SKRIPSI
Diajukan untuk Menempuh Ujian Akhir Sarjana
KHAERUR RIZKI
10110728
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS KOMPUTER INDONESIA
iii
Puji dan syukur penulis panjatkan kehadirat Allah SWT atas rahmat dan
karuniaNya sehingga penulis dapat menyelesaikan skripsi yang berjudul
Penerapan Data Warehouse Pada Koperasi Anugerah Rejeki.
Penyusunan skripsi ini tidak akan terwujud tanpa mendapat dukungan, dan
masukan dari berbagai pihak. Untuk itu, penulis ingin menyampaikan terimakasih
yang sebesar-besarnya kepada :
1. Allah SWT yang telah menganugerahkan kesehatan sehingga penulis dapat
menyelesaikan skripsi ini.
2. Khaerudin dan Turpi’ah selaku kedua orang tua saya yang telah memberikan motivasi, dukungan moral maupun materi, serta do’a yang tidak pernah putus sehingga penulis dapat menyelesaikan skripsi ini.
3. Rani Susanto, S.Kom, M.Kom. selaku pembimbing yang telah banyak
memberikan arahan serta saran kepada penulis sehingga bisa menyelesaikan
skripsi ini.
4. Dian Dharmayanti, S.T., M.Kom. selaku reviewer yang juga telah
memberikan arahan dan bimbingan juga kepada penulis.
5. Bapak/Ibu dosen Teknik Informatika yang telah memberikan ilmunya kepada
penulis.
6. Desy Purnama Shinta yang selalu memberikan motivasi kepada penulis agar
cepat menyelesaikan skripsi ini.
7. Teman-teman seperjuangan yang tidak kenal putus asa saat mengerjakan
skripsi ini.
8. Keluarga besar IF-16 angkatan 2010 yang juga telah memberikan arahan
untuk mengerjakan skripsi ini.
9. Teman-teman kostan yang selalu ada untuk menghibur dan menyemangati
iv
Akhir kata penulis ucapkan terimakasih, semoga skripsi ini dapat bermanfaat
bagi pembaca.
Bandung, 17 Januari 2016
v
ABSTRAK ... i
ABSTRACT ... ii
KATA PENGANTAR ... iii
DAFTAR ISI ... v
DAFTAR GAMBAR ... viii
DAFTAR TABEL ... x
DAFTAR SIMBOL ... xiv
DAFTAR LAMPIRAN ... xviii
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
1.6 Sistematika Penulisan ... 6
BAB 2 TINJAUAN PUSTAKA ... 7
2.1 Profil Perusahaan ... 7
2.1.1 Visi dan Misi ... 7
2.1.2 Logo Perusahaan ... 7
2.1.3 Struktur Perusahaan ... 7
2.2 Landasan Teori ... 9
2.2.1 Data ... 9
2.2.2 Database ... 9
2.2.3 Database Management System (DBMS) ... 10
2.2.4 Data Warehouse ... 10
vi
2.2.4.5 Arsitektur Data Warehouse ... 15
2.2.4.6 Jenis Dasar Data Warehouse ... 19
2.2.4.7 Metodologi Perancangan Database untuk Data Warehouse . 21 2.2.4.8 Skema Data Warehouse ... 23
2.2.4.9 Tujuan Data Warehouse ... 26
2.3 Alat-alat Pemodelan Sistem ... 27
2.3.1 Diagram Konteks ... 27
2.3.2 Data Flow Diagram (DFD) ... 27
2.3.3 Entity Relation Diagram (ERD) ... 28
2.4 Alat-alat Pembangunan Perangkat Lunak ... 28
2.4.1 C# ... 28
2.4.2 SQL Server ... 30
BAB 3 ANALISIS DAN PERANCANGAN ... 31
3.1 Analisis Sistem ... 31
3.1.1 Analisis Masalah ... 31
3.1.2 Analisis Sumber Data ... 32
3.1.3 Analisis Kebutuhan Informasi ... 39
3.1.4 Pemodelan Data Warehouse ... 40
3.1.4.1 Arsitektur Pembangunan Data Warehouse ... 40
3.1.4.2 Source Layer ... 41
3.1.4.3 Data Staging ... 41
3.1.4.4 Proses ETL ... 42
3.1.4.5 Analisis Dimensi dan Fakta Bisnis ... 59
3.1.4.6 Analisis Dimensi ... 60
3.1.4.7 Analisis Fakta ... 64
3.1.4.8 Data Warehouse Layer ... 66
3.1.4.9 OLAP ... 68
vii
3.1.7 Analisis Kebutuhan Fungsional ... 72
3.1.7.1 Diagram Konteks ... 72
3.1.7.2 Data Flow Diagram (DFD) ... 73
3.1.8 Spesifikasi Proses ... 77
3.1.9 Kamus data DFD ... 79
3.2 Perancangan Arsitektur ... 79
3.2.1 Perancangan Struktur Menu ... 80
3.2.2 Perancangan Antar Muka ... 80
3.2.3 Perancangan Pesan ... 83
3.2.4 Perancangan Report ... 83
3.2.5 Perancangan Prosedural ... 84
3.2.6 Perancangan Jaringan Semantik... 86
BAB 4 IMPLEMENTASI DAN PENGUJIAN ... 87
4.1 Implementasi ... 87
4.1.1 Perangkat Lunak Pembangun... 87
4.1.2 Perangkat Keras Pembangun ... 87
4.1.3 Implementasi Basis Data ... 87
4.1.4 Implementasi Antar Muka ... 91
4.2 Pengujian Sistem ... 91
4.2.1 Pengujian Alpha ... 91
4.2.2 Kasus dan Hasil Pengujian Alpha ... 92
4.2.3 Kesimpulan Pengujian Alpha... 100
4.2.4 Pengujian Beta ... 100
4.2.5 Kesimpulan Pengujian Beta ... 102
4.2.6 Kesimpulan Pengujian Sistem ... 102
BAB 5 KESIMPULAN DAN SARAN ... 103
5.1Kesimpulan ... 103
5.2Saran ... 103
104
Modula
[2] Watson, Richard T. (1999), Data Management : Databases and Organizations
(2nd ed)., Jhon Wiley & Sons, Inc.
[3] Inmon, William H. 2005. “Building The Data Warehouse (4th ed.)”.
Indianapolis :Wiley Publishing, Inc.
[4] Rainardi, V.2002. Building A Data Warehouse, With Examples in SQL Server.
New York :Springer.
[5] Golfarelli, M., Hill, M.G., dan Rizzi, S.2009. Data Warehouse Design,
Modern Principles and Methodologies. New York: Mc Graw Hill.
[6] Thomas C. Hammergren and Alan R. Simon, Data Warehousing for Dummies
2nd Edition, Wiley Publishing,Inc. , 2009.
[7] Yudhi Hermawan, Konsep OLAP dan Aplikasinya Menggunakan Delphi.
Yogyakarta: ANDI Yogyakarta, 2005.
[8] Rainardi, V. Building A Data Warehouse, With Examples in SQL Server.
APRESS.
[9] Novianda, K.R., (2010). Microsoft Business Intelligence dengan SQL Server
2008 R2 dan Sharepoint 2010.
1
PENDAHULUAN
1.1 Latar Belakang Masalah
Data warehouse merupakan database yang saling bereaksi yang dapat
digunakan untuk query dan analisis, bersifat orientasi subjek, terintegrasi,
time-variant, tidak berubah yang digunakan untuk membantu para pengambil
keputusan. Menurut Inmon, data warehouse adalah kumpulan data yang
berorientasi subjek, terintegrasi, tidak dapat di update, memiliki dimensi waktu,
yang digunakan untuk mendukung proses manajemen pengambilan keputusan dan
kecerdasan bisnis. Pemakaian data warehouse sendiri hampir dibutuhkan oleh
setiap perusahaan, data warehouse memungkinkan integrasi berbagai macam jenis
data dari berbagai macam aplikasi atau sistem yang dapat menjamin akses yang
lebih cepat bagi manajemen untuk memperoleh informasi, dan menganalisisnya
sebagai bahan informasi strategis khususnya untuk perusahaan.
Koperasi Anugerah Rejeki adalah koperasi yang bergerak dalam bidang
Usaha Peminjaman. Koperasi Anugerah Rejeki ingin berperan secara aktif dalam
upaya membangun dan mengembangkan potensi dan kemampuan ekonomi
masyarakat untuk meningkatkan kesejahteraan ekonomi dan sosialnya. Koperasi
Anugerah Rejeki bukan hanya mampu tumbuh dan berkembang serta
menghasilkan keuntungan, tetapi juga mampu meningkatkan kesejahteraan
ekonomi dan sosial masyarakat.
Berdasarkan hasil observasi dan wawancara dengan saudara Budi Adi
Mulyo sebagai pemilik dari Koperasi Anugerah Rejeki, Koperasi Anugerah
Rejeki melakukan pengolahan data informasi menggunakan Microsoft Office
Excel, dimana hasil pengolahan data informasi ini diolah secara terpisah disetiap
bagiannya. Kendala yang terjadi saat ini di Koperasi Anugerah Rejeki ditemukan
belum tersedianya desain data yang dapat dimanfaatkan untuk kebutuhan laporan
maupun untuk menganalisis data, karena belum tersedianya laporan yang
peminjaman disetiap wilayah dalam periode waktu tertentu, angsuran disetiap
wilayah dalam periode waktu tertentu. Kendala juga terjadi ketika informasi data
untuk kebutuhan laporan sangat lamban dalam proses pengerjaannya, karena data
yang ada belum terintegrasi dengan sumber data lainnya sehingga semua sumber
data yang ada harus dikumpulkan terlebih dahulu dalam satu sajian, hal ini
menyulitkan pihak perusahaan untuk mendapatkan informasi yang cepat untuk
kebutuhan laporan.
Berdasarkan permasalahan yang telah diuraikan diatas maka pihak
koperasi ingin membangun sebuah data warehouse agar dapat memudahkan pihak
koperasi untuk mengetahui kebutuhan koperasi. Dengan adanya sistem tersebut,
diharapkan dapat membantu pihak perusahaan Koperasi Anugerah Rejeki. Oleh
karena itu, pihak koperasi membutuhkan penerapan data warehouse pada
Koperasi Anugerah Rejeki.
1.2 Rumusan Masalah
Berdasarkan latar belakang masalah yang telah di jabarkan sebelumnya
yang menjadi permasalahan dalam penelitian ini adalah bagaimana cara
membangun sistem perangkat lunak menggunakan penerapan data warehouse
pada Koperasi Anugerah Rejeki.
1.3 Maksud dan Tujuan
Berdasarkan permasalahan yang ada, maka maksud dari penelitian tugas
akhir ini adalah untuk membangun sebuah sistem perangkat lunak dengan
penerapan data warehouse pada Koperasi Anugerah Rejeki.
Sedangkan tujuan yang akan di capai dalam penelitian adalah :
1. Membantu pihak Koperasi Anugerah Rejeki dalam hal penyediaan
informasi yang multidimensi untuk mempermudah pengambilan
2. Membantu pihak Koperasi Anugerah Rejeki dalam hal pembuatan desain
data yang terintegrasi dari berbagai sumber data yang di miliki perusahaan
supaya mempermudah untuk kebutuhan laporannya.
1.4 Batasan Masalah
Ada beberapa batasan masalah dalam penelitian ini agar pembahasan lebih
terfokus sesuai dengan tujuan yang akan dicapai. Batasan masalah dalam
penelitian ini adalah :
1. Perangkat lunak yang akan dibangun berbasiskan dekstop.
2. DBMS yang digunakan adalah SQL Server.
3. Aplikasi dibangun menggunakan Visual Studio 2013.
4. Data yang diolah adalah data angsuran, jaminan, type kendaraan, wilayah,
peminjam, peminjaman, jenis.
5. Tools pembantu yang digunakan adalah Business Intelligence dan
DevExpress.
6. Model pengembangan perangkat lunak yang digunakan yaitu
menggunakan terstruktur.
1.5 Metodologi Penelitian
Metodologi penelitian yang akan digunakan dalam pembuatan skripsi ini
menggunakan metodologi deskriptif, yaitu metode penelitian yang bertujuan
untuk mendapatkan gambaran yang jelas tentang hal-hal yang dibutuhkan dan
berusaha menggambarkan serta menginterpretasi objek yang sesuai dengan fakta
secara sistematis dan akurat.
1.5.1 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah
sebagai berikut:
Pengumpulan data dengan cara mempelajari Jurnal, browsing internet,
buku referensi, dan bacaan-bacaan lainnya yang berhubungan erat dengan judul
penelitian.
b. Observasi
Teknik pengumpulan data dengan mengadakan penelitian dan peninjauan
langsung ke Koperasi Anugerah Rejeki terhadap permasalahan yang diambil.
c. Wawancara
Teknik pengumpulan data dengan cara tanya jawab secara langsung
dengan salah satu petugas yang bertanggung jawab pada Koperasi Anugerah
Rejeki.
1.5.2 Metode Pembangunan Perangkat Lunak
Metode yang di gunakan dalam pembangunan sistem dengan penerapan
data warehouse pada Koperasi Anugerah Rejeki ini adalah menggunakan model
waterfall. Berikut ini beberapa tahapan model waterfall yang di gambarkan pada
diagram :
Gambar 1.1 Metode Waterfall [1]
1. Analisys
Proses pengumpulan kebutuhan dilakukan secara intensif untuk
menspesifikasikan kebutuhan perangkat lunak agar dapat dipahami perangkat
2. Design.
Proses multi langkah yang fokus pada desain pembuatan program perangkat
lunak termasuk struktur data, arsitektur perangkat lunak, refresentasi antarmuka,
dan prosedure pengodean.
3. Pembuatan Kode Program
Desain harus ditranslasikan kedalam program perangkat lunak. Hasil dari
tahap ini adalah program komputer sesuai dengan desain yang telah dibuat pada
tahap desain.
4. Pengujian
Pengujian ini fokus pada perangkat lunak secara dari segi lojik dan fungsional
dan memastikan bahwa semua bagian sudah diuji.
5. Pemeliharaan
Tahap pemeliharaan ini tidak menutup kemungkinan sebuah perangkat lunak
mengalami perubahan ketika sudah dikirimkan ke user perubahan bisa terjadi
karena adanya kesalahan yang muncul dan tidak terdetek di dengan lingkungan
1.6 Sistematika Penulisan
Sistematika penulisan laporan akhir dari penelitian ini disusun untuk
memberikan gambaran umum tentang penelitian yang dijalankan. Sistematika
penulisan tugas akhir ini adalah sebagai berikut :
BAB 1 PENDAHULUAN
Bab ini membahas penjelasan mengenai latar belakang masalah,
identifikasi masalah, maksud dan tujuan, batasan masalah, metodologi penelitian
serta sistematika penulisan.
BAB 2 TINJAUAN PUSTAKA
Bab ini membahas mengenai tinjauan pustaka yang digunakan dalam
membangun aplikasi data warehouse, materi-materi umum dan yang berkaitan
dengan teori-teori pendukung lainnya.
BAB 3 ANALISIS DAN PERANCANGAN
Bab ini membahas mengenai profil perusahaan dan landasan teori yang
digunakan dalam membangun perangkat lunak data warehouse, materi-materi
umum yang membahas data warehouse dan berkaitan dengan teori-teori
pendukung lainnya.
BAB 4 IMPLEMENTASI DAN PENGUJIAN
Bab ini menjelaskan mengenai implementasi aplikasi yang telah di buat
serta melakukan pengujian terhadap aplikasi yang di implementasikan tersebut.
BAB 5 KESIMPULAN DAN SARAN
Bab ini menjelaskan tentang kesimpulan yang diperoleh dari hasil
implementasi dan pengujian aplikasi yang telah dibuat, serta saran-saran untuk
7
TINJAUAN PUSTAKA
2.1 Profil Perusahaan
Koperasi Anugerah Rejeki adalah koperasi yang bergerak dalam bidang
Usaha Peminjaman. Koperasi Anugerah Rejeki ingin berperan secara aktif dalam
upaya membangun dan mengembangkan potensi dan kemampuan ekonomi
masyarakat untuk meningkatkan kesejahteraan ekonomi dan sosialnya. Koperasi
Anugerah Rejeki bukan hanya mampu tumbuh dan berkembang serta
menghasilkan keuntungan, tetapi juga mampu meningkatkan kesejahteraan
ekonomi dan sosial masyarakat.
2.1.1 Visi dan Misi Visi
Menjadi koperasi peminjaman yang yang berkualitas tinggi dan berguna
bagi masyarakat luas.
Misi
Menjadi koperasi peminjaman terbesar di Indonesia.
2.1.2 Logo Perusahaan
Adapun logo Koperasi Anugerah Rejeki adalah sebagai berikut :
Gambar 2.1 Logo Perusahaan
2.1.3 Struktur Perusahaan
Struktur organisasi dalam suatu perusahaan merupakan hal yang sangat
sesuai dengan bidangnya masing-masing. Adapun struktur organisasi di Koperasi
Anugerah Rejeki adalah sebagai berikut :
Gambar 2.2 Struktur Organisasi Koperasi Anugerah Rejeki
Tugas masing-masing pada struktur organisasi Koperasi Anugerah Rejeki :
1. Tugas Pemilik koperasi adalah memberikan modal dan menerima
keuntungan serta menerima laporan dari ketua.
2. Tugas ketua adalah memantau dan menilai keseluruhan dari kemajuan
koperasi serta bertanggung jawab untuk pengambilan keputusan bagi
koperasi dan memberikan laporan kepada pemilik koperasi.
3. Tugas bagian peminjaman adalah bertanggung jawab untuk mendata
seluruh transaksi peminjaman.
4. Tugas bagian jaminan adalah bertanggung jawab untuk mendata jaminan,
mengecek kendaraan, dan menyimpan jaminan para peminjam.
5. Tugas bagian keuangan adalah bertanggung jawab atas kaluar masuknya
uang koperasi dan mendata transaksi keluar masuknya uang koperasi.
6. Tugas bagian angsuran adalah bertanggung jawab melayani peminjam
yang akan bayar angsuran peminjaman.
7. Tugas bagian debtcolector adalah menarik kendaraan yang menjadi
jaminan jika peminjam tidak mampu untuk melunasi angsurannya.
2.2 Landasan Teori
Landasan teori membahas mengenai materi atau teori apa saja yang
digunakan sebagai acuan dalam membuat tugas akhir ini. Landasan teori yang
diuraikan merupakan hasil dari studi literatur yaitu pengumpulan data dengan cara
mempelajari jurnal, browsing internet, referensi buku dan bacaan-bacaan lainnya
yang berhubungan erat dengan penelitian yang dilakukan.
2.2.1 Data
Data adalah fakta mentah mengenai orang, tempat, kejadian, dan hal-hal
yang penting dalam organisasi [2].
Data merupakan bahasa, simbol-simbol pengganti lain yang disepakati
oleh umum dalam menggambarkan objek, manusia, peristiwa, aktivitas, konsep.
Singkatnya data merupakan suatu kenyataan apa adanya [2].
2.2.2 Database
Database atau Basis data merupakan kumpulan data yang disimpan secara
sistematis didalam komputer dan dapat diolah atau dimanipulasi menggunakan
perangkat lunak (program aplikasi) untuk menghasilkan informasi. Pendefinisian
basis data meliputi spesifikasi berupa tipe data, struktur, dan juga batasan-batasan
data yang akan disimpan. Basis data merupakan aspek yang sangat penting dalam
sistem informasi dimana basis data merupakan gudang penyimpanan data yang
akan diolah lebih lanjut. Basis data menjadi penting karena dapat menghidari
duplikasi data, hubungan antar data yang tidak jelas, organisasi data, dan juga
update yang rumit [2].
Basis data (Database) sendiri dapat didefinisikan dalam sejumlah sudut
pandang seperti [2]:
1. Himpunan kelompok data (arsip) yang saling berhubungan yang
diorganisasi sedemikian rupa agar kelak dapat dimanfaatkan kembali
dengan cepat dan mudah.
2. Kumpulan data yang saling berhubungan yang disimpan secara bersama
sedemikian rupa dan tanpa pengulangan (redun-dansasisi) yang tidak
3. Kumpulan file, table, arsip yang saling berhubungan yang disimpan dalam
media penyimpanan elektronis.
2.2.3 Database Management System (DBMS)
Aplikasi yang digunakan untuk membangun sebuah sistem basis data yang
memungkinkan Pengguna untuk mendefinisikan, membuat, memelihara dan
mengontrol akses ke database merupakan pengertian dari Database Management
System (DBMS). DBMS membantu dalam pemeliharaan dan pengolahan
kumpulan data dalam jumlah besar, sehingga dengan bantuan DBMS tidak akan
menimbulkan kekacauan dan dapat digunakan oleh pengguna sesuai dengan
kebutuhan. Bahasa basis data biasanya terdiri atas perintah-perintah yang
diformulasikan dalam bentuk query sehingga perintah tersebut akan diproses oleh
DBMS [2].
2.2.4 Data Warehouse
Pengertian Data Warehouse dapat bermacam-macam namun mempunyai
inti yang sama, seperti pendapat beberapa ahli berikut ini :
Data warehouse adalah koleksi data yang mempunyai sifat berorientasi
subjek, terintegrasi, time-variant, dan bersifat tetap dari koleksi data dalam
mendukung proses pengambilan keputusan management [3].
Data warehouse merupakan database relasional yang didesain lebih kepada
query dan analisa dari pada proses transaksi, biasanya mengandung history data
dari proses transaksi dan bisa juga data dari sumber lainnya. Data warehouse
memisahkan beban kerja analisis dari beban kerja transaksi dan memungkinkan
organisasi menggabung/konsolidasi data dari berbagai macam sumber [3].
Data warehouse merupakan metode dalam perancangan database, yang
menunjang DSS (Decission Support System) dan EIS (Executive Information
System). Secara fisik data warehouse adalah database, tapi perancangan data
warehouse dan database sangat berbeda. Dalam perancangan database tradisional
menggunakan normalisasi, sedangkan pada data warehouse normalisasi bukanlah
Dari definisi-definisi yang dijelaskan tadi, dapat disimpulkan data
warehouse adalah database yang saling bereaksi yang dapat digunakan untuk
query dan analisisis, bersifat orientasi subjek, terintegrasi, time-variant, tidak
berubah yang digunakan untuk membantu para pengambil keputusan.
2.2.4.1Kegunaan Data Warehouse
Berdasarkan pengertian data warehouse diatas, data warehouse diperlukan
bagi para pengambil keputusan manajemen dari suatu organisasi/perusahaan.
Dengan adanya data warehouse, akan mempermudah pembuatan aplikasi-aplikasi
DSS (Decision Support System) dan EIS (Executive Information System) karena
kegunaan dari data warehouse adalah khusus untuk membuat suatu database yang
dapat digunakan untuk mendukung proses analisa (OLAP), mengambil keputusan,
pembuatan laporan, penggalian informasi baru (Data Mining) dari banyak data
dan proses executive informasi [4].
Beberapa kegunaan data warehouse:
a. Pembuatan laporan
Pembuatan laporan merupakan salah satu kegunaan data warehouse yang
paling umum dilakukan. Dengan menggunakan query sederhana didapatkan
laporan perhari,perbulan, pertahun atau jangka waktu kapanpun yang diinginkan.
b. On-Line Analytical Processing (OLAP)
Dengan adanya data warehouse, semua informasi baik detail maupun hasil
summary yang dibutuhkan dalam proses analisa mudah didapat. OLAP
mendayagunakan konsep data multidimensi dan memungkinkan para pengguna
menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah SQL.
Hal ini dimungkinkan karena pada konsep multidimensi, maka data yang berupa
fakta yang sama bisa dilihat dengan menggunakan fungsi yang berbeda. Fasilitas
lain yang ada pada sofware OLAP adalah fasilitas rool-up dan drill-down.
Drill-down adalah kemampuan untuk melihat detail dari suatu informasi dan roll-up
adalah kebalikannya.
Data mining merupakan proses untuk menggali (mining) pengetahuan dan
informasi baru dari data yang berjumlah banyak pada data warehouse, dengan
menggunakan kecerdasan buatan (Artificial Intelegence), statistik dan
matematika. Data mining merupakan teknologi yang diharapkan dapat
menjembatani komunikasi antara data dan pemakainya.
Beberapa solusi yang diberikan data mining antara lain :
1. Menebak Kemampuan Peminjam
Data mining dapat mengelompokkan (clustering) model-model peminjam
dan melakukan klasifikasi terhadap setiap peminjam dan melakukan klasifikasi
terhadap setiap peminjam sesuai dengan karakteristik yang diinginkan.
2. Melihat pola peminjam dari waktu ke waktu
Data mining dapat digunakan untuk melihat pola peminjam dari waktu ke
waktu.
3. Profil pelanggan
Data mining bisa membantu pengguna untuk melihat profil pembeli
sehingga dapat diketahui kelompok pembeli tertentu cenderung kepada suatu jenis
peminjaman apa saja.
4. Informasi summary
Data mining dapat membuat laporan summary yang bersifat multidimensi
dan dilengkapi dengan informasi statistik lainnya.
d. Proses informasi executive
Data warehouse dapat membuat ringkasan informasi yang penting dengan
tujuan membuat keputusan bisnis, tanpa harus menjelajahi keseluruhan data.
Dengan menggunakan data warehouse segala laporan telah diringkas dan dapat
pula mengetahui segala rinciannya secara lengkap, sehingga mempermudah
proses pengambilan keputusan. Informasi dan data pada laporan data warehouse
menjadi target informative bagi user.
2.2.4.2Konsep Dasar Data Warehouse
Data warehouse adalah kumpulan macam-macam data yang subject
oriented, integrated, time variant, dan nonvolatile dalam mendukung proses
Data warehouse sering diintegrasikan dengan berbagai sistem aplikasi
untuk mendukung proses laporan dan analisis data dengan menyediakan data
histori, yang menyediakan infrastruktur bagi EIS dan DSS.
a. Subject Oriented
Data warehouse diorganisasikan pada subjek-subjek utama, seperti
pelanggan, barang, dan penjualan. Berfokus pada model dan analisis pada data
untuk membuat keputusan, jadi bukan pada setiap proses transaksi atau bukan
pada OLTP. Menghindari data yang tidak berguna dalam mengambil suatu
keputusan.
b. Integrated
Dibangun dengan menggabungkan atau menyatukan data yang berbeda.
relational databse, flat file, dan on-line transaction record. Menjamin konsistensi
dalam penamaan, struktur pengkodean, dan struktur atribut diantara data satu
sama lain.
c. Datawarehouse time variant
Data disimpan untuk menyediakan informasi dari perspektif historical,
data yang tahun - tahun lalu atau 4 - 5 tahun. Waktu adalah elemen kunci dari
suatu data warehouse pada saat pengcapture-an.
d. Non Volatile
Setiap kali proses perubahan, data akan di tampung dalam tiap-tiap waktu.
Jadi tidak di perbaharui terus menerus. Data warehouse tidak memerlukan
pemrosesan transaksi dan recovery. Hanya ada dua operasi initial loading of data
dan access of data.
2.2.4.3Proses ETL (Extraction, Transformation, Loading)
Tiga fungsi utama yang perlu dilakukan untuk membuat data siap
digunakan pada data warehouse adalah extraction, transformation dan loading.
Ketiga fungsi ini terdapat pada staging area [5].
Pada data staging ini, disediakan tempat dan area dengan beberapa fungsi
seperti data cleansing, change, convert, dan menyiapkan data untuk disimpan serta
a. Extraction
Data Extraction adalah proses pengambilan data yang diperlukan dari
sumber data warehouse dan selanjutnya dimasukkan pada staging area untuk
diproses pada tahap berikutnya. Pada fungsi ini banyak berhubungan dengan
berbagai tipe sumber data seperti: Format data, mesin yang berbeda, software dan
arsitektur yang tidak sama. Sehingga sebelum proses ini dilakukan, sebaiknya
perlu 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 warehouse. Ada dua loading
data yang dilakukan pada data warehouse. Pertama adalah inisial load, proses ini
dilakukan pada saat telah selesai mendisain dan membangun data warehouse.
Data yang dimasukkan akan sangat besar dan memakan waktu yang relatif lebih
lama. Kedua Incremental load, dilakukan ketika data warehouse telah
dioperasikan. Incremental load ini dapat dilakukan sesuai dengan sistem yang
dibangun.
2.2.4.4OLAP
Operasi-operasi yang terdapat pada OLAP antara lain :
1. Slicing dan Dicing
Slicing dan dicing adalah operasi untuk melihat data sebagai visualisasi
dari kubus. Dengan slicing dan dicing pengguna dapat melihat data dari beberapa
memeriksa dengan detail berdasarkan dimensi-dimensi yang diinginkan. Data
Agregrated merupakan data praperhitungan (precalculated) dalam bentuk
rangkuman data (data summarized) sehingga query pada kubus (cube) lebih cepat.
Slicing memotong kubus sehingga dapat memfokuskan pada perspektif yang
spesifik (pada suatu dimensi). Sedangkan dicing memberikan kemampuan untuk
melihat pemilihan data pada dua dimensi atau lebih. Yaitu dengan merotasi cube
pada perspektif yang lain sehingga pengguna dapat melihat lebih spesifik terhadap
data yang dianalisa.
2. Roll up dan drill down
Drill down dan roll up adalah operasi untuk melihat data global atau detail
disepanjang level hiraraki dimensi. Roll up untuk melihat data secara global atau
rangkuman (summary). Drill down memandu pengguna untuk memperoleh data
yang lebih detail. Drill down ini biasa digunakan untuk menjawab pertanyaan atas
suatu kasus tertentu. Misalnya untuk menjawab pertanyaan ketika sebuah
summary number (rata-rata atau jumlah) di bawah atau di atas harapan.
2.2.4.5Arsitektur Data Warehouse
Data Warehouse Design, Modern Principles and Methodologies, Terdapat
3 jenis arsitektur data warehouse yaitu Single-Layer Architecture, Two-Layer
Architecture, dan Three-Layer Architecture. Adapun dari penjelasannya akan
dijabarkan sebagai berikut [7]: a. Single-Layer Architecture
Dalam Single Layer Architecture hasil akhir yang diinginkan adalah untuk
memperkecil total keseluruhan data store, untuk mencapai hasil akhir tersebut
data yang bersifat redudansi akan dihapus. Dalam kasus ini data warehouse
bersifat virtual artinya data warehouse di implementasikan sebagai dimensional
view dari data operasional dan dibuat sebagai middleware. Kelemahan dari
arsitektur ini adalah kesalahan dalam menggabungkan antara analisis dan proses
transaksi. Gambar 2.3 menjelaskan Single-Layer Architecture dalam data
Gambar 2.3 Single-Layer Architecture
b. Two-Layer Architecture
Dalam suatu perusahaan, data operasional biasanya berada pada daerah
kekuasaan departemen masing-masing dalam bentuk database OLTP.. Gambar 2.4
Menjelaskan mengenai Two-Layer Architecture dalam data warehouse, dimana
dalam arsitektur ini media penyimpanan antara sumber data dan data warehouse
dipisahkan.
Gambar 2.4 Two-Layer Architecture
a) Lapisan pertama adalah source layer. Pada lapisan ini, data masih berupa
operasional data, artinya data warehouse dibangun dengan
mengintegrasikan data-data yang berasal dari berbagai sumber data, yaitu
b) Lapisan kedua adalah data staging area. Pada lapisan ini, data operasional
akan diekstrak ( lebih dikenal dengan proses ETL ) ke dalam data
warehouse. Sesuai dengan namanya, aplikasi ETL melakukan
fungsi-fungsi Extract, Transform, dan Load. Proses extract adalah proses
pengambilan data dari sumber data. Disebut extract, karena proses
pengambilan data ini tidak mengambil data matang saja. Proses extract ini
harus mengakomodir berbagai macam teknologi yang digunakan oleh
sumber data dan diintegrasikan ke dalam database tunggal. Kemudian data
hasil extract ini menjalani proses transform yang pada prinsipnya adalah
mengubah kode-kode yang ada menjadi kode-kode standar, misalnya kode
propinsi. Hal ini perlu dilakukan mengingat data-data yang diambil berasal
dari sumber yang berbeda yang kemungkinan memiliki standardisasi yang
berbeda pula. Standardisasi diperlukan untuk nantinya memudahkan
pembuatan laporan. Proses load dalam ETL adalah suatu proses
mengirimkan data yang telah menjalani proses transformasi ke gudang
data akhir, yaitu data warehouse itu sendiri dimana aplikasi reporting dan
business intelligence siap untuk diakses.
c) Lapisan ketiga adalah data warehouse layer. Informasi akan disimpan pada
sebuah penyimpanan logic yang tersentralisasi, yaitu data warehouse .
Data warehouse dapat diakses secara langsung, dan juga bisa digunakan
sebagai sumber untuk membuat data marts yang merupakan sebagian dari
duplikasi data warehouse dan dirancang khusus bagian khusus.
d) Lapisan keempat adalah analysis. Ada 4 tugas yang nantinya dapat
dilakukan, keempat tugas tersebut yaitu :
1. Pembuatan Laporan (Reporting)
Pembuatan laporan adalah salah satu tugas data warehouse yang paling
umum dilakukan, dengan menggunakan query sederhana didapatkan
laporan per-hari, minggu, bulan, tahun atau jangka waktu kapanpun
yang diinginkan.
Dengan adanya data warehouse, semua informasi baik detail ataupun
summary yang dibutuhkan dalam proses analisa mudah didapat. OLAP
mendayagunakan konsep data multidemensi dan memungkinkan para
pengguna menganalisa data sampai mendetail, tanpa mengetik satupun
perintah SQL. Hal ini memungkinkan karena menggunakan konsep
multidimensi (diintegrasikan kedalam tabel fakta dan tabel dimensi).
3. Data Mining
Data mining merupakan proses untuk menggali (mining) pengetahuan
dari data yang berjumlah banyak pada data warehouse, dengan
menggunakan kecerdasan buatan (Artificial Intelegence), static dan
matematika. Data Mining merupakan teknologi yang diharapkan dapat
menjebatani komunikasi antara data dan pelakunya.
4. Proses Informasi Executive
Data warehouse dapat membuat ringkasan informasi yang penting
dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi
keseluruhan data. Dengan menggunakan data warehouse segala
laporan telah diringkas dan dapat pula mengetahui rinciannya secara
lengkap sehingga mempermudah pengambilan keputusan. Informasi
dan data pada laporan data warehouse menjadi target informative bagi
pengguna.
c. Three-Layer Architecture
Perbedaan Two-Layer Architecture dengan Three-Layer Architecture yaitu
terletak pada lapisan ketiga. Dalam arsitektur ini, lapisan ketiga adalah lapisan
data reconciled atau operasional data store. Berikut penjelasan dari Three Layer
Architecture:
1. Data Operasional disimpan dalam berbagai sistem operasional dalam
setiap bagian organisasi.
Lapisan ini terlaksana apabila data operasional yang diperoleh dari sumber
data sudah terintegrasi dan bersih (telah melalui proses ETL) dan data-data yang
2. Reconciled Data atau Operational Data Store (ODS)
Keuntungan utama dari lapisan data reconciled adalah menciptakan model
referensi umum data untuk keseluruhan perusahaan pada saat yang sama juga
memisahkan masalah ekstraksi data source dan integrasi operational data store.
Penyimpanan data berada dalam gudang data perusahaan atau data mart. Tahap ini
berfungsi untuk memasukkan data ke dalam Enterprise Data warehouse (EDW)
yang terintegrasi secara terpusat dan tersedia untuk pendukung keputusan..
Gambar 2.5 Menjelaskan mengenai Three-Layer Architecture dalam data
warehouse.
Gambar 2.5 Three Layer Architecture
2.2.4.6Jenis Dasar Data Warehouse
Jenis data warehouse yang digunakan oleh perusahaan akan berbeda-beda,
data warehouse yang dibangun harus disesuaikan dengan sumber data dan
kebutuhan perusahaan tersebut. Berikut jenis dasar data warehouse [7]: 1) Functional Data Warehouse (Data Warehouse Fungsional)
Data base yang digunakan jenis data warehouse ini adalah database yang
diperoleh dari kegiatan sehari-hari. Data warehouse dibuat lebih dari satu dan
dikelompokkan berdasar fungsi-fungsi yang ada di dalam perusahaan seperti
fungsi keuangan (financial), marketing, personalia dan lain-lain. Keuntungan dari
bentuk data warehouse seperti ini adalah, sistem mudah dibangun dengan biaya
relatif murah sedangkan kerugiannya adalah resiko kehilangan konsistensi data
Gambar 2.6 Data Warehouse Fungsional
2) Centralized Datawarehouse (Data Warehouse Terpusat)
Bentuk ini terlihat seperti bentuk data warehouse fungsional, namun
terlebih dahulu sumber data dikumpulkan dalam satu tempat terpusat, kemudian
data disebar ke dalam fungsinya masing-masing, sesuai kebutuhan persuhaan.
Data warehouse terpusat ini, biasa digunakan oleh perusahaan yang belum
memiliki jaringan eksternal. Keuntungan dari bentuk ini adalah data benar-benar
terpadu karena konsistensinya yang tinggi sedang kerugiannya adalah biaya yang
mahal serta memerlukan waktu yang cukup lama untuk membangunnya.
Gambar 2.7 Data Warehouse Terpusan
Pada data warehouse terdistribusi ini, digunakan gateway yang berfungsi
sebagai jembatan penghubung antara data warehouse dengan workstation yang
menggunakan sistem beraneka ragam. Dengan sistem terdistribusi seperti ini
memungkinkan perusahaan dapat mengakses sumber data yang berada diluar
lokasi perusahaan (eksternal).
Keuntungannya adalah data tetap konsisten karena sebelum data
digunakan data terlebih dahulu di sesuaikan atau mengalami proses sinkronisasi.
Sedangkan kerugiannya adalah lebih kompleks untuk diterapkan karena sistem
operasi dikelola secara terpisah juga biaya nya yang paling mahal dibandingkan
dengan dua bentuk data warehouse lainnya.
Gambar 2.8 Data Warehouse Terdistribusi
2.2.4.7Metodologi Perancangan Database untuk Data Warehouse
Sembilan tahap metodologi dalam perancangan database untuk data
warehouse, yaitu [8]:
Langkah 1 : Pemilihan Proses
a. Data mart yang pertama kali dibangun haruslah data mart yang dapat
dikirim tepat waktu dan dapat menjawab semua pertanyaan bisnis yang
penting
b. Pilihan terbaik untuk data mart yang pertama adalah yang berhubungan
dengan sales, misal property sales, property leasing, property advertising.
Langkah 2 : Pemilihan sumber
a. Proses pemilihan secara pasti apa yang diwakili atau direpresentasikan
b. Misal, jika sumber dari sebuah tabel fakta properti sale adalah properti
sale individual maka sumber dari sebuah dimensi pelanggan berisi rincian
pelanggan yang membeli properti utama.
Langkah 3 : Mengidentifikasi dimensi
a. Set dimensi yang dibangun dengan baik, memberikan kemudahan untuk
memahami dan menggunakan data mart.
b. Dimensi ini penting untuk menggambarkan fakta-fakta yang terdapat pada
tabel fakta. Misal, setiap data peminjam pada tabel dimensi peminjaman
dilengkapi dengan no_pmk, id_peminjam, alamat, dan lain sebagainya.
c. Jika ada dimensi yang muncul pada dua data mart,kedua data mart tersebut
harus berdimensi sama, atau paling tidak salah satunya berupa subset
matematis dari yang lainnya.
d. Jika sebuah dimensi digunakan pada dua data mart atau lebih,dan dimensi
ini tidak disinkronisasi,maka keseluruhan data warehouse akan gagal,
karena dua data mart tidak bisa digunakan secara bersama-sama.
Langkah 4 : Pemilihan Fakta
a. Sumber dari sebuah tabel fakta menentukan fakta mana yang bisa
digunakan dalam data mart.
b. Semua fakta harus diekspresikan pada tingkat yang telah ditentukan oleh
sumber.
Langkah 5 : Menyimpan pre-kalkulasi di table fakta
a. Hal ini terjadi apabila fakta kehilangan statement.
Langkah 6 : Melengkapi table dimensi
a. Pada tahap ini kita menambahkan keterangan selengkap - lengkapnya pada
tabel dimensi.
b. Keterangannya harus bersifat intuitif dan mudah dipahami oleh pengguna.
Langkah 7 : Pemilihan durasi database
a. Misalnya pada suatu perusahaan asuransi, mengharuskan data disimpan
selama 10 tahun atau lebih.
Langkah 8 : Menulusuri perubahan dimensi yang perlahan
b. Atribut dimensi yang telah berubah menimbulkan sebuah dimensi baru.
c. Atribut dimensi yang telah berubah menimbulkan alternatif sehingga nilai
atribut lama dan yang baru dapat diakses secara bersama pada dimensi
yang sama.
Langkah 9 : Menentukan prioritas dan mode query
a. Pada tahap ini lebih menggunakan perancangan fisik
2.2.4.8Skema Data Warehouse
Skema yang sering digunakan pada data warehouse adalah skema bintang
atau snowflake, kedua skema ini sangat mudah dimengerti dan sesuai dengan
kebutuhan bisnis, mendukung query sederhana dan menyediakan performa query
yang superior dengan meminimalisasi tabel-tabel join [8]. 1. Skema Bintang (Star Schema)
Skema bintang merupakan struktur logikal yang memiliki table fakta yang
terdiri atas data faktual ditengahnya, dan dikelilingi oleh tabel-tabel dimensi yang
berisi referensi data.
Gambar 2.9 Skema Bintang
Jenis-jenis Skema Bintang antara lain :
Dalam skema ini, setiap tabel harus memiliki primary key yang terdiri dari
satu kolom atau lebih. Primary key dari tabel fakta terdiri dari satu atau lebih
foreign key. Foreign key merupakan primary key pada tabel lain.
Gambar 2.10 Skema Bintang Sederhana
b. Skema bintang dengan banyak tabel fakta
Skema bintang juga bisa terdiri dari satu atau lebih tabel fakta.
Dikarenakan tabel fakta tersebut ada banyak, misalnya disamping penjualan
terdapat tabel dakta forecasting dan result. Walaupun terdapat lebih dari satu tabel
fakta, mereka tetap menggunakan tabel dimensi bersama-sama.
2. Snowflake Schema
Merupakan varian dari skema bintang dimana tabel-tabel dimensi tidak
terdapat data yang di denormalisasi. Dengan kata lain satu atau lebih tabel
dimensi tidak bergabung secara langsung kepada tabel fakta tapi pada tabel
dimensi lainnya.
Gambar 2.12 Snowflake Schema
3. Fact Constellation Schema
Fact Constellation Schema adalah dimensional model yang didalamnya
terdapat lebih dari satu tabel fakta yang membagi satu atau lebih dimension table.
Skema ini lebih kompleks daripada star skema karena berisi berbagai tabel fakta.
Dalam Fact Constellation Schema, satu dimensi table bisa digunakan di beberapa
tabel fakta sehingga desainnya lebih kompleks. Keuntungan dari fact constellation
schema adalah kemampuan untuk memodelkan bisnis lebih akurat menggunakan
beberapa tabel fakta. Namun kerugiannya adalah sulit dalam pengelolaan dan
Gambar 2.13 Fact Constellation Schema
2.2.4.9Tujuan Data Warehouse
Data warehouse biasanya dimiliki oleh perusahaan yang sudah besar, yang
memiliki banyak cabang, data yang banyak dan tentunya struktur organisasi yang
kompleks [4].
Perusahaan yang memiliki banyak transaksi, yang memiliki banyak
cabang, yang mengakibatkan data-data barang perusahaan tersebar dilokasi yang
berbeda, system operasi yang berbeda, bahkan di basisdata yang berbeda.
Sehingga dalam pengambilan sebuah keputusan pihak perusahaan membutuhkan
akses ke semua sumber data pada tiap-tiap cabang dan ini tidak efisien. Dari
permasalahan ini, Data warehouse hadir sebagai solusi yang kompetitif, efisien
untuk pengambilan keputusan di perusahaan.
Tujuan akhir menggunakan Data Warehouse :
1. Menyediakan data organisasi yang mudah diakses oleh manager.
2. Data yang berada di data warehouse bersifat konsisten, dan merupakan
kebenaran.
3. Data warehouse merupakan tempat, dimana data yang telah digunakan di
publikasikan.
2.3 Alat-alat Pemodelan Sistem
Alat-alat pemodelan sistem membahas mengenai tools apa saja yang
digunakan dalam membuat tugas akhir ini.
2.3.1 Diagram Konteks
Diagram konteks merupakan diagram yang menggambarkan kondisi
sistem yang ada baik input maupun output serta menyertakan terminator yang
terlibat dalam penggunaan sistem. Diagram ini akan memberi gambaran tentang
keseluruhan sistem. Sistem dibatasi oleh boundary (dapat digambarkan dengan
garis putus). Dalam diagram konteks hanya ada satu proses. Tidak boleh ada store
dalam diagram konteks [9].
Diagram konteks berisi gambaran umum (secara garis besar) sistem yang
akan dibuat. Secara kalimat, dapat dikatakan bahwa diagram konteks ini berisi “siapa saja yang memberi data (dan data apa saja) ke sistem, serta kepada siapa saja informasi (dan informasi apa saja) yang harus dihasilkan sistem.” Maka dapat disimpulkan bahwa diagram konteks adalah diagram yang terdiri dari suatu proses
dan menggambarkan ruang lingkup suatu sistem. Diagram konteks merupakan
level tertinggi dari DFD yang menggambarkan seluruh input ke sistem atau output
dari sistem.
2.3.2 Data Flow Diagram (DFD)
Data Flow Diagram (DFD) adalah alat pembuatan model yang
memungkinkan profesional sistem untuk menggambarkan sistem sebagai suatu
jaringan proses fungsional yang dihubungkan satu sama lain dengan alur data,
baik secara manual maupun komputerisasi. DFD ini sering disebut juga dengan
nama Bubble chart, Bubble diagram, model proses, diagram alur kerja, atau
model fungsi. DFD ini adalah salah satu alat pembuatan model yang sering
digunakan, khususnya bila fungsi-fungsi sistem merupakan bagian yang lebih
penting dan kompleks dari pada data yang dimanipulasi oleh sistem. Dengan kata
lain, DFD adalah alat pembuatan model yang memberikan penekanan hanya pada
DFD merupakan alat perancangan sistem yang berorientasi pada alur data
dengan konsep dekomposisi dapat digunakan untuk penggambaran analisa
maupun rancangan sistem yang mudah dikomunikasikan oleh profesional sistem
kepada pemakai maupun pembuat program.
2.3.3 Entity Relation Diagram (ERD)
Entity Relationship Diagram merupakan model data berupa notasi grafis
dalam pemodelan data konseptual yang menggambarkan hubungan antara
penyimpan satu dengan penyimpan yang lain. Model data sendiri merupakan
sekumpulan cara, peralatan untuk mendeskripsikan data-data yang memiliki
hubungan satu sama lain, semantiknya, serta batasan konsistensi. Model data
terdiri dari model hubungan entitas dan model relasional. Diagram hubungan
entitas ditemukan oleh Peter Chen dalam buku Entity Relational Model-Toward a
Unified of Data. Pada saat itu diagram hubungan entitas dibuat sebagai bagian
dari perangkat lunak yang juga merupakan modifikasi khusus, karena tidak ada
bentuk tunggal dan standar dari diagram hubungan entitas [9].
2.4 Alat-alat Pembangunan Perangkat Lunak
Alat-alat pembangunan perangkat lunak membahas mengenai alat atau
tools apa saja yang digunakan dalam membuat Aplikasi data warehouse dalam
penelitian ini.
2.4.1 C#
Bahasa pemrograman C# dikembangkan oleh Microsoft sebagai bahasa
yang simple, modern, general purpose, dan berorientasi objek. Pengembangan
bahasa C# sangat dipengaruhi oleh bahasa pemrograman terdahulu, terutama C++.
Delphi, dan Java. C++ dikenal memiliki kecepatan yang tinggi dan memiliki
akses memori hapir hingga ke low level. Namun bagi para programmer, C++
merupakan Bahasa yang relatif rumit dibandingkan bahasa pemrograman lainnya.
Kehadiran C# memberi suntikan optimisme bagi para programmer untuk dapat
mengembangkan aplikasi yang berdasa guna dengan baik cepat dan lebih mudah.
berbagai task. Namun dalam hal performansi hingga saat ini C++ masih diakui
sebagai salah satu yang terbaik.
C# dikembangkan sejalan dengan pengembangan teknologi .Net.
Teknologi .NET telah berevolusi dari .NET 1.0 hingga .NET 4.0. Sendiri
merupakan sebuah framework yang memiliki base class library, dan bisa
diimplementasikan ke dalam beberapa bahasa pemrograman yang dikembangkan
Microsoft termasuk diantaranya adalah bahasa C#. Microsoft mengembangkan
IDE yang secara khusus mendukung pengembangan aplikasi dengan teknologi
.NET, versi terakhirnya yaitu Visual Studio 2010, mendukung teknologi .Net 4.
Diantara karakteristik dari .NET adanya sebuah Common Langguage Runtime
(CLR). CLR sendiri merupakan sebuah komponen virtual machine yang akan
diakses program pada saat runtime kode yang ditulis dalam bahasa C# ataupun
VB.NET misalnya dicompile oleh .NET Compiler menjadi code dalam format
Common Intermediate Langguage (CIL).
CIL merupakan sebuah format bahasa standar pada level intermediate
yang digunakan dalam bidang teknologi .NET apa pun bahasa pemrograman yang
digunakan oleh kode. Kemudian pada saat runtime, CLR mengeksekusi CIL
dengan melakukan proses loading dan linkin serta menghasilkan bahasa mesin
untuk mengeksekusi program. Proses ini memunculkan istilah multilangguage
pada pengembangan aplikasi .Net programmer memiliki pilihan untuk
menentukan pilihan untuk menggunakan bahasa pemrograman, yang familiar bagi
mereka dan apapun bahasa pemgraman apapun mereka tetap memilih akan tetap
memiliki keungulan-keungulan dan teknologi lainnya.
Standar European Computer Maufacturer Association (ECMA)
mendatarkan beberapa tujuan desain dari bahasa pemrograman C#, sebagai
berikut [10]:
1) Bahasa pemrograman C# dibuat sebagai bahasa pemrograman yang
bersifat bahasa pemrograman general – purpose (untuk tujuan jamak),
2) Bahasa pemrograman C# ditujukan untuk digunakan dalam
mengembangkan komponen perangkat lunak yang mampu mengambil
keuntungan dari lingkungan terdistribusi.
3) Portabilitas programmer sangatlah penting, khususnya bagi programmer
yang telah lama menggunakan bahasa pemrogaman C dan C++.
4) Dukungan untuk internasionalisasi (multi- language) juga sangat penting.
5) C# ditujukan agar cocok digunakan untuk menulis program aplikasi baik
dalam sistem klien-server (hosted system) maupun sistem 38 embedded
(embedded system), mulai dari perangkat lunak yang sangat besar yang
menggunakan sistem operasi yang canggih hingga kepada perangkat lunak
yang sangat kecil yang memiliki fungsi-fungsi terdedikasi.
2.4.2 SQL Server
SQL Server adalah sistem manajemen database relasional (RDBMS) yang
dirancang untuk aplikasi dengan arsitektur client/server. Istilah client, server, dan
client/server dapat digunakan untuk merujuk kepada konsep yang sangat umum
atau hal yang spesifik dari perangkat keras atau perangkat lunak. Pada level yang
sangat umum, sebuah client adalah setiap komponen dari sebuah sistem yang
meminta layanan atau sumber daya (resource) dari komponen sistem lainnya.
Sedangkan sebuah server adaah setiap komponen sistem yang menyediakan
87
IMPLEMENTASI DAN PENGUJIAN
4.1 Implementasi
Bab ini menjelaskan mengenai implementasi dan pengujian aplikasi yang
telah dibangun. Tahapan ini dilakukan setelah tahap analisis dan perancangan
selesai dilakukan, adapun tujuan dari tahapan ini adalah mempersiapkan aplikasi
agar dapat digunakan pengguna.
4.1.1 Perangkat Lunak Pembangun
Perangkat lunak yang digunakan untuk membangun perangkat lunak data
warehouse Koperasi Anugerah Rejeki yaitu :
Tabel 4.1 Perangkat Lunak Pembangun
No Perangkat Lunak Keterangan
1 Windows 8 (64 Bit) Sistem Operasi
2 SQL Server 2014 Penyimpanan Database
3 Visual Studio 2013 Tools Pembangun Aplikasi
4.1.2 Perangkat Keras Pembangun
Kebutuhan minimum perangkat keras (hardware) yang diperlukan untuk
membangun perangkat lunak data warehouse adalah perangkat keras komputer
Laptop dengan spesifikasi seperti dibawah ini :
Tabel 4.2 Perangkat Keras Pembangun
No Perangkat Keras Spesifikasi Minimum Eksistensi Keterangan
1 Processor Intel Quad Core Intel Core i3 Mendukung
2 RAM 2 GB 2 GB Mendukung
3 Hardisk 160 GB 500 GB Mendukung
4.1.3 Implementasi Basis Data
Pembuatan database dilakukan dengan menggunakan Microsoft SQL
1. Pembuatan database
Tabel 4.3 Database Data Warehouse CREATE DATABASE [dw_anugerahrejeki]
2. Pembuatan tabel dimensi peminjam
Tabel 4.4 Tabel Dimensi Peminjam USE dw_anugerahrejeki
CONSTRAINT FK_dim_peminjam_dim_wilayah FOREIGN KEY (no_wilayah) REFERENCES dim_wilayah (no_wilayah)
)
3. Pembuatan tabel dimensi wilayah
Tabel 4.5 Tabel Dimensi Wilayah USE dw_anugerahrejeki
4. Pembuatan tabel dimensi jenis
Tabel 4.6 Tabel Dimensi Jenis USE dw_anugerahrejeki
5. Pembuatan tabel dimensi keterangan
6. Pembuatan tabel dimensi jaminan
Tabel 4.8 Tabel Dimensi Jaminan USE dw_anugerahrejeki
7. Pembuatan tabel dimensi type kendaraan
Tabel 4.9 Tabel Dimensi Type Kendaraan USE dw_anugerahrejeki
8. Pembuatan tabel dimensi tanggal angsuran
Tabel 4.10 Tabel Dimensi Tanggal Angsuran USE dw_anugerahrejeki
CREATE TABLE dim_tanggal_angsuran (
id_tanggal_angsuran varchar (10) NOT NULL, tanggal int NULL,
9. Pembuatan tabel dimensi tanggal peminjaman
Tabel 4.11 Tabel Dimensi Tanggal Peminjaman USE dw_anugerahrejeki
CREATE TABLE dim_tanggal_peminjaman (
id_tanggal_peminjaman varchar (10) NOT NULL, tanggal int NULL,
bulan int NULL,
tahun int NULL,
PRIMARY KEY (id_tanggal_peminjaman) )
10.Pembuatan tabel fakta angsuran
Tabel 4.12 Tabel Fakta Angsuran USE dw_anugerahrejeki
CREATE TABLE fact_angsuran ( no_bukti int NOT NULL, ktp varchar (20) NULL, pokok float NULL, denda float NULL, jumlah float NULL,
id_tanggal_angsuran varchar (10) NULL, ke int NULL,
keterangan int NULL, PRIMARY KEY (no_bukti),
CONSTRAINT FK_fact_angsuran_dim_peminjam FOREIGN KEY (ktp) REFERENCES dim_peminjam (ktp),
CONSTRAINT FK_fact_angsuran_dim_tanggal_angsuran FOREIGN KEY
(id_tanggal_angsuran) REFERENCES dim_tanggal_angsuran (id_tanggal_angsuran), CONSTRAINT FK_fact_angsuran_dim_keterangan FOREIGN KEY
(keterangan) REFERENCES dim_keterangan (keterangan) )
11.Pembuatan tabel fakta peminjaman
Tabel 4.13 Tabel Fakta Peminjaman CREATE TABLE fact_peminjaman (
id_peminjaman varchar (15) NOT NULL, ktp varchar (20) NULL,
id_jaminan varchar (16) NULL, type varchar (20) NULL, jenis varchar (6) NULL, nominal float NULL,
id_tanggal_peminjaman varchar (10) NULL, PRIMARY KEY (id_peminjaman),
CONSTRAINT FK_fact_peminjaman_dim_peminjam FOREIGN KEY (ktp) REFERENCES dim_peminjam (ktp),
CONSTRAINT FK_fact_peminjaman_dim_jaminan FOREIGN KEY (id_jaminan) REFERENCES dim_jaminan (id_jaminan),
CONSTRAINT FK_fact_peminjaman_dim_typekendaraan FOREIGN KEY (type) REFERENCES dim_typekendaraan (type),
CONSTRAINT FK_fact_peminjaman_dim_jenis FOREIGN KEY (jenis) REFERENCES dim_peminjam (jenis),
CONSTRAINT FK_fact_peminjaman_dim_tanggal_peminjaman FOREIGN KEY
(id_tanggal_peminjaman) REFERENCES dim_tanggal_peminjaman
4.1.4 Implementasi Antar Muka
Implementasi antar muka dilakukan dengan menampilkan setiap tampilan
sistem yang dibangun dan pengkodeannya dalam bentuk file program. Adapun
untuk implementasi tampilan perangkat lunak data warehouse yang dibangun
dapat dilihat pada tabel dibawah ini :
Tabel 4.14 Impelentasi Perangkat Lunak
No Proses Nama Proses Nama File
1 Import dan ETL loading.cs
2 Informasi jumlah peminjaman setiap daerah dalam setiap bulan dan tahun.
olap1.cs
3 Informasi jumlah peminjam yang sering meminjam setiap daerah dalam setiap bulan dan tahun.
olap2.cs
4 Informasi jumlah bayar angsuran tepat waktu setiap daerah dalam setiap bulan dan tahun.
olap3.cs
5 Informasi jumlah bayar angsuran tidak tepat waktu setiap daerah dalam setiap bulan dan tahun.
olap4.cs
6 Informasi jumlah bayar angsuran tidak lunas setiap daerah dalam setiap bulan dan tahun.
olap5.cs gadaikan setiap daerah dalam setiap bulan dan tahun.
olap7.cs
4.2 Pengujian Sistem
Pengujian perangkat lunak adalah elemen kritis dari jaminan kualitas
perangkat lunak dan mempresentasikan kajian pokok dari spesifikasi, desain, dan
pengkodean. Pengujian dilakukan dengan cara alpha menggunakan metode black
box dan pengujian beta dengan menggunakan metode wawancara. Pengujian
alpha menggunakan metode black box berfokus pada persyaratan fungsional
perangkat lunak. Dengan demikian, pengujian alpha dengan menggunakan metode
black box berfokus pada persyaratan fungsional perangkat lunak. Pengujian ini
memungkinkan perekayasa perangkat lunak mendapatkan serangkaian kondisi
input yang sepenuhnya semua persyaratan fungsional untuk suatu program.
4.2.1 Pengujian Alpha
Pengujian alpha data warehouse yang dibangun menggunakan metode
pengujian black box. Adapun rencana pengujian selengkapnya dapat dilihat pada
Tabel 4.15 Rencana Pengujian Alpha
Kelas Uji Detail Pengujian Jenis Uji
Import dan ETL Berhasil Import dan Ektract, Transform, Load atau gagal Import dan Ekstract, Transform, Load
Black Box
OLAP Berhasil melakukan analisis OLAP dan mencetak Report
atau gagal melakukan analisis OLAP dan mencetak Report
Black Box
Kebutuhan Informasi Kebutuhan informasi yang ditampilkan sesuai atau tidak -
4.2.2 Kasus dan Hasil Pengujian Alpha
Pengujian alpha dilakukan untuk mengetahui apakah data yang
dimasukkan (input) sudah sesuai dengan yang diharapkan (Output). Berikut
penjelasan dari pengujian alpha.
a. Pengujian Import dan ETL
Pengujian import data dan proses ETL ini adalah data transaksional di import
ke dalam database OLTP agar terintegrasi yang kemudian akan langsung diproses
ETL dan melakukan pengujian untuk beberapa kemungkinan yang terjadi diluar
spesifikasi yang didefinisikan. Adapun tahap pengujian yang akan dilakukan
adalah :
Tabel 4.16 Pengujian Import
Kasus dan Hasil Uji (Data Normal)
Data Masukan Yang Diharapkan Pengamatan Kesimpulan
Nama file : ETL, data operasional tersimpan ke database OLTP dan kemudian melakukan proses ETL kemudian data hasil proses ETL tersimpan
ke database Data
Warehouse, sistem
menampilkan pesan
Kasus dan Hasil Uji (Data Tidak Normal)
Data Masukan Yang Diharapkan Pengamatan Kesimpulan
Nama file : ETL, data operasional tidak tersimpan ke
database OLTP dan
kemudian tidak
melakukan proses ETL, sistem menampilkan pesan kesalahan.
Jaminan.xlsx (tidak
peminjaman dari hasil proses ETL.
Tabel 4.17 Pengujian OLAP Informasi Jumlah Peminjaman Setiap Kota Dan Kecamatan Dalam Setiap Bulan Dan Tahun
Kasus dan Hasil Uji (Data Normal)
Data Masukan Yang Diharapkan Pengamatan Kesimpulan
Nama file :
dw_anugerahrejeki.sql
Memilih OLAP
informasi jumlah
peminjaman setiap kota dan kecamatan dalam setiap bulan dan tahun,
sistem menampilkan
OLAP, memilih roll-up dan drill-down, sistem melakukan roll-up dan
drill-down dan roll-up dan drill-down serta dapat mencetak report.
[√] Diterima [ ] Ditolak
Kasus dan Hasil Uji (Data Tidak Normal)
Data Masukan Yang Diharapkan Pengamatan Kesimpulan
Nama file :
dw_anugerahrejeki.sql (kosong)
Memilih OLAP
informasi jumlah
peminjaman setiap kota dan kecamatan dalam
Tabel 4.18 Pengujian OLAP Informasi Jumlah Peminjam Yang Sering Meminjam Setiap Kecamatan Dalam Setiap Bulan Dan Tahun
Kasus dan Hasil Uji (Data Normal)
Data Masukan Yang Diharapkan Pengamatan Kesimpulan
Nama file :
dw_anugerahrejeki.sql
Memilih OLAP
informasi jumlah
peminjam yang sering
meminjam setiap
kecamatan dalam setiap bulan dan tahun, sistem
menampilkan OLAP,
memilih roll-up dan
Sistem dapat
menampilkan OLAP dan dapat melakukan roll-up dan drill-down serta dapat mencetak report.
drill-down, sistem melakukan roll-up dan
drill-down dan
kemudian dapat
mencetak report.
Kasus dan Hasil Uji (Data Tidak Normal)
Data Masukan Yang Diharapkan Pengamatan Kesimpulan
Nama file :
dw_anugerahrejeki.sql (kosong)
Memilih OLAP
informasi jumlah
peminjam yang sering
meminjam setiap
kecamatan dalam setiap bulan dan tahun, sistem
Tabel 4.19 Pengujian OLAP Informasi Jumlah Peminjam Yang Membayar Angsuran Tepat Waktu Setiap Kecamatan Dalam Setiap Bulan Dan Tahun
Kasus dan Hasil Uji (Data Normal)
Data Masukan Yang Diharapkan Pengamatan Kesimpulan
Nama file : kecamatan dalam setiap bulan dan tahun, sistem
menampilkan OLAP,
memilih roll-up dan
drill-down, sistem
melakukan roll-up dan
drill-down dan roll-up dan drill-down serta dapat mencetak report.
[√] Diterima [ ] Ditolak
Kasus dan Hasil Uji (Data Tidak Normal)
Data Masukan Yang Diharapkan Pengamatan Kesimpulan
Nama file : kecamatan dalam setiap bulan dan tahun, sistem
Tabel 4.20 Pengujian OLAP Informasi Jumlah Peminjamn Yang Membayar Angsuran Tidak Tepat Waktu Setiap Kecamatan Dalam Setiap Bulan Dan
Tahun
Kasus dan Hasil Uji (Data Normal)
Nama file : kecamatan dalam setiap bulan dan tahun, sistem
menampilkan OLAP,
memilih roll-up dan
drill-down, sistem
melakukan roll-up dan
drill-down dan roll-up dan drill-down serta dapat mencetak report.
[√] Diterima [ ] Ditolak
Kasus dan Hasil Uji (Data Tidak Normal)
Data Masukan Yang Diharapkan Pengamatan Kesimpulan
Nama file : kecamatan dalam setiap bulan dan tahun, sistem
Tabel 4.21 Pengujian OLAP Informasi Jumlah Peminjam Yang Membayar Angsuran Yang Tidak Lunas Setiap Kecamatan Dalam Setiap Bulan Dan
Tahun
Kasus dan Hasil Uji (Data Normal)
Data Masukan Yang Diharapkan Pengamatan Kesimpulan
Nama file : kecamatan dalam setiap bulan dan tahun, sistem
menampilkan OLAP,
memilih roll-up dan
drill-down, sistem
melakukan roll-up dan
drill-down dan roll-up dan drill-down serta dapat mencetak report.
[√] Diterima [ ] Ditolak
Kasus dan Hasil Uji (Data Tidak Normal)
Data Masukan Yang Diharapkan Pengamatan Kesimpulan
kecamatan dalam setiap bulan dan tahun, sistem
tidak dapat
menampilkan OLAP.
Tabel 4.22 Pengujian OLAP Informasi Jumlah Jenis Pinjaman Yang Sering Digunakan Setiap Kecamatan Dalam Setiap Bulan Dan Tahun
Kasus dan Hasil Uji (Data Normal)
Data Masukan Yang Diharapkan Pengamatan Kesimpulan
Nama file :
dw_anugerahrejeki.sql
Memilih OLAP
informasi jumlah jenis pinjaman yang sering
digunakan setiap
kecamatan dalam setiap bulan dan tahun, sistem
menampilkan OLAP,
memilih roll-up dan
drill-down, sistem
melakukan roll-up dan
drill-down dan roll-up dan drill-down serta dapat mencetak report.
[√] Diterima [ ] Ditolak
Kasus dan Hasil Uji (Data Tidak Normal)
Data Masukan Yang Diharapkan Pengamatan Kesimpulan
Nama file :
dw_anugerahrejeki.sql (kosong)
Memilih OLAP
informasi jumlah jenis pinjaman yang sering
digunakan setiap
kecamatan dalam setiap bulan dan tahun, sistem
Tabel 4.23 Pengujian OLAP Informasi Jumlah Type Kendaraan Yang Sering Di Gadaikan Setiap Kecamatan Dalam Setiap Bulan Dan Tahun
Kasus dan Hasil Uji (Data Normal)
Data Masukan Yang Diharapkan Pengamatan Kesimpulan
Nama file :
dw_anugerahrejeki.sql
Memilih OLAP
informasi jumlah type kendaraan yang sering di
gadaikan setiap
kecamatan dalam setiap bulan dan tahun, sistem
menampilkan OLAP,
memilih roll-up dan
drill-down, sistem
melakukan roll-up dan
drill-down dan roll-up dan drill-down serta dapat mencetak report.
[√] Diterima [ ] Ditolak
Kasus dan Hasil Uji (Data Tidak Normal)