7
LANDASAN TEORI
2.1 Teori Umum
2.1.1 Pengertian Data
Di dalam sebuah sistem informasi, data merupakan salah satu komponen yang sangat penting agar sistem informasi tersebut dapat berjalan. Data disimpan didalam sebuah tempat penyimpanan atau yang dikenal dengan database dan database dikelola DBMS.
Menurut Connolly dan Begg (2010, p70), data adalah komponen yang paling penting dalam DBMS, berasal dari sudut pandang end-user. Data bertindak sebagai jembatan yang menghubungkan antara mesin dengan pengguna. Selain sebagai komponen yang penting dalam sistem informasi dan juga DBMS.
Menurut R. Kelly Rainer dan Casey G. Cegielski (2012, p26), data adalah penjelasan dasar benda, kejadian, fakta, ativitas, dan transaksi yang dicatat, diklasifikasi dan disimpan tetapi tidak diorganisir untuk menampaikan arti tertentu.
Menurut Rainer Jr. & Cegielski, 2012, data merujuk pada deskripsi dasar dari hal, aktivitas, dan transaksi yang direkam, diklasifikasi, dan disimpan tetapi tidak diorganisasi untuk tujuan tertentu.
Dapat disimpulkan bahwa data terbentuk dari aktivitas sehari-hari yang dicatat dan diproses sehingga dapat dimengerti manusia.
2.1.2 Database
Database transaksi yang terjadi setiap harinya dalam sebuah organisasi / perusahaan perlu disimpan untuk kebutuhan informasi di
masa depan. Untuk menyimpan data tersebut, diperlukan tempat penyimpanan yang disebut database.
Menurut Connolly & Begg (2010, p65) Database adalah kumpulan dari data logical yang saling berhubungan berserta dengan deskripsinya, yang di rancang untuk memenuhi kebutuhan informasi dari sebuah organisasi.
Menurut Satzinger, Jackson & Burd (2012, p345) Database adalah koleksi data terintergrasi yang terpusat dan terkontrol. Database biasanya menyimpan informasi tentang puluhan atau ratusan dari clas.
Menurut Rainer Jr. & Cegielski, 2012 Database adalah sebuah kumpulan dari file yang berhubungan atau table yang berisi data.
Dari definisi database di atas, dapat disimpulkan bahwa database merupakan kumpulan data yang saling berhubungan untuk memenuhi kebutuhan organisasi.
2.1.3 Database Management System (DBMS)
Sebuah database memerlukan pengolaha yang baik agar database tersebut memiliki data yang berkualitas. Pada umumnya database dikelola oleh DBMS (Database Management System).
Menurut Connolly & Begg (2010, p66) Database Management System atau DBMS adalah suatu sistem software yang memungkinkan pengguna untuk mendefiniskan, membuat, memlihara dan mengontrol akses ke database.
Sedangkan Menurut Jr., Prince, & Cegielski (2013, p149) Database Management System adalah seperangkat program yang menyediakan tools bagi pengguna untuk menambah, mengakses, menghapus, modifikasi, dan menganalisa data yang di simpan di lokasi tunggal.
Pengertian lain menurut (Muntjir & Aljahdi, 2013), Database Management Systems adalah sebuah kumpulan program yang memungkinkan pengguna untuk menyimpan, memodifikasi dan mengambil informasi dari sebuah database.
Pengertian lain menurut Satzinger, Jackson & Burd (2012, p345) Database Management Systems adalah Komponen system software yang mengelola dan mengontrol satu atau lebih dari database.
Dalam Jurnal NewsRx (2013), DBMS adalah sekumpulan program yang memungkinkan untuk memasukkan, mengubah, dan memilih data dalam database. Terdapat beberapa tipe DBMS, berkisar untuk system sederhana yang dijalankan pada personal computer, sampai pada system besar yang dijalankan pada system mainframe.
Berdasarkan pengertian diatas dapat disimpulakan bahwa DBSM merupakan alat yang berisi kumpulan program yang memudahkan pengguna dalam mengelola (menambah, memodifikasi, dan menghapus) database.
2.1.4 Fungsi DBMS
Menurut Connolly & Begg (2010, p99) fungsi dari DBMS adalah :
1. Data storage, retrieval, and update
Sebuah DBMS harus melengkapi penggna dengan kemampuan untuk menyimpan, mengambil, dan meperbarui data dalam database.
2. Transaction support
Sebuah DBMS harus memberikan suatu mekanisme yang akan memastikan dengan baik bahwa semua update sesuai dengan transaksi yang diberikan dibuat atau tidak.
Sebuah DBMS harus dilengkapi dengan mekanisme untuk memastikan bahwa database diperbaharui dengan benar ketika beberapa pengguna memperbaharui database secara bersamaan. 4. A user-accessible catalog
Sebuah DBMS harus dilengkapi dengan katalog di mana terdapat deskripsi tiem data yang disimpan dan dapat diakses oleh pengguna.
5. Support for data communication
Sebuah DBMS harus mampu berintegrasi dengan perangkat lunak komunikasi.
6. Authorization services
Sebuah DBMS harus dilengkapi dengan mekanisme yang dapat memastikan bahwa hanya pengguna yang diberikan otoritas akses saja yang dapat mengakses database.
7. Recovery services
Sebuah DBMS harus dilengkapi dengan mekanisme untuk memulihkan database apabila database rusak.
8. Utility services
Sebuah DBMS harus menyediakan kumpulan layanan utilitas sehingga DBA dapat mengelola database lebih efektif.
2.1.5 Data Warehouse
Menurut Connolly & Begg, 2010 data warehouse adalah data yang berorientasi subjek, terintergrasi, mempunyai rentang waktu, dan tidak mudah berubah dalam mendukung proses pengambilan keputusan manajemen.
Menurut Kimball & Ross, The Data Warehouse Toolkit, 2013 yang mengatakan bahwa data warehouse adalah sebuah Salinan dari data transaksi yang secara spesifik terstruktur untuk query dan analisis.
Dari dua difinisi data warehouse di atas, maka dapat disimpulkan bahwa data warehouse adalah sekumpulan data yang dirancang khusus untuk kebutuhan analisis dan pengambilan keputusan.
2.1.6 Karakteristik Data Warehouse
Menurut Connolly dan Begg (2010, p1147) Data Warehouse memiliki beberapa karakteristik, diantaranya :
• Subject – Oriented
Data Warehouse diorganisasi berdasarkan subjek utama dari perusahaan berdasarkan pada area aplikasi utama. Hal ini menggambarkan data yang ada didalam Data Warehouse merupakan data untuk pengambilan keputusan, bukan data yang berorientasi aplikasi.
Gambar 2.1 : Karakteristik Data Warehouse Subject-Oriented
Data dalam Data Warehouse berasal dari sumber data yang berbeda dan dari sistem aplikasi yang berbeda diseluruh perusahaan. Sumber data biasanya digunakan secara tidak konsisten. Sumber data yang terintegrasi harus dibuat konsisten untuk menampilkan pandangan terintegrasi dari data kepada user.
Gambar 2.2 : Karakteristik Data Warehouse Integrated
• Time-variant
Data yang masuk dalam Data Warehouse hanya data yang akurat dan valid dalam suatu waktu tertentu atau dalam interval waktu tertentu.
• Non-Volatile
Data dalam Data Warehouse tidak diupdate secara real time tetapi diperbaharui dari sistem operasional secara berkala. Data baru selalu ditambahkan sebagai tambahan kedalam database bukan sebagai pengganti.
Gambar 2.4 : Karakteristik Data Warehouse Non-Volatile
2.1.7 Keuntungan Data Warehouse
Walaupun mengharuskan organisasi berinvestasi dalam jumlah besar, data warehouse berpotensi memiliki kentungan yang besar untuk organisasi yang menerapkannya. Namun data warehouse berpotensi besar untuk menguntungkan organisasi tersebut.
Menurut Connolly & Begg, 2010 data warehouse memiliki tiga keuntungan :
• Keuntungan Kompetitif
Tingkat ROI yang tinggi untuk perusahaan yang sukses mengimplementasikan data warehouse membuktikan bahwa teknologi ini memiliki keuntungan kompetitif yang sangat tinggi. Keuntungan kompetitif ini didapat dengan memungkinkan pengambil keputusan untuk mengakses data yang sebelumnya tidak tersedia, tidak diketahui, dan belum dimanfaatkan.
Sebuah organisasi harus mengeluarkan sumber daya dan biaya yang besar untuk memastikan suksesnya implementasi data warehouse. Disamping investasi yang besar tersebut, potensi ROI yang dimiliki tinggi.
• Meningkatkan produktivitas pengambil keputusan
Data Warehouse mengintegrasikan data dari berbagai sumber yang berbeda menjadi satu bentuk yang konsisten. Dengan mentransformasi data menjadi informasi yang berguna, memungkinkan pengambil keputusan menganalisis lebih substantive, akurat, dan konsisten.
Berikut ini merupakan kemampuan dari data warehouse menurut Jurnal Mukhlis Febriady dan Bayu Adhi Tama antara lain:
1) Roll up adalah kemampuan untuk menampilkan data dengan tingkat rincian yang lebih rendah.
2) Drill down adalah kemampuan menampilkan data dengan tingkat rincian yang lebih tinggi.
3) Kemampuan membuat query sendiri sesuai dengan kebutuhan.
4) Kemampuan membuat report customization sesuai dengan kebutuhan informasi.
5) Kemampuan untuk membuat chart atau graph sesuai dengan laporan yang diinginkan.
6) Kemampuan untuk diekspor kedalam format Excel(.xls) dan pdf.
2.1.8 Arsitektur Data Warehouse
Menurut Connolly and Begg (2010, p1204), menyatakan bahwa suatu gambaran typical aristektur dari data warehouse, yaitu :
Gambar 2.5 : Arsitektur Data Warehouse
Menurut Connolly and Begg (2010, p1153), terdapat komponen-komponen utama didalam aristektur Data Warehouse, yaitu terdiri dari :
• Operational Data Store (ODS), tempat penyimpanan data operasional yang sedang terjadi dan terinegrasi dimana digunakan untuk analisis.
• Operational Data, sumber dari data ini didapat dari data operasional yang dilakukan pada database awal.
• Warehouse Manager, menangani semua operasi yang berhubungan dengan data management dalam data warehouse. • Detailed Data, merupakan penyimpan rincian semua data dalam
skema database dengan mengagregasi setiap detail yang umumnya tidak disimpan secara online.
• Archive and Backup Data, area warehouse yang menyimpan detailed dan summarized data yang bertujuan sebagai arsip dan backup data.
• Query Manager, komponen backend yang dapat menjalankan semua operasi yang berhubungan dengan manahemen query dari end-user.
• Extract Transform Load (ETL) Manager, mengatur berbagai aktifitas atau semua aplikasi yang terkait dengan data ETL ke dalam data warehouse.
• Lightly and Highly Summarized Data, meningkatkan kecepatan performa query. Data warehouse
• Metadata, Data warehouse menyimpan semua data. Metadata ini digunakan untuk berbagai tujuan, meliputi :
a) Melakukan proses penarikan dan penyimpanan b) Melakukan proses management data warehouse c) Merupakan bagian dari proses management query
• End-User Access Tools, dapat dikategorikan menjadi lima grup utama : data reporting and query tools, application development tools, executive information system (EIS) tools, online analytical processing (OLAP) tools dan data mining tools.
2.1.9 Metadata
Menurut Connolly & Begg, 2010 Metadata adalah deskripsi tentang isi dari data. Metadata berisi informasi seperti asal data, bagaimana data diproses, dan lain-lain. Di dalam data warehouse, tujuan utama metadata adalah untuk menunjukan jejak mulai dari data itu dibuat sehingga pengguna dapat mengetahui sejarah dari setiap data pada data warehouse.
2.1.10 Fact Table
Menurut Kimball & Ross, The Data Warehouse Toolkit, 2013 fact table berawal dari istilah fact yang berarti ukuran bisnis. Jadi fact table merupakan tempat menyimpan hasil pengukuran performa dari kegiatan proses bisnis sebuah organisasi.
Menurut Jurnal dari Suparto Darudianto (2010) yang menyatakan ada beberapa komponen – komponen yang terdapat dalam suatu tabel fakta (fact table), yaitu :
• Concatenated key, merupakan baris dalam tabel fakta diidentifikasi dengan menggunakan primary key dari tabel tabel dimensi, maka primary key dari tabel fakta merupakan gabungan primary key dari semua tabel dimensi.
• Data grain, merupakan tingkat detail untuk pengukuran. Sebagai contoh, jumlah pemesanan berhubungan dengan jumlah produk tertentu pada suatu pesanan, tanggal tertentu, untuk pelanggan spesifik dan diperoleh oleh seorang perwakilan penjualan spesifik tertentu. Jika jumlah pesanan dilihat sebagai jumlah untuk suatu produk perbulan, maka data grain-nya berbeda dan pada tingkat yang lebih tinggi.
• Fully additive measures, merupakan measures dilaksanakan dengan penjumlahan sederhana nilai-nilai atribut tersebut. • Semiadditive measures, merupakan nilai yang tidak dapat
langsung dijumlahkan, sebagai contoh persentase keuntungan. • Tabel besar, tidak lebar tetapi Tabel fakta umumnya memiliki
lebih sedikit atribut daripada tabel dimensi, namun memiliki jumlah record yang lebih banyak.
• Sparse data, Tabel fakta tidak perlu menyimpan record yang nilainya null. Maka tabel fakta dapat memiliki gap.
• Degenerate dimensions, Terdapat elemen-elemen data dari sistem operasional yang bukan merupakan fakta ataupun dimensi, seperti nomor pesanan, nomor tagihan, dan lain- • lain. Namun atribut-atribut tersebut dapat berguna dalam jenis
analisis tertentu. Sebagai contoh, mencari rata-rata jumlah produk
2.1.11 Dimension Table
Menurut Kimball & Ross, The Data Warehouse Toolkit, 2013 dimension table merupakan pelengkap fact table. Dimension table berisi konteks tekstual yang berhubungan dengan kegiatan pengukuran proses bisnis. Sehingga dapat disimpulkan bahwa
dimension table merupakan table yang menyimpan atribut-atribut pelengkap yang berkaitan dengan proses bisnis suatu organisasi.
2.1.12 Star Scheme
Menurut Kimball & Ross, The Data Warehouse Toolkit, 2013 star scheme merupakan struktur dimensional, yang terdiri atas fact table yang terhubung dengan dimension table melalui primary/foreign key. Definisi ini diperkuat oleh Ralph Kimball yang mengatakan bahwa Star Scheme adalah struktur dimensional yang ditanam di dalam relational database management system (RDBMS). Star scheme memiliki karakteristik yang terdiri atas fact table yang terhubung dengan dimension table yang berasosiasi melalui primary/foreign key.
Menurut Connolly & Begg, 2010 star scheme adalah struktur logika yang memiliki sebuah fact table berisi data factual di pusatnya, dikelilingi oleh dimension table berisi data referensi.
2.1.13 Metodologi Perancangan Data Warehouse
Menurut Kimball & Ross, The Kimball Group Reader, 2010, Ada 9 Langkah dalam perancangan data warehouse, yaitu :
• Memilih Proses
Area Subjek proses bisnis yang pertama kali dibangun harus memiliki keterkaitan dengan keuangan. Disammping itu juga harus menjawab pertanyaan bisnis paling penting dan paling mudah diakses.
• Memilih grain
Memilih grain bisa diartikan memilih data apa yang ditampilkan pada table fakta. Tabel fakta adalah table pusat yang besar dalam desain dimensional yang memilih sebuah multipart key. Setiap komponen dari multipart key adalah foreign key yang merujuk pada satu table dimensi. Setelah memilih grain, bisa dilakukan diskusi yang jelas tentang dimensi yang sesuai dengan proses bisnis.
• Identifikasi dan menyesuaikan dimensi
Dimensi harus dipilih dengan selalu mempertimbangkan data warehouse perusahaan. Jika suatu dimensi dipakai di dalam dua proses bisnis, maka dimansi harus memiliki atribut-atribut yang dibutuhkan keduanya. Ketika satu dimensi dipakai untuk dua proses bisnis, maka bisa disebut sesuai.
• Memilih fakta
Grain dari table fakta menentukan fakta yang dipakai untuk proses bisnis yang diberikan. Semua fakta harus dinyatakan dalam level grain yang seragam. Fakta tambahan bisa ditambahkan kapan saja sepanjang tetap konsisten pada grain table fakta.
• Memasukan hasil perhitungan ke table fakta
Contoh yang umum untuk kebutuhan menyimpan hasil perhitungan terjadi saat table mengandung pernyataan laba rugi.
Hasil perhitungan lebih baik disimpan di dalam table karena ada kemungkinan user melakukan kesalahan dalam melakukan perhitungan.
• Menyempurnakan table dimensi
Pada langkah ini, table fakta sudah lengkap dan peran table dimensi sudah dimengerti dalam menyediakan entry point ke dalam table fakta dengan constrain pada atribut-atribut dimensi. Tabel dimensi bisa ditambahkan atribut-atribut berupa teks yang mendiskripsikan dimensi sebanyak-banyaknya.
• Memilih durasi database
Ukuran durasi menunjukan seberapa jauh table fakta meliputi waktu ke belakang. Di dalam berbagai bisnis, terdapat kebutuhan yang secara alami bisa melihat data periode yang sama pada tahun lali. Semakin lama data yang dibutuhkan, semakin banyak masalah dalam membaca dan mengintepresentasikan data tersebut.
• Menentukan kebutuhan akan slowly changing dimension Deskripsi yang layak untuk produk lama dan pelanggan lama harus dipakai dengan histori transaksi lama. Data warehouse harus menetapkan generalized key untuk dimensi yang penting ini untuk membedakan banyak snapshot dalam jangka waktu tertentu.
• Menentukan desain fisik
Memutuskan desain fisik dilakukan setelah menyelesaikan delapan langkah desain logical di atas. Persoalan terbesar dalam langkah ini adalah urutan fisik table fakta pada disk yang mempengaruhi persepsi user pada subjek.
2.1.14 OLAP
Penggunaan OLAP dalam data warehouse memudahkan user untuk pengembangan laporan-laporan yang dibutuhkan. Pengguna dapat melakukan analisis pivot dengan mudah.
Menurut Connolly & Begg, 2010, OLAP memungkinkan user untuk mendapat pemahaman yang lebih dalam dan pengetahuan tentang berbagai aspek data perusahaan dengan cepat, konsisten dan interaktif menjadi macam-macam pandangan yang berbeda.
Menurut Kimball & Ross, The Data Warehouse Toolkit, 2013, Struktur dimensional yang diimplementasi di dalam multidimensional data base. OLAP dapat memiliki konten yang sama atau turunan dari star scheme.
2.1.15 Keuntungan OLAP
Teknologi OLAP memiliki keuntungan yang dirasakan opeh para developer maupun end-user. Menurut Connolly & Begg, 2010, OLAP memiliki keuntungan:
• Meningkatkan produktivitas end-user bisnis, IT developer, dan organisasi secara keseluruhan. Akses yang lebih terkontrol dan berjangka waktu untuk pengambilan keputusan strategis yang lebih efektif.
• Mengurangi backlog pada pengembangan aplikasi untuk staf IT dengan membuat end-user bisa mengubah skema sendiri dan membangun model sendiri tanpa bantuan staf IT.
• Menjaga kendali organisasi atas integritas data perusahaan dengan aplikasi OLAP yang bergantung pada data warehouse dan sistem OLTP yang memperbarui sumber data.
• Meningkatkan pemasukan dan keuntungan potensial dengan memungkinkan organisasi lebih cepat merespon tuntutan pasar. • Mengurangi proses query dan lalu lintas jaringan pada sistem
2.1.16 Extract, Transforming, Loading (ETL)
Menurut Connolly dan Begg, (2010, p1208) ETL melakukan semua operasi yang terkait denga ETL data ke dalam warehouse. Data dapat diperoleh langsung dari sumber data atau lebih umum dari data store operasional.
Extract, Transform, Load, merupakan tiga fungsi database yang digabungkan menjadi satu alat yang mengotomatisasi proses untuk menarik data dari satu database ke database lain, berikut masing-masing pengertian dari 3 fungsi tersebut :
• Extract
Proses membaca data dari sumber database yang ditentukan dan extracting data yang di inginkan.
• Transform
Proses mengubah / mengextract data yang diperoleh dari format baru sesuai kebutuhan sehingga dapat ditempatkan ke database lain. Transformasi terjadi dengan menggunakan aturan dengan menggabungkan dengan data lainnya.
• Load
Proses memasukan data ke dalam target database.
2.1.17 Skema Bola Salju (Snowflake Schema)
Menurut Connolly and Begg (2010, p1229), skema bola salju (snowflake schema) adalah variasi lain dari skema bintang dimana tabel dimensi tidak berisi data yang denormalized. Suatu tabel dimensi lainnya.
Gambar 2.7 : Skema Bola Salju (Snowflake Schema)
Keuntungan dan kerugian Skema Snowflake (Snowflake schema)
Keuntungan :
• Struktuk yang ternormalisasi lebih mudah untuk di-update dan dimaintain karena referential integrity terjamin.
• Menghemat space pada database. Kerugian :
• Performa query menurun dikarenakan banyaknya tambahan operasi join table.
• Skema sangat kompleks dan susah dimengerti oleh para pengguna.
• Kemampuan untuk melakukan drill down informasi menjadi sulit, karena jumlah tabelnya yang makin banyak.
2.1.18 Rich Picture
Menurut Mathiassen (2000: p26), Rich Picture adalah gambaran yang mendeskripsikan proses bisnis atau suatu situasi yang digambarkan oleh illustrator. Rich Picture memberikan gambaran luas
yang memungkinkan untuk memberikan beberapa alternative tambahan.
2.1.19 Pengertian Informasi
Menurut O’Brien (2010, p34), informasi adalah data yang telah diubah ke dalam suat konteks yang memiliki arti dan berguna bagi end-user tertentu
Menurut Stair, R.M, & Reynolds, G.W. (2010, p5) adalah sekumpulan fakta-fakta yang diolah dengan sedemikian caranya sehingga memiliki nilai tambah dibalik nilai dari fakta individu itu sendiri.
Berdasarkan definisi di atas, dapat disimpulkan bahwa informasi adalah data yang telah terorganisir sehingga memiliki makna dan nilai bagi penerima informasi.
2.1.20 Pengertian Entity Relationship Diagram (ERD)
Menurut Brady dan Loonam (2010), Entity Relationship Diagram (ERD) merupakan teknik yang digunakan untuk memodelkan kebutuhan data dari suatu organisasi, biasanya oleh System Nalys dalam tahap analisis persyaratan proyek pengembangan system.
2.2 Teori Pendukung 2.2.1 SQL Server 2008
Menurut Leither, (2008, p3), SQL Server 2008 sangat terkenal sebagai Relational Database Management System atau RDBMS. Namun tidak hanya itu, tetapi lebih akurat digambarkan sebagai data enterprise platform yang dibangun di atas banyak fitur yang pertama
kali didirikan di dalam SQL Server 2008. Sementara, SQL Server 2008 memperluas penawaran yang berguna untuk menyertakan beberapa perbaikan dan juga penambahan. Karena peranannya sebagai RDBMS tradisional, SQL Server juga menyediakan kemampuan seperti reporting analisis data dan data mining. SQL Server 2008 juga memiliki banyak fitur yang mendukung aplikasi data yang berbeda, data driven event notification dan masih banyak lagi.
Menurut Leither (2008, p7), SQL Server 2008 diciptakan dengan berbagai edisi yang mempunyai tujuan yang berbeda-beda dan masing-masing edisi dari SQL Server 2008 juga memiliki tempat khusus dalam inftastruktur pengelolaan data, kecuali pada edisi Enterprise Evaluation yang hanya berfungsi untuk evaluasi produk jangka pendek selama 180 hari. Edisi-edisi yang berbeda pada tingkat teratas seperti edisi Enterprise Edition, dimana edisi tersebut menawarkan fitur-fitur yang terbatas. Edisi-edisi yang tersedia seperti:
1. Enterprise edition. 2. Standar edition. 3. Developer edition. 4. Compact edition. 5. Expression edition. 6. Workgroup edition. 7. Web edition. 2.2.2 Persediaan
Menurut Agus Ristono (2009,p1), Persediaan dapat diartikan sebagai barang-barang yang disimpan untuk digunakan atau dijual pada masa atau perode yang akan dating. Persediaan terdiri dari persediaan bahan baku dan barang setengah jadi di simpan sebelum di gunakan atau dimasukan ke dalam proses.
Menurut Moh. Benny Alexandri (2009,p135), Persediaan adalah suatu ketika aktivitas yang meliputi barang-barang milik
perusahaan dengan maksud untuk dijual dalam suatu periode usaha tertentu atau persediaan barang-barang yang masih dalam pengerjaan atau proses produksi ataupun persediaan bahan baku yang menunggu penggunaanya dalam suatu proses produksi.
2.2.3 Pembelian
Menurut Render (2011, p414), pembelian adalah perolehan barang dan jasa. Secara umum definisi pembelian adalah suatu usaha pengadaan barang atau jasa dengan tujuan yang akan digunakan sendiri, untuk kepentingan proses produksi maupun untuk dijual kembali.
Menurut Stevenson (2009, p518), pembelian adalah proses mendapatkan material, bagian - bagian, persediaan, dan layanan yang diperlukan untuk memproduksi sebuah produk atau menyediakan sebuah layanan.
Berdasarkan teori diatas dapat disimpulkan pembelian adalah proses membeli barang atau jasa lalu kita membayar barang atau jasa.
2.2.4 Pembayaran
Menurut Rijan (2009, p.36), Pembayaran mengandung beberaoa arti, dalam arti sempit pembayaran adalah pelunasan hutang oleh debitur kepata kreditur yang bisa dilakukan baik dalam bentuk uang maupun barang. Pembayaran yang sudah dilaksanakan disertai bukti atau tanda terima bukti pembayaran atau biasa disebut kuitansi.
2.2.5 Dashboard
Menurut Turban (2011, p137), Dashboard adalah komponen yang umumnya memiliki Performance Management System, Performance Measurement Systems, BPM Suites, dan BI Platforms. Dashboard menyediakan tampolan visual dari informasi penting yang disatukan dan diatur dalam sebuah layar tunggal sehingga informasi dapat dipahami cukup dengan sekali lihat, serta mudah untuk dieksplorasi.
