PEMBANGUNAN PERANGKAT LUNAK DATA MART
PT. FOXIMAS MANDIRI PADA DIVISI PRODUKSI
SKRIPSI
Diajukan untuk Menempuh Ujian Akhir Sarjana
IRWAN RUCHWANA SB
10110370
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK DAN ILMU KOMPUTER
iii
dan hidayahnya yang telah di berikan, penulis dapat menyelesaikan skripsi yang
berjudul “Pembangunan Perangkat Lunak
Data Mart PT. Foximas Mandiri Pada
Divisi Produksi”. Skripsi ini disusun dengan maksud untuk memenuhi syarat
kelulusan ujian akhir sarjana Program Strata Satu (S1) Jurusan Teknik Informatika
Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.
Pada proses penyusunan skripsi ini, penulis mendapat banyak bantuan,
dorongan, bimbingan, arahan serta dukungan yang sangat berarti dari berbagai
pihak, oleh karena itu, penulis ingin mengucapkan terima kasih sebesar-besarnya
kepada :
1.
Allah SWT yang telah memberikan kesehatan, kekuatan dan hidayahnya
kepada penulis.
2.
Kedua orang tua yang selalu mendoakan dan memotivasi kepada penulis,
beserta keluarga besar yang telah ikut serta membantu penulis dalam berbagai
hal selama pembuatan skripsi.
3.
Ibu Rani Susanto, S.Kom, M.Kom. selaku pembimbing dan penguji 2, atas
bimbingan, arahan, serta sarannya yang sangat membantu dalam pembuatan
tugas akhir ini.
4.
Ibu Sufa’atin, S.T., M.Kom. selaku dosen wali yang selalu membantu selama
proses perkuliahan dan memotivasi keapada penulis sampai tugas akhir ini.
5.
Bapak Adam Mukharil Bachtiar, S.Kom., M.T. selaku penguji 1 atas sarannya
yang sangat membantu dalam penyempurnaan tugas akhir ini.
6.
Bapak Richi Dwi Agustia, M.Kom. selaku penguji 3 atas sarannya yang sangat
membantu dalam penyempurnaan tugas akhir ini.
7.
Seluruh dosen yang telah memberikan ilmunya dan staff UNIKOM yang telah
membantu.
iv
9.
Tsatsa Natatsya Makasuci yang selalu memberikan semangat, masukan dan
motivasi dalam pengerjaan skripsi ini.
10.
Teman-teman IF-9 dan teman-teman seperjuangan skripsi yang selalu
memberikan semangat dalam pengerjaan skripsi, serta semua pihak yang telah
membantu dalam penyusunan skripsi ini yang tidak dapat penulis cantumkan
satu per satu, atas perhatian, dukungan, dan bantuan yang telah diberikan.
11.
Seluruh pihak yang membantu penulis dalam menyelesaikan tugas akhir ini.
Penulis menyadari bahwa masih banyak kekurangan dalam pembuatan tugas
akhir ini, kritik dan saran membangun sangat berguna bagi penulis demi
kesempurnaan tugas akhir ini. Penulis juga berharap semoga kelak skripsi ini dapat
bermanfaat bagi para pembaca, Amin.
Bandung, Februari 2016
v
ABSTRACT ... ii
KATA PENGANTAR ... iii
DAFTAR ISI ... v
DAFTAR GAMBAR ... ix
DAFTAR TABEL ... xii
DAFTAR SIMBOL ... xv
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 ... 3
1.5
Metodologi Penelitian ... 3
1.5.1
Metode Pengumpulan Data ... 3
1.5.2
Metode Pembangunan Perangkat Lunak ... 4
1.5.3
Metode Pembangunan Data Mart ... 5
1.6
Sistematika Penulisan ... 7
BAB 2
TINJAUAN PUSTAKA ... 9
2.1
Profil Perusahaan... 9
2.1.1
Visi dan Misi Perusahaan ... 10
2.1.2
Struktur Organisasi ... 10
vi
2.2.1
Data Warehouse ... 11
2.2.2
Data Mart... 12
2.2.2.1
Model Dimensional Data Mart ... 13
2.2.2.2
ETL (Extract, Transform, Loading) ... 15
2.2.2.3
OLAP (On-Line Analytical Processing) ... 16
2.2.2.4
Fact Table and Dimension Tables ... 18
2.2.3
Microsoft SQL Server ... 19
2.2.4
SSIS (SQL Server Integration Service) ... 20
2.2.5
UML (Unified Modeling Language) ... 20
2.2.5.1
Use Case Diagram ... 21
2.2.5.2
Use Case Scenario ... 22
2.2.5.3
Class Diagram ... 23
2.2.5.4
Sequence Diagram... 24
2.2.5.5
Activity Diagram ... 24
BAB 3
ANALISIS DAN PERANCANGAN ... 27
3.1
Analisis Sistem ... 27
3.1.1
Analisis Masalah ... 27
3.1.2
Analisis Sistem Yang Sedang Berjalan ... 27
3.1.1.1
Aktivitas Pengisian Data SPK ... 28
3.1.1.2
Aktivitas Pengisian Data Produksi ... 29
3.1.3
Pemodelan Data Mart ... 31
3.1.4
Busniess Requirement Definition... 31
3.1.4.1
Analisis Sumber Data ... 31
3.1.4.2
Normalisasi Data ... 32
vii
3.1.6
Data Stagging Design ... 46
3.1.7
OLAP dan Reporting Tools ... 61
3.1.8
Physical Design ... 64
3.1.8.1 Analisis Spesifikasi Kebutuhan Perangkat Lunak ... 64
3.1.8.2 Analisis Kebutuhan Non-Fungsional ... 65
3.1.8.3 Analisis Kebutuhan Perangkat Keras ... 65
3.1.8.4 Analisis Kebutuhan Perangkat Lunak ... 66
3.1.8.5 Analisis Kebutuhan Perangkat Pikir ... 66
3.1.9
Analisis Kebutuhan Fungsional ... 67
3.1.9.1
Use Case Diagram ... 67
3.1.9.2
Skenario Use Case ... 69
3.1.9.3
Activity Diagram ... 75
3.1.9.4
Sequence Diagram... 85
3.1.9.5
Class Diagram ... 94
3.2
Perancangan Sistem... 94
3.2.1 Perancangan Struktur Menu ... 95
3.2.2
Perancangan Antar Muka ... 96
3.2.3
Perancangan Pesan ... 100
3.2.4
Perancangan Laporan ... 100
3.2.5
Perancangan Jaringan Semantik ... 101
3.2.6
Perancangan Method ... 102
viii
BAB 4
IMPLEMENTASI DAN PENGUJIAN ... 109
4.1
Implementasi Sistem ... 109
4.1.1
Implementasi Perangkat Keras ... 109
4.1.2
Implenentasi Perangkat Lunak ... 109
4.1.3
Implementasi Basis Data ... 110
4.1.4
Implementasi Antar Muka ... 114
4.2
Pengujian Sistem ... 114
4.2.1
Rencana Pengujian ... 114
4.2.2
Skenario Pengujian ... 115
4.2.3
Hasil Pengujian ... 118
4.2.4
Evaluasi ... 127
BAB 5
KESIMPULAN DAN SARAN ... 131
5.1
Kesimpulan... 131
5.2
Saran ... 131
133
[2] N. Sharma, A. Iyer, R. Bhattacharya, N. Modi and W. Crivelini, Getting
Started With Data Warehousing, Canada: IBM, 2012.
[3] M. Golfarelli and S. Rizzi, Data Warehouse Design, Modern Principles and
Methodologies, New York: Mc Graw Hill, 2009.
[4] R. Kimball and M. Ross, The Data Warehouse Toolkit, Indianapolis: John
Wiley & Sons, Inc, 2013.
[5] A. Prabawati, SQL Server 2012, Yogyakarta: Andi, 2013.
[6] B. Knight, D. Knight, M. Davis and W. Snyder, Microsoft SQL Server 2012
Integration Services, Indianapolis: John Wiley & Sons, Inc, 2013.
[7] Munawar, Pemodelan Visual Dengan UML, Yogyakarta: Graha Ilmu, 2005.
[8] K. Hamilton and R. Miles, Learning UML 2.0, Sebastopol: O'Reilly Media,
Inc., 2006.
[9] A. Nugroho, Rational Rose Untuk Pemodelan Berorientasi Objek, Bandung:
Informatika, 2005.
[10] R. Kimball and M. Ross, The Data Warehouse Toolkit, The Complete Guide
To Dimensional Modeling: John Wiley & Sons, Inc, 2002.
1
BAB 1
PENDAHULUAN
1.1
Latar Belakang Masalah
PT. Foximas Mandiri adalah perusahaan swasta yang bergerak dibidang
produksi sepatu kulit. Perusahaan ini didirikan pada tahun 1971, yang bertempat di
Jl. Leuwi Panjang No. 80 Bandung. PT. Foximas Mandiri yang di miliki oleh Bapak
Dedi Sudrajat ini memiliki suatu sistem produksi yang berkualitas baik, guna
memenuhi permintaan standarisasi pembuatan produk dalam negri yang semakin
meningkat. PT. Foximas Mandiri dipercaya sebagai produsen pembuat sepatu kulit
yang di kirim ke seluruh outlet sepatu kulit di seluruh indonesia dan memenuhi
permintaan pembuatan sepatu militer bagi instansi pemerintah terutama TNI dan
Polri. Dengan banyaknya permintaan produksi proses kelancaran alat/mesin dan
sumber daya manusia sangat di harapkan dapat bekerja secara maksimal dalam
memenuhi permintaan pasar.
operasional yang ada, dengan banyaknya data yang tidak terintegrasi membuat
pihak manajer produksi kesulitan dalam menganalisa perkembangan produksi dan
kesulitan dalam pencarian data yang akan dijadikan suatu informasi strategis.
Belum tersedianya fasilitas yang dapat menunjang kinerja manajer produksi dalam
membantu menangani penyajian data agar lebih mudah dianalisis. Maka
diperlukannya data
mart untuk dapat memudahkan proses penyajian data secara
cepat dan detail dalam bentuk tabel dan grafik untuk informasi yang
multidimensional sehingga dapat memudahkan pihak manajer produksi dalam
membantu pengambilan keputusan.
Berdasarkan permasalahan yang ada pada divisi produksi, maka perlu
dibangun sebuah perangkat lunak data
mart, dimana data laporan akhir produksi
dapat dibuat dengan sebaik mungkin dan data
–
data yang ada dapat terintegrasi
dengan baik untuk memudahkan perusahaan dalam mengontrol hasil produksi dan
dapat di manfaatkan semaksimal mungkin untuk memberikan kemudahan dalam
pencarian data sesuai dengan kebutuhan manajer produksi agar data yang
diperlukan dapat menyajikan informasi secara cepat dan detail, dalam bentuk tabel
multidimensi dan grafik yang nantinya dapat dianalisis sehingga membantu dalam
pengambilan keputusan.
1.2
Rumusan Masalah
Berdasarkan latar belakang masalah, maka dirumuskan sebuah masalah yaitu
bagaimana membangun perangkat lunak data mart pada PT. Foximas Mandiri.
1.3
Maksud dan Tujuan
Maksud dari penelitian ini adalah untuk membangun perangkat lunak
data
mart pada PT. Foximas Mandiri. Sedangkan tujuannya adalah sebagai berikut :
1.
Membantu manajer produksi dalam menampilkan kebutuhan informasi
3
2.
Membantu pihak manajer produksi dalam pembuatan laporan akhir produksi
yang multidimensi.
1.4
Batasan Masalah
Batasan masalah dalam pembangunan perangkat lunak
data mart pada PT.
Foximas Mandiri adalah sebagai berikut :
1.
Data yang diambil adalah data yang dimiliki oleh Divisi Produksi yaitu data
produksi dan data SPK.
2.
Pemodelan untuk pembangunan perangkat lunak menggunakan UML (Unified
Modeling Language).
3.
Pengujian data mart menggunakan OLAP (On-Line Analytical Processing).
4.
Data untuk pengujian
data mart yaitu dari tahun 2013 sampai dengan tahun
2014
5.
Proses pembuatan data mart dengan proses ETL (Extract Transform Loading).
6.
Pembangunan perangkat lunak menggunakan visual studio 2012
7.
DBMS menggunakan microsoft SQL server 2012
1.5
Metodologi Penelitian
Metodologi penelitian yang digunakan adalah metode deskrpitif. Metode
deskriptif adalah salah satu metode penelitian yang banyak digunakan untuk
menjelaskan suatu masalah dan menjabarkan suatu keadaan atau fenomena yang
terjadi saat ini.
1.5.1
Metode Pengumpulan Data
1.
Wawancara
Wawancara merupakan teknik pengumpulan data yang dilakukan dengan cara
tanya jawab dengan pihak perusahaan terkait dengan permasalahan yang
diambil.
2.
Observasi
Observasi merupakan teknik pengumpulan data yang dilakukan dengan cara
melakukan pengamatan secara langsung terhadap permasalahan yang ada di
perusahaan.
3.
Studi Literatur
Studi literatur merupakan teknik pengumpulan data dengan cara
mengumpulkan literatur, jurnal, dan bacaan lainnya yang berkaitan dengan
topik penelitian.
1.5.2
Metode Pembangunan Perangkat Lunak
Metode pembangunan perangkat lunak menggunakan paradigma peangkat
lunak waterfall. Paradigma waterfall ini dipilih dikarenakan model ini memberikan
pendekatan-pendekatan sistematis dan berurutan dalam pembuatan perangkat
lunak. Tahapan-tahapan yang ada pada metode
waterfall menurut Roger S
Pressman dapat dilihat pada
Gambar 1.1.
Communication
Planning
Modeling
Construction
Deployment
Project initation reqiurements gathering
Estimating scheduling tracking
Analisys design
Code test
Delivery support feedback
5
Penjelasan Gambar 1.1 adalah sebagai berikut :
1.
Communication
Pada tahap ini dilakukan analisis dan kebutuhan perangkat lunak dan
pengumpulan data berdasarkan hasil wawancara dengan pihak perusahaan.
2.
Planning
Pada tahap ini dilakukan analisis kebutuhan perusahaan mengenai hal-hal apa
saja yang dibutuhkan dalam pembuatan perangkat lunak.
3.
Modeling
Pada tahap ini dilakukan perancangan struktur data, arsitektur perangkat lunak,
dan perancangan antarmuka dari perangkat lunak yang akan dibangun,
disesuaikan dengan kebutuhan perangkat lunak dari perusahaan.
4.
Construction
Pada tahap ini dilakukan pembangunan perangkat lunak yang disesuaikan
dengan kebutuhan perangkat lunak dari perusahaan serta dilakukan
pengimplementasian dari proses perancangan yang telah dilakukan dan
pengujian terhadap perangkat lunak yang telah dibangun.
5.
Deployment
Pada tahap ini dilakukan pemeliharaan perangkat lunak yang telah dibangun.
1.5.3
Metode Pembangunan
Data Mart
Gambar 1.2 Metode Pembangunan
Data Mart
[11]
Penjelasan
Gambar 1.2
adalah sebagai berikut :
1.
Business Requirement Definition
Menganalisis proses bisnis, analisis sumber data dan seluruh kebutuhan yang
ada di PT. Foximas Mandiri dalam pembuatan data mart.
2.
Dimensional Modeling
Analisis pembentukan fakta dan dimensi dan memodelan data menjadi data
multidimensi berdasarkan hasil yang di dapat dari business requirement
defintion.
3.
Physical Design
7
4.
Data Staging Design
Perancangan data staging terdiri dari 3 tahap utama atau biasa disebut dengan
ETL ( Extract, Transform, dan Load) yang merupakan proses pengubahan data
dari OLTP database menjadi data mart.
5.
OLAP & Reporting Tools
Mengatur data yang ada dalam data mart menjadi data multidimensi
berdasarkan model yang akan ditampilkan kepada user untuk pengambilan
keputusan.
6.
Deployment
Pengoperasian data mart serta reporting tools yang sudah jadi.
1.6
Sistematika Penulisan
Sistemaktika penulisan penelitian ini disusun untuk memberikan gambaran
umum tentang penelitian yang akan dijalankan. Sistematika penulisannya adalah
sebagai berikut :
BAB 1 PENDAHULUAN
Pada bab ini menguraikan tentang latar belakang masalah, rumusan masalah,
maksud dan tujuan, batasan masalah, metodologi penelitian, serta sistematika
penulisan.
BAB 2 TINJAUAN PUSTAKA
Pada bab ini menjelaskan sekilas tentang perusahaan beserta teori-teori yang
dijadikan sebagai referensi untuk menunjang dalam pembuatan sistem.
BAB 3 ANALISIS DAN PERANCANGAN
perancangan jaringan semantik, dan perancangan method untuk aplikasi yang akan
dibangun sesuai dengan hasil analisis.
BAB 4 IMPLEMENTASI DAN PENGUJIAN
Pada bab ini berisi tahap implementasi dari perancangan sistem yang kemudian
akan dilakukan pengujian terhadap perangkat lunak yang dibuat dengan pengujian
black box, yaitu berfokus pada fungsionalitas perangkat lunak.
BAB 5 KESIMPULAN DAN SARAN
9
BAB 2
TINJAUAN PUSTAKA
2.1
Profil Perusahaan
PT. Foximas Mandiri adalah sebuah perusahaan swasta, yang memproduksi
sepatu kulit yang terletak di daerah Bandung Selatan. Perusahaan ini di dirikan
pada tahun 1971 sebagai perusahaan rumah tangga (home industry) dengan nama
FOXI dan masih berstatus Badan Hukum Perusahaan Perseorangan. Pada mulanya
tempat kegiatan usaha beralamat di jalan Kote Bandung. Adapun pemiliknya
adalah Bapak Dedi Sudrajat yang sekaligus pimpinan dari perusahaan ini. Produksi
yang dihasilkan pada waktu itu yaitu gentlemen shoes dengan kapasitas produksi
50 pasang per hari. Jumlah tenaga kerja waktu itu hanya 10 orang. Yang terdiri
dari :
1.
Satu orang untuk bagian pola
2.
Satu orang untuk bagian gurat
3.
Dua orang untuk bagian jahit
4.
Tiga orang untuk bagian sol
5.
Tiga orang untuk bagian penjualan dan pembelian
Produksi dari perusahaan ini terus berkembang, terbukti pada tahun 1979
kapasitas produksinya meningkat menjadi 100 pasang per hari. Selain itu
perusahaan pun mulai mengembangkan produknya dengan memulai memproduksi
casual shoes. Seiring dengan meningkatnya volume produksi, maka pada tahun
1980 perusahaan memindahkan tempat kegiatan usahanya ke lokasi yang lebih luas
di Jl. Situ No.11 A, Bandung.
saat ini rata-rata kapasitas produksi perusahaan yaitu sebanyak 300 pasang per hari
dengan tenaga kerja 136 orang. Sedangkan daerah pemasaran produknya meliputi
Pulau Jawa, Sumatera, Bali, dan Nusa Tenggara. Pada tahun 1994 perusahaan mulai
mengekspor produknya ke luar negri.
2.1.1
Visi dan Misi Perusahaan
Visi dan Misi PT. FOXIMAS MANDIRI adalah :
1.
Visi : menjadi produsen sepatu militer yang sehat dan paling unggul di
indonesia dalam memenuhi kebutuhan sepatu instansi pemerintah.
2.
Misi : Menjadi perusahaan sepatu yang dikelola secara profesional,
menghasilkan sepatu berkualitas, dan dapat memberikan kepuasan pada para
pelanggan.
2.1.2
Struktur Organisasi
Struktur organisasi adalah pola hubungan antara bagian-bagian dari instansi
atau menggambarkan dengan jelas antar bagian dalam suatu instansi. Berikut
struktur organisasi PT. FOXIMAS MANDIRI dapat dilihat pada Gambar 2. 1.
11
2.2
Landasan Teori
Pada sub bab ini berisi teori-teori yang digunakan dalam proses analisis dan
perancangan serta implementasi dalam tugas akhir ini.
2.2.1
Data Warehouse
Data warehouse merupakan sebuah gudang data yang terkumpul dari beberapa
sumber utama, data tersimpan secara terintegrasi. Dibuat dengan tujuan
pengambilan dan untuk mendukung keputusan bisnis [2]. Karakteristik
data
warehouse menurut Inmon adalah sebagai berikut :
1.
Berorientasi Subjek (Subject Oriented)
Data warehouse berorientasi subjek merupakan untuk memenuhi kebutuhan
analisis perusahaan dalam bidang data berdasarkan subjek tertentu, contoh :
menganalisis data produksi pada yang ada pada divisi perusahaan.
2.
Terintegrasi (Integrated)
Data warehouse harus mampu menitegrasikan data dari berbagai sumber data
yang akan di bangun untuk saling terintegrasi satu sama lain. Dimana akan
menjadi suatu format data yang konsisten.
3.
Rentang Waktu (Time variant)
Seluruh data pada
data warehouse dapat di lihat atau di informasikan
berdasrkan waktu perhari, minggu, bulan dan tahun selain itu data warehouse
dapat dilihat berdasarkan rentang waktu tertentu misal 5
–
10 tahun kedepan.
4.
Nonvolatile
2.2.2
Data Mart
Data mart merupakan suatu bagian dari
data warehouse yang mendukung
pembuatan laporan dan analisis data pada suatu unit.
Data mart berisi informasi
yang relefan bagi pengguna yang ingin mengambil keputusan.
Ada empat tugas yang dapat dilakukan dengan adanya
data mart [3], empat
tugas tersebut adalah sebagai berikut :
1.
Pembuatan laporan
Pembuatan laporan merupakan salah satu kegunaan
data mart yang paling
umum dilakukan. Dengan menggunakan query sederhana didapatkan laporan
per hari, per bulan, per tahun, atau jangka waktu kapanpun yang diinginkan.
2.
On-Line Analytical Processing (OLAP)
Dengan adanya data mart, semua informasi baik detail maupun hasil summary
yang dibutuhkan dalam proses analisa mudah didapat. OLAP merupakan
konsep data multidimensi dan memungkinkan pada pemakai menganalisa data
sampai mendetail, tanpa mengetikkan satupun perintah SQL.
3.
Data Mining
Data mining merupakan proses untuk menggali (mining) pengetahuan dan
informasi baru dari data yang berjumlah banyak pada data mart.
4.
Proses informasi executive.
13
2.2.2.1
Model Dimensional Data Mart
Model dimensional pada data mart terdiri dari tabel fakta dan tabel dimensi,
Ada beberapa model skema yang terdapat pada pemodelan data mart, yaitu skema
star, skema
snowflake, dan skema
constellation. Penjelasan dari masing-masing
model skema adalah sebagai berikut :
1.
Star Schema
Skema ini mengikuti bentuk bintang, dimana terdapat satu tabel fakta di pusat
bintang dengan beberapa tabel dimensi yang mengelilinginya. Semua tabel dimensi
berhubungan dengan ke tabel fakta. Tabel fakta memiliki beberapa
primary key
dalam tabel dimensi. Berikut adalah contoh skema bintang dapat dilihat pada
Gambar 2.2.
2.
Snowflake Schema
Snowflake Schema
merupakan perluasan dari
star schema dengan tambahan
beberapa tabel dimensi yang tidak berhubungan secara langsung dengan tabel fakta.
Tabel dimensi tersebut berhubungan dengan tabel dimensi yang lain. Berikut adalah
contoh skema bola salju dapat dilihat pada Gambar 2.3.
Gambar 2.3
Snowflake Schema
3.
Skema Constellation
15
Gambar 2.4 Skema
Constellation
2.2.2.2
ETL (
Extract, Transform, Loading
)
Proses ETL (Extract, Transform, Loading) merupakan proses yang harus
dilalui dalam pembentukan
data mart
[4]. Tujuan ETL adalah mengumpulkan,
menyaring, mengolah dan menggabungkan data dari berbagai sumber untuk
disimpan ke dalam data mart. Berikut adalah penjelasan dari tiap proses ETL :
1.
Ekstraksi Data (Extract)
Ekstraksi data adalah proses pengambilan data dari berbagai sistem
operasional, baik menggunakan query atau aplikasi ETL. Terdapat beberapa fungsi
ekstraksi data, yaitu :
a.
Ekstraksi data secara otomatis dari aplikasi sumber.
b.
Penyaringan atau seleksi data hasil ekstraksi.
c.
Pengiriman data dari berbagai platform aplikasi ke sumber data.
d.
Perubahan format layout data dari format aslinya.
2.
Transformasi Data (Transformation)
Transformasi adalah proses dimana data hasil ekstraksi disaring dan diubah
sesuai dengan aturan bisnis yang berlaku. Langkah-langkah dalam transformasi
data adalah sebagai berikut :
a.
Memetakan data input dari skema data aslinya ke skema data mart.
b.
Melakukan konversi tipe data.
c.
Membersihkan dan membuang data yang sama (duplikasi).
d.
Memeriksa referensi data.
e.
Mengisi nilai-nilai yang kosong dengan nilai default.
f.
Menggabungkan data.
3.
Pengisian Data (Loading)
Pengisian data adalah proses memasukkan data yang didapatkan dari hasil
transformasi ke dalam
data mart. Cara untuk memasukkan data adalah dengan
menjalankan SQL script secara periodik.
2.2.2.3
OLAP (
On-Line Analytical Processing
)
OLAP (On-Line Analytical Processing) adalah teknologi yang memproses data
ke dalam struktur multidimensi, menyediakan jawaban yang cepat untuk
query
analisis yang kompleks dengan tujuan untuk mengorganisir sejumlah data yang
besar, agar bisa dianalisa dan dievaluasi dengan cepat serta menyediakan kecepatan
dan fleksibelitas untuk mendukung analisa dalam waktu nyata [2].
Ada beberapa karakteristik OLAP, yaitu :
1.
Mengijinkan pelaku bisnis melihat data dari sudut pandang
logical dan
multidimensional pada data warehouse.
2.
Memfasilitasi query yang kompleks dan analisa bagi pengguna.
3.
Mengijinkan pengguna melakukan
drill-down untuk menampilkan data yang
lebih detail atau
roll-up untuk agregasi dari suatu dimensi atau beberapa
dimensi.
17
Keuntungan dari OLAP, yaitu :
1.
Mengingkatkan produktivitas pemakai akhir bisnis, pengembang IT, dan
keseluruhan organisasi.
2.
Pengawasan yang lebih dan akses tepat waktu terhadap informasi strategis
dapat membuat pengambilan keputusan lebih cepat.
3.
Mengurangi pengembangan aplikasi bagi staf IT dengan membuat pemakaian
akhir dapat mengubah skema dan membuat model sendiri.
4.
Penyimpanan pengawasan organisasi melalui integritas data koorporasi
sebagai aplikasi OLAP tergantung pada
data warehouse dan sistem OLTP
untuk memperbaharui sumber tingkatan data.
OLAP dapat digunakan untuk melakukan seperti [2] :
1.
Konsolidasi (roll-up)
Konsolidasi melibatkan pengelompokan data.
2.
Drill-down
Suatu bentuk yang merupakan kebalikan dari konsolidasi untuk menjabarkan
data yang ringkas menjadi data yang lebih detail. Gambaran untuk roll-up dan
drill-down dapat dilihat pada Gambar 2.5.
3.
Slicing dan dicing
Menjabarkan pada kemampuan untuk melihat data dari sudut pandang.
Gambaran untuk slicing dan dicing dapat dilihat pada Gambar 2.6.
Gambar 2.6
Slicing
dan
Dicing
2.2.2.4
Fact Table and Dimension Tables
Tabel fakta adalah tabel utama dalam tabel dimensi dimana pengkuran kinerja
numerik dari bisnis di simpan. Sebuah baris dalam tabel fakta sesuai dengan
pengukuran, sebuah pengukuran adalah baris dalam tabel fakta [10]. Berikut contoh
tabel fakta :
Tabel fakta tidak menyimpan informasi tekstual berlebihan dalam tabel fakta
kecuali teks unik untuk setiap bari tabel fakta, itu termasuk dalam tabel dimensi.
Daily Sales Fact Table
19
Tabel dimensi adalah integral dari tabel fakta, tabel dimensi berisi deskripsi
tekstual dari bisnis. Atribut tabel dimensi sangat berperan penting dalam pembuatan
laporan, tabel dimensi adalah kunci untuk membuat data warehouse, atribut dimensi
produk akan mencakup deskripsi singkat (10 sampai 15 karakter). Berikut contoh
tabel dimensi :
Product Dimension Table
Product Key (PK) Product Description SKU Number (Natural Key) Brand Description Category Description Department Description Package Type Description Package Size Fat Content Description Diet Type Description Weight Weight Units of Measure Storage Type
Shelf Life Type Shelf Width Shelf Height Shelf Depth
... and many more
2.2.3
Microsoft SQL Server
Microsoft SQL Server adalah sebuah sistem manajemen basis data relasional
2.2.4
SSIS (
SQL Server Integration Service
)
SSIS (SQL Server Integration Services) adalah suatu platform untuk
membangun sistem yang handal untuk integrasi data,
extraction, transformation,
dan loading yang digunakan pada data warehousing [6].
Arsitektur
SQL Server Integration Services secara umum berisi berbagai
macam komponen, diantaranya yaitu :
1.
SSIS Deginer. Merupakan tools yang digunakan untuk membuat dan mengatur
paket integration service. Pada SQL Server 2012, tools ini sudah terintegrasi
dengan
Visual Studio 2010 yang merupakan bagian
project Bussiness
Intelegence.
2.
Runtime Engine. Komponen ini berguna untuk menjalankan semua paket SSIS
yang sudah dibuat.
3.
Task dan executable binary.
4.
Data Flow Engine dan
Data Flow. Komponen
data flow merupakan
enkapsulasi
data flow engine yang menyediakan
buffer didalam memori dan
bertugas memindahkan data dari sumber data ke tujuan data. Sedangkan data
flow merupakan sumber data, tujuan data, dan transformasi.
5.
Integration Services service. Memungkinkan SQL Server Management Studio
dapat digunakan untuk melakukan monitoring paket SSIS dan mengatur SSIS
storage yang digunakan.
6.
SQL Server Import dan Export Wizard. Tools ini digunakan untuk melakukan
copy data dari sumber ke tujuan data.
2.2.5
UML (
Unified Modeling Language
)
21
UML merupakan kesatuan dari bahasa pemodelan yang dikembangkan oleh
Booch,
Object Modelling Technique (OMT) dan
Object Oriented Software
Engineering (OOSE) [7]. Metode Booch dari Grady Booch sangat terkenal dengan
nama metode Design Object Oriented. Metode ini menjadikan proses analisis dan
design ke dalam empat tahapan iteratif, yaitu identifikasi kelas-kelas dan
objek-objek, identifikasi semantik dari hubungan objek dan kelas tersebut, perincian
interface dan implementasi. Keunggulan metode Booch adalah pada detail kayanya
dengan notasi dan elemen. Pemodelan OMT yang dikembangkan oleh Rumbaugh
didasarkan pada analisis terstruktur dan pemodelan
entity-relationship. Tahapan
utama dalam metodologi ini adalah analisis, design sistem, design objek dan
implementasi. Keunggulan metode ini adalah dalam penotasian yang mendukung
semua konsep OO. Metode OOSE dari Jacobson lebih memberi penekanan pada
use case. OOSE memiliki tiga tahapan yaitu membuat model
requirement dan
analisis, design dan implementasi, dan model pengujian (test model). Keunggulan
metode ini adalah mudah dipelajari karena memiliki notasi yang sederhana namun
mencakup seluruh tahapan dalam rekayasa perangkat lunak.
Dengan UML, metode Booch, OMT dan OOSE digabungkan dengan
membuang elemen-elemen dari metode lain yang lebih efektif dan elemen-elemen
baru yang belum ada pada metode terdahulu sehingga UML lebih ekspresif dan
seragam daripada metode lainnya.
2.2.5.1
Use Case Diagram
Berikut ini adalah contoh Use Case Diagram:
Gambar 2.7
Use Case Diagram
[8]
2.2.5.2
Use Case Scenario
23
[image:31.595.118.519.133.367.2]Berikut ini adalah contoh Use Case Scenario:
Gambar 2.8
Use Case Scenario
[8]
2.2.5.3
Class Diagram
Class Diagram adalah diagram yang digunakan untuk menampilkan beberapa
kelas serta paket-paket yang ada dalam sistem/perangkat lunak yang sedang kita
kembangkan. Diagram kelas memberikan gambaran/diagram statis tentang
sistem/perangkat lunak dan relasi-relasi yang ada di dalamnya [9].
Berikut ini adalah contoh Class Diagram:
Gambar 2.9
Class Diagram
[8]
2.2.5.4
Sequence Diagram
[image:31.595.108.511.540.617.2]Komponen utama sequence diagram terdiri atas objek yang dituliskan dengan
kotak segiempat bernama.
Message diwakili oleh garis dengan tanda panah dan
waktu yang ditunjukkan dengan progress vertikal [7].
Berikut ini adalah contoh Sequence Diagram:
Gambar 2.10
Sequence Diagram
[8]
2.2.5.5
Activity Diagram
[image:32.595.89.481.181.448.2]25
Berikut ini adalah contoh Activity Diagram:
[image:33.595.210.411.139.551.2]131
BAB 5
KESIMPULAN DAN SARAN
5.1
Kesimpulan
Berdasarkan penelitian yang telah dilakukan mengenai analisis, perancangan,
implementasi, dan pengujian terhadap perangkat lunak
data mart untuk divisi
produksi di PT. Foximas Mandiri ini, maka dapat disimpulkan sebagai berikut :
1.
Penerapan Data Mart memberikan kemudahan dalam mendapatkan informasi
strategis dengan cepat yang diperlukan oleh manajer produksi PT. Foximas
Mandiri, dan dapat membantu proses pengambilan keputusan sehingga
mempercepat proses penganalisaan yang dibuat oleh manajer produksi untuk
penanganan produk yang sudah diproduksi.
2.
Penerapan
Data Mart membantu dalam pembuatan laporan akhir produksi
yang dibutuhkan oleh manajer produksi di PT. Foximas Mandiri.
5.2
Saran
Berikut ini setelah pembangunan perangkat lunak data mart pada PT. Foximas
Mandiri maka beberapa saran dalam pengembagan ke depannya adalah sebagai
berikut :
1.
Sistem tidak hanya menganalisis Divisi Produksi saja, tetapi menganalisis
seluruh divisi yang ada di PT. Foximas Mandiri guna untuk memenuhi
informasi strategis perusahaan yang lebih besar.
F-1
DAFTAR RIWAYAT HIDUP
DATA PRIBADI
NIM
: 10110370
Nama Lengkap
: Irwan Ruchwana SB
Jenis Kelamin
: Laki-laki
Tempat & Tgl Lahir
: Tasikmalaya, 12 Maret 1991
Alamat
: Kp. Negla Desa Setiajaya Kecamatan Cibeureum
Kota Tasikmalaya
No. Telepon / HP
: (+62) 82219189890
: ruchwana@gmail.com
PENDIDIKAN FORMAL
1998 - 2004
: SDN Siluman 2 Tasikmalaya
2004 - 2007
: SMPN 9 Tasikmalaya
Irwan Ruchwana SB
11 Program Studi Teknik Informatika
Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia Jl. Dipatiukur No 112-116 Bandung - Indonesia
E-mail : ruchwana@gmail.com
ABSTRAK
PT. Foximas Mandiri merupakan perusahaan swasta yang bergerak dibidang produksi sepatu kulit. Dalam pembuatan laporan akhir produksi masih mengalami kesulitan karena semua dokumen produksi masih belum terkomputerisasi, dengan banyaknya data yang tidak terintegrasi membuat pihak manajer produksi kesulitan dalam menganalisa perkembangan produksi dan kesulitan dalam pencarian data yang akan dijadikan suatu informasi strategis.
Berdasarkan permasalahan yang ada pada PT. Foximas Mandiri, maka perlu dibangun sebuah
perangkat lunak data mart, dimana data laporan akhir
produksi dapat dibuat dengan sebaik mungkin dan data-data yang ada dapat terintegrasi dengan baik untuk memudahkan perusahaan dalam mengontrol hasil produksi dan dapat di manfaatkan semaksimal mungkin untuk memberikan kemudahan dalam pencarian data sesuai dengan kebutuhan manajer produksi agar data yang diperlukan dapat menyajikan informasi secara cepat dan detail, dalam bentuk tabel multidimensi dan grafik yang nantinya dapat dianalisis sehingga membantu dalam pengambilan
keputusan. Pembangunan perangkat lunak data mart
menggunakan UML (Unified Modeling Language),
data mart adalah bagian dari data warehouse yang membantu dalam pembuatan laporan dan analisis data pada suatu unit.
Berdasarkan hasil pengujian black box dan
pengujian wawancara dapat di simpulkan bahwa
pembangunan perangkat lunak data mart dapat
memudahkan dalam mendapatkan suatu informasi strategis secara cepat dan detail yang dibutuhkan oleh manajer produksi PT. Foximas Mandiri untuk mempercepat proses penganalisaan produksi ke depannya yang akan membantu pengambilan keputusan oleh manajer produksi dan membantu memudahkan manajer produksi dalam pembuatan laporan akhir produksi yang multidimensi sesuai dengan kebutuhan PT. Foximas Mandiri.
Kata kunci : PT. Foximas Mandiri, Informasi
Strategis, Data Mart.
1.
PENDAHULUAN
PT. Foximas Mandiri merupakan perusahaan swasta yang bergerak dibidang produksi sepatu kulit. PT. Foximas Mandiri dipercaya sebagai produsen pembuat sepatu kulit yang di kirim ke seluruh outlet sepatu kulit di seluruh indonesia dan memenuhi permintaan pembuatan sepatu militer bagi instansi pemerintah terutama TNI dan Polri.
Saat ini pembuatan laporan akhir produksi masih mengalami kesulitan karena semua dokumen produksi masih belum terkomputerisasi, dengan banyaknya data yang tidak terintegrasi membuat pihak manajer produksi kesulitan dalam menganalisa perkembangan produksi dan kesulitan dalam pencarian data yang akan dijadikan suatu informasi strategis. Dalam menyajikan informasi yang memiliki periode waktu akan membutuhkan waktu yang cukup lama dalam menyajikannya dikarenakan oleh pencarian data dan pemrosesannya yang lambat serta belum adanya suatu sistem yang dapat menyajikan informasi yang cepat dan detail. Untuk itu perlu
dibangun sebuah perangkat lunak data mart, dimana
data laporan akhir produksi dapat dibuat dengan sebaik mungkin dan data-data yang ada dapat terintegrasi dengan baik untuk memudahkan perusahaan dalam mengontrol hasil produksi dan dapat di manfaatkan semaksimal mungkin untuk memberikan kemudahan dalam pencarian data sesuai dengan kebutuhan manajer produksi agar data yang diperlukan dapat menyajikan informasi secara cepat dan detail, dalam bentuk tabel multidimensi dan grafik yang nantinya dapat dianalisis sehingga membantu dalam pengambilan keputusan. Tujuan
dari membangun perangkat lunak data mart pada PT.
Foximas Mandiri ini adalah untuk :
1. Membantu manajer produksi dalam
menampilkan kebutuhan informasi strategis secara cepat dan ringkas, serta dapat menyajikan informasi yang multidimesi dengan tabel dan grafik yang memudahkan dalam menganalisa
produksi perusahaan untuk membantu
pengambilan keputusan yang dibuat oleh manajer produksi.
2. Membantu pihak manajer produksi dalam
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)
46Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
Batasan masalah yang diterapkan dalam
pembangunan perangkat lunak data mart ini antara
lain, yaitu :
1. Data yang diambil adalah data yang dimiliki
oleh Divisi Produksi yaitu data produksi dan data SPK.
2. Pemodelan untuk pembangunan perangkat
lunak menggunakan UML (Unified Modeling
Language).
3. Pengujian data mart menggunakan OLAP (
On-Line Analytical Processing).
4. Data untuk pengujian data mart yaitu dari tahun
2013 sampai dengan tahun 2014
5. Proses pembuatan data mart dengan proses ETL
(Extract Transform Loading).
6. Pembangunan perangkat lunak menggunakan
visual studio 2012
7. DBMS menggunakan microsoft SQL server
2012
1.1Data Mart
Data mart merupakan suatu bagian dari data warehouse yang mendukung pembuatan laporan dan
analisis data pada suatu unit. Data mart berisi
informasi yang relefan bagi pengguna yang ingin mengambil keputusan.
Ada empat tugas yang dapat dilakukan dengan
adanya data mart [2], empat tugas tersebut adalah
sebagai berikut :
1. Pembuatan laporan
Pembuatan laporan merupakan salah satu
kegunaan data mart yang paling umum
dilakukan. Dengan menggunakan query
sederhana didapatkan laporan per hari, per bulan, per tahun, atau jangka waktu kapanpun yang diinginkan.
2. On-Line Analytical Processing (OLAP)
Dengan adanya data mart, semua informasi baik
detail maupun hasil summary yang dibutuhkan
dalam proses analisa mudah didapat. OLAP merupakan konsep data multidimensi dan memungkinkan pada pemakai menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah SQL.
3. Data Mining
Data mining merupakan proses untuk menggali (mining) pengetahuan dan informasi baru dari
data yang berjumlah banyak pada data mart.
4. Proses informasi executive.
Data mart dapat membuat ringkasan informais yang penting dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi keseluruhan
data. Dengan menggunakan data mart segala
laporan telah diringkas dan dapat pula mengetehaui segala rinciannya secara lengkap, sehingga mempermudah proses pengambilan keputusan.
1.2Model Dimensional Data Mart
Model dimensional pada data mart terdiri dari
tabel fakta dan tabel dimensi,
Ada beberapa model skema yang terdapat pada
pemodelan data mart, yaitu skema star, skema
snowflake, dan skema constellation. Penjelasan dari masing-masing model skema adalah sebagai berikut : 1. Star Schema
Skema ini mengikuti bentuk bintang, dimana terdapat satu tabel fakta di pusat bintang dengan beberapa tabel dimensi yang mengelilinginya. Semua tabel dimensi berhubungan dengan ke tabel fakta.
[image:41.595.311.524.247.463.2]Tabel fakta memiliki beberapa primary key dalam
tabel dimensi. Berikut dapat dilihat pada Gambar 1.
Gambar 1 Star Schema
2. Snowflake Schema
Snowflake Schema merupakan perluasan dari
star schema dengan tambahan beberapa tabel dimensi yang tidak berhubungan secara langsung dengan tabel fakta. Tabel dimensi tersebut berhubungan dengan tabel dimensi yang lain. Berikut dapat dilihat pada
GambarError! Reference source not found. 2
GambarError! Reference source not found. 2
yang menggunakan satu atau beberapa tabel dimensi. Berikut adalah contoh skema constellation dapat dilihat pada Gambar 3.
Gambar 3 Skema Constellation
1.3ETL (Extract, Transform, Loading)
Proses ETL (Extract, Transform, Loading)
merupakan proses yang harus dilalui dalam
pembentukan data mart [3]. Tujuan ETL adalah
mengumpulkan, menyaring, mengolah dan
menggabungkan data dari berbagai sumber untuk
disimpan ke dalam data mart. Berikut adalah
penjelasan dari tiap proses ETL :
1. Ekstraksi Data (Extract)
Ekstraksi data adalah proses pengambilan data dari berbagai sistem operasional, baik menggunakan
query atau aplikasi ETL. Terdapat beberapa fungsi ekstraksi data, yaitu :
a. Ekstraksi data secara otomatis dari aplikasi
sumber.
b. Penyaringan atau seleksi data hasil ekstraksi.
c. Pengiriman data dari berbagai platform aplikasi
ke sumber data.
d. Perubahan format layout data dari format
aslinya.
e. Penyimpanan dalam file sementara untuk
penggabungan dengan hasil ekstraksi dari sumber lain.
2. Transformasi Data (Transformation)
Transformasi adalah proses dimana data hasil ekstraksi disaring dan diubah sesuai dengan aturan bisnis yang berlaku. Langkah-langkah dalam transformasi data adalah sebagai berikut :
a. Memetakan data input dari skema data aslinya
ke skema data mart.
b. Melakukan konversi tipe data.
c. Membersihkan dan membuang data yang sama
(duplikasi).
d. Memeriksa referensi data.
e. Mengisi nilai-nilai yang kosong dengan nilai
default.
yang didapatkan dari hasil transformasi ke dalam data
mart. Cara untuk memasukkan data adalah dengan
menjalankan SQLscript secara periodik.
1.4OLAP (On-Line Analytical Processing)
OLAP (On-Line Analytical Processing) adalah
teknologi yang memproses data ke dalam struktur multidimensi, menyediakan jawaban yang cepat
untuk query analisis yang kompleks dengan tujuan
untuk mengorganisir sejumlah data yang besar, agar bisa dianalisa dan dievaluasi dengan cepat serta menyediakan kecepatan dan fleksibelitas untuk mendukung analisa dalam waktu nyata [1].
Ada beberapa karakteristik OLAP, yaitu :
1. Mengijinkan pelaku bisnis melihat data dari
sudut pandang logical dan multidimensional
pada data warehouse.
2. Memfasilitasi query yang kompleks dan analisa
bagi pengguna.
3. Mengijinkan pengguna melakukan drill-down
untuk menampilkan data yang lebih detail atau
roll-up untuk agregasi dari suatu dimensi atau beberapa dimensi.
4. Menyediakan proses kalkulasi dan
perbandingan data.
5. Menampilkan hasil dalam bentuk tabel atau
grafik.
Keuntungan dari OLAP, yaitu :
1. Mengingkatkan produktivitas pemakai akhir
bisnis, pengembang IT, dan keseluruhan organisasi.
2. Pengawasan yang lebih dan akses tepat waktu
terhadap informasi strategis dapat membuat pengambilan keputusan lebih cepat.
3. Mengurangi pengembangan aplikasi bagi staf IT
dengan membuat pemakaian akhir dapat mengubah skema dan membuat model sendiri.
4. Penyimpanan pengawasan organisasi melalui
integritas data koorporasi sebagai aplikasi
OLAP tergantung pada data warehouse dan
sistem OLTP untuk memperbaharui sumber tingkatan data.
OLAP dapat digunakan untuk melakukan seperti [1] :
1. Konsolidasi (roll-up)
Konsolidasi melibatkan pengelompokan data.
2. Drill-down
Suatu bentuk yang merupakan kebalikan dari konsolidasi untuk menjabarkan data yang ringkas menjadi data yang lebih detail.
Gambaran untuk roll-up dan drill-down dapat
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)
48Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
Gambar 4 Roll-up dan Drill-down
3. Slicing dan dicing
Menjabarkan pada kemampuan untuk melihat
data dari sudut pandang. Gambaran untuk slicing dan
dicing dapat dilihat pada Gambar 5.
Gambar 5 Slicing dan Dicing
1.5SSIS (SQL Server Integration Service)
SSIS (SQL Server Integration Services) adalah
suatu platform untuk membangun sistem yang handal
untuk integrasi data, extraction, transformation, dan
loading yang digunakan pada data warehousing [4].
Arsitektur SQL Server Integration Services
secara umum berisi berbagai macam komponen, diantaranya yaitu :
1. SSIS Deginer. Merupakan tools yang digunakan
untuk membuat dan mengatur paket integration
service. Pada SQL Server 2012, tools ini sudah
terintegrasi dengan Visual Studio 2010 yang
merupakan bagian project Bussiness
Intelegence.
2 Runtime Engine. Komponen ini berguna untuk menjalankan semua paket SSIS yang sudah dibuat.
3 Task dan executable binary.
4 Data Flow Engine dan Data Flow. Komponen
data flow merupakan enkapsulasi data flow engine yang menyediakan buffer didalam memori dan bertugas memindahkan data dari
sumber data ke tujuan data. Sedangkan data flow
merupakan sumber data, tujuan data, dan transformasi.
5 Integration Services service. Memungkinkan
SQL Server Management Studio dapat digunakan untuk melakukan monitoring paket SSIS dan
mengatur SSIS storage yang digunakan.
6 SQL Server Import dan Export Wizard. Tools ini
digunakan untuk melakukan copy data dari
sumber ke tujuan data.
2
ISI PENELITIAN
Terdapat beberapa tahapan analisis dalam
pembangunan perangkat lunak data mart ini, yaitu:
2.1 Analisis Kebutuhan Informasi
Analisis kebutuhan informasi merupakan tahap untuk menganalisis apa saja yang dibutuhkan oleh
PT. Foximas Mandiri untuk data mart yang akan
dibangun. Informasi yang akan disajikan secara detail. Berdasarkan hasil wawancara dengan manajer
produksi, informasi yang dibutuhkan untuk
pembangunan data mart adalah sebagai berikut :
1. Informasi jumlah sepatu yang diproduksi
berdasarkan model sepatu pertanggal, perbulan dan pertahun.
2. Informasi jumlah sepatu yang diproduksi
berdasarkan ukuran sepatu pertanggal, perbulan dan pertahun.
3. Informasi jumlah sepatu yang diproduksi
berdasarkan model sepatu dan ukuran sepatu pertanggal, perbulan dan pertahun.
4. Informasi jumlah sepatu yang diproduksi
berdasarkan no spk (surat perintah kerja) pertanggal, perbulan dan pertahun.
5. Informasi jumlah sepatu yang diproduksi
berdasarkan no spk (surat perintah kerja) dan
model sepatu pertanggal, perbulan dan
pertahun.
6. Informasi jumlah sepatu yang diproduksi
berdasarkan no spk (surat perintah kerja), model sepatu dan ukuran pertanggal, perbulan dan pertahun.
7. Informasi jumlah sepatu yang diorder
berdasarkan nama pelanggan pertanggal,
perbulan dan pertahun.
8. Informasi jumlah sepatu yang diorder
berdasarkan model sepatu pertanggal, perbulan dan pertahun.
9. Informasi jumlah sepatu yang diorder
berdasarkan nama pelanggan dan model sepatu pertanggal, perbulan dan pertahun.
10. Informasi jumlah sepatu reject berdasarkan
model sepatu pertanggal, perbulan dan
pertahun.
11. Informasi jumlah sepatu reject berdasarkan
ukuran pertanggal, perbulan dan pertahun.
12. Informasi jumlah sepatu reject berdasarkan
PT. Foximas Mandiri. Berikut diagram relasi OLTP PT. Foximas Mandiri dapat dilihat pada Gambar 6 :
Gambar 6 Diagram Relasi OLTP PT. Foximas Mandiri
2.3Analisis Arsitektur Data Mart
Pada lapisan ini, data operasional akan diekstrak
dengan proses ETL (Extract Transform Loading) ke
dalam data mart.
1. Extract
Proses ini merupakan pemilihan data dari
sumber data yang ada untuk pembuatan data mart,
beberapa tabel yang akan di jadikan data mart yaitu
tabel produksi, tabel ukuran, tabel sepatu, tabel spk, tabel order, tabel pelangggan, dan tabel reject. Atribut-atribut yang ada pada tabel yang akan diekstrak tidak ada perubahan masih tetap sama dengan sumber data yang ada pada OLTP. Proses
ekstraksi data dari sumber data ke dalam data mart
adalah sebagai berikut :
a.
Proses extract pada tabel produksiProses extract pada tabel produksi, dilakukan
proses pengambilan data dari database OLTP. Kolom
yang di-extract adalah kolom id_produksi, id_spk,
id_sepatu, id_ukuran, jumlah, dan tanggal. Hasil dari
extract data pada tabel produksi dapat dilihat pada Tabel 1:
Tabel 1 Extract Produksi
yang di-extract adalah kolom id_ukuran, dan
no_ukuran. Hasil dari extract data pada tabel ukuran
[image:44.595.87.272.129.339.2]dapat dilihat pada Tabel 2 :
Tabel 2 Extract Ukuran Nama Tabel Field
Tabel Ukuran id_ukuran no_ukuran
c.
Proses extract pada tabel sepatuProses extract pada tabel sepatu, dilakukan
proses pengambilan data dari database OLTP. Kolom
yang di-extract adalah kolom id_sepatu,
model_sepatu dan harga. Hasil dari extract data pada
tabel sepatu dapat dilihat pada Tabel 3:
Tabel 3 Extract Sepatu Nama Tabel Field
Tabel Sepatu
id_sepatu model_sepatu Harga
d.
Proses extract pada tabel orderProses extract pada tabel order, dilakukan
proses pengambilan data dari database OLTP. Kolom
yang di-extract adalah kolom id_order, id_pelanggan,
jumlah, dan banyak. Hasil dari extract data pada tabel
order dapat dilihat pada Tabel 4:
Tabel 4 Extract Order Nama Tabel Field
Tabel Order id_order id_pelanggan Id_sepatu Jml_sepatu Total_harga Tanggal
e.
Proses extract pada tabel pelangganProses extract pada tabel pelanggan, dilakukan
proses pengambilan data dari database OLTP. Kolom
yang di-extract adalah kolom id_pelanggan, nama,
dan alamat. Hasil dari extract data pada tabel
pelanggan dapat dilihat pada Tabel 5 :
Tabel 5 Extract Pelanggan Nama Tabel Field
Tabel pelanggan
id_pelanggan Nama Alamat
f.
Proses extract pada tabel spkProses extract pada tabel spk, dilakukan proses
pengambilan data dari database OLTP. Kolom yang di-extract adalah kolom id_spk, no_spk, dan tanggal.
Nama Tabel Field
[image:44.595.311.508.164.223.2] [image:44.595.94.262.657.755.2]Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)
50Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
Hasil dari extract data pada tabel spk dapat dilihat
pada Tabel 6 :
Tabel 6 Extract Spk Nama Tabel Field
Tabel spk id_spk Id_sepatu Id_ukuran no_spk Jumlah Tanggal
g.
Proses extract pada tabel rejectProses extract pada tabel reject, dilakukan
proses pengambilan data dari database OLTP. Kolom
yang di-extract adalah kolom id_reject, id_sepatu,
id_ukuran, jumlah dan tanggal. Hasil dari extract data
pada tabel spk dapat dilihat pada Tabel 7 :
Tabel 7 Extract Reject Nama Tabel Field
Tabel reject Id_reject id_sepatu Id_ukuran Jumlah Tanggal 2. Transform
Proses transform yang dilakukan terdiri dari 2
proses, yaitu : 1. Cleaning
Proses cleaning dilakukan untuk
membersihkan data yang tidak digunakan dari tabel yang sudah diekstrak. Berikut merupakan
nama field yang dihilangkan dalam proses
cleaning :
a) Pada tabel sepatu tidak memerlukan field
harga.
b) Pada tabel pelanggan tidak memerlukan field
alamat.
c) Pada tabel order tidak memerlukan field
total_harga dan tanggal.
d) Pada tabel spk tidak memerlukan field tanggal.
2. Conditioning
Proses conditioning yaitu data yang sudah
melalui proses pembersihan akan diubah format dari
data oprasional menjadi format data mart. Untuk
proses ini format yang diubah hanya nama tabel dan perubahan tanggal menjadi id_waktu. Berikut
tabel-tabel yang di conditioning yaitu antara lain :
1) Conditioning tabel produksi
Pada proses conditioning tabel produksi
akan diubah namanya menjadi tabel
fact_produksi karena tabel produksi
memiliki measure yaitu parameter yang
digunakan dalam tabel fakta yang berupa
data numeric atau data yang dapat di ukur.
sedangkan untuk field tanggal menjadi
id_waktu. Pada field tanggal akan
menghasilkan tabel baru yaitu tabel dimensi waktu yaitu untuk menjelaskan informasi yang dibutuhkan berdasarkan waktu dalam penganalisaan data. Untuk lebih jelasnya
dalam proses conditioning tabel produksi
[image:45.595.317.520.98.386.2]dapat dilihat pada Tabel 8 :
Tabel 8 Conditioning Tabel Produksi
Tabel Produksi Fact_produksi
No Field No Field
1 Id_produksi 1 Id_produksi 2 id_sepatu 2 id_sepatu 3 id_ukuran 3 id_ukuran 4 Jumlah 4 jumlah 5 Tanggal 5 id_waktu
Tabel Produksi Dim_waktu
Tanggal Date id_waktu integer tanggal integer bulan integer nama_bulan nvarchar(50) tahun integer full_date date
3. Loading
Setelah data di extract dan di transform,
selanjutnya data tersebut dimasukkan ke dalam data
mart. Proses loading pada aplikasi data mart akan
dilakukan secara otomatis setelah proses transform
selesai. Teknik yang digunakan adalah update,
dimana proses ini akan langsung meng-updatedata
mart tanpa merubah data yang sudah ada.
1. Analisis Data Mart Layer
Pada lapisan ini, data yang sudah melalui proses
ETL akan disimpan pada sebuah penyimpanan logic
yang tersentralisasi, yaitu data mart. Tabel-tabel yang
akan dibutuhkan dalam pembuatan perancangan data
mart, yaitu tabel fakta produksi, fakta order dan tabel
fakta reject. Selain itu terdapat tabel dimensi yang akan digunakan bersama dalam beberapa tabel fakta, yaitu tabel dimensi sepatu, tabel dimensi ukuran, tabel dimensi pelanggan, tabel dimensi spk dan tabel dimensi waktu. Skema yang digunakan dalam
pembangunan data mart adalah skema constellation.
Berikut skema constellation dalam pembangunan
Gambar 7 Skema Constellation
Tabel 9 Penjelasan Skema Data Mart
No Nama Tabel Jenis Tabel
1 Fact_Produksi Fakta 2 Fact_order Fakta 3 Fact_reject Fakta 4 Dim_Sepatu Dimensi 5 Dim_Ukuran Dimensi 6 Dim_Pelanggan Dimensi 7 Dim_Waktu Dimensi 8 Dim_Spk Dimensi
2.4Spesifikasi Kebutuhan Perangkat Lunak
Analisis spesifikasi kebutuhan perangkat lunak berisi deskripsi dari kebutuhan perangkat lunak yang akan dibangun baik kebutuhan fungsional maupun
kebutuhan non fungsional. Tabel spesifikasi
kebutuhan perangkat lunak dapat dilihat pada Tabel 10 dan Tabel 11 :
Tabel 10 Spesifikasi Kebutuhan Perangkat Lunak Fungsional
Kode
Kebutuhan Kebutuhan
SKPL-F-1 Administrator dan manajer produksi dapat mengakses aplikasi.
SKPL-F-2 Sistem dapat melakukan update data pada data mart.
SKPL-F-3 Sistem dapat melakukan proses ETL (Extract Transform Loading).
SKPL-F-4 Manajer produksi dapat melakukan analisis terhadap data mart.
SKPL-F-5 Sistem dapat menampilkan hasil analisis berupa tabel dan grafik.
SKPL-F-6 Sistem dapat memberikan laporan tercetak.
Kebutuhan Kebutuhan
SKPL-NF-1 Sistem dapat berjalan pada platfrom windows.
SKPL-NF-2
Sistem dapat berjalan pada hardware berspesifikasi menengah.
SKPL-NF-3
Bahasa pemrograman yang digunakan adalah C#.
2.5Analisis Kebutuhan Fungsional
Analisis kebutuhan fungsional bertujuan untuk menguraikan proses kegiatan dan kebutuhan yang akan diterapkan pada sistem yang akan dibangun.
2.5.1 Use Case Diagram
Use case diagram merupakan gambaran
fungsionalitas atau perilaku dari sistem. Berikut use
case diagram pada perangkat lunak dapat dilihat pada Gambar 8:
Gambar 8 Use Case Diagram
2.5.2 Activity Diagram
Activity diagram memodelkan aliran kerja dari urutan aktivitas dalam suatu proses yang mengacu
pada use case diagram yang ada. Activity diagram
update ETLmerupakan aktifitas yang dilakukan oleh
user untuk memasukkan data baru ke dalam data
[image:46.595.98.255.324.446.2]mart. Activity diagram dari update ETL dapat dilihat pada Gambar 9 :
Gambar 9 Activity Diagram Update ETL
[image:46.595.347.487.591.745.2]Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)
52Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
2.5.3Sequence Diagram
Sequence diagram menggambarkan interaksi
antar masing-masing objek pada setiap use case
dalam urutan waktu. Sequence diagram untuk update
[image:47.595.311.527.93.425.2]ETL dapat dilihat pada Gambar 10 :
Gambar 10 Sequence Diagram Update ETL
2.5.4 Class Diagram
Class diagram menggambarkan struktur dan hubungan antar objek-objek yang ada pada sistem. Struktur ini meliputi atribut-atribut dan
metode-metode yang ada pada masing-masing kelas. Class
diagram dari perangkat lunak data mart yang akan
dibangun dapat dilihat pada Gambar 11:
Gambar 11 Class Diagram
2.6Implementasi Basis Data
Pembuatan basis data dilakukan dengan
menggunakan aplikasi DBMS Microsoft SQL Server
2012. Implementasi basis data dalam bahasa SQL
adalah sebagai berikut :
Tabel 12 Implementasi Tabel dim_pelanggan
Dimensi Pelanggan
CREATE TABLE [dbo].[dim_pelanggan](
[id_pelanggan] [int] NOT NULL,
[nama] [varchar](30) NOT NULL,
CONSTRAINT [PK_dim_pelanggan] PRIMARY KEY CLUSTERED
(
[id_pelanggan] ASC
)WITH (PAD_INDEX = OFF,
STATISTICS_NORECOMPUTE = OFF, IGNORE_DUP_KEY
= OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS
= ON) ON [PRIMARY]
) ON [PRIMARY]
GO
Tabel 13 Implementasi Tabel dim_sepatu
Dimensi Sepatu
[image:47.595.89.268.164.342.2]CREATE TABLE [dbo].[dim_sepatu](
[id_sepatu] [int] NOT NULL,
[model_sepatu] [varchar](10) NOT NULL,
CONSTRAINT [PK_dim_sepatu] PRIMARY KEY CLUSTERED
(
[id_sepatu] ASC
)WITH (PAD_INDEX = OFF,
STATISTICS_NORECOMPUTE = OFF, IGNORE_DUP_KEY
= OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS
= ON) ON [PRIMARY]
) ON [PRIMARY]
GO
Tabel 14 Implementasi Tabel fact_produksi
Fakta Produksi
CREATE TABLE [dbo].[fact_produksi](
[id_spk] [int] NOT NULL,
[id_sepatu] [int] NOT NULL,
[id_ukuran] [int] NOT NULL,
[jumlah] [int] NOT NULL,
[id_waktu] [int] NOT NULL
) ON [PRIMARY]
GO
ALTER TABLE [dbo].[fact_produksi] WITH CHECK ADD CONSTRAINT [FK_fact_produksi_dim_sepatu]
FOREIGN KEY([id_sepatu])
REFERENCES [dbo].[dim_sepatu] ([id_sepatu])
GO
ALTER TABLE [dbo].[fact_produksi] CHECK CONSTRAINT [FK_fact_produksi_dim_sepatu]
GO
ALTER TABLE [dbo].[fact_produksi] WITH CHECK ADD CONSTRAINT [FK_fact_produksi_dim_spk]
FOREIGN KEY([id_spk])
REFERENCES [dbo].[dim_spk] ([id_spk])
GO
ALTER TABLE [dbo].[fact_produksi] CHECK CONSTRAINT [FK_fact_produksi_dim_spk]
GO
ALTER TABLE [dbo].[fact_produksi] WITH CHECK ADD CONSTRAINT [FK_fact_produksi_dim_ukuran]
FOREIGN KEY([id_ukuran])
REFERENCES [dbo].[dim_ukuran] ([id_ukuran])
GO alt [true] [false] FormAdmin ETL : administrator
1 : BtnUpdateETL_Click()
2 : ETL() <<create>>
3 4 : ExtractTransformLoading()
5
6 : PesanBerhasil
7 : PesanGagal
ALTER TABLE [dbo].[fact_produksi] WITH CHECK ADD CONSTRAINT [FK_fact_produksi_dim_waktu]
FOREIGN KEY([id_waktu])
REFERENCES [dbo].[dim_waktu] ([id_waktu])
GO
ALTER TABLE [dbo].[fact_produksi] CHECK CONSTRAINT [FK_fact_produksi_dim_waktu]
GO
2.7Implementasi Antar Muka
Implementasi antar muka pada perangkat lunak
ini terdiri dari beberapa halaman. Berikut
implementasi antar muka perangkat lunak data mart.
Gambar 1 Halaman Login
[image:48.595.311.526.76.493.2]Gambar 2 Halaman Update ETL
Gambar 3 Halaman Menganalisis Data Mart
Gambar 4 Halaman Melihat Grafik
Gambar 5 Halaman Mencetak Laporan
3.
PENUTUP
3.1Kesimpulan
Berdasarkan penelitian yang telah dilakukan mengenai analisis, perancangan, implementasi, dan
pengujian terhadap perangkat lunak data mart untuk
divisi produksi di PT. Foximas Mandiri ini, maka dapat disimpulkan sebagai berikut :
1. Penerapan Data Mart memberikan kemudahan
dalam mendapatkan informasi strategis dengan cepat yang diperlukan oleh manajer produksi PT. Foximas Mandiri, dan dapat membantu
proses pengambilan keputusan sehingga
mempercepat proses penganalisaan yang dibuat oleh manajer produksi untuk penanganan produk yang sudah diproduksi.
2. Penerapan Data Mart membantu dalam
[image:48.595.68.285.288.721.2]Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)
54Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
3.2Saran
Berikut ini setelah pembangunan perangkat
lunak data mart pada PT. Foximas Mandiri maka
beberapa saran dalam pengembagan ke depannya adalah sebagai berikut :
1. Sistem tidak hanya menganalisis Divisi
Produksi saja, tetapi menganalisis seluruh divisi yang ada di PT. Foximas Mandiri guna untuk memenuhi informasi strategis perusahaan yang lebih besar.
2. Untuk pengembangan perangkat lunak data
mart pada PT. Foximas Mandiri dapat
dikembangkan dengan menambahkan divisi-divisi yang belum ada dan pembuatan format laporan akhir di sesuaikan dengan divisi masing
– masing untuk dijadikan perangkat lunak data
warehouse.
DAFTAR PUSTAKA
[1] N. Sharma, A. Iyer, R. Bhattacharya, N. Modi and W. Crivelini, Getting Started With Data Warehousing, Canada: IBM, 2012.
[2] M. Golfarelli and S. Rizzi, Data Warehouse Design, Modern Principles and Methodologies, New York: Mc Graw Hill, 2009.
[3] R. Kimball and M. Ross, The Data Warehouse Toolkit, Indianapolis: John Wiley & Sons, Inc, 2013.
Irwan Ruchwana SB
11 Program Studi Teknik Informatika
Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia Jl. Dipatiukur No 112-116 Bandung - Indonesia
E-mail : ruchwana@gmail.com
ABSTRAK
PT. Foximas Mandiri is a private company engaged in the production of leather shoes. In making the production of the final report is still experiencing difficulties because of all document production is still not computerized, with a wealth of data already integrated to make the production manager of the difficulties in analyzing the development of production and difficulty in collecting data that will be used as a strategic information.
Based on the problems that exist in PT. Foximas Mandiri, it is necessary to build a software data marts, where data is the final report of production can be made as good as possible and the data contained can
![Gambar 2.7 Use Case Diagram [8]](https://thumb-ap.123doks.com/thumbv2/123dok/1351265.797139/30.595.140.426.129.352/gambar-use-case-diagram.webp)
![Gambar 2.8 Use Case Scenario [8]](https://thumb-ap.123doks.com/thumbv2/123dok/1351265.797139/31.595.108.511.540.617/gambar-use-case-scenario.webp)
![Gambar 2.10 Sequence Diagram [8]](https://thumb-ap.123doks.com/thumbv2/123dok/1351265.797139/32.595.89.481.181.448/gambar-sequence-diagram.webp)
![Gambar 2.11 Activity Diagram [8]](https://thumb-ap.123doks.com/thumbv2/123dok/1351265.797139/33.595.210.411.139.551/gambar-activity-diagram.webp)
