design, merancang sistem, cara kerja dan perangkat
lunak data mart berdasarkan data operasional yang tersedia dengan mengacu kepada tujuan akhir pembangunan perangkat lunak sebagai alternatif penyedia informasi strategi bagi pihak manajemen Rumah Sakit.
d. Integration and system testing, penyatuan unit-unit program untuk kemudian diuji sebagai kesatuan sistem (system testing).
Operating and maintenance, mengoperasikan program di lingkungan
manajemen Rumah Sakit serta melakukan pemeliharaan, seperti penyesuaian atau perubahan untuk adaptasi dengan situasi yang sebenarnya.
1.6. Sistematika Penulisan
Adapun sistematika penulisan laporan hasil penelitian ini adalah sebagai berikut :
BAB I PENDAHULUAN
Bab ini berisi membahas tentang latar belakang permasalahan, rumusan masalah, batasan masalah, maksud dan tujuan penelitian dan sistematika penulisan laporan.
BAB II. TINJAUAN PUSTAKA
Bab ini berisi tentang profil rumah sakit, visi misi, struktur organisasi dan tujuan serta teori-teori pendukung untuk dijadikan bahan penelitian yang memiliki keterkaitan dengan topik.
BAB III. ANALISIS DAN PERANCANGAN DATA MART
Bab ini menggambarkan fokus permasalahan yang diangkat dalam studi kasus, seperti membahas uraian mengenai analisis kebutuhan perangkat lunak, analisis sistem yang berjalan sesuai dengan metode pembangunan perangkat lunak yang digunakan. Juga terdapat perancangan struktur menu, perancangan antarmuka, perancangan pesan, jariangan semantik dan perancangan prosedural untuk aplikasi yang akan dibangun sesuai dengan hasil analisis yang telah dibuat.
BAB IV. IMPLEMENTASI DAN PENGUJIAN DATA MART
BAB V. KESIMPULAN DAN SARAN
7
2.1 Profil Rumah Sakit Dera As-Syifa
2.1.1 Sejarah Rumah Sakit Dera As-Syifa
Pembangunan Rumah Sakit Dera As-Syifa dimulai dengan peletakan batu pertama pada tanggal 1 September 2006 di atas tanah bekas persawahan oleh panitia pembangunan lembaga kesehatan kecamatan Banjarharjo, kabupaten Brebes. Rumah Sakit Dera As-Syifa Banjarharjo terletak di tengah kota kecamatan Banjarharjo, tepatnya di jalan Merdeka No 119 kecamatan Banjarharjo, kabupaten Brebes. Berdiri di atas lahan seluas ±12.290m2, Rumah Sakit Dera As-Syifa berada di lokasi yang cukup strategis, dengan ditunjang oleh kemudahan akses transportasi dan tingginya mobilisasi penduduk dari kecamatan di sekitar Banjarharjo.
2.1.2 Visi, Misi serta Tujuan Rumah Sakit Dera As-Syifa
2.1.2.1 Visi Rumah Sakit Dera As-Syifa
Slogan Rumah Sakit Dera As-Syifa adalah ” Memberikan Pelayanan Kesehatan Terbaik, Berkualitas, Profesional Dan Penuh Kasih Sayang Dengan Harga
Terjangkau ”
As-Syifa diharapkan bisa menjadi sebuah Rumah Sakit yang bisa mengayomi seluruh lapisan masyarakat.
2.1.2.2 Misi Rumah Sakit Dera As-Syifa
Adapun misi dari Rumah Sakit Dera As-Syifa berdasarkan Rencana Pembangunan Jangka Panjang Rumah Sakit Dera As-Syifa.
1. Meningkatkan pelayanan kesehatan yang bermutu dan terjangkau;
2. Memberikan pelayanan kesehatan terpadu sesuai kebutuhan pasien dan keluarga; 3. Melaksanakan pekerjaan dalam tim yang profesional, sinergi, inovatif,
berdedikasi tinggi dan terpercaya;
4. Meningkatkan kualitas dan kuantitas sarana/prasarana pelayanan di semua bidang secara terus menerus berkesinambungan;
5. Mengembangkan SDM yang sehat, cerdas, berakhlak, professional dan berdaya saing;
6. Mengembangkan perekonomian, dalam hal ini untuk wilayah kecamatan Banjarharjo yang berdaya saing dalam menunjang menciptakan lapangan kerja dan pelayanan publik dalam pembangunan ekonomi;
7. Menciptakan lingkungan kerja yang sehat dan harmonis
2.1.2.3 Tujuan Rumah Sakit Dera As-Syifa Banjarharjo
Tujuan berdirinya Rumah Sakit Dera As-Syifa adalah sebagai berikut: 1. Terwujudnya pelayanan kesehatan yang professional dan terbaik;
2. Terwujudnya pelayanan kesehatan dengan upaya optimalisasi derajat kesehatan masyarakat;
2.1.3 Struktur Organisasi Rumah Sakit Dera As-Syifa
Kepala Direktur
Gambar 2.1 Struktur Organisasi Rumah Sakit Dera As-Syifa
Berikut job description dari Rumah Sakit Dera As-Syifa yang terlibat dengan pembangunan perangkat lunak data mart.
A. Kepala Bagian Medik
Kepala bagian medik merupakan pihak yang akan menggunakan perangkat lunak
terkait rencana pengembangan layanan kesehatan ke berbagai lokasi di kecamatan banjarharjo.
2.2 Landasan Teori
2.2.1 Pengertian Data
Data adalah sebuah rekaman dari fakta-fakta, konsep-konsep, atau instruksi-instruksi pada media penyimpanan untuk komunikasi, perolehan, dan pemrosesan dengan cara otomatis dan presentasi sebagai informasi yang dapat dimengerti oleh manusia (Inmon, 2005).
Data adalah kumpulan fakta dan gambaran secara umum tidak dapat digunakan karena ukuran yang besar dan belum diolah (McLeod dan Schell, 2007).
Dari dua teori tersebut dapat disimpulkan bahwa data adalah kumpulan fakta yang secara umum tidak dapat digunakan karena belum diolah yang terdapat pada media penyimpanan untuk melalui pemrosesan sehingga dapat menyajikan informasi yang dapat dimengerti oleh manusia.
2.2.2 Pengertian Data Warehouse
Data warehouse adalah sebuah basis data yang mewakili sejarah bisnis dari suatu perusahaan atau organisasi yang berisikan data historis (Jose„ Ramalho, 2001).
Data warehouse menyimpan data dari berbagai sumber dan sifatnya tidak membuat data baru, data yang disimpan di dalam data warehouse sering diolah sebelum disajikan untuk end-user, misalnya diringkas sebelum dicetak dalam bentuk laporan.
Fungsi utama data warehouse adalah mengambil data, termasuk data eksternal; misalnya daftar kode pos dari kantor pos atau kode kepala telepon, untuk dikumpulkan, disiapkan termasuk merubah struktur dengan pembersihan dan integrasi. Data warehouse menyimpan dan menyediakan data untuk aplikasi yang sifatnya query atau membentuk laporan ikhtisar yang selanjutnya dimanfaatkan dalam analisis informasi dan sebagai pendukung pembuatan keputusan (analytical application).
2.2.3 Karakteristik Data Warehouse
Menurut (Inmon, 2005), data warehouse memiliki beberapa karakteristik yaitu:
1. Berorientasi Subjek
Data warehouse tidak berorientasi pada proses yang mengeksekusi fungsi dan data lain sebagaimana halnya pada operasi basis data transaksional. Pada data
warehouse, data dikumpulkan menurut subjek asalnya. Sebagai contoh data pasien pada data warehouse di integrasikan menurut suatu entitas data, dan tidak diklasifikasikan menjadi beberapa entitas, untuk pendaftaran, pembelian obat dan begitu juga yang lainnya
2. Terpadu
Data dari berbagai aplikasi transaksional memiliki spesifik yang sama, yang mana hal ini diterapkan pada sistem basis data relasional (RDBMS). Dengan adanya relasi kesamaan, data warehouse memiliki kemampuan integratif (terpadu) sehingga dapat menggabungkan berbagai bentuk data dan menyajikannya ke dalam bentuk yang konsisten sehingga dapat membandingkan dan memadukan data melalui berbagai dimensi yang sesuai.
3. Historis
Waktu merupakan tipe atau bagian data yang sangat penting dalam data
lain, setiap baris data merupakan data historis sehingga harus spesifik terhadap waktu, dengan demikian dapat menjaga konsistensi historis data yang disimpan. 4. Konsisten / Non-volatile
Data warehouse tidak mudah berubah. Data yang ada dalam suatu data
warehouse tidak mengalami proses penghapusan atau perubahan, terkecuali untuk
perawatan dan koreksi terhadap kesalahan yang terjadi. Data hanya disimpan dalam data warehouse atau ditampilkan dari data warehouse.
2.2.4 Keuntungan Data Warehouse
Menurut Connolly dan Begg (2005, p1152), data warehouse dapat memberikan keuntungan bagi perusahaan, diantaranya:
a. Tingkat pengembalian investasi yang tinggi
Sebuah organisasi harus menangani sumber daya dalam jumlah besar untuk memastikan implementasi data warehouse yang berhasil dan biayanya bias sangat bervariasi. Berdasarkan penelitian dari International dan corporation pada 1996 rata-rata tingkat pembelian investasi data warehouse dalam tiga tahun mencapai 40%.
b. Keuntungan kompetitif
Pengembalian dari investasi yang tinggi bagi perusahaan yang mengimplementasikan data warehouse dengan berhasil akan memberikan mereka keuntungan kompetitif. Keuntungan tersebut didapat dengan mengizinkan pembuat keputusan mengakses data yang sebelumnya tidak tersedia, tidak diketahui dan informasi yang belum bermanfaat, contohnya trend dan permintaan.
c. Meningkatkan produktivitas para pembuat keputusan perusahaan
warehouse memungkinkan manajer untuk melakukan analisis dengan lebih akurat dan konsisten.
2.2.5 Perbandingan Data Warehouse dan OLTP
Secara umum perbedaan antara data warehouse dan OLTP (Connolly dan Begg, 2005,hlm 153) adalah:
Tabel 2.1 Perbedaan antara OLTPdan Data Warehouse
OLTP Data Warehouse
Menyimpan data saat ini Menyimpan data histori
Menyimpan data detail Menyimpan detailed, lightly, dan highly summarized data
Datanya bersifat dinamik Datanya bersifat statis
Prosesnya berulang kali Prosesnya khusus dan tidak terstruktur Transaksi tingkat tinggi Transaksinya tingkat menengah hingga
rendah
Pola pengunaannya dapat diprediksi Pola penggunaannya tidak dapat Berfokus pada proses transaksi Berfokus pada analisis
Berorientasi aplikasi Berorientasi subjek Mendukung pengambilan keputusan
harian
Mendukung pengambilan keputusan strategis
Melayani pengguna dalam jumlah besar Melayani pengguna dalam jumlah kecil biasanya manajer
2.2.6 Pengertian Data Mart
Data mart struktur data per department yang berasal dari data warehouse
Data mart adalah data warehouse kecil yang dirancang untuk unit bisni strategis atau department. Keuntungan dari data mart adalah biayanya rendah, waktu implementasinya singkat, pengendaliannya local bukan terpusat (Turban, 2005).
Data mart dan data warehouse memiliki perbedaan (Ponniah, 2001), yaitu
Tabel 2.2 Perbedaan antara data Warehouse dan Data mart
Data Warehouse Data Mart
Merujuk pada keseluruhan organisasi Merujuk pada department tertentu Gabungan semua dari data mart Sebuah proses bisnis
Data diterima dari staging area Star join (fakta dan dimensi)
Di-Query di sumber tampilan Teknologi yang maksimal untuk akses dan analisis data
Membentuk pandangan data untuk organisasi
Membentuk pandangan data per department
Diorganisasikan dalam ER-model
2.2.7 Two-Layer Architecture
Adaa beberapa jenis arsitektur data mart yang dapat digunakan dalam pembangunan data mart. Salah satunya adalah two-layer architecture. Menurut dalam buku yang berjudul Data Waraehouse Design : Modern Principles and Methodologies; (Matteo Golfarelli and Stefano)
2.2.8 Jenis-jenis data source untuk data mart
Data source dapat dibedakan menurut beberapa jenis kebutuhanya, dan
berdasarkan sumber data yang diperoleh. berikut ini adalah jenis-jenis dari data source :
1. On-Line Transaction Processing (OLTP) : Merupakan sebuah sistem yang
memfasilitasi dan mengelola aplikasiyang berorentasi transaksi Biasanya untuk data entri ataupengambilan proses transaksi.
2. Sistem Legacy : Sistem yang sudah out-of-date tetapi data-datanya masih digunakan untuk keperluan historical.
3. External Data : Data yang berasal dari pihak di luar perusahaan.
4. Middleware: Sebuah aplikasi yang menjembatani antar aplikasi yang berbeda
5. Source-less data : Data yang sudah tidak ada lagi sumber datanya.
2.2.9 Staging Area
Proses ETL (Extract-Transform-Load) terjadi mulai dari ketika data memasuki hingga keluar dari Staging Area. Pada tahap ini, data diekstrak (Extract) dari sistem OLTP dan dikirimkan ke Staging Area. Staging Area adalah lokasi penempatan sementara untuk data sumber yang sudah dirubah formatnya (Transform), untuk dipersiapkan ke proses selanjutnya. Pada Staging Area, bentuk data dapat berupa sekumpulan file teks baku (flat files), tabel database, atau keduanya. Data terpadu dengan data lain dan dirubah ke dalam bentuk yang lebih homogen. Selanjutnya data dimuat (Load) ke tabel-tabel data mart yang ditentukan.
a. Extraction
Data Extraction adalah proses pengambilan data yang diperlukan dari sumber
didefinisikan requirement terhadap sumber data yang yang akan digunakan untuk proses berikutnya.
b. Transformation
Pada kenyataannya, pada proses transaksional data disimpan dalam berbagai format sehingga jarang kita temui data yang konsisten antara aplikasi-aplikasi yang ada. Transformasi data ditujukan untuk mengatasi masalah ini. Dengan proses transformasi data ini, kita melakukan standarisasi terhadap data pada satu format yang konsisten. Beberapa contoh ketidakkonsistenan data tersebut dapat diakibatkan oleh tipe data yang berbeda, data length dan lain sebagainya.
c. Load
Data load adalah memindahkan data ke data mart. Ada dua loading data yang dilakukan pada data mart. Pertama adalah inisial load, proses ini dilakukan pada saat telah selesai mendisain dan membangun data mart. Data yang dimasukkan akan sangat besar dan memakan waktu yang relati lebih lama. Kedua
Incremental load, dilakukan ketika data mart telah dioperasikan. Incremental load ini dapat dilakukan sesuai dengan sistem yang dibangun.
2.2.10 Skema Data Mart
Ada beberapa skema yang terdapat didalam pemodelan data mart, seperti skema star atau skema snowflake. Keduanya merupakan moel-model dimensional, perbedaanya terletak pada implementasi fisikal. Skema snowflake memberi kemudahan pada perawatan dimensi, dikarenakan strukturnya yang lebih normalisasi. Sedangkan skema bintang lebih efisien serta sederhana dalam membuat query dan mudah di akses secara langsung oleh pengguna.
a. Skema Bintang
Gambar 2.3 Skema Bintang
b. Skemas Snowflake
Merupakan varian dari skema bintang dimana table-table dimensi tidak terdapat data yang di denormalisasi. Dengan kata lain satu atau lebih table dimensi tidak bergabung secara langsung kepada table fakta tapi pada table dimensi lainnya.
Gambar 2.4 Skema Snowflake
2.2.11 Online Analytical Processing (OLAP)
menggunakan sarana online dan representasi grafik. Query untuk OLAP biasanya lebih sulit dari OLTP karena bersifat pengganti dan tidak melibatkan operasi data update. OLAP tidak memakai data operasi sehari-hari begitu saja, tetapi memakai data yang sudah terangkum dengan model data yang disebut data cube. OLAP mengorganisir data dalam data mart ke struktur kubus multidimensi berdasarkan model dimensional yang diproses dengan query analisis.
2.2.12 Multidimensi
Analisa secara multidimensi menjadi cara yang semakin populer untuk memperluas kemampuan yang dimiliki dari pengolahan data mart melalui query and reporting. Dalam analisa multidimensional, data terlebih dahulu dibuatkan struktur agar dapat memberi kecepatan dan kemudahan dalam mengakses informasi dalam menjawab pertanyaan-pertanyaan yang biasa dipertanyakan, hal ini dianggap lebih baik daripada menggunakan banyak query. Sebagai contoh, data akan distruktur untuk menjawab pertanyaan, “Berapa banyak pengeluaran harian pada setiap
bagian/divisi?” Setiap bagian dari query dinamakan sebuah dimension (dimensi). Dengan menyiapkan terlebih dahulu jawaban untuk setiap query dengan konteks yang lebih besar, maka banyak jawaban yang siap digunakan karena hasilnya tidak perlu dihitung lagi dengan masing-masing menggunakan query. Dimensi-dimensi dapat mempunyai entitas individual atau hierarkis; seperti wilayah dan departemen/divisi.
mengelompokkan data dari level yang rendah ke level yang tinggi misalnya pengelompokan alamat costumer dimulai dari kelurahan, kecamatan, dan kabupaten. Proses drilling down dan rolling up dapat dilihat pada gambar 2.6.
Gambar 2.5 Analisis Drill-down dan Roll-up (Chuck Ballard, 1998)
2.2.13 Multidimensional Sebagai Model Data Mart
Multidimensional model adalah teknik untuk memodelkan bisnis secara
konseptual sebagai sekumpulan ukuran yang dijabarkan oleh segi bisnis secara umum. Sangat berguna untuk pergantian, peringkasan dan penyusunan data untuk analisis. Sangat kontras dengan sistem OLTP yang didesain di sekitar entitas,
relationship, functional decomposition, dan state transition analysis.
Multidimensional model untuk data warehousing dibuat berdasarkan pada fakta, dimensi, hierarki dan sparsity.
Multidimensional model sangat berguna untuk meringkas dan menyusun data
dan memperlihatkan data untuk mendukung para analis data. Multidimensional model
berfungsi untuk memberikan jawaban yang cepat untuk query analisis yang kompleks. Data cube adalah presentasi data multidimensi seperti jenis barang, waktu, lokasi dan nilai harga.
Data cube yang tersedia pada data mart memungkinkan pemakai untuk menganalisa data operasi sehari-hari, bulanan hingga tahunan dengan berbagai sudut pandang yang berbeda, dan sangat berguna untuk mengevaluasi suatu asumsi bisnis.
Bagian yang menarik dari Multidimensional Model adalah kesederhanaannya. Desain OLTP boleh jadi memiliki selusin atau bahkan ribuan tabel, yang menyebabkan kesulitan bagi manajer untuk memahami desain data dalam rangka menganalisis data. Multidemensional Model lebih sederhana, model tidak hanya dimengerti oleh orang bisnis, tetapi juga diekspresikan dengan cara yang natural oleh
user. Desain konseptual Multidemensional Model yang baik, dapat diimplementasikan dalam database relasional, multidimensional, bahkan
object-oriented database. Keuntungan mengelola data menggunakan Multidimensional
modelling (MDM)adalah:
a. Mudah digunakan karena menyediakan antarmuka user.
b. Model data yang fleksibel dan tangguh untuk definisi dan penyimpan kubus. c. Solusi yang terotomatisasi untuk mengatasi ledakan data.
d. Arsitektur yang memiliki skalabilitas yang tinggi, mampu mendukung beberapa server data warehouse OLAP.
e. Memberikan jawaban yang cepat atas query dan mengurangi lalu-lintas
network.
Multidimensional modelling mempunyai beberapa konsep yaitu: Facts, Dimensions, dan Measures yang akan dijelaskan pada bagian berikut ini:
A. Fact
proses bisnis. Dalam data mart, fact diimplementasikan dalam tabel dasar dimana semua data numerik disimpan.
B. Dimensons
Dimensions adalah suatu koleksi dari anggota atau unit-unit data dengan tipe yang sama. Dalam sebuah diagram, suatu dimensi biasanya direpresentasikan dengan suatu axis. Dalam dimensional model, semua data menunjukkan fact table yang diasosiasikan dengan satu dan hanya satu member dari setiap multiple dimensions. Jadi dimensi menunjukkan latar belakang kontekstual dari fact. Banyak proses analisis yang digunakan untuk menghitung dampak dari dimensi pada facts.
Dimensi adalah parameter yang diinginkan dalam OLAP. Sebagai contoh, dalam suatu database untuk menganalisa semua kegiatan penjualan dari produk, dimensi yang harus ada yaitu waktu, lokasi, pembeli, penjual.
Ada beberapa jenis dimensions dalam data warehouse:
a. Dimension members
Dimension members adalah suatu dimensi berisi banyak anggota-anggota
member. Suatu anggota dimensi adalah nama pembeda atau identifier yang digunakan untuk membedakan posisi suatu data item. Sebagai contoh, bulan, kuartal dan tahunan membuat dimensi waktu, sedangkan kota, wilayah dan negara merupakan dimensi geografi.
b. Dimension Hierarchies
Dimension Hierarchies adalah suatu dimensi yang berfungsi mengatur anggota dari suatu dimensi ke dalam satu atau banyak hierarki. Setiap hierarki dapat juga mempunyai banyak level hierarki. Setiap member dari dimensi tidak dialokasikan ke dalam satu struktur hierarki.
C. Measures
dengan variabel. Sebagai contoh ukuran dari penjualan adalah dalam bentuk uang, besarnya penjualan, jumlah persediaan, biaya belanja, jumlah transaksi dan lainnya. Suatu ukuran dijelaskan dengan kombinasi dari member dari suatu dimensi dan diletakkan dalam fact.
2.2.14 Cube
Cube adalah rangkuman informasi yang disimpan dalam bentuk tabel-tabel multi dimensional. Dalam data mart terdapat tiga jenis tampilan cube yang berbeda yaitu:
a. Panel tree view yang berfungsi menampilkan dimensi kubus secara hirarki.
b. Panel scheme berfungsi menampilkan tabel-tabel yang sesungguhnya dari data mart, tabel dimensi, serta hubungan antar tabel yang mendefinisikan skema cube. c. Panel Browse berfungsi menampilkan data yang ada di dalam kubus.
Rangkuman informasi atau cube yang telah dibuat dapat disimpan dengan metode penyimpanan yang beragam diantaranya:
A. MOLAP
Multidimensional OLAP, data dari kubus disimpan bersama-sama dengan data koleksi di dalam struktur multidemensi.
B. ROLAP
Relational OLAP, data dasar kubus disimpan bersama data koleksi di dalam
database relasional. Penyimpanan dengan ROLAP ini mengizinkan user
memaksimalkan investasi pada teknologi database relasional.
C. HOLAP
Data dalam kubus merupakan data fleksibel karena: 1. Penyimpan berpartisi
User bisa mempartisi sebuah kubus logik dalam bagian-bagian yang dipisahkan secara fisik. Dan hasil dari partisi bisa disimpan dalam tampilan yang berbeda, dan dengan tingkat koleksi yang sesuai dengan data yang dipartisi. Dengan adanya penyimpanan berpartisi ini user bisa mengatur kinerja dan karakteristik dari manajemen data dalam sistem yang dibuat.
2. Menggabungkan partisi
Kubus yang sudah dipartisi dapat digabungkan kembali partisi-partisinya ke dalam bentuk satu kubus fisik. Salah satu kegunaan penggabungan partisi adalah untuk memindahkan bagian dari data kubus ke media penyimpanan yang berbeda, sehingga data lebih sedikit digunakan.
3. Kubus virtual
Kubus-kubus fisik bisa digabungkan ke kubus virtual, sama seperti tabel digabungkan ke dalam view di dalam database relasional. Kubus virtual
menyediakan akses terhadap data-data yang ada pada kubus yang digabungkan, tanpa perlu membuat kubus baru.
2.2.15 Alat Pembantu Dalam Perancangan Sistem
Perancangan system secara umum adalah suatu tahap dimana di dalamnya terdapat identifikasi komponen-komponen system infomasi yang akan dirancang
secara rinci yang bertujuan untuk memberikan gambaran kepada pengguna atau user mengenai system yang baru. Sedangkan desain system secara terinci dimaksudkan untuk pembuat program komputer dan ahli teknik lainnnya yang akan mengimplementasikansistem.
2.2.15.1Diagram Konteks
Diagram kontek merupakan alat-alat untuk struktur analisis. Pendekatan struktur ini mencoba untuk menggambarkan sistem secara garis besar atau secara keseluruhan. Diagram kontek adalah kasus khusus dari DFD atau bagan dari DFD
yang berfungsi memetakan modul lingkungan yang dipersentasika dengan lingkaran tunggal yang mewakili keseluruhan sistem.
2.2.15.2Data Flow Diagram (DFD)
Diagram alir data atau Data Flow Diagram (DFD) adalah suatu model yang menjelaskan arus data mulai dari pemasukan sampai dengan keluaran data. Tingkatan DFD dimulai dari diagaram konteks yang menjelaskan cecara umum suatu system
atau batasan system aplikasi yang akan dikembangkan. Kemudian DFD dikembangkan menjadi DFD tingkat 0 atau level 0 dan kemudian DFD level 0 dikembangkan lagi menjadi level 1 dan selanjutnya sampai system tersebut tergambarkan secara rinci menjadi tingkatan-tingkatan lebih rendah lagi.
DFD merupakan penurunan atau penjabaran dari diagram konteks. Dalam pembuatan DFD harus mengacu pada ketentuan sebagai berikut:
1. Setiap penurunan level yang lebih rendah harus mempresentasikan proses tersebut dalam spesifikasi proses yang jelas.
2. Penurunan dilakukan apabila memang diperlukan.
3. Tidak semua bagian dari system harus ditunjukkan dengan jumlah level yang sama.
Tabel 2.3 Daftar Simbol dalam Data Flow Diagram (DFD)
Simbol Pengertian Keterangan
Sistem Menunjukan sistem
Eksternal entity Menunjukan bagian luar sistem atau sumber input dan output data
Garis aliran Menunjukan arus data antar simbol/proses
Garis aliran Aliran material
Data Storage Digunakan untuk menyimpan arus data atau arsip seperti file transaksi, file induk atau file referensi dan lain-lain
Proses Suatu proses yang dipicu atau didukung oleh data.
Conector ( On-page
connector)
Digunakan untuk penghubung dalam satu halaman
Conector ( Off-page
connector)
2.2.16 Pengertian Basis Data
Menurut Caonnolly dan Begg (2005, p15), database adalah kumpulan dari data yang saling berhubungan secara logikal, dan menjelaskan data tersebut, dirancang untuk memenuhi kebutuhan informasi perusahaan.
Menurut Inmon (2005, p493), database adalah kumpulan data yang saling berhubungan yang disimpan berdasarkan skema.
Menurut McLeod dan Schell (2007, p124) database adalah kumpulan dari semua data berbasis komputer perusahaan.
Dapat disimpulkan bahwa database adalah kumpulan dari data yang dimiliki perusahaan yang berhubungan secara logikal dan disimpan berdasarkan skema yang dirancang untuk memenuhi kebutuhan informasi perusahaan
2.2.17 Konsep Dasar Basis Data
Basis data (database) dapat dibayangkan sebagai sebuah lemari arsip yang ditempatkan secara berurutan untuk memudahkan dalam pengambilan kembali data tersebut. Basis data menunjukkan suatu kumpulan data yang dipakai dalam system informasi disebut sistem basis data(database system)
2.2.17.1Basis Data Relasional
Konsep sebuah database adalah terdiri atas tabel-tabel yang terorganisasi. Tabel-tabel tersebut dapat saling berelasi untuk menghasilkan suatu infomasi, untuk mengakses data yang ada dalam tabel-tabel tersebut digunakan sebuah perintah
SQL(Structured Query language).
2.2.17.2Perancangan Basis Data
1. ERD (Entitiy Relationship Diagram)
Entity Relationship Diagram adalah suatu model atau teknik pendekatan yang dapat menyatakan atau menggambarkan hubungan entity didalam sebuah sistem, dimana hubungan tersebut dinyatakan sebagai one-to-one, one-to-many
dan many-tomany. Entity relationship bertujuan untuk menentukan objek-objek data (Entity) dan relationship (hubungan) yang ada pada objek-objek tersebut. Berikut adalah istilah-istilah yang sering digunakan dalam perancangan entity relationship:
a. Entitas merupakan individu yang mewakili sesuatu yang nyata dan dapat dibedakan dari sesuatu yang lain.
b. Relasi menunjukkan adanya hubungan di antara sejumlah entitas yang berasal dari himpunan entitas yang berbeda.
c. Kardinalitas/derajat relasi menunjukkan jumlah maksimum entitas yang dapat berhubungan dengan entitas pada himpunan entitas yang lain.
Entity-Relationship Diagram (ERD) didefinisikan sebagai penggambaran
model ER yang berisi komponen-komponen himpunan relasi beserta atribut-atributnya secara sistematis (Fathansyah2002). Notasi-notasi simbolik di dalam ERD yang digunakan antara lain sebagai berikut:
a. Persegi panjang menyatakan himpunan entitas
b. Lingkaran/Elips menyatakan atribut(atribut yang berfungsi sebagai primary key diberi garis bawah)
c. Belah ketupat menyatakan himpunan relasi
d. Garis sebagai penghubung antara himpunan relasi dengan himpunan entitas dan himpunan entitas dengan atributnya
2. Perancangan Model Logis
Model Logis merupakan model ER yang sudah dinormalisasi. Normalisasi di sini maksudnya adalah setiap entitas yang masih memiliki hubungan banyak ke banyak dengan entitas lainnya maka hubungannya tersebut akan dipecah menjadi suatu entitas baru. Model ini juga sudah dilengkapi dengan tipe data yang bersifat generik. Model logis merefleksikan metadata yang sudah siap diubah menjadi model fisik. Model ini umum direpresentasikan sebagai suatu tabel.
3. Perancangan Model Fisik
Model fisik merupakan model yang menunjukkan implementasi model logis di suatu DBMS tertentu. Model ini sudah memiliki tipe data dan konstrain yang bersifat spesifik terhadap target DBMS-nya. Model fisik merefleksikan metadata yang sudah diimplementasikan di atas sebuah DBMS tertentu, seperti
MySQL Server.
2.2.18 Microsoft Visual FoxPro 7
Microsoft visual FoxPro merupakan bagian dari paket aplikasi Microsoft Visual Studio. Visual FoxPro 7 menerapkan sistem manajemen basis data relasional (RDBMS) berorientasi objek yang memiliki kemampuan untuk membuat aplikasi database dengan cepat dan memiliki fasilitas yang lengkap serta mudah digunakan. Bahasa program ini pun memungkinkan pengembangan aplikasi database untuk desktop dalam suatu solusi client-server.
2.2.18.1Komponen Visual FoxPro
a. Project Manager
Project Manager adalah sekumpulan Form, Database, Tabel, Menu, Class Library dan lainnya. Secara singkat, Project Manager berguna untuk menata dan mengontrol sejumlah tool yang akan digunakan dalam membangun aplikasi.
b. Form Designer
Form ialah suatu objek yang digunakan sebagai tempat kerja aplikasi. Form diibaratkan sebagai lembar kerja dimana setiap objek dapat ditempatkan di atasnya dalam membentuk antarmuka (interface) aplikasi. Form Designer berfungsi sebagai tempat untuk menciptakan antarmuka aplikasi.
c. Properties
Properties digunakan untuk menentukan aturan objek. Suatu objek pada umumnya memiliki sejumlah sifat dan events tersendiri, yang masing-masing dapat diatur langsung pada Properties window ini atau melalui kode program. Pengaturan sifat dan events setiap objek akan mempengaruhi cara kerja objek tersebut.
d. Form Control
Form Control merupakan kumpulan objek yang dapat ditempatkan di atas Form
dan digunakan dalam membangun aplikasi. Objek-objek tersebut berupa
CommandButton, Textbox, Label dan lain-lain.
2.2.19. MySql
MySQL adalah sebuah perangkat lunak yang digunakan untuk mengolah database pada konsep client-server, dimana MySQL ini didistribusikan secara gratis. Dengan menggunakan database ini, data semakin aman dan berdaya guna. Database ini juga banyak dipakai pada web database sehingga data semakin terintegrasi antara database
Keistimewaan MySQL Sebagai server database dengan konsep database modern, MySQL memiliki keistimewaan. Beberapa keistimewaan dimiliki MySQL sebagai berikut :
1. Portability
Database MySQL berfungsi dengan stabil tanpa kendala, berarti berlaku pada berbagai sistem operasi seperti Windows, Linux, FreeBSD, Mac OS X Server, Solaris, Amiga, HP-Unix, dan lain-lain.
2. Open Source
MySQL merupakan database open source (gratis), di bawah lisensi GPL sehingga dapat memperoleh dan menggunakannya secara cuma-cuma tanpa membayar sepersen pun.
3. Multiuser
MySQL merupakan database yang dapat digunakan untuk menangani beberapa user dalam waktu bersamaan tanpa mengalami masalah. Dan memungkinkan sebuah database server MySQL dapat diakses client secara bersamaan pula.
4. Performace Tuning
MySQL mempunyai kecepatan yang cukup baik dalam menangani query query sederhana, serta mampu memproses lebih banyak SQL per satuan waktu.
5. Column Type
Database MySQL didukung dengan tipe data yang sangat kompleks, seperti
signed/unsigned integer, float, double, char, varchar, text, blob, data, time,
datetime, timestamp, year, set serta enum.
6. Command dan Functions
MySQL server memiliki operator dan fungsi secara penuh yang mendukung perintah SELECT dan WHERE dalam query.
7. Security
8. Scalability dan Limits
MySQL mempunyai kemampuan menangani database dalam skala cukup besar, dengan jumlah record lebih dari 50 juta dan 60 ribu tabel serta 5 miliar baris. Selain itu dapat menampung indeks sampai 32 indeks pada tiap tabelnya.
9. Connectivity
Adanya kemampuan MySQL melakukan koneksi dengan client menggunakan protokol TCP/IP, Unix socket (Unix), atau Named Pipes (NT).
10. Localization
Adanya kemampuan dalam mendeteksi kesalahan (error code) pada client menggunakan lebih dari dua puluh bahasa.
11.Interface
MySQL memiliki interface terhadap berbagai aplikasi dan bahasa pemograman menggunakan fungsi API (Application Programming Interface).
12.Clients dan Tools
Database MySQL dilengkapi berbagai tools yang dapat digunakan untuk
administrasi database.
13. Struktur Tabel
MySQL memiliki struktur tabel cukup baik serta cukup fleksibel, misalnya ketika menangani alter table
2.2.20.Arsitektur Client-Server
Ada beberapa vendor yang menyediakan fasilitas client server salah satunya yaitu Microsoft Decision Support Service. Microsoft Decision Support Service
a. Arsitektur server
Operasi pada server mencakup pembuatan kubus data multidimensi dari database
relasional yang terdapat pada data warehouse, serta penyimpanan kubus-kubus di dalam struktur multidimensi, pada database relasional, dan gabungan dari kedua-duanya. Metadata dari struktur multidimensi dari sebuah kubus disimpan dalam penyimpanan database relasional. Yang dimaksud dengan metadata yaitu bagian dari data yang sangat menentukan agar data yang dimiliki atau data yang dikelola menghasilkan informasi yang benar dan berguna untuk para pengambil keputusan.
b. Arsitektur Client
Fungsi client dalam data warehouse adalah tempat menyimpan file-file multidimensi sama seperti kubus ROLAP pada database relasional dan mengakses data OLAP di dalam server. Kubus lokal bisa digunakan secara ofline
dengan PivotTable Service untuk analisa yang portabel. PivotTable Service
33
3.1. Analisis Sistem
Analisis sistem dapat didefinisikan sebagai penguraian dari suatu sistem informasi yang utuh ke dalam bagian-bagian komponennya untuk mengidentifikasikan dan mengevaluasi permasalahan-permasalahan, kesempatan dan hambatan-hambatan sehingga dapat diusulkan kebutuhan-kebutuhan untuk perbaikannya. Tahap analisis merupakan tahap yang paling kritis dan sangat penting, karena kesalahan didalam tahap ini akan menyebabkan juga kesalahan ditahap selanjutnya.
Sistem yang akan dianalisis untuk membangun aplikasi data mart adalah sistem yang berjalan saat ini di Rumah Sakit Dera As-Syifa. Analisis sistem ini diperoleh melalui wawancara dan observasi yang akan ditemukan beberapa data dan fakta yang akan dijadikan bahan uji dan analisis menuju penerapan dan pengembangan sebuah aplikasi sistem yang diusulkan.
3.1.1. Analisis Masalah
Analisis masalah merupakan tahap menganalisis berdasarkan permasalahan yang ada di rumah sakit dera as-syifa. Berikut ini merupakan permasalah yang ada di rumah sakit dera as-syifa.
1. Pihak manajemen kesulitan dalam mendapatkan informasi secara cepat dan detail dari segmen penjualan obat, karena untuk perhitungan pendapatan masih harus mengkaji ulang dengan menggunakan Microsoft excel.
2. Banyaknya proses transaksi dari setiap harinya memungkinkan terjadinya kehilangan atau kerusakan dokumen yang menyebabkan hilangnya informasi.
3.1.2. Kebutuhan Informasi
Setelah melakukan analisis terhadap proses bisnis dan database pada Rumah Sakit Dera As-Syifa, maka informasi yang dibutuhkan oleh pihak manajemen adalah sebagai berikut:
1. Pihak manajemen membutuhkan informasi yang singkat dengan tingkat akurasi yang tinggi, mudah digunakan dan ditampilkan kedalam bentuk grafik dan ringkasan.
2. Laporan mengenai statistik penjualan obat. Laporan ini mencakup jumlah barang dan jenis barang yang terjual kuarter per bulan sebagai informasi dasar untuk membantu menentukan stok obat untuk mencegah terjadinya kekosongan barang.
3. Laporan tentang besaran transaksi penjualan obat dan alat kesehatan yang mencerminkan tingkat kebutuhan obat sebagai langkah awal dalam menentukan stok obat untuk periode selanjutnya. Pada laporan ini tercakup jumlah transaksi menurut jenis obat, nilai transaksi.
3.1.3. Analisis Prosedur Yang Sedang Berjalan
Analisis prosedur sistem memberikan gambaran tentang sistem yang saat ini sedang berjalan. Analisis prosedur bertujuan untuk mengetahui lebih jelas bagaimana cara kerja sistem tersebut sehingga kelebihan dan kekurangan sistem dapat di ketahui. Analisis prosedur merupakan jalan informasi serta unit-unit di dalam melakukan pengumpulan, penyusunan dan pengolahan data yang terjadi antara bagian yang satu dengan bagian yang lainnya. Keterkaitan antara masing-masing bagian tersebut saling terpadu, artinya saling memberikan informasi secara jelas.
A.Prosedur Transaksi Penjualan Obat
Prosedur penjualan obat adalah proses yang dilakukan oleh bagian apotek kepada konsumen karena adanya permintaan pemesanan dari pasien atau konsumen. Proses-proses yang dilakukan dalam prosedur penjualan obat sebagai berikut.
2. Setelah mengecek tersedianya obat yang di minta konsumen, bagian apotek memberikan kwitansi pembayaran obat kepada konsumen.
3. Konsumen membayar berdasarkan harga yang tertera pada kwitansi. 4. Kwitansi pemesanan obat dibawa kembali menuju apotek.
5. konsumen menukarkan kwitansi yang telah di stampel kepada bagian apotek untuk di tukar dengan obat.
3.1.4. Analisis OLTP RS Dera As-Syifa
Pada penelitian ini sumber data yang digunakan adalah dengan memanfaatkan
OLTP yang terdapat di Rumah Sakit Dera As-Syifa. Berikut Tabel-tabel yang terlibat dalam operasioanl penjualan obat berasal dari database MySql Server di rumah sakit dera as-yifa.
Tabel-tabel OLTP yang terlibat dalam proses penjualan : a. Tabel jual-detil
b. Tabel jual c. Tabel item d. Tabel tipe_item e. Tabel user f. Tabel pasien g. Tabel lokasi
Dan berikut contoh data OLTP penjualan yang terdapat di rumah sakit dera as-syifa.
Seluruh tabel tersebut akan saling berelasi dari tabel satu ke tabel yang lain. Untuk lebih spesifiknya, bisa dilihat pada gambar berikut. Skema relasi
OLTP untuk pendaftaran pasien dan penjualan obat.
Pasien
Gambar 3.2 Skema Relasi OLTP
3.1.5. Arsitektur Data Mart
Arsitektur yang digunakan untuk pembangunan Data mart ini dengan menggunakan model two-layer architecture. Analisis arsikteur tersebut dibagai dalam empat tahapan dengan dua layer yaitu analisis source layer, analisis data satging, analisis data mart layer, dan analysis menggunakan OLAP.
1. Lapisan pertama adalah source layer. Pada lapisan ini, data masih berupa operasional data. Data operasional yang akan digunakan pada pembangunan
data mart kali ini sudah berupa data logic yang ada di database DBMS
MySQL simdera.
2. Lapisan kedua adalah data staging. Pada lapisan ini, data operasional akan diekstrak ( lebih dikenal dengan proses ETL ) ke dalam data mart.
membuat data mart yang merupakan sebagian dari duplikasi data mart dan dirancang khusus.
4. Lapisan keempat adalah analysis. Analisis disini nantinya akan menggunakan OLAP sebelum dijadikan sebuah laporan khusus, untuk lebih jelas dapat di
Memuat Sumber ke Mesin Database
Melakukan Extract dan
Transform
Menjalankan Script untuk
Loading Data
Gambar 3.3 Arsitektur data mart penjualan obat (RS.Dera As-Syifa)
3.1.5.1. Analisis Source Layer
Pada lapisan ini, data operasional yang digunakan oleh sistem OLTP
Rumah Sakit Dera Asy-Syifa dijadikan sebagai sumber data (source) oleh data mart. Tabel-tabel sumber data beserta skema relasinya adalah sebagaimana yang dibahas pada subbab III.2.
3.1.5.2. Analisis DataStaging
Data Staging dalam hal ini adalah tahap proses pengolahan sumber data yang berasal dari Source Layer menjadi data yang siap digunakan oleh data mart, proses yang ada dalam Data Staging adalah proses ETL (Extract, Transform, Load) yang akan dijelaskan sebagai berikut:
3.1.5.2.1. Tahap Extract
data jual, data jual_detil, data barang serta jenis_barang akan dibaca dalam proses ini. Ekstraksi dilakukan hanya pada data yang diperlukan oleh data mart. Contoh hasil dari proses extract atas tabel-tabel data operasional tersebut adalah sebagai berikut:
Mulai
Baca Data OLTP
Pengecekan Data OLTP
Apakah Data Tersedia?
Data Ada
Data Hasil ekstrak ditampilkan
Selesai
Tidak
Ya
Gambar 3.4 Flowchart proses Ekstract
Proses dari database operasional ke dalam data mart adalah sebagai berikut : 1. Proses ekstraksi pada tabel user:
Pada Ekstraksi data disini, dilakukan proses pengambilan data dari sumber database OLTP. Kolom yang diekstrak adalah kolom ID_User, Nama, Password dan NIK. Hasil dari ekstraksi data tabel user dapat dilihat pada gambar tabel berikut :
Tabel 3.1 Contoh hasil ekstraksi data user
2. Proses ekstraksi pada tabel jual_detil:
diskon keterangan dan id_jualdetil. Hasil dari ekstraksi data tabel jual_detil dapat dilihat pada gambar tabel berikut :
Tabel 3.2 Contoh hasil ekstraksi tabel jual_detail
3. Proses ekstraksi pada tabel jual:
Pada Ekstraksi data disini, dilakukan proses pengambilan data dari sumber
databaseOLTP. Kolom yang diekstrak adalah kolom Nota, tglbuat, iduser, status, terbilang, dibayar dan tempo. Hasil dari ekstraksi data tabel user dapat dilihat pada gambar tabel berikut :
Tabel 3.3 Contoh hasil ekstraksi tabel jual
4. Proses ekstraksi pada tabel item
Pada Ekstraksi data disini, dilakukan proses pengambilan data dari sumber
Tabel 3.4 Contoh hasil ekstraksi data item
5. Proses ekstraksi tabel tipe_item
Pada Ekstraksi data disini, dilakukan proses pengambilan data dari sumber database OLTP. Kolom yang diekstrak adalah kolom jenis_barang, keterangan, jenis, margin, tuslag, dan dokter_fee. Hasil dari ekstraksi data tabel user dapat dilihat pada gambar tabel berikut :
Tabel 3.5 Contoh hasil ekstraksi data tipe_item
6. Proses ekstraksi tabel tpasien
Tabel 3.6 Contoh hasil ekstraksi data pasien
7. Proses ekstraksi tabel lokasi
Pada Ekstraksi data disini, dilakukan proses pengambilan data dari sumber database OLTP. Kolom yang diekstrak adalah kolom id_desa, desa, kecamatan, dan kabupaten. Hasil dari ekstraksi data tabel lokasi dapat dilihat pada gambar tabel berikut :
Tabel 3.7 Contoh hasil ekstraksi data lokasi
3.1.5.2.2. Tahap Transform
Tahapan transform menggunakan serangkaian aturan atau fungsi hasil mengekstrak data dari sumber dan selanjutnya akan dimasukan ke data mart.
1. Cleaning
Pada proses ini, data dari tabel hasil extract yang tidak digunakan akan dibersihkan terlebih dahulu, seperti menghilangkan field yang tidak diperlukan. Berikut proses cleaning untuk masing-masing tabel yang telah melalui proses
extract.
a. Cleaning tabel jual
Pada tabel jual, status, keterangan, jumlah, dibayar, sisatagih, tempo, nama, terimadari, sudahcetak tidak akan digunakan ketika proses transformasi. karena field-filed tersebut tidak terpakai dalam keperluan analisis.
Sebelum Cleaning
Gambar 3.5 Proses Cleaning Tabel Jual
b. Cleaning tabel jual_detil
Pada tabel jual_detil, kolom diskon tidak akan digunakan ketika proses transformasi. karena field-filed tersebut tidak terpakai dalam keperluan analisis. Id_barang juga tidak digunakan karena nantinya ada FK dari dim barang dengan PK id_jenisbarang hasil dari transformsi data tabel jenisbaarang.
Sebelum Cleaning
c. Cleaning tabel item
Pada tabel item, kolom harga tidak akan digunakan ketika proses transformasi. karena field-filed tersebut tidak terpakai dalam keperluan analisis.
Sebelum Cleaning
Gambar III.7 Proses Cleaning tabel item.
2. Conditioning
Pada proses conditioning dilakukan dengan pemilihan tabel dan attribute dari sumber data ke target data(data mart). Penjelasan conditioning pada proses transformasi adalah sebagai berikut :
a. Tabel-tabel yang berasal dari sumber data akan di seleksi dan disesuaikan namanya dan dimasukan kedalam database target (datamart).
b. Penggantian format tanggal, pemecahan field tglbuat menjadi field bulan dan field tahun, dan pembuatan tabel dimensi nama-nama bulan. Untuk tabel tambahan dimensi waktu, dibuatkan sebuah tabel yang berisi nomor dan nama bulan dengan memecah field tanggal_buat dari tabel jual. Berikut adalah conditioning untuk tabel dimensi waktu :
Bulan nota
Id_bulan tglbuat
Id_user
Gambar 3.8 Proses Conditioning tabel bulan
3.1.5.2.3. Tahap Load
hanya data baru yang tidak terdapat pada data mart tanpa merubah data yang sudah ada.
3.1.5.3. Analisis Data Mart Layer
Dalam merancang data mart dibutuhkan beberapa tahap untuk membuat perancangan data mart menjadi teratur. Berikut tahapan perancangan yang digunakan dalam penulisan ini.
3.1.5.3.1. Pemodelan Data Multidimensional
Aplikasi data mart yang dirancang dalam tulisan ini menggunakan satu tabel fakta atau fact tables; yang mana akan menampung data transaksi penjualan obat dan alat kesehatan. Dalam proses pembuatannya, struktur tabel-tabel yang diinput setiap hari ada pada database aplikasi OLTP dirubah dan field-field serta data yang tidak diperlukan dihapus (data staging); untuk kemudian dibuat sebagai tabel baru yang mencakup seluruh field yang terkait dengan proses penjualan obat dan alat kesehatan di aplikasi data mart. Dalam pembangunan data mart terlebih dahulu menentukan pembentukan tabel fakta, tabel dimensi dan measure.
3.1.5.3.2. Menentukan Tabel Fakta, Dimensi dan Measure
Tabel fact adalah hasil pengambilan setiap parameter atau kriteria dari setiap dimensi yang ada. Measure, adalah parameter yang digunakan dalam tabel
fact berupa data angka (numeric). Dalam hal data mart RS Dera Asy-Syifa ini, akan dibuat tabel fakta yang didasari dari tabel-tabel OLTP dengan cara mengumpulkan primary key dan field yang dapat dihitung ke dalam satu tabel. Sedangkan untuk measure, dalam hal ini adalah jumlah transaksi yang diambil dari tabel fact_jual dengan field jumlah atau amount. Dalam menentukan tabel fakta dan dimensi harus melalui beberapa proses yang dilakukan, dan berikut proses dalam pembentukan tabel fakta, dimensi dan measure.
A. Memilih Grain(Choosing the Grain)
Grain merupakan proses untuk menentukan apa yang digambarkan oleh
record di dalam tabel fakta. Berikut ini adalah grain yang ada dalam perancangan
Analisis yang dapat dilakukan pada proses penjualan obat meliputi obat yang paling banyak terjual, Jenis obat yang paling banyak terjual, lokasi pasien yang melakukan transaksi pembelian obat, petugas yang melayani transaksi penjualan, jumlah transaksi, jumlah barang dan nilai transaksi penjualan obat pada periode tertentu.
B. Mendefenisikan dan Menyesuaikan Dimensi (Identifying and Conforming The Dimensions)
Pada tahap ini dilakukan penyesuaian dimensi dan grain yang ditampilkan dalam bentuk matrik.
Tabel 3.8Grain dan dimensi dari penjualan
Dimensi
Grain
Item Jenis Item
Petugas lokasi waktu
Junlah transaksi X X X X X
Jumlah Barang x X x x X
Niali transaksi x X x x X
C. Memilih Fakta (Choosing the Facts)
Pada tahap ini dilakukan pemilihan fakta yang akan digunakan. Tabel fakta memiliki data yang dapat dihitung dan selanjutnya akan ditampilkan dalam bentuk laporan dan grafik.
Berikut adalah fakta yang akan digunakan dalam datamart :
Tabel fakta ini dibuat dengan menggunakan tabel jual. Fakta Penjualan berisi sejumlah field seperti nota, id_bulan, id_lokasi, id_item, tipe_item, id_user, id_pasien, jumlah barang dan nilai transaksi.
Tabel 3.9 Struktur tabel tfact_jual.
No. FIELD TIPE UKURAN KUNCI KETERANGAN
1 Nota Int 10 PK Not Null,
2 id_item Varchar 5 FK references
tidx_item(id_item) Not Null,
3 Jumlah Bigint - Not Null,
4 Tanggal Date - Not Null, FORMAT
(YYYY-MM-DD
5 id_bulan Numeric 2 FK references
tidx_bulan(id_bulan) Not Null,
6 Tahun Numeric 4 Not Null,
7 id_user Varchar 6 FK references
8 tipe_item Varchar 5 FK references
tidx_item(id_item) Not Null,
9 Id_pasien char 10 Not Null,
10 Id_lokasi int 3 FK references
tidx_lokasi(id_desa) Not Null,
D. Menentukan measure dalam tabel fakta
Dalam tabel fakta terdapat data yang merupakan kalkulasi awal. Hasil dari kalkulasi ini kemudian akan disimpan dalam tabel fakta penjualan meliputi :
Jumlah barang (Jumlah Barang) merupakan (sum) dari jumlah barang yang terjual.
Measure yang dibuat adalah total proses data yang di ambil dari tabel tfact_jual dengan field total. Dapat dilihat pada tabel III.8
Tabel 3.10 Measure
Measure Keterangan Agregasi
Jumlah Barang Atribut count_barang (sum)
E. Menentukan Tabel Dimensi
Tabel Dimensi yang akan digunakan adalah Dim_Waktu, Dim_item, Dim_tipeitem, Dim_user dan dim_lokasi. Pada proses ini ditentukan dalam pembentukan tabel dimensi, pembentukan tersebut dapat dilihat berdasarkan laporan berikut.
Tabel 3.11Rounding out the dimensions
Dimensi Field Deskripsi
Waktu Waktu Laporan dapat dilihat per bulan dan per tahun Item Barang Laporan dapat dilihat berdasarkan nama
barang
Tipe_item JenisBrang Laporan dapat dilihat berdasarkan jenis barang
User User Laporan dapat dilihat berdasarkan petugas atau kasir
Lokasi Lokasi Laporan dapat dilihat berdasarkan lokasi