7
LANDASAN TEORI
2.1 Teori Umum
2.1.1 Pengertian Data
Menurut Turban (2005, p38), data adalah deskripsi dasar dari benda, peristiwa, aktivitas dan transaksi yang direkam, dikelompokkan, dan disimpan tetapi belum terorganisir untuk menyampaikan arti tertentu.
Menurut Inmon (2002, p388), data adalah rekaman dari fakta, konsep, ataupun instruksi pada sebuah media penyimpanan untuk komunikasi, pengambilan, maupun pemrosesan dari pengertian otomatis dan presentasi dari informasi yang dapat dimengerti oleh manusia.
Jadi, data adalah suatu deskripsi dari benda, fakta, dan transaksi yang dikelompokkan dan disimpan pada sebuah media penyimpanan untuk komunikasi maupun pemrosesan untuk menghasilkan informasi yang dapat dimengerti oleh manusia. Contoh data misalnya : harga barang, nama barang, dan jumlah barang.
2.1.2 Pengertian Informasi
Menurut Turban (2005, p38), informasi adalah data yang sudah diorganisasi sehingga memiliki arti dan nilai untuk penerima.
Menurut Inmon (2002, p391), informasi adalah data yang dipahami dan dievaluasi oleh manusia untuk menyelesaikan masalah atau membuat keputusan.
Jadi, informasi adalah data yang memiliki arti dan sudah diolah sehingga dapat dipahami manusia dan dapat digunakan untuk menyelesaikan masalah atau membuat keputusan. Contoh informasi misalnya : rata–rata penjualan per tahun, harga minimal yang ditawarkan supplier, dan barang yang paling laku dijual.
2.1.3 Pengertian Database
Menurut Inmon (2002, p388), database adalah sekumpulan data yang saling berhubungan dan disimpan (biasanya telah terkontrol dan memiliki redundansi yang terbatas) berdasarkan suatu skema.
Menurut Connolly dan Begg (2005, p15), database adalah suatu kumpulan relasi-relasi logikal dari data dan deskripsi data yang dirancang untuk memperoleh informasi yang dibutuhkan oleh organisasi.
Menurut O’brien (2005, p211), database adalah kumpulan elemen data yang terintegrasi yang berhubungan secara logikal.
Jadi, database adalah kumpulan dari elemen, relasi, atau data yang saling berhubungan secara logikal, sehingga dapat digunakan untuk memperoleh suatu informasi yang dibutuhkan oleh suatu organisasi atau perusahaan.
2.1.4 Database Management System (DBMS)
Menurut Turban (2005, p450), Database Management System adalah program software atau kumpulan program yang menyediakan akses ke database.
Menurut Inmon (2002, p388), Database Management System adalah sebuah sistem software berbasis komputer yang digunakan untuk membuat dan mengatur data.
Menurut Connolly dan Begg (2005, p16), Database Management System adalah suatu sistem perangkat lunak yang memungkinkan user untuk mendefinisikan, membuat, memelihara, dan mengontrol akses ke database.
Jadi, Database Management System adalah suatu sistem software yang menyediakan akses ke database sehingga dapat digunakan untuk membuat, mengatur, dan memelihara data.
2.1.5 ER Modeling
Menurut Connolly dan Begg (2005, p342), ER Modeling adalah pendekatan top-down untuk perancangan database yang dimulai dengan mengidentifikasikan data yang penting yang disebut entitas dan relationship antar data harus diperlihatkan dalam model ini. Kemudian ditambahkan detail-detail seperti informasi yang ingin ditambahkan tentang entitas dan relationship yang disebut atribut dan berbagai constraint pada entitas, relationship, atribut, dan multiplicity.
a. Entity (Entitas)
Menurut Connolly dan Begg (2005, p331), entity adalah sekumpulan objek dengan properties yang sama yang diidentifikasikan oleh perusahaan.
Gambar 2.1 Diagram dari Entity Type Branch dan Staff (Connolly dan Begg, 2005, p333)
b. Relationship (Hubungan)
Menurut Connolly dan Begg (2005 p334), relationship adalah sekumpulan hubungan yang memilki arti antara satu atau lebih entitas.
Gambar 2.2 Diagram dari Relationship Type Branch mempunyai Staff (Connolly dan Begg, 2005, p333)
c. Attribute (Atribut)
Menurut Connolly dan Begg (2005, p338), attribute adalah property dari sebuah entitas atau tipe relationship. Atribut bisa dikelompokkan menjadi atribut simple atau composite, atribut single-valued atau multi-single-valued, atau atribut derived. Simple attribute adalah atribut yang dibentuk dari komponen tunggal dengan sebuah
independent existence. Composite attribute adalah atribut yang
dibentuk dari banyak komponen, masing-masing dengan sebuah independent existence. Single-valued attribute adalah atribut yang menampung nilai tunggal untuk setiap entitas. Multi-valued attribute adalah atribut yang menampung banyak nilai untuk setiap entitas. Derived attribute adalah atribut yang merepresentasikan nilai yang diturunkan dari nilai atribut yang berhubungan atau kumpulan atribut.
d. Multiplicity
Menurut Connolly dan Begg (2005, p344), multiplicity adalah sejumlah kemunculan yang mungkin ada dalam sebuah entitas yang berhubungan dengan kemunculan tunggal dari entitas yang berhubungan dengannya. Ada tiga tipe hubungan multiplicity antara lain :
• 1 : 1 (one-to-one)
Gambar 2.3 Multiplicity Hubungan Satu ke Satu dari Staff yang mengatur Branch (Connolly dan Begg, 2005, p346)
• 1 : * (One-to-Many)
Contoh dari hubungan ini adalah :
Gambar 2.4 Multiplicity Hubungan Satu ke Banyak dari Staff yang mengawasi PropertyForRent (Connolly dan Begg, 2005, p347)
• * : * (Many-to-Many)
Gambar 2.5 Multiplicity Hubungan Banyak ke Banyak dari Newspaper yang mengiklankan PropertyForRent (Connolly dan Begg, 2005, p348)
2.1.6 OLTP (Online Transaction Processing)
Menurut Connolly dan Begg (2005, p1149), OLTP adalah sistem yang dirancang untuk menangani jumlah hasil transaksi yang tinggi, dengan transaksi yang biasanya membuat perubahan kecil bagi data operasional organisasi, yaitu data yang memerlukan penanganan operasi setiap hari.
Menurut Kimball dan Ross (2002, p408), OLTP adalah deskripsi awal dari setiap aktifitas dan sistem yang berhubungan dengan proses memasukkan data ke dalam sebuah database.
Berdasarkan definisi – definisi di atas, dapat disimpulkan bahwa OLTP adalah suatu sistem yang dirancang untuk menangani proses pemasukan data ke dalam database yang memiliki jumlah transaksi yang tinggi dan biasanya merupakan data operasional harian dari perusahaan.
2.1.7 OLAP (Online Analytical Processing)
Menurut Connolly dan Begg (2005, p1205), OLAP adalah sintesis, analisis, dan konsolidasi dinamis dari sejumlah besar multi-dimensional data.
Menurut Kimball dan Ross (2002, p408), OLAP adalah kumpulan aturan yang menyediakan sebuah kerangka dimensional untuk mendukung keputusan.
Berdasarkan definisi-definisi di atas, dapat disimpulkan bahwa OLAP adalah proses analisis data dari sejumlah besar multidimensional data dengan menggunakan sekumpulan alat grafikal yang dapat digunakan untuk mendukung proses pengambilan keputusan.
2.1.8 Pengertian Data Warehouse
Menurut Turban (2005, p418), data warehouse adalah tempat penyimpanan data historis yang berorientasi subjek, yang diatur agar dapat diakses dan diterima untuk aktivitas proses analisis.
Menurut Inmon (2002, p389), data warehouse adalah sekumpulan data yang terintegrasi, berorientasi pada subjek yang dirancang dan digunakan untuk mendukung proses pengambilan keputusan di mana setiap unit dari data bersifat saling berhubungan untuk beberapa waktu tertentu.
Menurut Kimball dan Ross (2002, p397), data warehouse adalah perpaduan dari sebuah organisasi, baik dari staging area maupun area
presentasi, di mana data operasional secara spesifik serta terstruktur untuk query dan analisis performansi dan memudahkan penggunaan.
Menurut O’Brien (2005, p697), data warehouse adalah kumpulan terpadu dari data yang diambil dari database operasional, historis, dan eksternal, yang dibersihkan, diubah, dan dikatalogkan untuk penelusuran dan analisis untuk menyediakan kecerdasan bisnis bagi pengambilan keputusan bisnis.
Jadi, data warehouse adalah tempat penyimpanan data yang berorientasi pada subjek, terintegrasi, tidak mudah berubah, dan memiliki rentang waktu, yang diambil dari database operasional, historis, dan eksternal, yang diproses agar dapat dianalisis untuk mendukung proses pengambilan keputusan.
2.1.9 Pengertian Data Mart
Menurut Inmon (2002, p389), data mart adalah sebuah struktur data yang terbagi-bagi yang diperoleh dari data warehouse di mana data tersebut telah didenormalisasi berdasarkan kebutuhan informasi manajemen.
Menurut Connolly dan Begg (2005, p1171), data mart adalah bagian dari data warehouse yang mendukung kebutuhan informasi dari departemen tertentu atau fungsi bisnis dalam perusahaan.
Menurut Kimball dan Ross (2002, p396), data mart adalah bagian dari logikal dan fisikal dari area cakupan yang dimiliki oleh data warehouse.
Jadi, data mart adalah bagian dari data warehouse yang dirancang untuk mendukung kebutuhan informasi manajemen dari unit departemen tertentu dalam suatu perusahaan.
2.1.10 Karakteristik Data Warehouse
Menurut Inmon (2002, p31), data warehouse memiliki sifat-sifat berikut :
1. Subjek Oriented
Data warehouse dibuat berdasarkan subjek utama dari perusahaan (seperti customer, product, dan sales), bukan dari area aplikasi utama (seperti customer invoicing, stock control, dan product sales). Ini menggambarkan kebutuhan penyimpanan data yang mendukung keputusan, bukan penyimpanan data yang berorientasi aplikasi.
2. Integrated
Data dalam data warehouse dikumpulkan dari berbagai sumber data dari seluruh sistem aplikasi perusahaan yang berbeda. Sumber data seringkali tidak konsisten. Oleh karena itu, sumber data terintegrasi harus dibuat konsisten untuk menjamin kebenaran informasi yang dihasilkan.
3. Non-volatile
Data dalam data warehouse tidak diupdate secara real time, tetapi di-refresh dari sistem operasional secara berkala. Data baru
ditambahkan ke database sebagai pelengkap bukan pengganti, sehingga data histori tetap disimpan di dalam database.
4. Time-variant
Setiap unit data di dalam data warehouse hanya valid dan akurat pada suatu waktu tertentu atau interval waktu tertentu.
2.1.11 Perbandingan Data Operasional dan Data Warehouse
Menurut Connolly dan Begg (2005, p1153), perbandingan antara sistem OLTP dan sistem data warehouse adalah sebagai berikut :
Sistem OLTP Sistem Data warehouse Mengandung data terkini Mengandung data historis
Menyimpan data yang detail Menyimpan data rinci, sedang, ringkas Data bersifat dinamis Data bersifat statis
Prosesnya berulang Proses tidak terstruktur, tergantung tujuan Digunakan untuk transaksi Digunakan untuk analisis
Jumlah transaksi tinggi Jumlah transaksi sedang dan kecil Berorientasi pada aplikasi Berorientasi pada subjek
Penggunaan bisa diprediksi Penggunaan tidak bisa diprediksi Mendukung keputusan harian Mendukung keputusan strategis Digunakan oleh user operasional Digunakan oleh user manajerial
Tabel 2.1 Perbandingan antara sistem OLTP dan sistem data warehouse (Connolly dan Begg, 2005, p1153)
2.1.12 Keuntungan data warehouse
Menurut Connolly dan Begg (2005, p1152), data warehouse yang telah diimplementasikan dengan baik dapat membawa keuntungan besar bagi perusahaan antara lain :
1. Pengembalian yang besar dari investasi yang ada. 2. Keuntungan kompetitif.
3. Meningkatkan produktivitas para pembuat keputusan.
2.1.13 Struktur data warehouse
Menurut Inmon (2002, p35), ada beberapa tingkatan detail pada lingkungan data warehouse. Tingkatan ini dikategorikan menjadi empat, yaitu Older Detail Level, Current Detail Level, Lightly Summarized Data Level dan Highly Summarized Data Level. Aliran data awalnya terjadi dari lingkungan operasional ke dalam data warehouse. Pada aliran data inilah proses transforamsi terjadi. Aliran data pada data warehouse selanjutnya berada pada tingkatan detail. Seiring berjalannya waktu, data dari Current Detail Level mengalir menuju Older Detail Level. Apabila terjadi summarize, maka data akan beralih dari Current Detail Level menuju Lightly Summarized Data Level yang kemudian akan menuju Highly Summarized Data Level.
Gambar 2.6 Struktur data warehouse (Inmon, 2002, p36)
Komponen – komponen struktur data warehouse sebagai berikut :
1. Current Detailed Data
Data yang mencerminkan keadaan yang sedang berjalan saat ini dan merupakan level terendah dari data warehouse. Oleh karena itu, data di level ini belum efisien untuk digunakan sekalipun datanya detail. Hal ini karena proses analisis data menjadi rumit jika dilakukan dengan data dalam jumlah besar.
2. Old Detailed Data
Data historis berupa hasil backup yang disimpan dalam media penyimpanan terpisah, seperti tape atau disk dengan frekuensi akses yang relatif rendah. File atau direktori dari data ini disusun berdasarkan umur dari data untuk mempermudah pencarian atau pengaksesan kembali.
3. Lightly Summarized Data
Data hasil ringkasan dari current detailed data. Pada tingkat ini, data hasil ringkasan masih belum dapat digunakan dalam proses pengambilan keputusan karena belum bersifat total summary dan masih bersifat detail. Biasanya digunakan untuk gambaran dari keadaan yang sedang atau sudah berlangsung.
4. Highly Summarized Data
Data hasil summary yang bersifat total dan mudah diakses. Data di level ini dapat digunakan untuk mendukung pengambilan keputusan di kalangan eksekutif perusahaan karena dianggap sudah representatif dan ringkas. Data ini tetap dapat merepresentasikan keadaan secara keseluruhan sehingga memudahkan eksekutif karena tidak perlu membaca dan menganalisis data untuk waktu yang lama.
5. Metadata
Menurut Kimball dan Ross (2002, p14), metadata adalah keseluruhan informasi yang ada di dalam environtment data warehouse, bukan data aktual itu sendiri, melainkan lebih mengarah pada sebuah ensiklopedia dari data warehouse.
Menurut Inmon (2002, p393), metadata adalah data mengenai data atau deskripsi dari struktur, isi, kunci, indeks, dan lain-lain mengenai data.
Jadi, metadata adalah informasi yang ada di dalam data warehouse yang mendeskripsikan mengenai struktur, isi, kunci, indeks, dan hal lain mengenai data.
Peranan metadata yaitu :
1. Sebagai direktori yang dipakai user untuk menempatkan isi data dan mengetahui lokasi data dalam data warehouse.
2. Sebagai panduan untuk menempatkan data pada saat data ditransformasikan dari OLTP ke dalam data warehouse.
3. Sebagai panduan untuk proses summary data dari current detail data menjadi lightly summarized data dan kemudian menjadi highly summarized data.
2.1.14 Arsitektur Data Warehouse
Menurut Connolly and Begg (2005, p1157), arsitektur data warehouse digambarkan sebagai berikut :
Gambar 2.7 Arsitektur Data Warehouse (Connolly, 2002, p1157)
1. Operational data
Operational data adalah data yang dipakai untuk mendukung proses bisnis sehari-hari. Data untuk data warehouse berasal dari :
• Mainframe data operasional yang berada pada tingkatan
database generasi pertama dari database jaringan. Diperkirakan sebagian besar data operasional perusahaan disimpan pada sistem tersebut.
• Data masing-masing departemen yang disimpan dalam sistem file dan DBMS relasional.
• Data internal yang disimpan di dalam server dan workstation pribadi.
• Sistem eksternal seperti internet, database komersial, dan database yang berhubungan dengan supplier dan customer.
2. Operational Data Store (ODS)
Operational Data Store (ODS) adalah tempat penyimpanan data operasional saat ini yang terintegrasi dan dapat digunakan untuk melakukan analisis. Operational Data Store (ODS) memungkinkan pembangunan data warehouse menjadi lebih mudah karena menyediakan data yang telah diekstrak dari sumber data sehingga proses pengintegrasian dan restrukturisasi data untuk data warehouse menjadi lebih mudah dan sederhana.
3. Load Manager
Load Manager berperan dalam menangani semua operasi yang berhubungan dengan fungsi extract data dan fungsi loading data ke dalam data warehouse. Data bisa diekstrak secara langsung dari sumber data atau biasanya dari operational data store.
4. Warehouse Manager
Warehouse Manager berperan dalam menangani semua operasi yang berhubungan dengan manajemen data di dalam data warehouse. Warehouse Manager menjalankan operasi – operasi :
• Analisis data untuk menjaga konsistensi data.
• Transformasi dan penggabungan sumber data dari tempat penyimpanan sementara ke tabel – tabel data warehouse. • Melakukan denormalisasi (optional).
• Melakukan pengumpulan / aggregation (optional). • Menyimpan dan melakukan back-up data.
5. Query Manager
Query Manager (komponen back end) berperan dalam menangani semua operasi yang berhubungan dengan manajemen permintaan user. Operasi yang dijalankan oleh Query Manager antara lain menghubungkan permintaan ke tabel–tabel data yang tepat dan melakukan penjadwalan eksekusi terhadap permintaan.
6. Detailed Data
Dalam data warehouse, detailed data menyimpan semua detail dari data di dalam skema database. Biasanya detailed data tidak disimpan secara online melainkan dibuat dengan melakukan agregasi data. Tetapi pada dasarnya, detailed data ditambahkan ke warehouse untuk melengkapi data aggregate. Detailed Data dibagi menjadi dua, yaitu current detailed data (tempat penyimpanan detailed data saat ini) dan old detailed data (tempat penyimpanan detailed histori).
7. Lightly and Highly Summarized Data
Dalam data warehouse, lightly and highly summarized data adalah tempat penyimpanan semua data predefined lightly dan highly summarized yang dihasilkan oleh Warehouse Manager. Tujuan dari ringkasan informasi ini adalah mempercepat tanggapan terhadap permintaan user. Ringkasan data di-update terus-menerus seiring dengan bertambahnya jumlah data dalam data warehouse.
8. Archieve / Backup data
Dalam data warehouse, archieve / backup data digunakan sebagai tempat penyimpanan detailed data dan data yang telah diringkas. Data yang telah diringkas dan disimpan akan ditransfer ke media penyimpanan seperti magnetic tape dan optical disc.
9. Metadata
Dalam data warehouse, Metadata digunakan sebagai tempat penyimpanan semua definisi Metadata (keterangan mengenai data) yang digunakan di seluruh proses data warehouse. Metadata bertujuan untuk :
• Proses extracting dan loading
Melakukan pemetaan sumber data pada data warehouse. • Proses Warehouse Management
Mengotomatiskan produksi pada tabel–tabel produksi. • Sebagian proses Query Management
Mengarahkan permintaan ke sumber data yang tepat.
10.End User Access Tools (EUAT)
Tujuan utama data warehouse adalah menyediakan informasi untuk bisnis yang dapat digunakan dalam pengambilan keputusan. User berinteraksi dengan warehouse menggunakan End User Access Tools. End User Access Tools dikelompokkan menjadi 5 golongan :
• Reporting dan Query Tools
Reporting tools meliputi production reporting tools
dan report writers. Production reporting tools digunakan
untuk menghasilkan laporan operasional biasa, sedangkan report writer adalah desktop tools yang dirancang untuk end user. Query Tools untuk data warehouse relasional dirancang
untuk menerima SQL atau menghasilkan pernyataan SQL untuk query data yang disimpan dalam data warehouse.
• Application Development Tools
Aplikasi yang dapat digunakan user yaitu graphical data access yang dirancang untuk sisi client server. Beberapa application development tools terintegrasi dengan OLAP tools dan dapat mengakses semua sistem basis data utama, mencakup Oracle, Sybase dan Informix.
• Executive Information System (EIS) tools
Executive Information System (EIS) tools semula dikembangkan untuk mendukung pengambilan keputusan tingkat tinggi kemudian meluas untuk mendukung semua tingkat manajemen. EIS tools yang terisolasi dengan mainframe memungkinkan user membuat aplikasi pendukung pengambilan keputusan untuk menyediakan overview data dan mengakses sumber data eksternal. Saat ini perbedaan antara EIS dan decision support tools lainnya semakin tidak jelas, sejak EIS menyediakan aplikasi custom build untuk area bisnis seperti penjualan, marketing, dan keuangan.
• Online Analytical Processing (OLAP) tools
Online Analytical Processing (OLAP) tools berbasis pada konsep database multidimensional dan memungkinkan pengguna untuk menganalisis data menggunakan view yang
kompleks dan multidimensional. Tools ini mengasumsikan data diatur dalam model multidimensi yang didukung special multidimensional database (MDDB) atau basis data relasional yang dirancang untuk mendapatkan multidimensional query.
• Data Mining tools
Data mining adalah proses menemukan korelasi, pola dan arah baru yang berarti ‘menambang’ sejumlah besar data dengan menggunakan teknik statistik, matematika dan artificial intelligence. Data mining berpotensi mengganti kemampuan dari OLAP tools.
2.1.15 Anatomi Arsitektur Data Warehouse
2.1.15.1 Functional Data Warehouse (Data Warehouse Fungsional) Merupakan database yang diperoleh dari kegiatan sehari-hari atau kegiatan operasional perusahaan. Data warehouse dibuat lebih dari satu dan dikelompokkan berdasarkan fungsi-fungsi yang ada di dalam perusahaan seperti fungsi keuangan (financial), marketing, personalia dan lain-lain.
Keuntungan dari bentuk data warehouse seperti ini adalah sistemnya mudah dibangun dengan biaya yang relatif murah sedangkan kerugiannya adalah resiko akan kehilangan konsistensi data dan terbatasnya kemampuan sistem dalam pengumpulan data bagi pengguna.
Gambar 2.8 Bentuk Data Warehouse Fungsional
(myhut.org/public/datawarehouse.doc)
2.1.15.2 Centralized Data Warehouse (Data warehouse Terpusat) Bentuk data warehouse ini terlihat seperti bentuk data warehouse fungsional, namun sumber data terlebih dahulu dikumpulkan ke 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 konsistensi yang tinggi sedangkan kerugiannya adalah biaya pemeliharaan yang mahal serta memerlukan waktu yang cukup lama untuk membangunnya.
Gambar 2.9 Bentuk Data Warehouse Terpusat
(myhut.org/public/datawarehouse.doc)
2.1.15.3 Distributed Data Warehouse (Data Warehouse Terdistribusi) Pada data warehouse terdistribusi, 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 di luar lokasi perusahaan (eksternal).
Keuntungannya adalah data konsisten karena sebelum digunakan, data terlebih dulu disesuaikan atau mengalami proses sinkronisasi. Sedangkan kerugiannya adalah sistem ini lebih kompleks untuk diterapkan karena sistem operasi dikelola secara
terpisah. Selain itu, sistem ini memerlukan biaya yang paling mahal dibandingkan dengan bentuk data warehouse lainnya.
Gambar 2.10 Bentuk Data Warehouse Terdistribusi
(myhut.org/public/datawarehouse.doc)
2.1.16 Aliran Data dalam Data Warehouse
Menurut Connolly dan Begg (2005, p1161), data warehouse fokus pada manajemen lima arus data primer, yaitu :
1. Inflow
Proses yang berhubungan dengan extraction, transformation, dan loading (ETL) data dari sumber data ke dalam data warehouse. Proses Inflow berperan dalam proses pengambilan data dari sumber
sistem dan memasukkannya ke dalam data warehouse. Cara lainnya yaitu dengan memasukkan data ke dalam operational data store (ODS) sebelum dikirim ke data warehouse. Proses rekonstruksi dari data meliputi :
• Membersihkan data yang kotor.
• Restrukturisasi data yang dicocokkan dengan kebutuhan data warehouse, contohnya menambah atau membuang field-field. • Memastikan sumber data konsisten dengan dirinya sendiri dan
data lainnya yang sudah ada di dalam data warehouse.
2. Upflow
Proses penambahan nilai ke data di dalam data warehouse melalui proses meringkas, mengemas, dan menyalurkan data. Aktivitas yang berhubungan dengan proses Upflow meliputi :
• Meringkas data dengan proses memilih, memperhitungkan, menggabungkan, dan mengelompokkan data relasional ke dalam tampilan yang lebih baik dan berguna bagi user.
• Pengepakan data dengan mengubah data yang detail ke dalam format yang lebih berguna seperti spreadsheets, teks dokumen, diagram, grafik, database pribadi dan animasi. • Mendistribusikan data ke kelompok–kelompok yang tepat
untuk meningkatkan ketersediaan agar dapat diakses.
Proses pengarsipan dan backup data di dalam data warehouse. Menyimpan data lama memainkan peranan yang penting dalam mempertahankan penampilan dan efektifitas dari warehouse dengan mengirimkan data lama dengan nilai yang terbatas ke sebuah tempat penyimpanan seperti magnetic tape atau optical disk.
Downflow dari data juga meliputi proses yang memastikan
bahwa kondisi sekarang dari data warehouse dapat dibangun kembali jika terjadi kehilangan data, kegagalan software atau hardware.
4. Outflow
Proses untuk membuat data tersedia untuk user. Dua aktivitas yang dilakukan adalah pengaksesan dan pengiriman data.
• Pengaksesan, berhubungan dengan proses memuaskan end-user dengan menyediakan data yang dibutuhkan. Frekuensi dari pengaksesan ini bervariasi mulai dari ad hoc secara rutin sampai real time. Selain itu, dipastikan bahwa sumber sistem digunakan dengan cara yang paling efektif di dalam penjadwalan pengeksekusian terhadap query dari user.
• Pengiriman berhubungan secara aktif dalam pengiriman informasi ke work station dari user. Ini merupakan area baru dari data warehouse dan sering dihubungkan dengan proses
publish dan subscribe. Warehouse akan menpublikasi objek
bisnis yang bermacam–macam dan user akan berlangganan terhadap objek bisnis yang dibutuhkan oleh mereka.
5. Metaflow
Proses yang berhubungan dengan mengatur metadata.
Metaflow merupakan proses memindahkan metadata (data tentang
flow yang lainnya). Metadata merupakan deskripsi dari data yang ditampung di dalam data warehouse, apa yang ada di dalamnya, dari mana asalnya, dan apa yang telah dilakukan terhadap data tersebut dengan cara cleansing, integrating, dan summarizing.
2.1.17 ETL ( Extraction, Transformation, Loading )
Menurut Inmon (2002, p390), ETL adalah proses melakukan pencarian data, mengintegrasikan, dan menempatkan data ke dalam sebuah data warehouse.
Menurut Kimball dan Ross (2002, p401), ETL adalah kumpulan proses menyiapkan data dari operational source untuk data warehouse. Proses ini terdiri dari extracting, transforming, loading, dan beberapa proses yang dilakukan sebelum dipublikasikan ke data warehouse.
Jadi, ETL adalah proses menyiapkan data yang meliputi pencarian data, pengintegrasian data, dan penempatan data dari operational source ke dalam data warehouse.
Proses ini terdiri dari tiga tahap, yaitu : 1. Extraction
Langkah pertama dari proses ETL adalah proses penarikan data dari satu atau lebih sistem operasional sebagai sumber data (biasa diambil dari sistem OLTP, tapi bisa juga dari sumber data di
luar sistem database). Kebanyakan proyek data warehouse menggabungkan data dari sumber-sumber yang berbeda. Pada hakekatnya, proses ekstraksi adalah proses penguraian dan pembersihan data yang diekstrak untuk mendapatkan suatu pola atau struktur data yang diinginkan.
2. Transformation
Proses membersihkan data yang telah diambil pada proses extract sehingga data itu sesuai dengan struktur data warehouse atau data mart.
Hal-hal yang dapat dilakukan dalam tahap transformasi : - Hanya memilih kolom tertentu saja untuk dimasukkan ke
dalam data warehouse.
- Menerjemahkan nilai berupa kode (misal, database sumber menyimpan nilai 1 untuk pria dan 2 untuk wanita, tetapi data warehouse menyimpan M untuk pria dan F untuk wanita). Proses yang dilakukan disebut automated data cleansing, tidak ada pembersihan secara manual selama proses ETL. - Mengkodekan nilai-nilai ke dalam bentuk bebas (misal
memetakan “male”,”1”, dan “Mr” ke dalam “M”).
- Melakukan perhitungan nilai-nilai baru (misal sale_amount = qty*unit_price).
- Menggabungkan data dari berbagai sumber bersama-sama. - Membuat ringkasan dari sekumpulan baris data (misal, total
Kesulitan yang terjadi pada proses transformasi adalah : • Data harus digabungkan dari beberapa sistem terpisah. • Data harus dibersihkan sehingga konsisten.
• Data harus diagregasi untuk mempercepat analisis.
3. Loading
Merupakan tahap akhir dalam proses ETL. Proses memasukkan data ke dalam target akhir, dalam hal ini adalah data warehouse atau data mart. Data berasal dari proses transformasi. Setelah data yang dihasilkan dari proses transformasi sesuai dengan kondisi yang diinginkan pada data warehouse atau data mart, maka proses loading akan berjalan. Data dari staging area akan dipindahkan ke dalam data warehouse atau data mart.
Gambar 2.11 Extract, Transform, Load (www.mcs.csueastbay.edu)
2.1.18 Dimensionality Modeling
Menurut Connolly dan Begg (2005, p1183), Dimensionality Modeling adalah teknik logikal design yang bertujuan untuk menghadirkan data dalam bentuk standard dan intuitif yang memungkinkan pengaksesan database dengan performa yang tinggi. Beberapa konsep pemodelan data warehouse pada dimensionality modeling, antara lain Skema Bintang, Skema Snowflake, dan Skema Starflake.
2.1.18.1 Skema Bintang
Menurut Connolly dan Begg (2005, p1183), skema bintang adalah sebuah struktur logikal yang memiliki tabel fakta di tengahnya, yang terdiri atas data faktual, dan dikelilingi oleh tabel-tabel dimensi yang berisi referensi data. Skema bintang mengeksploitasi karakteristik data faktual seperti fakta yang digenerasikan oleh events yang muncul pada waktu yang lampau dan tidak berubah. Skema bintang dapat digunakan untuk mempercepat kinerja query dengan informasi referensi denormalisasi ke tabel dimensi tunggal.
Skema bintang memiliki beberapa kelebihan yang tidak ada dalam struktur relasional biasa. Keuntungan skema bintang yaitu :
• Efisiensi, struktur database konsisten sehingga efisien dalam mengakses data dengan menggunakan tool untuk menampilkan data termasuk laporan tertulis dan query.
• Kemampuan untuk mengatasi perubahan kebutuhan, skema bintang dapat beradaptasi terhadap perubahan kebutuhan pengguna karena semua tabel dimensi memiliki kesamaan dalam hal menyediakan akses ke tabel fakta.
• Extensibility, model dimensional dapat dikembangkan. Seperti
menambah tabel fakta selama data masih konsisten, menambah tabel dimensi selama ada nilai tunggal di tabel dimensi tersebut yang mendefinisikan setiap record tabel fakta yang ada, menambahkan attribute tabel dimensi, dan memecah record tabel dimensi yang ada menjadi level yang lebih rendah daripada level sebelumnya.
• Kemampuan untuk menggambarkan situasi bisnis pada umumnya, pendekatan standar untuk menangani situasi umum di dunia bisnis yang terus bertambah.
• Proses query yang bisa diprediksi, aplikasi data warehouse yang mencari data dari level yang di bawahnya akan mudah menambahkan jumlah attribute pada tabel dimensi dari sebuah skema bintang. Aplikasi yang mencari data dari level yang setara akan menghubungkan tabel fakta yang terpisah melalui tabel dimensi yang dapat diakses bersama.
2.1.18.2 Skema Snowflake (Snowflake Schema)
Menurut Connolly dan Begg (2005, p1184), skema
snowflake adalah variasi lain dari skema bintang dimana tabel
dimensi tidak berisi data denormalisasi. Suatu tabel dimensi dapat memiliki tabel dimensi lainnya.
2.1.18.3 Skema Starflake
Menurut Connolly dan Begg (2005, p1185), Starflake Schema adalah struktur yang diturunkan dari penggabungan konsep Star Schema dan Snowflake Schema. Beberapa dimensi memiliki kemungkinan untuk dibentuk dengan kedua konsep Star Schema dan Snowflake Schema tergantung kebutuhan akan query yang dimiliki.
2.1.19 Fact Table (Tabel Fakta)
Menurut Inmon (2002, p391), tabel fakta adalah tabel pusat dari skema bintang dimana data yang sering muncul akan ditempatkan di tabel tersebut. Tabel fakta disebut juga tabel utama (major table), merupakan inti dari skema bintang dan berisi data actual yang akan dianalisis (data kuantitatif dan transaksi). Tabel fakta adalah tabel yang umumnya mengandung angka dan data historis dimana key (kunci) yang dihasilkan sangat unik karena merupakan kumpulan foreign key dan primary key yang ada pada masing – masing tabel dimensi yang berhubungan atau
merupakan tabel terpusat dari skema bintang. Tabel fakta menyimpan tipe-tipe measure yang berbeda, seperti measure, yang secara langsung terhubung dengan tabel dimensi dan measure yang tidak berhubungan dengan tabel dimensi.
Menurut Connolly dan Begg (2005, p1183), tabel fakta adalah tabel pada dimensional model yang isinya composite Primary Key (PK). Jadi, Primary Key pada tabel fakta merupakan beberapa Foreign Key (FK).
2.1.20 Dimensional Table (Tabel Dimensi)
Menurut Inmon (2002, p389), tabel dimensi adalah tempat dimana data – data yang tidak berhubungan yang berelasi dengan tabel fakta ditempatkan di dalam tabel multidimensional.
Tabel dimensi disebut juga tabel kecil (minor table), karena biasanya lebih kecil dan memegang data deskriptif yang mencerminkan dimensi suatu bisnis. Tabel dimensi merupakan tabel yang berisi kategori dengan ringkasan data detil yang dapat dilaporkan, seperti laporan keuntungan pada tabel fakta dapat dilaporkan sebagai dimensi waktu (berupa per bulan atau per tahun).
2.1.21 Perbandingan model Dimensionality Modeling dan ER Modeling Menurut Connolly dan Begg (2005, p1186), dimensionality modeling biasanya digunakan untuk merancang komponen dari data warehouse, sedangkan ER modeling biasanya digunakan untuk
mendeskripsikan database untuk sistem OLTP. ER modeling adalah teknik untuk mengidentifikasikan hubungan antar entitas. Tujuan dari ER modeling adalah untuk mengurangi redundancy data. Hubungan antar ER
modeling dan dimensionality modeling adalah ER modeling tunggal
biasanya terurai menjadi beberapa dimensionality modeling. Beberapa dimensionality modeling tersebut kemudian saling terhubung melalui tabel dimensional.
2.1.22 Metodologi Perancangan Database untuk Data Warehouse
Menurut Kimball (Connolly dan Begg, 2005, p1187), ada sembilan tahap metodologi dalam perancangan database untuk data warehouse, yaitu :
Langkah 1 : Memilih proses
• Data mart yang pertama kali dibangun haruslah data mart yang dapat
dikirim tepat waktu dan menjawab pertanyaan bisnis yang penting. • Misanya, pilihan terbaik untuk data mart yang pertama adalah yang
berkaitan dengan sales, seperti property sales dan property leasing.
Langkah 2 : Memilih grain
• Untuk memutuskan secara pasti apa yang diwakili atau direpresentasikan oleh sebuah tabel fakta.
• Misalnya, 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 : Mengidentifikasikan dan menyesuaikan dimensi
• Mengatur dimensi dari data mart yang dibangun dengan baik akan memberikan kemudahan dalam memahami dan menggunakan data mart tersebut.
• Dimensi penting untuk menggambarkan fakta-fakta pada tabel fakta. Misalnya, setiap data pelanggan pada tabel dimensi pembeli dilengkapi dengan id_pelanggan, no_pelanggan, tipe_pelanggan, tempat_tinggal, dan lain sebagainya.
• Jika ada dimensi yang muncul pada dua data mart, kedua data mart tersebut harus berdimensi sama atau salah satunya berupa subset matematis dari yang lainnya.
• 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 : Memilih fakta
• Sumber dari sebuah tabel fakta menentukan fakta mana yang bisa digunakan dalam data mart.
• Semua fakta harus diekspresikan pada tingkat yang telah ditentukan oleh sumber.
• Misalnya, jika sumber dari tabel fakta adalah property sale, maka semua fakta numerik harus menunjuk pada particular sale.
Langkah 5 : Menyimpan pre-kalkulasi dalam tabel fakta
• Ketika fakta sudah dipilih, maka masing-masing fakta tersebut harus diperiksa kembali untuk menentukan apakah ada kemungkinan untuk menggunakan pre-kalkulasi.
• Contoh umum pemakaian pre-kalkulasi dalam tabel fakta adalah ketika terdapat fakta yang membandingkan rugi dan laba. Pre-kalkulasi dalam tabel fakta akan semakin diperlukan jika tabel fakta didasarkan pada invoice atau penjualan.
Langkah 6 : Melengkapi tabel dimensi
• Pada tahap ini akan ditambahkan keterangan selengkap-lengkapnya pada tabel dimensi.
• Keterangan yang ditambakan harus bersifat intuitif dan mudah dipahami oleh pengguna.
Langkah 7 : Memilih durasi dari database
• Misalnya pada suatu perusahaan asuransi, mengharuskan data disimpan selama 10 tahun atau lebih.
Langkah 8 : Melacak perubahan dimensi secara perlahan
• Ada tiga tipe pelacakan perubahan dimensi secara perlahan, yaitu : Tipe 1. Perubahan dimensi menyebabkan data lama di-overwrite. Tipe 2. Perubahan dimensi menyebabkan pembentukan record baru. Tipe 3. Perubahan dimensi menyebabkan pembuatan atribut alternatif
sehingga nilai yang lama dan nilai yang baru dapat diakses secara bersama pada dimensi yang sama.
Langkah 9 : Menentukan prioritas dari mode query
• Pada tahap ini kita memutuskan perancangan fisik yang akan digunakan.
• Dengan langkah-langkah tadi, seharusnya kita bisa membangun sebuah data warehouse yang baik.
2.1.23 Pengertian Rich Picture
Menurut Mathiassen (2000, p26), rich picture adalah sebuah gambaran informasi yang mempersembahkan pemahaman seorang ilustrator dari suatu situasi. Sebuah rich picture berfokus pada aspek penting dari sebuah situasi yang ditentukan oleh sang ilustrator. Rich picture harus memberikan suatu uraian dari situasi yang memungkinkan beberapa penjelasan alternatif.
2.2 Teori Khusus
2.2.1 Konsep Pembelian
Menurut Mulyadi (2001, p229), pembelian digunakan dalam perusahaan untuk pengadaan barang-barang yang dibutuhkan oleh perusahaan.
Menurut Mulyadi (2001, p229), transaksi pembelian dapat digolongkan menjadi dua yaitu:
• Pembelian Lokal
Pembelian lokal adalah pembelian dari pemasok dalam negeri. • Pembelian Impor
Pembelian impor adalah pembelian dari pemasok luar negeri. Menurut Mulyadi (2001, p300), fungsi pembelian bertanggung jawab untuk memperoleh informasi mengenai harga barang, menentukan pemasok yang dipilih dalam pengadaan barang dan mengeluarkan order pembelian kepada pemasok yang dipilih dalam pengadaan barang.
Menurut Mulyadi (2001, p300), prosedur pembelian dilaksanakan melalui beberapa bagian dalam perusahaan. Bagian-bagian yang terkait dalam prosedur ini adalah bagian pembelian, penerimaan barang, hutang, dan gudang. Transaksi pembelian mencakup prosedur berikut ini.
1. Pada saat persediaan bahan menunjukkan batas minimal fungsi gudang mengajukan permintaan pembelian ke fungsi pembelian. 2. Fungsi pembelian meminta penawaran harga dari berbagai pemasok.
3. Fungsi pembelian menerima penawaran harga dari berbagai pemasok dan melakukan pemilihan pemasok.
4. Fungsi pembelian membuat order pembelian kepada pemasok yang dipilih.
5. Fungsi penerimaan memeriksa dan menerima barang yang dikirim oleh pemasok.
6. Fungsi penerimaan menyerahkan barang yang diterima kepada fungsi gudang untuk disimpan.
7. Fungsi penerimaan melaporkan penerimaan kepada fungsi akuntansi. 8. Fungsi akuntansi menerima faktur tagihan dari pemasok dan atas
dasar faktor dari pemasok tersebut fungsi akuntansi mencatat kewajiban yang timbul dari transaksi pembelian.
Menurut Mulyadi (2001, p300), jaringan prosedur yang membentuk sistem akuntansi pembelian adalah sebagai berikut.
1. Prosedur permintaan pembelian
Dalam prosedur ini, fungsi gudang mengajukan permintaan pembelian dalam formulir surat permintaan pembelian kepada fungsi pembelian. Jika barang tidak disimpan di gudang, misalnya untuk barang langsung pakai, fungsi yang memakai barang mengajukan permintaan pembelian langsung ke fungsi pembelian dengan menggunakan surat permintaan pembelian.
2. Prosedur permintaan penawaran harga dan penelitian pemasok
Dalam prosesdur ini, fungsi pembelian mengirimkan surat permintaan penawaran harga kepada pemasok untuk memperoleh
informasi mengenai harga barang dan berbagai syarat pembelian yang lain, untuk memungkinkan pemilihan pemasok yang akan ditunjuk sebagai pemasok barang yang diperlukan oleh perusahaan.
3. Prosedur order pembelian
Dalam prosedur ini, fungsi pembelian mengirimkan surat order pembelian kepada pemasok yang dipilih dan memberitahukan kepada unit-unit organisasi lain dalam perusahaan, mengenai order pembelian yang sudah dikeluarkan oleh perusahaan.
4. Prosedur penerimaan barang
Dalam prosedur ini, fungsi penerimaan melakukan pemeriksaan mengenai jenis, kualitas, dan mutu barang yang diterima dari pemasok, dan kemudian membuat laporan penerimaan barang untuk menyatakan penerimaan barang dari pemasok tersebut.
5. Prosedur pencatatan utang
Dalam prosedur ini, fungsi akuntansi memeriksa dokumen-dokumen yang berkaitan dengan pembelian dan menyelenggarakan pencatatan utang atau mengarsipkan dokumen sumber sebagai catatan utang.
6. Prosedur distribusi pembelian
Prosedur ini meliputi distibusi rekening yang didebit dari transaksi pembelian untuk kebutuhan pembuatan laporan bagi manajemen.
2.2.2 Konsep Penjualan
Menurut Drs. Wardi Wahid, MM (www.tvconsulto.com), penjualan pada media berarti berurusan dengan sesuatu yang tidak terlihat (intangible goods), yaitu cita rasa public (public taste), seni (art), dan citra (image). Penjualan merupakan sebuah proses dimana kebutuhan pembeli dan kebutuhan penjual dipenuhi melalui pertukaran antar informasi dan kepentingan.
Menurut Drs. Wardi Wahid, MM (www.tvconsulto.com), materi iklan di tv yang disebut tv commercial (tvc) atau “spot” dibedakan atas durasinya : 60’s, 30’s,15’s dan 10’s. Disamping spot iklan komersial, juga terdapat spot pelayanan masyarakat atau disebut public service
announcement (PSA). Time slot yang belum terjual menjadi inventory.
Target penjualan ditetapkan secara tahunan dan diuraikan dalam tiga bulanan, bulanan, dan mingguan.
Menurut Drs. Wardi Wahid, MM (www.tvconsulto.com), ada empat tipe penjualan iklan tv, yaitu :
1. Up front buying : agency membeli jauh di depan
2. Scatter buying : agency menyimpan sebagian biaya iklannya untuk
dibeli setelah dekat dengan waktu penyiaran yang diinginkan. 3. Barter syndication : pemasang iklan menempatkan iklannya pada
program populer milik sindikator yang mempunyai time slot untuk dijual sendiri.
4. Spot market : pembelian iklan, baik untuk siaran lokal ataupun nasional di masing-masing stasiun atau program guna menyampaikan pesan penting kepada target pemirsa
Menurut Drs. Wardi Wahid, MM (www.tvconsulto.com), rating adalah besarnya persentase rumah tangga pemilik tv yang menonton acara tertentu dari seluruh pemilik tv di daerah tertentu.
Rating (%) = (Audience / Universe) x 100% Contoh :
Pemilik tv (universe) : 2800 rumah tangga Yang menonton program “a” (audience) : 500rt, Yang menonton program “b” (audience): 300rt Rating program “a” = 500 : 2800 = 17,86 % = 18
( Penulisan rating cukup angka saja atau tanpa “%” ) RATING PROGRAM “B” = 300 : 2800 = 11
Beberapa hal yang mempengaruhi rating, antara lain : - Program (isi dan durasi)
- Program kompetitor (opposition programs) - Jam tayang (scheduling)
- Konteks (incidental moments)
- Mutu penerimaan signal (reception quality) - Promosi
Menurut Drs.H.Syafei.S (pksm.mercubuana.ac.id), iklan dapat ditayangkan setelah melalui beberapa kesepakatan antara pihak stasiun
penyiaran dengan pemasang iklan. Ada enam jenis partisipasi pemasang iklan, yaitu :
1. Blocking time, yaitu pemasang iklan merupakan sponsor penuh
dimana pemasang iklan membayar untuk keseluruhan program siaran dan hanya iklan sponsor perusahaan tersebut saja yang ditayangkan.
2. Air time sharing (sponsor bersama), yaitu beberapa pemasang iklan
secara bersama-sama menjadi sponsor satu program siaran dengan membagi waktu iklan menjadi beberapa bagian.
3. Participating advertisement (iklan partisipasi), yaitu beberapa
pemasang iklan mensponsori satu program siaran dengan ketentuan iklan beberapa sponsor tesebut akan muncul bergantian dalam commercial break (jeda iklan).
4. Cooperative advertisement (iklan kerjasama), yaitu perusahaan yang
memproduksi suatu produk bekerja sama dengan perusahaan pemilik jaringan pemasaran untuk menanggung biaya pemasangan iklan produk yang dihailkan perusahaan tersebut.
5. Barter, yaitu suatu kesepakatan yang pembayarannya tidak dilakukan dengan uang, melainkan dengan barang.
6. Pay per inquiry (dibayar berdasarkan penjualan), yaitu pemasang
iklan membayar biaya iklan kapada stasiun penyiaran berdasarkan persentasi dari jumlah barang yang terjual.
Menurut Drs.H.Syafei.S (pksm.mercubuana.ac.id), terdapat enam tipe kesepakatan waktu penayangan iklan, yaitu :
1. Fixed time (waktu tetap), merupakan bentuk kesepakatan yang paling mahal (premium rate) dimana iklan harus ditayangkan menurut waktu yang sesuai dengan perjanjian dan stasiun penyiaran tidak boleh memindahkan ke waktu lain dengan alasan apapun.
2. Run of the schedule (ROS), yaitu waktu penyiaran iklan ditentukan
oleh stasiun televisi sesuai dengan periode dalam kontrak.
3. Pre emptibility, yaitu stasiun televisi menawarkan iklan dengan harga murah (discount rate) kepada pemasang iklan dengan perjanjian iklan itu bisa diganti dengan iklan lain yang bersedia membayar lebih mahal. Ini dilakukan untuk mengoptimalkan penggunaan waktu iklan.
4. Advertisement package (paket iklan), yaitu stasiun penyiaran
memberikan tarif lebih murah kepada iklan yang ditayangkan dengan frekuensi yang lebih tinggi.
5. Up-front-sale, yaitu kesepakatan antara stasiun penyiaran dengan
pemasang iklan untuk memberikan kesempatan lebih dulu kepada pemasang iklan yang telah lama berlangganan dengan stasiun penyiaran tersebut.
6. Special future (kesepakatan khusus), yaitu kesepakatan mengatur tarif iklan berdasarkan jumlah penonton yang mengikuti suatu program siaran. Tarif yang dikenakan atas iklan yang disiarkan pada saat penayangan program bisa meningkat bila jumlah penonton bertambah secara signifikan.
2.2.3 Konsep Produksi
Menurut Wignjosoebroto (2003, p2), aktivitas produksi adalah sekumpulan aktivitas yang diperlukan untuk mengubah satu kumpulan masukkan (human resources, materials, energy, information, etc) menjadi produk keluaran (finished product or services) yang memiliki nilai tambah.
Di dalam proses produksi akan terjadi suatu proses perubahan bentuk (transformasi) dari input yang dimasukkan baik secara fisik maupun non fisik. Pada produksi akan memberikan suatu nilai tambah (value added) dari input material yang diolah.
Menurut film.banjarnegara.co.cc, sebelum membuat cerita film, harus ditentukan tujuan pembuatan film agar pembuatan film lebih terfokus, terarah, dan sesuai. Ada tiga tahap dalam produksi film, yaitu tahap pra produksi, tahap produksi, dan tahap pasca produksi.
Ada tujuh tahapan dalam tahap pra produksi, yaitu analisis ide cerita, menyiapkan naskah, menyusun jadwal dan budgeting, hunting lokasi, menyiapkan kostum dan properti, menyiapkan peralatan, serta melakukan casting pemain.
Dalam menyusun jadwal perlu dilakukan secara detail, kapan jadwal pengambilan gambar, siapa saja artis dan kru yang diperlukan, biaya dan peralatan apa saja yang diperlukan, lokasi pengambilan gambar, serta batas waktu shooting. Dalam hal ini, lokasi sangat menentukan jadwal pengambilan gambar. Jika biaya produksi kecil, maka tidak disarankan tempat yang jauh dan memakan banyak biaya.
Ada hal-hal penting yang perlu diperhatikan pada saat menyusun budgeting, yaitu :
• Penggandaan naskah skenario film untuk kru dan pemain • Penyediaan kaset video
• Penyediaan CD kosong sejumlah yang diinginkan • Penyediaan properti, kostum, dan make-up
• Honor untuk pemain dan konsumsi • Akomodasi dan transportasi • Menyewa alat jika tida tersedia
Budgeting adalah operasi di mana masing-masing adegan script diuraikan dan dianalisis serta diikuti penilaian keuangan dari total biaya untuk setiap adegan. Total kebutuhan financial untuk membuat film menjadi jumlah anggaran atau budget untuk setiap adegan atau episode. Sedangkan scheduling adalah proses pengorganisasian di mana barang-barang, kru, peralatan, dan aktor dijadwalkan pada biaya yang paling efisien. Perusahaan yang memproduksi film menggunakan informasi dalam budgeting dan scheduling untuk mengetahui apakah produksi sesuai dengan anggaran dan tepat waktu.
Sedangkan ada lima hal yang perlu diperhatikan dalam tahap produksi, yaitu tata setting, tata suara, tata cahaya, tata kostum, dan tata rias.
Tahap terakhir atau tahap pasca produksi mencakup tiga proses, yaitu proses editing, review hasil editing, serta presentasi dan evaluasi.
