Nama Lengkap : Mochamad Yusuf Nugraha Dwiantara
Tempat, Tanggal Lahir : Bandung, 22 Agustus 1992
Jenis Kelamin : Laki-laki
Kewarganegaraan : Indonesia
Agama : Islam
Status : Belum Kawin
Tinggi/Berat Badan : 170 cm/60 kg
Identitas : KTP no. 3204052208920001
Alamat : JL.Arjuna 3 AM.69, Bandung
No Kontak : 085795985938
Email : mochyusuf199@gmail.com
PENDIDIKAN FORMAL
2010– Skarang : Universitas Komputer Indonesia (UNIKOM) Bandung 2007 – 2010 : SMA Mekar Arum Bandung
2004 – 2007 : SMP Karya Pembangunan 10 Bandung 1998 – 2004 : SDN Cibiru 04 Bandung
1997 – 1998 : TK Riung Putra Bandung
PENDIDIKAN INFORMAL
2013 : English Course ET dan INT di LIA Bandung
SKRIPSI
Diajukan untuk Menempuh Ujian Akhir Sarjana
MOCHAMAD YUSUF NUGRAHA D
10110735
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK DAN ILMU KOMPUTER
iii
judul Pembangunan Perangkat Lunak Data Warehouse Di CV Mitra Karya Teknik.
Penyusunan skripsi ini tidak akan terwujud tanpa mendapat dukungan dan masukan dari berbagai pihak. Untuk itu, penulis ingin menyampaikan banyak terima kasih yang sebesar – besarnya kepada :
1. Allah SWT yang telah menganugrahkan kesehatan sehingga penulis dapat menyelesaikan skripsi ini.
2. Ibu Dewi Kania dan Bapak Dedi Rasad Dwiantara selaku kedua orang tua saya yang telah memberikan motivasi, dukungan moral maupun materinya,
serta do’a yang tidak akan pernah putus sehingga penulis dapat menyelesaikan
skripsi ini.
3. Ibu Dian Dharmayanti, S.T., M.Kom. selaku dosen pembimbing, yang telah banyak memberikan arahan, saran dan bimbingan kepada penulis.
4. Ibu Rani Susanto, S.Kom., M.Kom selaku dosen reviewer yang telah memberikan arahan dan bimbingan kepada penulis.
5. Ibu Nelly Indriani W, S.Si., M.T. Selaku dosen wali dan bapak/ibu dosen teknik informatika yang telah banyak memberikan ilmu, bantuan, dan motivasi kepada penulis.
6. Liyan Ambeliyan H yang selalu memberikan motivasi dan do’a kepada penulis sehingga penulis dapat menyelesaikan skripsi ini.
7. Keluarga besar IF-16 angkatan 2010 dan teman- teman di rumah yang juga telah memberikan arahan untuk mengerjakan skripsi ini.
Akhir kata penulis mengucapkan terima kasih, semoga skripsi ini dapat bermanfaat bagi pembaca.
Bandung, 1 September 2016
KATA PENGANTAR ... iii
1.1 Latar Belakang Masalah ... 1
1.2 Rumusan Masalah ... 2
1.3 Maksud dan Tujuan ... 2
1.3.1 Maksud ... 2
1.3.2 Tujuan ... 2
1.4 Batasan Masalah ... 3
1.5 Metode Pengumpulan Data ... 3
1.6 Metode Pembangunan Perangkat Lunak ... 4
1.7 Sistematika Penulisan ... 5
2.2.3 Database Management System (DBMS) ... 10
2.2.4.5 OLAP (Online Analitical Proses) ... 15
2.2.4.6 Normalisasi Data... 16
2.2.4.7 Visualisasi Data ... 18
2.2.4.8 Arsitektur Data Warehouse ... 20
2.2.4.9 Jenis Dasar Data Warehouse... 22
2.2.4.10 Metodologi Pembangunan Data Warehouse... 24
2.2.4.11 Skema Data Warehouse ... 25
2.2.4.12 Tujuan Data Warehouse... 29
2.3 Alat – alat Pemodelan Sistem ... 30
2.3.1 Diagram Konteks ... 30
2.3.2 DFD (Data Flow Diagram) ... 31
2.4 Alat – alat Pembangunan Perangkat Lunak... 31
2.4.1 C# (C Sharp) ... 31
3.1.2 Analisis Sumber Data ... 36
3.1.3 Analisis Kebutuhan Informasi ... 48
3.1.4 Analisis Data Warehouse ... 49
3.1.4.1 Pemilihan Proses Bisnis ... 49
3.1.4.2 Pemilihan Sumber ... 49
3.1.4.3 Mengindentifikasi Dimensi Dan Fakta ... 50
3.1.4.4 Data Staging ... 51
3.1.4.5 Analisis Dimensi ... 66
3.1.7 Analisis Kebutuhan Fungsional ... 84
3.1.7.1 Diagram Konteks ... 84
3.1.7.2 Data Flow Diagram (DFD) ... 84
3.1 Spesifikasi Proses ... 87
3.1.9 Kamus Data DFD ... 91
3.2 Perancangan Arsitektur ... 91
3.2.1 Perancangan Struktur Men ... 92
3.2.2 Perancangan Antarmuka ... 92
3.2.3 Perancangan Pesan ... 95
3.2.4 Perancangan Report ... 95
3.2.5 Perancangan Prosedural ... 96
3.2.6 Perancangan Jaringan Semantik ... 106
BAB 4 ... 107
IMPLEMENTASI DAN PENGUJIAN ... 107
4.1 Implementasi ... 107
4.1.1 Perangkat Lunak Pembangun ... 107
4.1.2 Perangkat Keras Pembangun... 107
4.1.3 Implementasi Basis Data ... 107
4.1.4 Implementasi Antarmuka ... 110
4.2 Pengujian Sistem ... 111
4.2.1 Rencana Pengujian ... 111
4.2.2 Skenario Pengujian... 112
4.2.3 Kasus Dan Hasil Pengujian ... 113
4.2.4 Evaluasi Hasil Pengujian... 126
BAB 5 ... 127
KESIMPULAN DAN SARAN ... 127
128
[2] Chy Rohmanah, 2013 Fungsi struktur organisasi pada perusahaan. NY : CRC Press.
[3] Yosefa Ferdianto, 2013 Definisi database management. Indonesia :QUANTA.
[4] Mulyana JRP, (2014) Solusi membangundata warehouse.: Sage Publication 2014.
[5] Fajar Rianda, (2011) Data Warehouse Architecture Mc Graw. Hill, 2010. [6] Paiman, A.S, William, R., Willyam, F., (2010). Analisis Perbandingan
Antara Model Dimensi Star Schema Dan Snowflake New York: :Mc Graw Hill 2010.
[7] Novianda, K.R, (2010) Microsoft Business Intelligence dengan SQL Server R2 dan Sharepoint 2010. : APRESS 2010.
[8] Faris Hendi, (2010) Sejarah C Sharp (C#. :APRESS 2010.
[9] Aditia, (2008) Sejarah Singkat SQL Server 2008. : Modern Principles and Methodologies, The McGraw-Hill Companies, 2008.
[10] Rainardi, V. Building A Data Warehouse, With Examples in SQL Server. : John Wiley & Sons, Inc., 2010.
[11] Handian, (2010). Definisi Visualisasi. :Sybex 2010.
[12] P. Ponniah (2005), Data Warehousing Fundamentals. A Comprehensif Guide For IT Professionals, John Wiley & Sons, Inc. Indiapolis :Wiley Publishing Inc 2005.
1
Sebuah perusahaan memiliki tujuan utama menaikan nilai perusahaan dengan cara mencapai laba secara maksimal. Besar kecilnya laba yang diperoleh merupakan ukuran keberhasilan perusahaan dalam mengelola usahanya. Perkembangan sistem informasi sangatlah berperan dalam kegiatan perusahaan untuk memperoleh data secara cepat, tepat, dan akurat.
Teknologi informasi semakin berkembang pesat dalam semua aspek kegiatan manusia dalam membuat, mengubah, menyimpan, mengkomunikasikan, dan menyebarkan informasi. Informasi data merupakan asset penting dalam sebuah perusahaan yang digunakan untuk memutuskan kebijakan, melakukan strategi, atau mengambil keputusan. CV Mitra Karya Teknik merupakan perusahaan manufaktur yang bergerak di bidang industri karet yang berdiri sejak tahun 2001, barang baku yang digunakan adalah biji karet dan SIT yang diolah menjadi produk yang di hasilkan berupa karet, plastic, logam, baklit, nylon, polyurethane dll.
Berdasarkan permasalahan diatas, penulis memberikan solusi berupa
“Pembangunan Perangkat Lunak Data Warehouse di CV Mitra Karya Teknik”
untuk membantu pihak perusahaan terutama manager perusahaan dalam menganalisa data untuk mendapatkan informasi yang dapat dilihat dari berbagai aspek. Data warehouse sendiri adalah koleksi data yang mempunyai sifat
berorientasi subjek, terintegrasi, time-variant, dan multidimensi dari koleksi data dalam mendukung proses pengambilan keputusan management [4]. Hal ini menjamin mekanisme akses satu pintu bagi management untuk memperoleh informasi untuk menganalisanya untuk pengambilan keputusan.
1.2 Rumusan Masalah
Berdasarkan latar belakang masalah diatas maka perumusan masalah adalah bagaimana membangun data warehouse pada CV Mitra Karya Teknik.
1.3 Maksud dan Tujuan
Maksud dan tujuan penelitian ini adalah :
1.3.1 Maksud
Berdasarkan permasalahan yang ada, maka maksud dari penelitian tugas akhir ini adalah untuk membangun data warehouse pada CV Mitra Karya Teknik.
1.3.2 Tujuan
Tujuan yang akan dicapai dari penelitian ini adalah sebagai berikut : 1. Membantu perusahaan dalam penyajian informasi, proses analisis data,
dan kebutuhan laporannya untuk mempermudah pengambilan keputusan. 2. Membantu pihak management perusahaan dalam menyediakan informasi
1.4 Batasan Masalah
Berikut ini adalah batasan masalah dalam pembangunan data warehouse
di CV Mitra Karya Teknik :
1. Data yang digunakan adalah data pemesanan, produksi, dan penjualan pada tahun 2015 yang ada di perusahaan tersebut.
2. Penyajian data kepada pihak CV Mitra Karya Teknik dalam bentuk OLAP
(Online Analitical Proses) berbasis desktop.
3. Sistem informasi yang dibuat hanya meliputi kegiatan-kegiatan yang terkait dengan proses bisnis.
4. Sistem yang dibuat tidak meliputi fungsi pembukuan seperti nilai penyusutan barang dan fungsi akutansi lainnya.
5. DBMS menggunakan sql server.
6. Aplikasi yang akan dibangun menggunakan Visaual Studio C#.
1.5 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah sebagai berikut:
1. Studi Literatur
Studi literatur adalah teknik pengumpulan data dengan cara mengumpulkan literatur, jurnal, dan bacaan-bacaan lainnya yang berkaitan dengan topik data warehouse.
2. Wawancara
Wawancara adalah teknik pengumpulan data dengan cara melakukan tanya jawab secara langsung dengan pihak CV Mitra Karya Teknik tentang masalah yang ada.
3. Observasi
4. Studi Dokumentasi
Studi dokumentasi adalah teknik pengumpulan data yang dilakukan dengan cara melihat atau menganalisis dokumen-dokumen yang dibuat oleh pihak CV Mitra Karya Teknik.
1.6 Metode Pembangunan Perangkat Lunak
Dalam penelitian tugas akhir ini perancangannya menggunakan metode
waterfall. Metode waterfall adalah suatu proses pembuatan sistem yang dilakukan untuk sistem yang akan berjalan. Adapun fase – fase dari metode ini yang meliputi beberapa proses diantaranya sebagai berikut :
Gambar 1.1 Metode Waterfall 1. Requirement Analysis
Seluruh kebutuhan software harus bisa didapatkan dalam fase ini, termasuk didalamnya kegunaan software yang diharapkan pengguna dan batasan software. Informasi ini biasanya dapat diperoleh melalui wawancara, survei atau diskusi. Informasi tersebut dianalisis untuk mendapatkan dokumentasi kebutuhan pengguna untuk digunakan pada tahap selanjutnya.
2. System Design
3. Implementation
Dalam tahap ini dilakukan pemrograman. pembuatan software dipecah menjadi modul-modul kecil yang nantinya akan digabungkan dalam tahap berikutnya. Selain itu dalam tahap ini juga dilakukan pemeriksaaan terhadap modul yang dibuat apakah sudah memenuhi fungsi yang diinginkan atau belum.
4. Integration & Testing
Di tahap ini dilakukan penggabungan modul-modul yang sudah dibuat dan dilakukan pengujian ini dilakukan untuk mengetahui apakah software yang dibuat telah sesuai dengan desainnya dan masih terdapat kesalahan atau tidak.
5. Operation & Maintenance
Ini merupakan tahap terakhir dalam model waterfall. Software yang sudah jadi dijalankan serta dilakukan pemeliharaan. Pemeliharaan termasuk dalam memperbaiki kesalahan yang tidak ditemukan pada langkah sebelumnya. Perbaikan implementasi unit sistem dan peningkatan jasa sistem sebagai kebutuhan baru.
1.7 Sistematika Penulisan
Sistematika penulisan ini dimaksudkan untuk memberikan garis besar mengenai isi laporan penelitian secara ringkas dan jelas, sehingga dapat memberikan gambaran hubungan antar bab, dimana masing-masing bab akan dibagi dalam sub-sub bagian secara keseluruhan. Adapun bab-bab yang terdapat dalam laporan penelitian ini, yaitu :
BAB 1 PENDAHULUAN
BAB 2 TINJAUAN PUSTAKA
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 3 ANALISIS PERANCANGAN
Bab ini menguraikan tentang analisis dan perancangan sistem membahas mengenai gambaran sistem yang sedang berjalan. menjelaskan mengenai langkah-langkah yang digunakan dalam proses perancangan sistem serta desain antar muka sistem.
BAB 4 IMPLEMENTASI DAN PENGUJIAN
Bab ini menjelaskan mengenai implementasi aplikasi yang telah dibuat serta melakukan pengujian terhadap aplikasi yang diimplementasikan tersebut.
BAB 5 KESIMPULAN DAN SARAN
7
BAB 2
TINJAUAN PUSTAKA
2.1 Profil PerusahaanCV Mitra Karya Teknik salah satu dari sekian banyak perusahaan yang bergerak di bidang manufacturing yang telah berdiri sejak tahun 2001 oleh bapak Ujang Cucu Suryadi. CV Mitra Karya Teknik yang beralamat di Taman Cimekar Kav. 10 no.13 RT 08/RW 11 Ds Cibiru Hilir Kec Cileunyi – Bandung. Dalam menjalankan usahanya CV Mitra Karya Teknik membuat berbagai produk berupa karet, plastic, logam, baklit, nylon, dan polyurethane dll.
2.1.1 Visi Misi
Visi dan misi dari CV Mitra Karya Teknik ini adalah sebagai berikut :
a. Visi
Menjadi perusahaan manufacturing (terutama karet) yang memiliki kualitas terbaik Nusantara dan mampu menguasai pasar.
b. Misi
Menjadi perusahaan manufacture terbaik Nusantara.
2.1.2 Logo Perusahaan
Logo dari CV Mitra Karya Teknik dapat dilihat pada gambar dibawah ini.
Gambar 2.1 Logo Perusahaan
2.1.3 Struktur Organisasi
perusahaan. Hal ini menyangkut terhadap tanggung jawab mengenai jabatan seseorang dan juga hubungannya terhadap posisi pada jabatan lain [2].
Gambar 2.2 Struktur Organisasi CV Mitra Karya Teknik
Pada struktur organisasi CV Mitra Karya Teknik memiliki masing – masing tugas adalah :
1. Tugas pimpinan perusahaan adalah memberikan kerangka pokok yang jelas yang dapat dijadikan pegangan oleh anggotanya, mengawasi, merencanakan, mengorganisasikan, menggerakan anggotanya, dan bertanggung jawab untuk pengambilan keputusan bagi perusahaan. 2. Tugas bagian keuangan adalah melaksanakan kegiatan administrasi
keuangan perusahaan yang bertujuan untuk menjamin kelancaran, keakuratan, dan ketertiban keuangan perusahaan itu sendiri.
3. Tugas bagian gudang adalah sebagai penanggung jawab dari semua transaksi yang terjadi di bagian gudang perusahaan tersebut.
5. Tugas bagian marketing dan penjualan adalah mengatur jadwal penjualan dan melakukan penjualan untuk memenuhi permintaan pelanggan serta mencatat semua transaksi penjualan.
1.2 Landasan Teori
Landasan teori merupakan teori yang relevan yang digunakan untuk menjelaskan tentang variabel yang akan diteliti dan sebagai dasar untuk memberi jawaban sementara terhadap rumusan masalah yang diajukan (hipotesis), dan penyusunan instrument penelitian. Landasan teori yang diuraikan merupakan hasil dari studi literatur yaitu pengumpulan data dengan cara mempelajari jurnal, browing internet, referensi buku, dan bacaan – bacaan lainnya yang berhubungan dengan penelitian yang dilakukan.
2.2.1 Data
Data adalah kumpulan kejadian yang diangkat dari suatu kenyataan (fakta), dapat berupa angka – angka, huruf, simbol – simbol khusus, atau gabungan dari ketiganya.
Data juga bisa berarti kumpulan file atau informasi dengan tipe tertentu, baik suara, gambar atau yang lainnya. Data merupakan keterangan yang benar dan nyata, atau keterangan nyata yang dapat dijadikan bahan kajian (analisis atau kesimpulan) [3].
2.2.2 Database
2.2.3 Database Management System (DBMS)
Database management sistem (DBMS) adalah sistem pengorganisasian dan sistem pengolahan database pada komputer. DBMS ini merupakan perangkat lunak (software) yang dipakai untuk membangun basis data yang berbasis komputerisasi. DBMS ini juga dapat membantu dalam memelihara serta pengolahan data dalam jumlah yang besar, dengan menggunakan DBMS bertujuan agar tidak dapat menimbulkan kekacauan dan dapat dipakai oleh user sesuai dengan kebutuhan [3].
2.2.4 Data Warehouse
Pengertian data warehouse dapat bermacam – macam namun mempunyai inti yang sama, seperti pendapat beberapa ahli berikut ini [4]:
1. Data warehouse adalah kumpulan data yang memiliki subjek
berorientasi, terpadu, waktu – variant, dan tetap pada pengumpulan data untuk mendukung proses pengambilan keputusan management (W.H. Inmon dan Richard DH).
2. Data warehouse adalah database yang read – only analisis dan digunakan sebagai dasar sistem pendukung (Vidette Poe).
3. Data warehouse merupakan database relasional yang dirancang lebih untuk query dan analisis proses transaksi, biasanya mengandung sejarah transaksi dan mungkin juga data dari sumber lain. Data warehouse memisahkan beban kerja analisis dari beban kerja transaksi dan memungkinkan organisasi untuk menggabungkan konsolidasi data dari berbagai sumber (Paul Lane).
4. Data warehouse merupakan metode dalam perancangan database yang
Dari definisi yang sudah diuraikan diuraikan di atas, dapat disimpulkan
data warehouse adalah database yang saling berinteraksi yang dapat digunakan untuk query dan analisis, bersifat orientasi subjek, terintegrasi, time – variant, dan multidimensi tidak berubah yang digunakan untuk pimpinan perusahaan untuk pengambilan keputusan.
2.2.4.1 Kegunaan Data Warehouse
Dari pengertian yang sudah diuraikan tentang data warehouse, data
warehouse diperlukan bagi para pimpinan perusahaan untuk pengambilan
keputusan management dari suatu organisasi/perusahaan. Dengan adanya data warehouse akan mempermudah pembuatas DSS (Dicision Support System) dan EIS (Executive Information System) karena kegunaan dari data warehouse adalah khusus untuk membuat suatu database yang digunakan untuk mendukung proses analisa (OLAP), pengambilan keputusan, pembuatan laporan, penggalian informasi baru (Data Mining) dari banyak data dan proses executive information
Beberapa fungsi dari warehouse diantaranya [4] : 1. Pembuatan Laporan
Pembuatan laporan merupakan salah satu kegunaan data warehouse
yang paling umum dilakukan. Dengan menggunakan query sederhana didapatkan laporan perhari, perbulan, bahkan sampai pertahun atau jangka waktu kapanpun yang diinginkan.
2. OLAP (Online Analytical Processing)
3. Data Mining
Data mining merupakan proses untuk menggali (mining) pengetauan 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 data dan pemakainya.
Adapun beberapa solusi yang diberikan oleh data mining antara lain : 1. Menebak Target Pasar
Data mining dapat mengelompokkan (clustering) model-model pembeli dan melakukan klasifikasi terhadap setiap pembeli dan melakukan klasifikasi terhadap setiap pembeli sesuai dengan karakteristik yang diinginkan.
2. Melihat Pola Beli dari Waktu ke Waktu
Data mining dapat digunakan untuk melihat pola beli dengan rentang waktu ke waktu.
3. Cross-market Analysis
Data mining dapat dimanfaatkan untuk melihat hubungan antara satu produk dengan produk lainnya.
4. Profil Pelanggan
Data mining bias membantu pengguna untuk melihat profil pembeli sehingga dapat diketahui kelompok pembeli tertentu hanya cendrung pada produk saja.
5. Informasi Summary
Data mining dapat membuat laporan summary yang bersifat
multidimensi dan dilengkapi dengan statistic. 6. Proses Informasi Executive
2.2.4.2 Konsep Dasar Data Warehouse
Data warehouse adalah kumpulan macam – macam data yang subject oriented, integrated, time variant, dan multidimensi dalam mendukung proses keputusan yang dibuat oleh management perusahaan.
Data warehouse sering sering diintegrasikan dengan berbagai sistem aplikasi untuk mendukung proses laporan dan analisis data dengan menyediakan
data histori, yang menyediakan infrastruktur bagi EIS dan DSS[4]. 1. Integrated
Sebuah data warehouse memiliki data yang diambil dari berbagai sistem operasional dan data eksternal.
2. Subject Oriented
Data warehouse data diperoleh berdasarkan enterprise subject seperti pelanggan, sales, dan profit.
3. Time Variant
Seluruh data pada data warehouse dapat dikatakan akurat atau valid pada rentang waktu tertentu. Untuk melihat interval waktu yang digunakan dalam mengukur keakuratan suatu data warehouse.
4. 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.
2.2.4.3 Proses ETL (Extraction, Transformation, Loading)
Extraction,transformation, dan loading (ETL) adalah fungsi utama yang perlu dilakukan untuk membuat data. Ketiga fungsi ini terdapat pada staging area. Pada data staging ini, disediakan tempat dan area dengan beberapa fungsi seperti
1. 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. Adapun fungsi ekstrasi diantaranya, 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. Tranformation
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 ketidak konsistenan data tersebut dapat diakibatkan oleh tipe data yang berbeda, data length dan lain sebagainya.. Langkah-langkah dalam transformasi data adalah sebagai berikut :
a. Memetakan data input dari skema data aslinya ke skema data warehouse.
b. Melakukan konversi tipe data atau format data.
d. Penghitungan nilai-nilai derivat atau mula-mula. e. Penghitungan nilai-nilai agregat atau rangkuman. f. Pemerikasaan integritas referensi data.
g. Pengisian nilai-nilai kosong dengan nilai default. h. Penggabungan data.
Incremental load, dilakukan ketika data warehouse telah
dioperasikan. Incremental load ini dapat dilakukan sesuai dengan sistem yang dibangun.
2.2.4.4 OLTP (On-line Transaction Processing)
On-line Transaction Processing atau yang sering dikenal dengan OLTP adalah segala penanganan dalam proses transaksi sehari – hari. Ciri – ciri dari OLTP adalah sebagai berikut [13] :
1. Mendukung jumlah pengguna dalam jumlah yang banyak dan sering untuk menambah dan mengubah data transaksi.
2. Mengandung data dalam jumlah besar, termasuk di dalamnya validasi data transaksi.
3. Memiliki struktur yang kompleks dan rumit.
4. Diarahkan secara maksimal untuk melayani aktivitas transaksi harian. 5. Menyediakan teknologi infrastruktur yang mendukung operasional
transaksi data dalam perusahaan
2.2.4.5 OLAP (Online Analitical Proses)
cepat, konsisten, dan memiliki akses yang interaktif dalam luasnya penggalian suatu informasi yang di tranformasikan dari suatu raw data menjadi dimensi fakta yang dapat dimengerti oleh pengguna [13].
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 perspektif. Pengguna dapat mengekstrak bagian dari data agregrated dan dapat 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. 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
Roll-up dan drill down 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.
2.2.4.6 Normalisasi Data
yaitu dapat dilakukan proses insert, update, delete, dan modifikasi pada satu atau beberapa atribut tanpa mempengaruhi integritas data dalam relasi tersebut.
Pada proses normalisasi terhadap tabel pada database dapat dilakukan dengan tiga tahap normalisasi antara lain [13]:
1. Bentuk Tidak Normal (Unnormalized Form)
Bentuk ini merupakan kumpulan data yang akan direkam, tidak ada keharusan mengikukti format tertentu, dapat saja data tidak lengkap atau terduplikasi. Data dikumpulkan apa adanya sesuai dengan saat menginput. Untuk mentransformasikan tabel yang belum ternomalisasi di atas menjadi tabel yang memenuhi kriteria 1NF adalah kita harus merubah seluruh atribut yang multivalue menjadi atribut single value, dengan cara menghilangkan reporting group.
2. Bentuk Normal Ke Satu (First Normal form/1NF)
Pada tahap ini dilakukan penghilangan beberapa group elemen yang berulang agar menjadi satu harga tunggal yang berinteraksi di antara setiap baris pada suatu tabel, dan setiap atribut harus mempunyai nilai data yang atomic (bersifat atomic value). Atom adalah zat terkecil yang masih memiliki sifat induknya, bila terpecah lagi maka ia tidak memiliki sifat induknya. Syarat normal ke satu (1-NF) antara lain :
a. setiap data dibentuk dalam flat file, data dibentuk dalam satu record demi satu record nilai dari field berupa “atomic value”.
b. tidak ada set atribute yang berulang atau bernilai ganda. c. telah ditentukannya primary key untuk tabel / relasi tersebut. d. tiapatribut hanya memiliki satu pengertian.
3. Bentuk Normal Ke Dua (Second Normal Form/2NF)
a. Bentuk data telah memenuhi kriteria bentuk normal kesatu.
b. Atribute bukan kunci (non-key) haruslah memiliki ketergantungan fungsional sepenuhnya (fully functional dependency) pada kunci utama / primary key.
4. Bentuk Normal Ke Tiga (Third Normal Form/3NF)
Walaupun relasi 2-NF memiliki redudansi yang lebih sedikit dari pada relasi 1-NF, namun relasi tersebut masih mungkin mengalami kendala bila terjadi anomaly peremajaan (update) terhadap relasi tersebut. Misalkan kita akan melakukan update terhadap nama dari seorang Pemilik (pemilik), seperti Durki (No_Pemilik: CO93), kita harus melakukan update terhadap dua baris dalam relasi Property_Pemilik (lihat Tabel 9.5, (c) relasi Property_Pemilik). Jika kita hanya mengupdate satu baris saja, sementara baris yang lainnya tidak, maka data didalam database tersebut akan inkonsisten / tidak teratur. Anomaly update ini disebabkan oleh suatu ketergantungan transitif (transitive dependency). Kita harus menghilangkan ketergantungan tersebut dengan melakukan normalisasi ketiga (3-NF). Syarat normal ketiga (Third Normal Form / 3 NF) sebagai berikut :
a. Bentuk data telah memenuhi kriteria bentuk normal kedua.
b. Atribute bukan kunci (non-key) harus tidak memiliki ketergantungan transitif, dengan kata lain suatu atribut bukan kunci (non_key) tidak boleh memiliki ketergantungan fungsional (functional dependency) terhadap atribut bukan kunci lainnya, seluruh atribut bukan kunci pada suatu relasi hanya memiliki ketergantungan fungsional terhadap priamry key di relasi.
2.2.4.7 Visualisasi Data
nyata. Contoh dari hal ini meliputi lukisan di dinding – dinding gua dari manusia purba, bentuk huruf hiroglip Mesir, sistem geometri Yunani, dan lainnya[12] :
Gambar 2.3 Chart Suggestion
Pada saat ini visualisasi telah berkembang dan banyak dipakai untuk keperluan ilmu pengetahuan, rekayasa, visualisasi desain produk, pendidikan,
multimedia interaktif dll. Visualisasi data memiliki tujuan yaitu : 1. Mengeksplor
2. Menghitung 3. Menyampaikan
Data numerik, skema, gambar umum, tabel, dan lainnya dapat divisualisasikan dalam bentuk media dua dimensi non projeksi. Yang biasa digunakan antara lain :
1. Grafik
(circle), grafik luasan (area graph), grafik solid (solid graph), dan grafik piktorial (pictorial graph).
2. Diagram
Diagram adalah berkas garis dan simbol yang dirancang untuk menunjukan hubungan, gambaran umum, atau ringkasan suatu proses.
3. Peta (Chart)
Peta (chart) yang biasa juga diistilahkan karta, merupakan kombinasi dari piktorial, grafik, numerik, atau material verbal. Macam – macam peta (chart) peta pohon (free chart), peta arus (flow chart), peta garis besar (outine chart), dan peta tabulasi (tabular chart).
4. Kurtun
Kurtur adalah gambaran piktorial karikatur, simbolise, dan humor.
2.2.4.8 Arsitektur Data Warehouse
Arsitektur data warehouse adalah sekumpulan aturan atau struktur yang menyediakan sebuah framework untuk keseluruhan desain dari sistem atau produk. Di dalam arsitektur terdapat arsitektur jaringan, arsitektur client-server, arsitektur untuk produk spesifik, dll. Karakteristik arsitektur data warehouse
adalah sebagai berikut [5] :
a. Data diekstrak dari source system, database, dan file.
b. Data dari source system diintegrasikan dan ditranformasikan sebelum
diload kedalam data warehouse.
c. Data warehouse adalah database read-only yang terpisah yang dibuat khusus untuk DSS (decision support system).
d. User dapat mengakses data warehouse melalui tool front end dan aplikasi.
Arsitektur data warehouse mencakup proses ETL (Extraction, Transformation, Loading) untuk memindahkan data dari operational data source
Gambar 2.4 Data Flow Architecture Berikut adalah penjelasan dari tiap proses :
1. Ekstraksi Data (Extract)
Ekstraksi data adalah proses dimana data diambil atau diekstrak 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. Penyaringan atau seleksi data hasil ekstraksi. 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 mentah (row data) hasil ekstrasi disaring dan diubah sesuai dengan kaidah bisnis yang berlaku. Langkah – langkah dalam transformasi data adalah sebagai berikut :
a. Memetakan data input dari skema data aslinya ke skema data warehouse.
b. Melakukan konversi tipe data atau format data.
e. Penghitungan nilai-nilai agregat atau rangkuman. f. Pemerikasaan integritas referensi data.
g. Pengisian nilai-nilai kosong dengan nilai default. h. Penggabungan data.
3. Proses Data (Loading)
Proses terakhir yang perlu dilakukan adalah proses pemuatan laporan data yang didapatkan dari hasil transformasi ke dalam data warehouse. Cara untuk memuat data adalah dengan menjalankan
SQLscript secara periodic.
2.2.4.9 Jenis Dasar Data Warehouse
Jenis data warehouse yang digunakan oleh sebuah perusahaan akan berbeda-beda, data warehouse yang dibangun harus disesuaikan dengan sumber data dan kebutuhan perusahaan tersebut. Berikut ini adalah jenis data warehouse :
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. Keuntungannya dari warehouse seperti ini adalah sistem mudah dibangun dengan biaya relatif murah sedangkan kerugiannya adalah resiko kehilangan konsistensi data dan terbatasnya kemampuan dalam pengumpulan data bagi penggunanya.
2. Centralized Data Warehouse (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 perusahaan. 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, sedangkan kerugiannya adalah biaya yang mahal serta memerlukan waktu yang cukup lama untuk membangunnya.
Gambar 2.6Data Warehouse Terpusat 3. Distributed Data Warehouse (Data Warehouse terdistribusi)
Pada data warehouse terdistribusi ini, digunakan gateway yang berfungsi sebagai jembatan penghubung antara data warehouse
secara terpisah, juga biayanya yang paling mahal dibandingkan dengan dua bentuk data warehouse lainnya.
Gambar 2.7 Data Warehouse Terdistribusi
2.2.4.10 Metodologi Pembangunan Data Warehouse
Sembilan tahap metodologi dalam perancangan database untuk data warehouse, yaitu [10]:
1. Langkah 1 : Pemilihan Proses Bisnis
Tahapan ini berarti memahami dan memilih proses bisnis mana saja yang akan digunakan dalam model data multidimensi yang akan dibangun.
2. Langkah 2 : Pemilihan Sumber
Dalam tahap ini, perancangan data warehouse harus sesuai atau berdasarkan dari tabel fakta dan dimensi, untuk itu ketika pemilihan sumber harus mengacu pada kemampuan unutk merepresentasikan fakta-fakta yang di ambil dari berbagai sumber dimensi pada OLTP. 3. Langkah 3 : Mengidentifikasi Dimensi dan Fakta
4. Langkah 4 : Data Staging
Pada lapisan ini, data ekternal yang sudah diimport kedalam database akan diekstrak, ditransform dan kemudian diload ke dalam data warehouse. Proses ini lebih dikenal dengan proses ETL.
5. Langkah 5 : Analisis Dimensi
Dimensi digunakan untuk menjelaskan entitas bisnis yang digunakan untuk mendukung suatu fakta sehingga dapat dilakukan analisis secara multidimensional.
6. Langkah 6 : Analisis Fakta
Fakta menjelaskan tentang nilai yang berkaitan langsung dengan proses bisnis yang bersifat multidimensional dengan maksud agar pengguna dapat lebih mudah untuk melakukan analisis.
7. Langkah 7 : Data Warehouse Layer
Pada lapisan ini, data yang sudah melalui proses ETL akan disimpan pada sebuah penyimpanan logic yang tersentralisasi yaitu data warehouse.
8. Langkah 8 : OLAP
Setelah data warehouse terbentuk, langkah terakhir adalah melakukan pengambilan data dari data warehouse. Dalam pembangunan data warehouse kali ini, hasil output dari data warehouse akan berupa laporan dan juga digunakan untuk analisis data dengan OLAP.
9. Langkah 9 : Visualisasi Data
2.2.4.11 Skema Data Warehouse
Schema adalah kumpulan objek-objek database, mencakup tabel, view, index, dan sinonim ada beberapa cara dalam menyusun objek-objek schema dalam model skema yang dirancang untuk data warehouse, skema yang sering digunakan pada data warehouse adalah star schema, snowflake, kedua skema ini sangat mudah dimengerti dan sesuai dengan kebutuhan bisnis, mendukung query
sederhana dan menyediakan performa query yang superior dengan meminimalisasi table-tabel join [5].
1. Star Schema
Disebut star schema karena entity-relationship diagram atau ERD yang menyerupai konstelasi bintang, beberapa bintang besar (fact table) dikelilingi bintang - bintang yang lebih kecil (dimension tables). Berikut adalah contoh gambar star schema :
Gambar 2.8 Star Schema
Jenis – jenis star schema antara lain : a. Skema bintang sederhana
Dalam skema ini, setiap table harus memiliki primary key yang terdiri dari satu kolom atau lebih. Primary key dari table fakta terdiri dari satu atau lebih foreign key. Foreign key merupakan
Gambar 2.9 Skema Bintang Sederhana b. Skema Bintang dengan Banyak Tabel Fakta
Dalam sebuah skema bintang, dapat juga memiliki lebih dari satu table fakta, karena adanya fakta yang saling berhubungan, misalnya disamping penjualan terdapat table fakta forecasting
dan table fakta result. Tetapi walaupun terdapat banyak table fakta, table dimensinya tetap digunakan secara bersama – sama. Gambar di bawah ini menunjukkan adanya dua table fakta dan tiga table dimensi yang memperlihatkan hubungan many to one
antara foreign key pada kedua table fakta tersebut dengan
primary key pada masing – masing table dimensi. Berikut gambar skema bintang dengan banyak table fakta :
2. Snowflake Schema
Sedangkan snowflake schema menurut Ponniah (2001, p235) lebih kompleks dibandingkan dengan star schema karena merupakan pengembangan dari star schema, karena tabel-tabel dimensinya merupakan hasil normalisasi dari beberapa tabel yang berhubungan. Prinsip dasar dari skema ini tidak jauh berbeda dari star schema. Dalam menormalisasi tabel dimensi, ada beberapa pilihan yang dapat diperhatikan, antara lain :
a. Secara parsial, lakukan normalisasi hanya beberapa table dimensi saja, dan sisakan yang lain tetap utuh.
b. Secara lengkap atau parsial, lakukan normalisasi hanya pada beberapa tabel dimensi, dan tinggalkan yang tersisa dengan utuh. c. Secara parsial, lakukan normalisasi pada setiap table dimensi. d. Secara lengkap, lakukan normalisasi pada setiap table dimensi. Menurut Connolly dan Begg (2005, p1184), Skema snowflake merupakan sebuah variasi dari skema bintang dimana tabel dimensi tidak mengandung data denormalisasi. Tabel dimensi diperbolehkan memiliki tabel dimensi lainnya. Berikut adalah contoh gambar snowflake schema. Kelebihan model dimensi snowflake schema [1] : a. Ukuran data lebih kecil di dalam tempat penyimpanan.
b. Lebih mudah dilakukan maintenance dan update. c. Proses query lebih cepat pada saat proses ETL.
Sedangkan kekurangan modem snowflake schema adalah sebagai berikut :
a. Cenderung lebih sulit dipahami karena kompleksitasnya.
Gambar 2.11 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 desain yang rumit.
2.2.4.12 Tujuan Data Warehouse
Menurut Connolly dan Begg (2005, p1152), tujuan data warehouse
adalah mengintegrasikan data organisasi dengan jumlah yang besar menjadi satu wadah dimana pengguna dapat dengan mudah menjalankan query, membuat laporan serta melakukan analisis. Singkatnya, data warehouse adalah teknologi manajemen dan analisis data [1].
perusahaan membutuhkan akses ke semua sumber data pada tiap – tiap cabang dan ini tidak efisien pada waktu. Dari permasalahan yang sedang terjadi ini, data warehouse diterapkan sebagai solusi yang kompetitif dan efisien dalam pengambilan keputusan perusahaan. Berikut tujuan diterapkannya perangkat lunak
data warehouse :
1. Menyediakan data organisasi yang mudah diakses 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.
4. kualitas data di data warehouse dapat diandalkan.
2.3 Alat – alat Pemodelan Sistem
Alat – alat pemodelan sistem membahas mengenai tools – tools yang digunakan untuk penelitian tugas akhit 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.
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
2.3.2 DFD (Data Flow Diagram)
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 fungsi system.
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 [11].
2.4 Alat – alat Pembangunan Perangkat Lunak
Dalam penelitian tugas akhir ini ada beberapa alat atau tools untuk pembangunan perangkat lunak dalam pembuatan aplikasi data warehouse.
2.4.1 C# (C Sharp)
bahasa Turbo Pascal, dan Borland Delphi, yang juga mendesain Windows Foundation Classes (WFC) yang digunakan di dalam J++.
Sebagai hasil dari usaha tersebut, C# pun pertama kali diperkenalkan pada bulan Juli 2000 sebagai sebuah bahasa pemrograman modern berorientasi objek yang menjadi sebuah bahasa pemrograman utama di dalam pengembangan di dalam platform Microsoft .NET Framework. Pengalaman Helsberg sebelumnya dalam pendesain bahasa pemrograman seperti Visual J++, Delphi, Turbo Pascal dengan mudah dilihat dalam sintaksis bahasa C#, begitu pula halnya pada inti
Common Language Runtime (CLR). Dari kutipan atas interview dan makalah-makalah teknisnya ia menyebutkan kelemahan – kelemahan yang terdapat pada bahasa pemrograman yang umum digunakan saat ini, misalnya C++, Java, Delphi, ataupun Smalltalk. Kelemahan – kelemahan yang dikemukakannya itu yang menjadi basis CLR sebagai bentukan baru yang menutupi kelemahan-kelemahan tersebut, dan pada akhirnya memengaruhi desain pada bahasa C# itu sendiri. Ada kritik yang menyatakan C# sebagai bahasa yang berbagi akar dari bahasa-bahasa pemrograman lain.
Fitur-fitur yang diambilnya dari bahasa C++ dan Java adalah desain berorientasi objek, seperti garbage collection, reflection, akar kelas (root class), dan juga penyederhanaan terhadap pewarisan jamak (multiple inheritance). Fitur-fitur tersebut di dalam C# kini telah diaplikasikan terhadap iterasi, properti, kejadian (event), metadata, dan konversi antara tipe-tipe sederhana dan juga objek.
ECMA, dan tiga bulan kemudian diterima oleh International Organization for Standardization (ISO), dengan nomor standar ISO/IEC 23270:2006 [8].
2.4.2 SQL Server
SQL adalah singkatan dari Structured Query Language. 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
[9].
1. Client
Client adalah setiap komponen dari sebuah sistem yang meminta layanan atau sumber daya (resource) dari komponen sistem lainnya. 2. Server
Server adalah setiap komponen sistem yang menyediakan layanan atau sumber daya ke komponen sistem lainnya.
RDBMS adalah dasar untuk SQL, dan untuk semua sistem database modern seperti MS SQL Server, *IBM DB2, Oracle, MySQL, dan Microsoft Access. Data dalam RDBMS disimpan dalam objek database yang disebut tabel.
1. Table
Table adalah adalah kumpulan data entri terkait dan terdiri dari kolom dan baris.
Structured Query Language (SQL) memiliki beberapa kegunaan dan
fungsi SQL itu sendiri diantaranya :
1. SQL memungkinkan anda mengakses dan memanipulasi database. 2. SQL dapat mengeksekusi query terhadap database.
8. SQL dapat membuat tabel baru dalam database.
9. SQL dapat membuat prosedur yang tersimpan dalam database. 10.SQL dapat membuat pemandangan dalam database.
35
BAB 3
ANALISIS DAN PERANCANGAN
3.1 Analisis SistemAnalisis sistem merupakan penguraian dari sistem yang telah ada dengan tujuan untuk merancang sistem yang baru atau memperbaharui. Tahap analisis sistem ini dari tahap mengumpulkan dan mengimplementaskan data-data yang ada, menganalisis permasalahan, dan menemukan kelemahan dari sistem yang berjalan supaya dapat diusulkan perbaikannya. Adapun langkah-langkah dalam analisis sistem yang dilakukan antara lain :
1. Analisis Masalah. Karya Teknik, adapun masalah-masalah yang timbul adalah sebagai berikut :
1. Data yang masih terpisah – pisah seperti data pemesanan, produksi, dan penjualan belum terintegrasi sehingga sulit untuk mendapatkan informasi yang lebih baik.
3.1.2 Analisis Sumber Data
Sebelum di import data ke dalam database OLTP, dilakukan terlebih dahulu normalisasi pada data – data yang belum normal, sehingga mengurangi radudansi data dan memastikan dependensi data. Berikut normalisasi data – data tersebut :
1. Data Transaksi Pemesanan
Data yang ada masih dalam bentuk tidak normal, berikut adalah tahapan – tahapan normalisasi yang telah dilakukan pada data transaksi pemesanan :
a. Tahap 1 Bentuk Unnormalized
Gambar 3.1 Bentuk Unnormalized Data Transaksi Pemesanan b. Tahap 2 Bentuk Normal Ke 1
Gambar 3.3 Bentuk Normal Ke 2 d. Tahap 4 Bentuk Normal Ke 3
Gambar 3.4 Bentuk Normal Ke 3
Tabel yang dihasilkan dari data transaksi pemesanan diantaranya : 1. Tabel Pelanggan
2. Tabel Barang 3. Tabel Pemesanan 4. Tabel Detail Pemesanan 2. Data Transaksi Produksi
a. Tahap 1 Bentuk Unnormalized
Gambar 3.5 Bentuk Unnormalized Data Transaksi Produksi b. Tahap 2 Bentuk Normal Ke 1
Gambar 3.7 Bentuk Normal Ke 2 d. Tahap 4 Bentuk Normal Ke 3
Gambar 3.8 Bentuk Normal Ke 3
Tabel yang dihasilkan dari normalisasi diatas diantaranya : 1. Tabel Bahan
2. Tabel Barang 3. Tabel Produksi 4. Tabel Detail Produksi 3. Data Transaksi Penjualan
a. Tahap 1 Bentuk Unnormalize
Gambar 3.9 Bentuk Unnormalize Data Transaksi Penjualan b. Tahap 2 Bentuk Normal Ke 1
Gambar 3. 11 Bentuk Normal Ke 2 d. Tahap 4 Bantuk Normal Ke 4
Gambar 3.12 Bentuk Normal Ke 3 Tabel yang dihasilkan dari normalisasi diatas diantaranya : 1. Tabel Pelanggan
2. Tabel Barang 3. Tabel Penjualan 4. Tabel Detail Penjualan
Dari tahapan normalisasi diatas maka didapatkan beberapa tabel yang akan digunakan sebagai sumber data pada tabel 3.1 diantaranya :
Tabel 3.1 Analisis Sumber Data
No Data Definisi
1. Barang Data ini berasal dari bagian produksi
2. Bahan Data ini berasal dari bagian produksi
3. Pelanggan Data ini berasal dari bagian pemesanan
4. Pemesanan Data ini berasal dari bagian pemesanan
5. Detail Pemesanan Data ini berasal dari bagian normalisasi pemesanan
6. Produksi Data ini berasal dari bagian produksi
7. Detail Produksi Data ini berasal dari bagian normalisasi produksi
8. Penjualan Data ini berasal dari bagian penjualan
Berdasarkan analisis proses yang sedang berjalan, data yang digunakan
Berikut ini penjelasan struktur tabel dari masing – masing tabel yang akan digunakan adalah sebagai berikut :
1. Tabel Barang
Tabel barang merupakan tabel untuk menyimpan data barang yang ada pada CV Mitra Karya Teknik, primary key di tabel ini adalah kd_barang. Untuk lebih jelasnya struktur tabel barang dapat dilihat pada tabel 3.2 tabel barang berikut ini :
Tabel 3.2 Data Tabel Barang
Nama Field Type Data Ukuran Kunci
kd_barang Varchar 10 PK
nm_barang Varchar 45
hrg_barang Float -
keterangan Varchar 15
Contoh sampel data dari tabel barang di CV Mitra Karya Teknik dapat dilihat pada tabel 3.3 dibawah ini :
Tabel 3.3 Contoh Data Barang
kd_barang nm_barang hrg_barang keterangan
AGW001 As Gress Wiper 12000 pack
ARC001 As Dudukan Rel Kancing 15000 pack
BBD001 Bando Bad Press Dingin 90000 unit
2. Tabel Bahan
kd_bahan, untuk lebih jelasnya struktur tabel bahan dapat dilihat pada tabel 3.4 tabel bahan berikut ini :
Tabel 3.4 Data Tabel Bahan
Nama Field Type Data Ukuran Kunci
kd_bahan Varchar 10 PK
nama_bahan Varchar 20
keterangan Varchar 10
Contoh sampel data dari tabel bahan di CV Mitra Karya Teknik dapat dilihat pada tabel 3.5 dibawah ini :
Tabel 3.5 Contoh Tabel Bahan
kd_bahan nama_bahan keterangan
bhn_1 SIT Cair
bhn_2 Biji Karet Padat
3. Tabel Pelanggan
Tabel pelanggan merupakan tabel yang digunakan untuk pelanggan yang ada pada CV Mitra Karya Teknik, primary key pada tabel ini adalah kd_pelanggan, untuk lebih jelasnya struktur tabel pelanggan dapat dilihat pada tabel 3.6 tabel pelanggan berikut ini :
Tabel 3.6 Data Tabel Pelanggan
Nama Field Type Data Ukuran Kunci
kd_pelanggan Varchar 15 PK
nama Varchar 50
nm_kota Varchar 20
almt_pelanggan Varchar 100
no_tlpn Text 15
Contoh sampel data dari tabel pelanggan di CV Mitra Karya Teknik dapat dilihat pada tabel 3.7 dibawah ini :
Tabel 3.7 Contoh Tabel Pelanggan
kd_pelanggan nama nm_kota almt_pelanggan no_tlpn
plgn_8 PT Candratex Bandung Jl Ciumbuleuit 84 089529874878
plgn_9 PT Daliatex Kusuma Bandung Jl Moch Toha KM
7,3/307 089517725938
Plgn_13 PT Cahaya Perdana Plastics Jakarta Jl Bandengan Slt
4. Tabel Pemesanan
Tabel pemesanan digunakan untuk mencatat transaksi pemesanan pelanggan pada CV Mitra Karya Teknik, primary key pada tabel ini adalah kd_pemesanan, untuk lebih jelasnya struktur pemesanan dapat dilihat pada tabel 3.8 tabel pemesanan berikut ini :
Tabel 3.8 Data Tabel Pemesanan
Nama Field Type Data Ukuran Kunci
kd_pemesanan Varchar 15 PK
kd_pelanggan Varchar 15 FK references pelanggan (“kd_pelanggan”)
total_bayar Float -
kd_tanggal Varchar 10
tgl_pemesanan Date -
Contoh sampel data dari tabel pemesanan di CV Mitra Karya Teknik dapat dilihat pada tabel 3.9 dibawah ini :
Tabel 3.9 Contoh Tabel Pemesanan
kd_pemesanan kd_pelanggan total_bayar kd_tanggan tgl_pemesanan
pmsn_1 plgn_1 200000 010115 1/1/2015
pmsn_2 plgn_33 124000 010115 1/1/2015
pmsn_79 plgn_16 196000 020215 2/2/2015
pmsn_80 plgn_33 70000 020215 2/2/2015
pmsn_81 plgn_4 150000 020215 2/2/2015
pmsn_82 plgn_3 228000 020215 2/2/2015
pmsn_161 plgn_5 72000 030215 3/2/2015
pmsn_162 plgn_13 180000 030215 3/2/2015
5. Tabel Detail Pemesanan
Tabel detail pemesanan digunakan untuk mencatat transaksi pemesanan pelanggan pada CV Mitra Karya Teknik, primary key pada tabel ini adalah kd_d_pemesanan, untuk lebih jelasnya struktur pemesanan dapat dilihat pada tabel 3.10 tabel detail pemesanan berikut ini :
Tabel 3.10 Tabel Detail Pemesanan
Nama Field Type Data Ukuran Kunci
kd_d_pemesanan Varchar 15 PK
kd_pemesanan Varchar 15 FK references pemesanan (“kd_pemesanan”)
kd_barang Varchar 10 FK references barang (“kd_barang”)
jumlah Integer -
harga Float -
Tabel 3.11 Contoh Tabel Detail Pemesanan
kd_d_pemesanan kd_pemesanan kd_barang jumlah harga
kd_d_1 pmsn_1 BBL001 2 100000
kd_d_2 pmsn_1 R001 3 175000
kd_d_3 pmsn_1 RCT001 10 90000
6. Tabel Produksi
Tabel produksi merupakan tabel yang digunakan untuk mencatat produksi yang ada pada CV Mitra Karya Teknik, primary key pada tabel ini adalah kd_produksi, untuk lebih jelasnya struktur tabel produksi dapat dilihat pada tabel 3.12 tabel produksi berikut ini :
Tabel 3.12 Data Tabel Produksi
Nama Field Type Data Ukuran Kunci
kd_produksi Varchar 10 PK
kd_barang Varchar 10 FK references barang (“kd_barang”)
kd_bahan Varchar 10 FK references bahan (“kd_bahan”)
jumlah Integer -
tgl_produksi Date -
kd_tgl_produksi Varchar 10
Contoh sampel data tabel produksi di CV Mitra Karya Teknik dapat dilihat pada tabel 3.13 dibawah ini :
Tabel 3.13 Contoh Tabel Produksi
kd_produksi kd_barang kd_bahan jumlah tgl_produksi kd_tgl_produksi
pro_1 BBL001 bhn_2 2 1/2/2015 010215
Tabel 3.14 Tabel Detail Produksi
Nama Field Type Field Ukuran Kunci
kd_d_produksi Varchar 10 PK
kd_d_pemesanan Varchar 15 FK references pemesanan (“kd_d_pemesanan”)
kd_produksi Varchar 10 FK references produksi (“kd_produksi”)
kd_barang Varchar 10 FK references barang (“kd_barang”)
jumlah Integer -
Contoh sampel data tabel detail produksi di CV Mitra Karya Teknik dapat dilihat pada tabel 3.15 dibawah ini :
Tabel 3.15 Contoh Tabel Detail Produksi
kd_d_produksi kd_d_pemesanan kd_produksi kd_barang jumlah
pro_d_1 kd_d_1 pro_1 BBL001 2
pro_d_2 kd_d_2 pro_2 R001 3
pro_d_3 kd_d_3 pro_3 RCT001 10
8. Tabel Penjualan
Tabel penjualan merupakan tabel yang digunakan untuk menyimpan data transaksi penjualan pada CV Mitra Karya Teknik, primary key pada tabel ini adalah kd_penjualan, untuk lebih jelasnya struktur tabel penjualan dapat dilihat pada tabel 3.16 tabel penjualan berikut ini :
Tabel 3.16 Data Tabel Penjualan
Nama Field Type Data Ukuran Kunci
kd_penjualan Varchar 15 PK
kd_pelanggan Varchar 15 FK references pelanggan (“kd_pelanggan”)
kd_tgl_penjualan Varchar 10
tgl_penjualan Date -
total_bayar Float -
Contoh sampel data tabel penjualan di CV Mitra Karya Teknik dapat dilihat pada tabel 3.17 dibawah ini :
Tabel 3.17 Contoh Tabel penjualan
kd_penjualan kd_pelanggan kd_tgl_penjualan tgl_penjualan total_bayar
jual_1 plgn_1 010315 1/3/2015 200000
jual_2 plgn_1 010315 1/3/2015 525000
jual_3 plgn_1 010315 1/3/2015 900000
jual_4 plgn_1 010315 1/3/2015 200000
9. Tabel Detail Penjualan
Tabel detail penjualan merupakan tabel yang digunakan untuk menyimpan data transaksi penjualan pada CV Mitra Karya Teknik, primary key pada tabel ini adalah kd_penjualan, untuk lebih jelasnya struktur tabel penjualan dapat dilihat pada tabel 3.18 tabel detail penjualan berikut ini :
Tabel 3.18 Data Tabel Detail Penjualan
Nama Field Type Data Ukuran Kunci
kd_d_penjualan Varchar 15 PK
kd_penjualan Varchar 15 FK references penjualan (“kd_penjualan”)
kd_d_produksi Varchar 10 FK references produksi (“kd_d_produksi”)
harga Float -
Contoh sampel data tabel detail penjualan di CV Mitra Karya Teknik dapat dilihat pada tabel 3.19 dibawah ini :
Tabel 3.19 Contoh Tabel Detail Penjualan
kd_d_penjualan kd_penjualan kd_d_produksi harga
d_jual_1 jual_1 pro_d_1 200000
d_jual_2 jual_2 pro_d_2 525000
d_jual_3 jual_3 pro_d_3 900000
Gambar 3.13 Skema Relasi OLTP
3.1.3 Analisis Kebutuhan Informasi
Analisis kebutuhan informasi adalah tahap menganalisis informasi apa saja yang dibutuhkan oleh CV Mitra Karya Teknik dari data warehouse yang akan di bangun. Berdasarkan hasil wawancara dengan Ujang Cucu Suryadi sebagai pemilik CV Mitra Karya Teknik ada beberapa kebutuhan informasi yang akan dibutuhkan oleh pihak perusahaan untuk mencapai keunggulan kompetitifnya dan meningkatkan operasi bisnis perusahaan adalah sebagai berikut :
1. Informasi jumlah barang yang dipesan setiap kota dalam setiap bulan di tahun tertentu.
3. Informasi jumlah barang yang dijual setiap kota dalam setiap bulan di tahun tertentu.
4. Informasi jumlah penjualan disetiap kota dalam setiap bulan di tahun tertentu.
5. Informasi jumlah pelanggan yang memesan setiap kota di setiap bulan di tahun tertentu.
6. Informasi jumlah bahan yang digunakan untuk produksi di setiap kota disetiap bulan di tahun tertentu.
7. Informasi jumlah pelanggan yang membeli di setiap kota dalam setiap bulan di tahun tertentu.
3.1.4 Analisis Data Warehouse
Pada tahap pemodelan data warehouse, akan dijelaskan mengenai proses – proses yang akan dianalisis guna membangun kebutuhan data warehouse.
3.1.4.1Pemilihan Proses Bisnis
Tahapan ini berarti memahami dan memilih proses bisnis mana saja yang akan digunakan dalam model data multidimensi yang akan dibangun. Proses bisnis yang di dapatkan berdasarkan analisis kebutuhan informasi strategis yang dibutuhkan oleh pihak CV Mitra Karya Teknik yaitu :
1. Proses Bisnis Pemesanan 2. Proses Bisnis Produksi 3. Proses Bisnis Penjualan
3.1.4.2Pemilihan Sumber
Dalam tahap ini, perancangan data warehouse harus sesuai atau berdasarkan dari tabel fakta dan dimensi, untuk itu ketika pemilihan sumber harus mengacu pada kemampuan unutk merepresentasikan fakta-fakta yang di ambil dari berbagai sumber dimensi pada OLTP.
Tabel 3.20 Pemilihan Sumber Informasi
No Sumber Informasi Strategis
1. Informasi Detail Pemesanan 1. Informasi jumlah barang yang dipesan setiap kota
dalam setiap bulan di tahun tertentu.
2. Informasi jumlah pelanggan yang memesan setiap
kota disetiap bulan di tahun tertentu.
2. Informasi Detail Produksi 1. Informasi jumlah barang yang diproduksi untuk setiap
kota dalam setiap bulan di tahun tertentu.
2. Informasi jumlah bahan yang digunakan untuk
produksi disetiap kota disetiap bulan di tahun tertentu.
3. Informasi Detail Penjualan 1. Informasi jumlah barang yang dijual setiap kota
dalam setiap bulan di tahun tertentu.
2. Informasi jumlah penjualan disetiap kota dalam setiap bulan di tahun tertentu.
3. Informasi jumlah pelanggan yang membeli disetiap
kota dalam setiap bulan di tahun tertentu.
3.1.4.3Mengindentifikasi Dimensi Dan Fakta
Dimensi digunakan untuk menjelaskan entitas bisnis yang digunakan untuk mendukung suatu fakta sehingga dapat dilakukan analisis secara multidimensional. Berikut adalah penjelasan dimensi yang akan digunakan pada sistem :
1. Mengindentifikasi Dimensi
Tahap seleksi terhadap data yang dihasilkan dari proses bisnis yang dijadikan ke dalam dimensi yang berisi informasi deskriptif mengenai fakta-fakta dan terasosiasi untuk menjawab permasalahan bisnis. Berikut adalah penjelasan dimensi yang akan digunakan dalam sistem :
Tabel 3.21 Dimensi yang digunakan dalam fakta
No Informasi Strategis Dimensi
1. a. Informasi jumlah barang yang dipesan setiap kota dalam
setiap bulan di tahun tertentu.
1.tanggal_pemesanan
2.barang
3.pelanggan
b. Informasi jumlah pelanggan yang memesan setiap kota
disetiap bulan di tahun tertentu. 1.2. tanggal_pemesanan pelanggan
2. a. Informasi jumlah barang yang diproduksi untuk setiap
kota dalam setiap bulan di tahun tertentu.
1. tanggal_produksi
2. barang
3. jenis_barang
b. Informasi jumlah bahan yang digunakan untuk produksi
disetiap kota disetiap bulan di tahun tertentu.
1. tanggal_produksi
2. bahan
3 a. Informasi jumlah barang yang dijual setiap kota dalam
setiap bulan di tahun tertentu.
1. tanggal_penjualan
2. barang
No Informasi Strategis Dimensi
b. Informasi jumlah penjualan disetiap kota dalam setiap
bulan di tahun tertentu.
1. tanggal_penjualan
2. pelanggan
c. Informasi jumlah pelanggan yang membeli disetiap kota
dalam setiap bulan di tahun tertentu.
1. tanggal_penjualan
Tabel 3.22 Fakta yang akan digunakan
No Informasi Strategis Fakta
1. a. Informasi jumlah barang yang dipesan setiap kota dalam
setiap bulan di tahun tertentu.
Detail Pemesanan
b. Informasi jumlah pelanggan yang memesan setiap kota
disetiap bulan di tahun tertentu.
2. a. Informasi jumlah barang yang diproduksi untuk setiap kota
dalam setiap bulan di tahun tertentu.
Detail Produksi
b. Informasi jumlah bahan yang digunakan untuk produksi
disetiap kota disetiap bulan di tahun tertentu.
3. a. Informasi jumlah barang yang dijual setiap kota dalam
setiap bulan di tahun tertentu.
Detail penjualan b. Informasi jumlah penjualan disetiap kota dalam setiap bulan
di tahun tertentu.
c. Informasi jumlah pelanggan yang membeli disetiap kota
dalam setiap bulan di tahun tertentu.
3.1.4.4Data Staging
Gambar 3.14 Langkah – langkah ETL 1. Proses Extraction
Langkah pertama pada proses ETL adalah mengekstrak data dari sumber – sumber data. Data warehouse dapat menggabungkan data dari sumber – sumber yang berbeda dengan sistem – sistem terpisah yang menggunakan format data yang berbeda. Extraksi adalah mengubah data ke dalam suatu format yang berguna untuk proses transformasi. Tabel 3.23 menunjukan tabel beserta field yang di extract berikut ini :
a. Proses extract pada tabel barang
Proses extract pada tabel barang, dilakukan proses pengambilan data dari database OLTP. Kolom yang di extract adalah kolom kd_barang, nm_barang, hrg_barang, dan keterangan. Hasilnya dapat dilihat pada tabel 3.23 berikut ini :
Tabel 3.23 Extract Barang
No Nama Tabel Nama Field
1. Barang
kd_barang nm_barang hrg_barang keterangan
b. Proses extract pada tabel bahan
