Bab III
Analisis Dan Perancangan Basis Data Clustering
Pada bab Analisis Dan Perancangan Basis Data Clustering, akan dijelaskan mengenai input/ouput, infrastruktur, sistem/aplikasi yang digunakan, SWOT (Strengths, Weakness, Opportunities, Threats) pada PT. Verena Oto Finance, hasil analisa, kesimpulan dan saran serta perancangan basis data clustering.
3.1 Input / Output
Input/Output merupakan faktor-faktor yang diperlukan dalam penerapan proses basis data clustering. Faktor-faktor ini ditujukan untuk mendukung proses dalam menghasilkan pelaksanaan yang tepat dan baik. Input/Output merupakan komponen penting dalam pelaksanaan basis data clustering. Proses basis data
clustering diarahkan mendapatkan output atau hasil yang maksimal dalam
penerapannya menggunakan setiap komponen input yang tersedia. Hasil yang maksimal dalam hal ini adalah basis data sistem yang mampu meng-cover sistem yang berjalan. Menghasilkan basis data yang saling terkait (berhubungan), sehingga mampu mengoptimalisasi setiap transaksi yang dikelola menggunakan basis data.
3.1.1 Input
Faktor input yang digunakan dalam implementasi basis data sistem terdapat pada Table 1 di bawah ini.
Table 1. Faktor Input Untuk Implementasi Sistem Basis Data
No Keterangan Server Faktor Output
Harddisk Total : 76316 MB Memori 2048 MB
Tipe: Intel (R) Xeon (TM) CPU 3.20 GHZ 1. Spesifikasi perangkat keras (hardware) Database Server Processor
Table 2. Faktor Input Untuk Implementasi Sistem Basis Data (Lanjutan)
No Keterangan Server Faktor Output
Harddisk Total : 54450 MB Memori 2048 MB
Application Server
Processor Tipe: Intel (R) Xeon (TM) CPU 3.20 GHZ dan kecepatan: 3200 MHZ Sistem Operasi OS Name : Microsoft Windows Server 2003 Standard Edition Memori OS Version : 5.2.3790 Service Pack 2 Database Server Processor Software Microsoft SQL Server 2000 version 8.00.2039
Harddisk Microsoft .NET Framework 2.0
Memori Windows Server 2003 Service Pack 2 Service Pack 2 2. Spesifikasi perangkat lunak (software) Application Server Application Server Processor Sistem
Operasi OS Name : Microsoft Windows Server 2003 Standard Edition
Basis data yang digunakan pada PT. Verena Oto Finance dapat dilihat pada Table 3 di bawah ini.
Table 3. Basis Data yang digunakan pada PT. Verena Oto Finance
No Database Server
Database Name
Keterangan
1. HODC Internal Internal merupakan basis data untuk sistem Internal.
Table 4. Basis Data yang digunakan pada PT. Verena Oto Finance (Lanjutan) No Database Server Database Name Keterangan
CS CS merupakan basis data untuk sistem Customer
Statisfication.
Financore Financore merupakan basis data untuk sistem Financore.
Financore Report
Financore Report merupakan basis data kloningan dari basis data Financore dan digunakan untuk sistem Report Server.
2. DBS
Utility Utility merupakan basis data untuk sistem Utility. 3. GL GL GL merupakan basis data untuk sistem Accounting
AprovaMain AprovaMain merupakan basis data untuk sistem Aprova.
4. Aprova Server
AprovaAppl AprovaAppl merupakan basis data untuk sistem Aprova.
Financore Financore merupakan basis data untuk sistem Financore Development.
Aprova Main AprovaMain merupakan basis data untuk sistem Aprova Development.
CS CS merupakan basis data untuk sistem Customer Statisfication Development.
Accounting Accounting merupakan basis data untuk sistem Accounting Development
Utility Utility merupakan basis data untuk sistem Utility
Development.
Internal Internal merupakan basis data untuk sistem Internal
Development.
5. Development
Aprova Appl AprovaAppl merupakan basis data untuk sistem Aprova Development.
3.1.2 Output
Faktor output yang digunakan dalam implementasi basis data untuk sistem yang terdapat pada PT. Verena Oto Finance dapat dilihat Table 5 merupakan faktor output yang menjelaskan mengenai basis data serta sistem yang menggunakannya. Table 5di bawah ini. Table 5 merupakan faktor output yang menjelaskan mengenai basis data serta sistem yang menggunakannya.
Table 5. Faktor Output Untuk Implementasi Sistem Basis Data
No Database Server Database Name Sistem Owner Internal Sistem Internal HRD dan IT. Karyawan di HO dan Cabang. 1. HODC CS Sistem Customer Statisfication
Customer Service dan IT. Operation hanya di kantor
pusat. Financore Sistem
Financore
BOD dan IT.
Karyawan baik di kantor pusat dan Cabang.
Report Server
Sistem Report Server
Karyawan baik di kantor pusat dan Cabang.
BOD dan IT. 2. DBS
Utility Sistem Utility Operation baik yang di cabang maupun kantor pusat.
Accounting dan IT. 3. GL GLSystem Sistem GL
(Accounting)
Accounting dan IT.
Karyawan baik di kantor pusat dan Cabang.
Table 6. Faktor Output Untuk Implementasi Sistem Basis Data (Lanjutan) No Database Server Database Name Sistem Owner AprovaMain Sistem Aprova Karyawan baik di kantor pusat dan Cabang.
BOD dan IT. 4. Aprova Server
AprovaAppl Sistem Aprova
Karyawan baik di kantor pusat dan Cabang.
BOD dan IT. Financore Sistem
Development
Financore
Programmer. User untuk UAT.
Aprova Main Sistem Development Aprova Programmer. User untuk UAT.
CS Sistem
Development
CS
Programmer. User untuk UAT.
Utility Sistem
Development
Utility
Programmer. User untuk UAT.
Internal Sistem
Development
Internal
Programmer. User untuk UAT. 5. Development Aprova Appl Sistem Development Aprova Programmer. User untuk UAT.
3.1.3 Infrastruktur
Gambar 6 merupakan infrastruktur umum jaringan dimana cabang-cabang dapat koneksi (terhubung) ke database server yang terdapat di pusat melalui sistem yang sudah ada.
Database Server Router Cisco Mikrotik Mikrotik MPLS XL Computer Cabang 1 Cabang 2 Cabang 3 Cabang Gerai 1 Cabang Gerai 2 Mikrotik Mikrotik Speedy Internet 1 MB 10 MB 1 MB 512 Kbps 128 Kbps MPLS MPLS 128 Kbps Speedy 1 MB 1 MB
Gambar 6. Infrastruktur Jaringan (Dokumentasi dari PT. Verena Oto Finance)
Setiap cabang tidak secara langsung terkoneksi ke database server yang terdapat di pusat, tetapi terlebih dahulu terkoneksi ke device yang digunakan sebagai jaringan (network) agar dapat terhubung ke device yang ada di pusat lalu ke
database server. Bandwith yang digunakan setiap cabang untuk terhubung ke data
yang ada dipusat berbeda-beda, seperti cabang 1-3 masing-masing memiliki
bandwith sebesar 128 kbps sedangkan cabang gerai 1-2 masing-masing memiliki
Kecepatan (speed) serta tipe dari server aprova, HODC dan DBS dapat dilihat pada Table 7 di bawah ini.
Table 7. Keterangan Network Server
No Server Deskripsi Type Speed
1. Aprova Server
HP NC770 Gigabit Server Adapter-Teefer2 Miniport
Ethernet 100 Mb/s
2. HODC HP NC7782 Gigabit Server Adapter #2 – Teefer2 Minipoort
Ethernet 100 Mb/s
3. DBS HP NC371 Multifunction Gigabit Server Adapter Teefer2 Miniport
Ethernet 100 Mb/s
3.1.4 Sistem / Aplikasi yang digunakan
Sistem atau aplikasi yang digunakan dan terhubung dengan basis data pada PT. Verena Oto Finance yaitu:
1. Sistem Internal, merupakan sistem yang terhubung ke basis data internal. 2. Sistem Customer Statisfication, merupakan sistem yang terhubung ke
basis data customer statisfication.
3. Sistem Financore, merupakan sistem utama transaksi pembiayaan dan terhubung ke basis data financore, aprova main, aprova appl.
4. Sistem Report Server, merupakan sistem kloningan dari sistem financore dan biasanya hanya untuk reporting dan terhubung ke basis data financore report, aprova main, aprova appl.
5. Sistem Utility, merupakan sistem yang terhubung ke basis data utility dan biasanya digunakan penghitungan pembiayaan yang digunakan oleh beberapa departement.
6. Sistem GL (Accounting), merupakan sistem yang digunakan oleh divisi
7. Sistem Aprova, merupakan sistem awal transaksi pembiayaan customer dan terhubung ke sistem financore, terhubung ke basis data aprova main dan aprova appl.
3.1.5 SWOT (Strengths, Weakness, Opportunities, Threats)
Analisa SWOT merupakan metode perencanaan strategis yang digunakan untuk mengevaluasi Strengths, Weakness, Opportunities, Threats yang terlibat dalam sebuah proyek/pekerjaan. SWOT melibatkan dan mendefenisikan tujuan spesifik dari suatu pekerjaan, mengidenifikasi faktor internal dan eksternal yang tepat dan tidak tepat dalam pencapaian objektif. Analisa SWOT diawali dengan pendefenisian tujuan akhir atau pencapaian yang diinginkan.
Analisa SWOT dalam penerapan basis data clustering sebagai salah satu cara optimalisasi terhadap sistem yang telah diterapkan dan digunakan pada saat ini bertujuan untuk memunculkan setiap hal yang dapat terjadi dalam penerapan dan pelaksanaan basis data clustering tersebut. Baik hal-hal yang mendatangkan keuntungan maupun sebaliknya, hal-hal yang mampu mendatangkan peluang dan memaksimalkannya serta meminimalisasi pengaruh hambatan yang dapat muncul. 3.1.6 Strengths
Strengths terkait dengan karakteristik dari pekerjaan yang memberikan
keuntungan dan keunggulan dalam penerapannya. Penerapan basis data clustering ditujukan memunculkan hal-hal yang dapat dijadikan modal terhadap pencapaian objektif/tujuan. Keberadaan faktor strength menjadikan pencapaian terhadap tujuan penerapan basis data clustering lebih mudah didefenisikan. Hal-hal yang merupakan kekuatan dari implementasi basis data clustering sebagai berikut;
Sistem yang reliable. Perusahaan PT. Verena Oto Finance sebagai studi kasus penerapan basis data clustering, sistem basis data telah diimplementasikan dan digunakan.
Pelayanan terhadap kebutuhan data yang optimal. Sistem basis data yang digunakan saat ini di PT. Verena Oto Finance mampu meng-cover transaksi yang menghasilkan data.
Kebutuhan akan basis data yang lebih optimal dalam menyediakan dan pengolahan data. Keberadaan sistem basis data yang telah digunakan PT. Verena Oto Finance saat ini tetap membutuhkan peningkatan availability dan performansi agar tetap dapat meng-cover jumlah data yang semakin banyak
3.1.7 Weakness
Weakness terkait dengan karakteristik yang menempatkan suatu pekerjaan atau
proyek pada posisi yang relatif tidak menguntungkan.
Faktor ini mendefenisikan hal-hal yang menempatkan implementasi basis data
clustering sebagai hal yang dianggap memberikan keadaan yang tidak
menguntungkan. Hal-hal yang dianggap sebagai faktor weakness dibawah ini sebagai berikut;
Sistem yang sedang berjalan. Implementasi basis data clustering pada basis data sistem yang sedang berjalan (existing) memiliki tingkat efisien yang rendah.
Perlunya optimasi database setelah penerapan basis data clustering. Optimasi basis data yang dimaksudkan adalah menerapkan sistem basis data yang sychronize.
Reliable data, yakni data yang memiliki high priority role terhadap perusahaan sehingga proses clustering menimbulkan kekhawatiran terhadap keberadaan data tersebut.
Kebutuhan akan resources, dalam hal ini hardware, software, konfigurasi,
person, dll dalam penerapan basis data clustering yang nilai
implementasinya dianggap mahal oleh pihak manajemen perusahaan. Rendahnya dukungan dari pihak manajemen dalam implementasi. 3.1.8 Opportunities
Faktor ini mendefenisikan setiap peluang yang dimiliki dalam implementasi basis data clustering. Peluang yang muncul dapat dimanfaatkan dan dijadikan acuan terhadap pencapaian objektif dalam hal ini sistem yang lebih baik dalam penerapan dan penggunaannya. Hal-hal yang dianggap sebagai faktor opportunities dibawah ini sebagai berikut;
Performansi semakin meningkat baik dari segi hardware, software, maupun resource yang ada.
Memudahkan semua karyawan yang terdapat pada setiap cabang dalam mengkases data atau reporting yang terdapat pada sistem pembiayaan dan penjualanan PT. Verena Oto Finance sehingga meningkatkan kepercayaan konsumen terhadap perusahaan.
Memberikan kecepatan, kestabilan, ketersediaan akses sistem pembiayaan dan penjualanan PT. Verena Oto Finance kepada pengguna.
Memudahkan admin IT pada perusahaan tersebut untuk mengelola data pada sistem yang ada.
Tidak memerlukan bandwith yang terlalu besar dalam mengakses data yang terpusat pada kantor pusat perusahaan tersebut.
Adanya backup server jika server utama mengelami trouble atau permasalahan yang tidak sengaja terjadi.
3.1.9 Threats
Threats terkait dengan faktor yang datang dari dalam maupun luar ruang lingkup
pekerjaan yang dapat menyebabkan masalah terhadap pekerjaan/proyek.
Faktor ini mendefenisikan setiap hambatan yang mungkin muncul dalam penerapan, hambatan yang terjadi setelah penerapannya, dan hal-hal lain yang dipengaruhi yang bersifat memberikan kerugian. Hal-hal yang dianggap sebagai faktor threats sebagai berikut;
Operasional perusahaan menjadi rendah sehingga dapat memperlambat bisnis proses perusahaan.
Memperkecil kepercayaan customer terhadap perusahaan.
Mengakibatkan market (pemasaran) dari perusahaan yang juga bergerak di bidang finance lebih besar daripada perusahaan PT. Verena Oto Finance sehingga dapat menurunkan operasional perusahaan.
3.1.10 Hasil Analisa
Memperhatikan faktor input/output dan penjelasan SWOT terhadap penerapan
clustering database maka dapat disebutkan bahwa pihak perusahaan dalam hal ini
PT. Verena Oto Finance dapat mengimplementasikan basis data clustering. Hasil analisa dapat dijabarkan dalam beberapa poin. Alasan-alasan pendukung dalam penerapan clustering database pada PT. Verena Oto Finance dibawah ini sebagai berikut:
1. PT. Verena Oto Finance sudah cukup banyak memiliki database pada beberapa server.
2. Jumlah data transaksi pada PT. Verena Oto Finance sudah cukup besar. 3. Dalam segi hardware (perangkat keras) maupun software (perangkat
lunak) sudah cukup memadai untuk melakukan implementasi basis data
clustering.
4. Banyaknya pengguna yang berinteraksi langsung dengan sistem yang terkait dengan penggunaan basis data.
5. Merujuk pada analisa SWOT (Strengths, Weakness, Opportinities,
Threats) yang dijelaskan diatas, maka dapat dilihat bahwa banyak hal
positif yang dapat muncul dalam penerapan basis data clustering.
Memperhatikan penggunaan basis data yang ditujukan untuk pemenuhan setiap transaksi dalam perusahaan ini (PT. Verena Oto Finance), muncul beberapa
database yang dianggap potensial dan mampu menjalankan proses basis data clustering dengan resiko terhadap sistem yang kecil dan optimasi database yang
Hal ini disebabkan oleh keberadaan database sistem di PT. Verena Oto Finance telah berjalan (exisitng) dan digunakan untuk meng-cover setiap transaksi sehingga menghasilkan data yang akurat dan tepat bagi perusahaan. Memperhatikan kebutuhan-kebutuhan akan penerapan basis data clustering. Maka studi kasus ini akan menggunakan salah satu basis data yang resiko penerapannya kecil. Basis data yang digunakan untuk implementasi clustering adalah basis data internal.
Basis data internal merupakan basis data yang tidak terkait dengan transaksi utama yang berjalan pada PT. Verena Oto Finance. Basis data internal
meng-cover kebutuhan data pada sistem internal.
3.1.11 Kesimpulan dan Saran
Kesimpulan yang dapat diambil dari hasil analisa antara lain impelementasi basis data clustering dapat dilakukan pada PT. Verena Oto Finance, basis data yang digunakan sebagai contoh untuk mengimplementasikan basis data clustering adalah basis data Internal serta teknik yang akan digunakan dalam implementasi
clustering adalah failover clustering. Pada pelaksanaan implementasi clustering
sebaiknya dilakukan pada basis data yang tidak terkait dengan transaksi utama yang sudah berjalan pada PT. Verena Oto Finance. Hal ini disarankan agar menghindari High Risk (resiko yang tinggi terhadap keberadaan data tersebut) dan optimasi basis tidak memakan waktu yang lama.
3.2 Perancangan Failover Clustering
Teknik clustering yang akan digunakan untuk implementasi clustering pada studi kasus PT. Verena Oto Finance adalah failover clustering.
1. Dalam perancangan ini dibutuhkan empat server. Server pertama untuk
domain controller (sebagai domain untuk server lainnya), server kedua
untuk database master dan server ketiga dan keempat untuk database
slave. Ketiga server master dan slave memiliki fungsi yang hampir sama
yaitu untuk penyimpanan database dari suatu sistem. Satu komputer yang lain digunakan untuk menghubungkan antara server master dan server
slave, ketiga server itu dihubungkan dengan tujuan agar bisa terjadi
replikasi data antara kedua server tersebut dan juga berfungsi untuk mengatasi kegagalan sistem database pada salah satu sisi server agar
server yang lain bisa menggantikan tugas server yang lainnya. Agar
perancangan itu bisa dilakukan dengan baik digunakan teknologi SQL Server Cluster dengan sistem operasi Windows Server 2003. Pada tahapan pembuatan sistem cluster dibagi tiga bagian utama yaitu server master, 2
server slave, dan domain controller server.
2. Keempat server yang akan digunakan untuk implementasi failover clustering memiliki spesifikasi yang sama,baik hardware maupun software (Dapat dilihat pada Table 8).
3. Untuk melakukan cluster SQL Server, maka harus terlebih dahulu melakukan konfigurasi clustering pada Windows Servernya.
4. Table 8 merupakan spesifikasi server yang digunakan untuk implementasi
failover clustering sebagai berikut :
Table 8. Spesifikasi server yang digunakan untuk failover clustering
No Server Faktor Output
Hardware Harddisk: 20GB, Memori: 1GB, Processor: 1,6 GHZ 1. Server 1, digunakan sebagai
domain controller untuk server-server lainnya.
Software O.S : Windows Server 2003 Enterprise Edition.
Basis Data: MS SQL Server EnterPrise Edition
Hardware Harddisk: 20GB, Memori: 1GB, Processor: 1,6 GHZ 2. Server 2, digunakan untuk
implementasi failover clustering
Software O.S : Windows Server 2003 Enterprise Edition.
Basis Data: MS SQL Server EnterPrise Edition
Table 9. Spesifikasi server yang digunakan untuk failover clustering (Lanjutan)
No Server Faktor Output
Hardware Harddisk: 20GB, Memori:
1GB, Processor: 1,6 GHZ 3. Server 3, digunakan untuk
implementasi failover clustering
Software O.S : Windows Server 2003 Enterprise Edition.
Basis Data: MS SQL Server EnterPrise Edition
Hardware Harddisk: 20GB, Memori:
1GB, Processor: 1,6 GHZ 4. Server 4, digunakan untuk
implementasi failover clustering
Software O.S : Windows Server 2003 Enterprise Edition.
Basis Data: MS SQL Server EnterPrise Edition
Dari dapat dilihat, antara node 1 yang berfungsi sebagai server master dan node 2 dan 3 sebagai master slave saling terhubung. Untuk menghubungkan ketiga node tersebut dibutuhkan Node 0 sebagai DNS.
Jadi fungsi utama dari node 0 adalah mengizinkan server-server agar dapat bekerja sama dalam sebuah cluster komputer tersebut sehingga fungsi dari SQL Server cluster itu sendiri dapat berjalan. Server pertama (SQL Server A) adalah server aktif yang menangani seluruh transaksi. Server kedua (SQL Server B), akan
Pengambaran sistem secara umum dapat dilihat pada Gambar 7 dibawah : Node 1 SQL Server A 192.168.1.19 Disk array Node 2 SQL Server B 192.168.1.20 Node 3 SQL Server C 192.168.1.21 Node 0 Domain Controller 192.168.1.2 Client Aplikasi
