Aplikasi Pemodelan Data Multidimensi dengan Bahasa Pemrograman Java dan Basis PostgreSQL Studi Kasus Transaksi Obat di Rumah Sakit "X".

(1)

vii

Universitas Kristen Maranatha

ABSTRAK

Salah satu cara untuk menganalisis data bervolume besar dapat dilakukan dengan memodelkan data ke dalam bentuk multidimensional. Pemodelan data multidimensional dikenal dengan istilah data cube. Pembangunan aplikasi ini bertujuan untuk membantu pengguna dalam melakukan analisis terhadap data dengan memanfaatkan model multidimensional. Operator-operator data cube, seperti roll-up, drill-down, slice, dice dan rotate/pivot yang terdapat dalam aplikasi, dapat membantu pengguna

dalam menganalisis data secara fleksibel. Aplikasi ini dibangun menggunakan bahasa pemrograman Java yang berjalan di atas platform sistem operasi Windows, dengan database PostgreSQL. Data yang digunakan untuk mengujicoba aplikasi ini merupakan studi kasus dari data transaksi pembelian dan penjualan obat rumah sakit “X” periode tahun 2002 sampai tahun 2008. Hasil pengujian menunjukkan bahwa aplikasi ini dapat berjalan dengan database yang berbeda namun dalam format PostgreSQL, operator roll-up, drill-down, dan rotate dapat dikombinasikan

penggunaannya, namun ada dua operator yang tidak dapat dikombinasikan penggunaannya yaitu slice dan dice. Aplikasi ini masih belum memiliki beberapa fitur selengkap aplikasi Oracle 10g Analytic Workspace, seperti fitur grafik data cube serta elemen data warehouse

yang dapat diubah.

(2)

ABSTRACT

One of another way to analyze data in a large volume, can be done with

multi-dimensional data modelling. This modelling method called data cube.

The goal of this application is to help users to analyze data with

multidimensional model. Data cube operators, like roll-up, drill-down, slice,

dice and pivot/rotate in this application, may help users to analyze data in

in flexible way. This application was build with Java that running on

Windows platform. This application use PostgreSQL database and already

tested with sales medicine transactional data study case at “X” hospital.

The testing result indicate that this application can be running with two

different PostgreSQL databases. Roll-up, drill-down and rotate operators

can be combine each other, but there is two operators that cannot be

combine, there is slice and dice operators. This application in comparison

with another application, Oracle 10g Analytic Workspace Manager have

more features than this application like data cube graphic feature and

editable data warehouse schema element.

Keywords : Data Cube, Multi-dimensional Modelling, Data Cube

(3)

ix

DAFTAR ISI

LEMBAR PENGESAHAN ... i

PERNYATAAN ORISINALITAS LAPORAN ... ii

KATA PENGANTAR ... iii

PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH ... v

ABSTRAK ... vii

ABSTRACT ... viii

DAFTAR ISI ... ix

DAFTAR GAMBAR ... xiii

DAFTAR TABEL ... xviii

DAFTAR SIMBOL ... xxiii

BAB I PENDAHULUAN ... 1

I.1 Pendahuluan ... 1

I.1.1 Tujuan ... 2

I.1.2 Ruang Lingkup Proyek ... 2

I.1.3 Definisi, Akronim, dan Singkatan ... 2

I.1.4 Sistematika Penulisan Laporan ... 5

I.2 Gambaran Keseluruhan ... 6

I.2.1 Perspektif Produk ... 7

I.2.2 Fungsi Produk ... 8

I.2.3 Karakteristik Pengguna ... 8

I.2.4 Batasan – batasan ... 9

I.2.5 Asumsi dan Ketergantungan ... 9

I.2.6 Penundaan Persyaratan ... 10

BAB II SPESIFIKASI PRODUK ... 11

II.1 Persyaratan Antarmuka Eksternal ... 11

(4)

II.1.2 Antarmuka Perangkat Keras ... 12

II.1.3 Antarmuka Perangkat Lunak ... 12

II.2 Fitur Produk Perangkat Lunak ... 13

II.2.1 Fitur 1 : Create Data Cube ... 13

II.2.2 Fitur 2 : Create DW Schema ... 14

II.2.3 Fitur 3 : Import and View Data Sources ... 15

II.2.4 Fitur 4 : Create Query ... 16

II.2.6 Fitur 5 : Roll-Up Data Cube ... 17

II.2.7 Fitur 6 : Drill-Down Data Cube ... 18

II.2.8 Fitur 7 : Slice Data Cube ... 20

II.2.9 Fitur 8 : Dice Data Cube ... 21

II.2.10 Fitur 9 : Pivot Data Cube ... 22

II.3 Persyaratan Performa ... 23

II.4 Batasan Desain ... 23

II.5 Atribut Sistem Perangkat Lunak ... 23

II.5.1 Kehandalan ... 23

II.5.2 Ketersediaan ... 23

II.5.3 Keamanan ... 24

II.5.4 Pemeliharaan ... 24

II.5.5 Portabilitas ... 24

II.6 Basis Data Logis ... 24

BAB III DESAIN PERANGKAT LUNAK ... 25

III.1 Pendahuluan ... 25

III.1.1 Identifikasi Kebutuhan Sistem ... 25

III.1.2 Gambaran Sistem secara Keseluruhan ... 25

(5)

xi

III.2.1 Landasan Teori ... 26

III.2.2 Penerapan Landasan Teori dalam Desain Perangkat Lunak .. 39

III.3 Desain Arsitektur Perangkat Lunak ... 44

III.3.1 Use Case Diagram ... 44

III.3.2 Activity Diagram ... 51

III.3.3 Sequence Diagram ... 61

III.3.4 Class Diagram ... 75

III.4 Desain Antarmuka Pengguna ... 106

III.4.1 Struktur Menu ... 106

III.4.2 Sketsa Antarmuka Pengguna ... 107

BAB IV IMPLEMENTASI ... 114

IV.1 Perencanaan Tahap Implementasi ... 114

IV.1.1 Arsitektur Perangkat Lunak ... 117

IV.2 Perjalanan Tahap Implementasi ... 117

IV.2.1 Mekanisme Pengumpulan Data ... 118

IV.2.2 Mekanisme Pembangunan Basis Data ... 120

IV.2.3 Representasi Data Cube ... 125

IV.2.4 Nilai Guna Informasi yang Dihasilkan oleh Data Cube ... 129

IV.2.5 Implementasi Bottom-Up ... 132

IV.2.6 Metode Error-Handling ... 145

IV.3 Ulasan Realisasi Fungsionalitas ... 146

IV.4 Ulasan Realisasi Antarmuka ... 149

BAB V EVALUASI DAN PENGUJIAN SISTEM ... 164

V.1 Rencana Pengujian Sistem Terimplementasi ... 164

V.1.1 Test Case Fungsionalitas Aplikasi ... 164

(6)

V.1.3 Test Case Kombinasi Operator Multidimensional ... 180

V.1.4 Test Case Import Datasource ... 182

V.2 Perjalanan Metodologi Pengujian ... 183

V.2.1 Metode Pengujian White-Box ... 183

V.2.2 Metode Pengujian Black-Box ... 207

V.2.3 Pengujian Kombinasi Operator Multidimensional ... 214

V.2.4 Pengujian Import Datasource ... 216

V.3 Perbandingan Fitur Aplikasi dengan Aplikasi Lain ... 218

V.4 Ulasan Hasil Evaluasi ... 224

V.3.1 Evaluasi Hasil Pengujian White-Box ... 224

V.3.2 Evaluasi Hasil Pengujian Black-Box ... 224

V.3.3 Evaluasi Hasil Pengujian Kombinasi Operator Multidimensional ... 225

V.3.4 Evaluasi Pengujian Import Datasource ... 225

V.3.5 Evaluasi Perbandingan Fitur Aplikasi dengan Aplikasi Lain .. 225

BAB VI KESIMPULAN DAN SARAN ... 226

6.1 Kesimpulan ... 226

6.2 Saran ... 227

DAFTAR PUSTAKA ... 229

(7)

xiii

DAFTAR GAMBAR

Gambar III.1 Data Cube (Han dan Kamber, 2006) ... 30

Gambar III.2 Hirarki pada Data Warehouse (Han dan Kamber, 2006) ... 31

Gambar III.3 Star Schema (Han dan Kamber, 2006) ... 32

Gambar III.4 Snowflake Schema (Han dan Kamber, 2006) ... 33

Gambar III.5 Galaxy Schema / Fact Constellation Schema (Han dan Kamber, 2006) ... 34

Gambar III.6 Operasi Roll-Up (Han dan Kamber, 2006) ... 35

Gambar III.7 Operasi Drill-Down (Han dan Kamber, 2006) ... 36

Gambar III.8 Operasi Slice (Han dan Kamber, 2006) ... 37

Gambar III.9 Operasi Dice (Han dan Kamber, 2006) ... 37

Gambar III.10 Operasi Pivot (Han dan Kamber, 2006) ... 38

Gambar III.11 Mengambil Tabel dari Database Sumber ... 40

Gambar III.12 Mengubah Tabel Transaksi Menjadi Fact Table ... 40

Gambar III.13 Membuat Tabel Dimensi ... 41

Gambar III.14 Membentuk Skema Data Warehouse ... 41

Gambar III.15 Memilih Dimensi dari Fact Table ... 42

Gambar III.16 Membentuk Data Cube ... 43

Gambar III.17 Use Case Diagram ... 44

Gambar III.18 Activity Diagram : Create Data Cube ... 52

Gambar III.19 Activity Diagram : Create DW Schema ... 53

Gambar III.20 Activity Diagram : Import and View Data Sources ... 54

Gambar III.21 Activity Diagram : Create Query ... 55

Gambar III.22 Activity Diagram : Roll-Up Data Cube ... 56

(8)

Gambar III.24 Activity Diagram : Slice Data Cube ... 58

Gambar III.25 Activity Diagram : Dice Data Cube ... 59

Gambar III.26 Activity Diagram : Pivot Data Cube ... 60

Gambar III.27 Sequence Diagram : Create Data Cube ... 61

Gambar III.28 Sequence Diagram : Create DW Schema ... 63

Gambar III.29 Sequence Diagram : Import and View Data Source ... 66

Gambar III.30 Sequence Diagram : Create Query ... 68

Gambar III.31 Sequence Diagram : Roll-Up Operation ... 69

Gambar III.32 Sequence Diagram : Drill-Down Operation ... 70

Gambar III.33 Sequence Diagram : Slice Operation ... 71

Gambar III.34 Sequence Diagram : Dice Operation ... 72

Gambar III.35 Sequence Diagram : Rotate Operation ... 73

Gambar III.36 Data Cube System Class Diagram ... 75

Gambar III.37 Package dw.cube ... 76

Gambar III.38 Class DataCube ... 76

Gambar III.39 Class Measure ... 79

Gambar III.40 Package dw.schema ... 80

Gambar III.41 Class DWSchema ... 80

Gambar III.42 Class FactTable ... 82

Gambar III.43Class DimensionTable ... 82

Gambar III.44 Class Hierarchy ... 83

Gambar III.45 Package dw.datasource ... 86

Gambar III.46 Class PGConnection ... 86

Gambar III.47 Class PGConnectionRegistry ... 88

Gambar III.48 Class PGSchema ... 89

(9)

xv

Gambar III.50 Class PGColumn ... 93

Gambar III.51 Class PGMetadata ... 96

Gambar III.52 Class PGQueryExecution ... 98

Gambar III.53 Package dw.gui ... 99

Gambar III.54 Class FRMMain ... 99

Gambar III.55 Class FRMCreateDataCube ... 101

Gambar III.56 Class FRMViewDC ... 102

Gambar III.57 Inner Class dice ... 103

Gambar III.58 Inner Class slice ... 104

Gambar III.59 Inner Class drillDown ... 104

Gambar III.60 Struktur Menu... 106

Gambar III.61 Form Splash Screen ... 107

Gambar III.62 Form Utama ... 108

Gambar III.63 Form New Connection ... 108

Gambar III.64 Form Create Data Cube ... 109

Gambar III.65 Form View Data Cube ... 109

Gambar III.66 Form View Data Source ... 110

Gambar III.67 Form Query Builder ... 111

Gambar III.68 Wizard Choose Data Source Schema ... 111

Gambar III.69 Wizard Create Fact Table ... 112

Gambar III.70 Wizard Create Dimension Tables ... 112

Gambar III.71 Wizard Finish ... 113

Gambar IV.1 Arsitektur Perangkat Lunak ... 117

Gambar IV.2 SQL Anywhere 9 ... 119

(10)

Gambar IV.4 Konversi Tabel SyBase ke PostgreSQL ... 120

Gambar IV.5 Hasil konversi pada database PostgreSQL ... 121

Gambar IV.6 Data Cleaning ... 121

Gambar IV.7 Relasi Fact Table Sales dengan Dimension Table Lainnya ... 125

Gambar IV.8 Form Splash Screen ... 149

Gambar IV.9 Form Utama ... 149

Gambar IV.10 Panel-panel data ... 150

Gambar IV.11 Form View Data Source ... 150

Gambar IV.12 Form New Connection ... 151

Gambar IV.13 Tab Start ... 151

Gambar IV.14 Tab Create Data Cube ... 152

Gambar IV.15 Tab New Connection ... 153

Gambar IV.16 Form Create Data Cube ... 153

Gambar IV.17 Form View Data Cube ... 154

Gambar IV.18 Tampilan Awal Sebelum Proses Drill-Down dan Roll-Up 155 Gambar IV.19 Tampilan Setelah Proses Drill-Down ... 155

Gambar IV.20 Tampilan Setelah Proses Roll-Up ... 156

Gambar IV.21 Tampilan Sebelum Proses Slice, Dice dan Rotate ... 156

Gambar IV.22 Tampilan Setelah Proses Slice ... 157

Gambar IV.23 Tampilan Setelah Proses Dice ... 157

Gambar IV.24 Tampilan Setelah Proses Rotate ... 158

Gambar IV.25 Form Query Builder ... 158

Gambar IV.26 Wizard Choose Data Source Schema ... 159

Gambar IV.27 Wizard Create Fact Table ... 159

(11)

xvii

Gambar IV.29 Wizard Create Dimension Tables ... 161

Gambar IV.30 Wizard Create Default Dimension Table ... 161

Gambar IV.31 Wizard Create Price Dimension Table ... 162

Gambar IV.32 Wizard Finish ... 163

Gambar V.1 JUnit Test : MeasureUnitTest ... 184

Gambar V.2 JUnit Test : PGConnectionUnitTest ... 186

Gambar V.3 JUnit Test : PGConnectionRegistryUnitTest ... 188

Gambar V.4 JUnit Test : PGSchemaUnitTest ... 190

Gambar V.5 JUnit Test : PGTableUnitTest ... 192

Gambar V.6 JUnit Test : PGColumnUnitTest ... 195

Gambar V.7 JUnit Test : DWSchemaUnitTest ... 198

Gambar V.8 JUnit Test : DimensionTableUnitTest ... 200

Gambar V.9 JUnit Test : FactTableUnitTest ... 203

Gambar V.10 JUnit Test : HierarchyUnitTest ... 205

Gambar V.11 Hasil Pengujian Import Datasource Database “cs_development_02” ... 216

Gambar V.12 Hasil Pengujian Import Datasource Database “dummybase” ... 216

Gambar V.13 Aplikasi Oracle 10g Analytic Workspace Manager ... 218

Gambar V.14 Jendela Measure Data Viewer ... 219

Gambar V.15 Operasi Roll-Up dan Drill-Down pada Oracle 10g AWM .. 220

Gambar V.16 Fitur Create Analytic Workspace ... 221

Gambar V.17 Fitur Create Cube ... 222

(12)

DAFTAR TABEL

Tabel I.1 Definisi, Akronim, dan Singkatan ... 2

Tabel III.1 Perbedaan OLTP dengan OLAP (Han dan Kamber, 2006) .... 28

Tabel III.2 Use Case : Create Data Cube ... 45

Tabel III.3 Use Case : Create DW Schema ... 45

Tabel III.4 Use Case : Import and View Data Sources ... 46

Tabel III.5 Use Case : Create Query ... 47

Tabel III.8 Use Case : Roll-Up Cube ... 48

Tabel III.9 Use Case : Drill-Down Data Cube ... 48

Tabel III.10 Use Case : Slice Data Cube ... 49

Tabel III.11 Use Case : Dice Data Cube ... 50

Tabel III.12 Use Case : Pivot Data Cube ... 51

Tabel III.13 Atribut-atribut Class DataCube ... 77

Tabel III.14 Method-method Class DataCube ... 77

Tabel III.15 Atribut-atribut Class Measure ... 79

Tabel III.16 Method-method Class Measure ... 79

Tabel III.17 Atribut-atribut Class DWSchema ... 81

Tabel III.18 Method-method Class DWSchema ... 81

Tabel III.19 Atribut-atribut Class DimensionTable ... 82

Tabel III.20 Method-method Class DimensionTable ... 83

Tabel III.21 Atribut-atribut Class Hierarchy ... 84

Tabel III.22 Method-method Class Hierarchy ... 84

Tabel III.23 Atribut-atribut Class PGConnection ... 87

Tabel III.24 Method-method Class PGConnection ... 87

(13)

xix

Tabel III.26 Method-method Class PGConnectionRegistry ... 89

Tabel III.27 Atribut-atribut Class PGSchema ... 90

Tabel III.28 Method-method Class PGSchema ... 90

Tabel III.29 Atribut-atribut Class PGTable ... 91

Tabel III.30 Method-method Class PGTable ... 91

Tabel III.31 Atribut-atribut Class PGColumn ... 94

Tabel III.32 Method-method Class PGColumn... 94

Tabel III.33 Method-method Class PGMetadata ... 97

Tabel III.34 Method-method Class PGQueryExecution ... 98

Tabel III.35 Atribut-atribut Class FRMMain ... 100

Tabel III.36 Method-method Class FRMMain ... 100

Tabel III.37 Atribut-atribut Class FRMCreateDataCube ... 101

Tabel III.38 Method-method Class FRMCreateDataCube ... 101

Tabel III.39 Atribut-atribut Class FRMViewDC ... 102

Tabel III.40 Method-method Class FRMViewDC ... 103

Tabel III.41 Atribut-atribut Inner Class dice ... 103

Tabel III.42 Atribut-atribut Inner Class slice ... 104

Tabel III.43 Atribut-atribut Inner Class drillDown ... 105

Table IV.1 Struktur Tabel FIFO_IN ... 123

Table IV.2 Struktur Tabel FIFO_OUT ... 123

Table IV.3 Struktur Tabel G_BARANG ... 124

Table IV.4 Struktur Tabel G_BAR_KEL ... 124

Table IV.5 Hasil Eksekusi Query 1 ... 126

Table IV.6 Hasil Eksekusi Query 2 ... 128

Tabel IV.7 Data Cube Transaksi Pembelian ... 129

(14)

Tabel IV.9 Ulasan Realisasi Fungsionalitas ... 146

Tabel V.1 Test Case : Create Data Cube ... 164

Tabel V.2 Test Case : Create Schema ... 165

Tabel V.3 Test Case : Import and View Data Source ... 166

Tabel V.4 Test Case : Create Query ... 166

Tabel V.5 Test Case : Roll-Up Data Cube ... 167

Tabel V.6 Test Case : Drill-Down Data Cube ... 167

Tabel V.7 Test Case : Slice Data Cube ... 168

Tabel V.8 Test Case : Dice Data Cube ... 168

Tabel V.9 Test Case : Rotate Data Cube ... 169

Tabel V.10 Test Case : Roll-Up Data Cube ... 169

Tabel V.11 Test Case : Drill-Down Data Cube ... 170

Tabel V.12 Unit Test Case : MeasureUnitTest ... 171

Tabel V.13 Unit Test Case : PGConnectionUnitTest ... 171

Tabel V.14 Unit Test Case : PGConnectionRegistryUnitTest ... 172

Tabel V.15 Unit Test Case : PGSchemaUnitTest ... 173

Tabel V.16 Unit Test Case : PGTableUnitTest ... 174

Tabel V.17 Unit Test Case : PGColumnUnitTest ... 175

Tabel V.18 Unit Test Case : DWSchemaUnitTest ... 176

Tabel V.19 Unit Test Case : DimensionTableUnitTest ... 177

Tabel V.20 Unit Test Case : FactTableUnitTest ... 178

Tabel V.21 Unit Test Case : HierarchyUnitTest ... 179

Tabel V.22 Test Case Kombinasi Operator Multidimensional ... 180

Tabel V.23 Test Case Import Datasource ... 182

Tabel V.24 Hasil Pelaksanaan Unit Testing MeasureUnitTest ... 184

(15)

xxi

Universitas Kristen Maranatha Tabel V.26 Hasil Pelaksanaan Unit Testing

PGConnectionRegistryUnitTest ... 188

Tabel V.27 Hasil Pelaksanaan Unit Testing PGSchemaUnitTest ... 190

Tabel V.28 Hasil Pelaksanaan Unit Testing PGTableUnitTest ... 192

Tabel V.29 Hasil Pelaksanaan Unit Testing PGColumnUnitTest ... 195

Tabel V.30 Hasil Pelaksanaan Unit Testing DWSchemaUnitTest ... 198

Tabel V.31 Hasil Pelaksanaan Unit Testing DimensionTableUnitTest ... 200

Tabel V.32 Hasil Pelaksanaan Unit Testing FactTableUnitTest ... 203

Tabel V.33 Hasil Pelaksanaan Unit Testing HierarchyUnitTest ... 205

Tabel V.34 Hasil Pelaksanaan Test Case Create Data Cube ... 207

Tabel V.35 Hasil Pelaksanaan Test Case Create Schema ... 207

Tabel V.36 Hasil Pelaksanaan Test Case Import & View Data Source .. 209

Tabel V.37 Hasil Pelaksanaan Test Case Create Query ... 210

Tabel V.38 Hasil Pelaksanaan Test Case Roll-Up Data Cube ... 210

Tabel V.39 Hasil Pelaksanaan Test Case Drill-Down Data Cube ... 211

Tabel V.40 Hasil Pelaksanaan Test Case Slice Data Cube ... 211

Tabel V.41 Hasil Pelaksanaan Test Case Dice Data Cube ... 212

Tabel V.42 Hasil Pelaksanaan Test Case Rotate Data Cube ... 213

Tabel V.43 Hasil Pelaksanaan Extended Test Case : Roll-Up Data Cube ... 213

Tabel V.44 Hasil Pelaksanaan Extended Test Case : Drill-Down Data Cube ... 214

Tabel V.45 Hasil Pelaksanaan Kombinasi Operator Multidimensional ... 214

Tabel V.46 Hasil Pengujian Import Datasource ... 217

Tabel V.47 Aspek Pembanding Antarmuka Aplikasi ... 219

(16)

(17)

xxiii

DAFTAR SIMBOL

Simbol Nama Simbol

Actor

Actor

Use Case

Include

Extend

Initial

Final

Activity

(18)

objectName : ClassName

Object Lifeline

Activation

Call Message

Return Message

Lifeline

Class

(19)

xxv

Association

(20)

1 Universitas Kristen Maranatha

I.1 Pendahuluan

Dalam kegiatan manusia sehari-hari, terutama dalam kegiatan transaksi, seperti transaksi perbankan, rekam medis, transaksi jual beli dan transaksi lainnya harus dicatat dan disimpan. Pencatatan dan penyimpanan tersebut dimaksudkan untuk mengetahui statistik atau historis dari transaksi dalam periode, wilayah, waktu tertentu. Transaksi-transaksi yang disimpan tersebut tentunya tidak dalam jumlah yang sedikit. Data-data transaksi perbankan, jika dalam hitungan hari dapat mencapai jutaan data.

Untuk melakukan analisis data pada data-data transaksi yang jumlahnya mencapai jutaan misalnya untuk mengetahui volume transaksi perminggu dari sepuluh tahun terakhir sampai saat ini akan memakan waktu yang sangat lama sedangkan manusia tidak ingin menghabiskan waktu hidupnya hanya untuk mengurus data. Untuk mengatasi masalah tersebut diperlukan suatu alat atau metode untuk menangani dan menganalisis jutaan data-data tersebut.

Konsep dan teknik data warehouse menjawab semua permasalahan yang telah dijabarkan di atas. Data warehouse dapat melakukan analisis secara interaktif pada data, menyajikan data secara multidimensional, menangani data yang sangat banyak, semuanya dilakukan dengan waktu yang singkat. Salah satu teknik dan konsep dari data warehouse adalah data cube. Data cube adalah suatu teknik

menyajikan data secara multidimensional.

(21)

2

I.1.1 Tujuan

Tujuan pembuatan aplikasi data cube adalah membantu pengguna dalam melakukan analisis terhadap data dengan memanfaatkan model multidimensional dengan studi kasus data transaksi obat rumah sakit “X”.

I.1.2 Ruang Lingkup Proyek

Sumber data dari aplikasi ini adalah data-data transaksi. Aplikasi ini melakukan analisis statistik sederhana (fungsi aggregat) terhadap data dan menampilkan dalam bentuk multidimensional. Pemodelan data hanya sampai dibatasi sampai tiga dimensi saja.

I.1.3 Definisi, Akronim, dan Singkatan

Semua terminologi, akronim, dan singkatan yang digunakan dalam dokumen ini adalah sebagai berikut :

Tabel I.1 Definisi, Akronim, dan Singkatan

Definisi, Akronim, Singkatan Penjelasan Data Warehouse Kumpulan data yang berorientasi

subjek, terintegrasi, time-variant dan nonvolatile yang digunakan sebagai

pendukung dalam proses pembuatan keputusan (decision making) manajemen suatu perusahaan (Han dan Kamber, 2006).

OLAP Akronim : On-Line Analytical

Processing

(22)

Universitas Kristen Maranatha Definisi, Akronim, Singkatan Penjelasan

melakukan analisis data dan sebagai pembuat keputusan (Han dan Kamber, 2006).

OLTP Akronim : On-Line Transaction

Processing

Definisi : Sistem basis data on-line yang bertugas untuk melaksanakan transaksi secara on-line dan melakukan query processing (Han dan Kamber, 2006).

Data Cube Pemodelan data secara multi-dimensional.

Cuboid / Lattice Bentuk Kubus.

Multidimensional Aggregation Operator aggregat pada data cube. Roll Up (Drill Up) Operasi pada data cube dengan

melakukan pengelompokan data dari hirarki dimensi terendah ke hirarki dimensi tertinggi.

Drill Down Operasi pada data cube dengan melakukan pengelompokan data dari hirarki dimensi tertinggi ke hirarki dimensi terendah.

Slice Operasi pada data cube dengan

melakukan pemotongan terhadap salah satu sisi dimensi tertentu.

Dice Operasi pada data cube dengan

memotong pada tiap dimensi data cube sehingga didapatkan data cube yang baru namun dengan ukuran yang lebih kecil.

(23)

4

Universitas Kristen Maranatha Definisi, Akronim, Singkatan Penjelasan

merotasi data cube.

Star Schema Skema ini menyerupai bentuk bintang, sehingga disebut sebagai skema bintang (star schema), dimana tabel fakta sebagai pusat yang dikelilingi oleh tabel-tabel dimensi.

URL Akronim : Universal Resource

Locator

Definisi : Rangkaian karakter menurut suatu format standar tertentu, yang digunakan untuk menunjukkan alamat suatu sumber, seperti dokumen dan gambar di internet.

Dimensi Setiap dimensi berkorespondensi

kepada sebuah atribut atau sekumpulan atribut dalam skema data warehouse (Han dan Kamber,

(24)

I.1.4 Sistematika Penulisan Laporan

Gambaran organisasi penulisan dokumen secara keseluruhan adalah sebagai berikut :

• BAB I Persyaratan Produk

Bab ini menyediakan gambaran mengenai keseluruhan dokumen ditinjau dari kebutuhan konsumen. Bagian ini berisi pendahuluan, tujuan pengembangan aplikasi, ruang lingkup pengembangan aplikasi dan gambaran keseluruhan aplikasi.

• BAB II Spesifikasi Produk

Pada bab ini digambarkan semua persyaratan produk secara mendetil yang akan digunakan untuk merancang sistem. Bab ini merupakan penerjemahan dari persyaratan menurut bahasa konsumen ke bahasa pengembang sistem seperti yang dijelaskan pada bab satu. Pada bab ini akan dipaparkan mengenai persyaratan antarmuka eksternal yaitu terdiri dari antarmuka dengan pengguna, antarmuka perangkat keras, antarmuka perangkat lunak dan antarmuka komunikasi. Akan dipaparkan juga mengenai fitur-fitur dari produk, persyaratan performa, batasan desain, atribut sistem perangkat lunak dan persyaratan basis data logis.

• BAB III Desain Perangkat Lunak

Pada bab ini akan dijelaskan mengenai desain perangkat lunak secara keseluruhan. Dalam bab ini terdapat juga penjelasan mengenai keterkaitan pengguna dengan sistem, interaksi pengguna dengan sistem, aktivitas-aktivitas pengguna dalam berinteraksi dengan sistem dan interaksi pengguna pada level aplikasi.

• BAB IV Pengembangan Sistem

(25)

Tahap-6

Universitas Kristen Maranatha tahapan tersebut dimulai dari perencanaan tahap implementasi, arsitektur perangkat lunak, perjalanan implementasi perangkat lunak, ulasan realisasi fungsionalitas sampai ulasan realisasi antarmuka. Pada bagian tahap implementasi akan dijelaskan tentang bagaimana mekanisme pengumpulan data dan pembangunan aplikasi dilakukan.

• BAB V Pengujian dan Evaluasi

Bab ini menjelaskan mengenai tahapan-tahapan dalam pengujian aplikasi. Tahapan-tahapan pengujian aplikasi ini terdiri dari rencana pengujian terhadap aplikasi, perjalanan metodologi pengujian aplikasi, pengujian performa aplikasi.

• BAB VI Kesimpulan dan Saran

Kesimpulan berisi uraian singkat produk yang dihasilkan berdasarkan tujuan pembuatan serta nilai produk bagi pengguna. Saran berisi hal-hal apa saja yang dapat dikembangkan untuk memberikan kemampuan lebih kepada produk yang dibangun baik secara teknis maupun secara dokumentasi.

I.2 Gambaran Keseluruhan

(26)

I.2.1 Perspektif Produk

Penjelasan mengenai antarmuka aplikasi. Penjelasan antarmuka aplikasi ini menggambarkan sistem dari aplikasi secara keseluruhan adalah sebagai berikut :

a. Antarmuka Sistem Operasi

Aplikasi ini dibangun di atas platform Windows dengan menggunakan sistem operasi Windows XP Professional Service Pack 2.

b. Antarmuka dengan Pengguna

Aplikasi ini hanya menggunakan satu form utama, sehingga setiap fungsi aplikasi, proses input output dijalankan dan ditampilkan pada form yang sama.

c. Antarmuka Perangkat Keras

Persyaratan minimum perangkat keras untuk menjalankan aplikasi ini adalah dengan menggunakan Central Processing Unit Pentium 4 atau dengan CPU yang lebih tinggi lagi kecepatannya.

Sistem memori minimum untuk menjalankan aplikasi ber-platform Java ini adalah RAM 256 MB. Disarankan menggunakan Video

Graphic Accelerator yang memiliki memori minimum 64 MB agar

warna dalam aplikasi dapat ditampilkan dengan baik. d. Antarmuka Perangkat Lunak

Bahasa pemrograman yang digunakan untuk membangun aplikasi ini adalah bahasa pemrograman Java. Sistem operasi yang digunakan adalah Windows XP Professional SP 2 sehingga membutuhkan Java Runtime Environment untuk menjalankan aplikasi yang berbasis Java.

e. Antarmuka Komunikasi

(27)

8

Universitas Kristen Maranatha f. Batasan Memori

Aplikasi ini membutuhkan ruang memori harddisk sebesar 100 MB yang digunakan oleh Java Runtime Environment 1.6.

PostgreSQL 8.3 membutuhkan ruang memori harddisk sebesar 200

MB. Dan ruang memori harddisk untuk aplikasi ini adalah 10 MB.

Dari semua persyaratan di atas dibutuhkan harddisk dengan kapasitas minimum sebesar 40 GB dengan ruang kosong minimum 20 persen.

I.2.2 Fungsi Produk

Fungsi-fungsi utama yang akan dilaksanakan oleh aplikasi ini adalah sebagai berikut :

1. Menampilkan data secara multidimensional.

2. Melakukan import data dari database untuk ditampilkan secara multidimensional.

3. Melakukan fungsi-fungsi aggregasi pada data cube.

4. Melakukan operasi-operasi OLAP Cube seperti roll-up, dril-down, slice, dice dan pivot/rotate.

I.2.3 Karakteristik Pengguna

Karakteristik pengguna dari aplikasi ini adalah orang atau kalangan ingin melakukan pengolahan serta analisis terhadap data yang dimilikinya. Pengguna hendaknya sudah mengerti menggunakan aplikasi-aplikasi OLAP. Karakteristik pengguna didasarkan oleh kriteria berikut ini :

• Tingkat Pendidikan : Perguruan tinggi dengan program studi S1/D3 Teknik Informatika, Manajemen Informatika, Sistem Informasi, atau praktisi yang biasa mengoperasikan sistem basis data.

• Pengalaman : Memiliki pengalaman menggunakan aplikasi data warehouse.

(28)

I.2.4 Batasan – batasan

Hal-hal yang akan membatasi desain aplikasi adalah sebagai berikut :

• Aplikasi hanya dapat dijalankan pada sistem operasi Windows XP.

• Aplikasi ini tidak terhubung dengan sistem lain atau terhubung dengan jaringan sehingga aplikasi ini bersifat standalone.

• Aplikasi ini bukan merupakan aplikasi editor database melainkan hanya merupakan aplikasi analisis data. Maksud analisis data dalam aplikasi data ini adalah menampilkan data secara multidimensional dan menggunakan operator multidimensional.

• Aplikasi ini menggunakan data transaksi penjualan and pembelian obat rumah sakit “X” pada periode tahun 2002 sampai tahun 2008 sebagai studi kasus, dan menggunakan database dummy untuk pengujian.

• Dalam fitur create schema datawarehouse, pengguna hanya diperbolehkan untuk menggunakan model skema star. Setiap basis data PostgreSQL hanya diperbolehkan memiliki satu skema datawarehouse.

• Dalam fitur create data cube, pengguna hanya dapat membuat data cube dengan 1 , 2 atau 3 dimensi.

• Dalam fitur import & view data source, pengguna hanya dapat meng-import koneksi database dalam format PostgreSQL saja.

• Dalam fitur create query, pengguna hanya dapat mengeksekusi select query saja.

• Operator multidimensional yang dapat digunakan oleh pengguna antara lain roll-up, drill-down, slice, dice dan rotate.

I.2.5 Asumsi dan Ketergantungan

Asumsi-asumsi agar sistem dapat berjalan dengan baik adalah sebagai berikut :

(29)

10

• Menggunakan sistem basis data PostgreSQL 8.3.

• Ukuran layar PC yang dibutuhkan agar aplikasi dapat ditampilkan dengan baik adalah dengan resolusi minimal 1024 X 768 pixel.

I.2.6 Penundaan Persyaratan

(30)

226 _{Universitas Kristen Maranatha}

BAB VI KESIMPULAN DAN SARAN

6.1 Kesimpulan

Kesimpulan yang dapat ditarik dari perancangan dan implementasi aplikasi ini bahwa aplikasi ini dapat membantu pengguna dalam menganalisis data transaksi yang telah dibentuk ke dalam model data cube dan dengan tersedianya kelima operator data cube, pengguna dapat

secara fleksibel melihat dan menganalisis data cube. Aplikasi ini hanya dapat menangani tiga dimensi data cube, yaitu dimensi x, y, dan z.

Hasil evaluasi dari pengujian fungsionalitas fitur serta class (pada bagian V.2.1 dan V.2.2), menunjukkan bahwa seluruh fitur serta unit-unit class dapat berfungsi. Hasil dari evaluasi kombinasi operator multidimensional seperti roll-up, drill-down, slice, dice dan rotate (pada bagian V.2.3) , menunjukkan bahwa tidak semua dari operator tersebut dapat dikombinasikan, hanya operator roll-up, drill-down dan rotate yang dapat dikombinasikan satu sama lain. Hal tersebut terjadi karena disebabkan oleh masalah teknis pengembangan aplikasi pada saat mengkombinasikan operator dice dan slice.

Aplikasi ini jika dibandingkan dengan aplikasi yang sudah ada (pada bagian V.3) seperti Oracle 10g Analytic Workspace Manager, fitur-fitur yang dimiliki jauh lebih kompleks dari aplikasi ini. Aplikasi ini sudah diuji coba dengan menggunakan studi kasus data transaksi obat rumah sakit “X” (bagian V.2.4).

(31)

227

Universitas Kristen Maranatha aplikasi. Kesulitan lainnya adalah sample data yang digunakan sebagai studi kasus tidak dalam format database PostgreSQL, melainkan dalam bentuk database Sybase, sehingga harus dilakukan konversi terlebih dahulu.

Hasil dari implementasi aplikasi ini terhadap data transaksi obat dapat memberikan informasi terhadap pihak rumah sakit misalnya total pembelian obat dalam beberapa tahun/ minggu/ hari dan dikelompokkan berdasarkan kategori jenis obat. Dari contoh informasi tersebut merupakan salah satu dari informasi yang dihasilkan oleh data cube. Data cube dapat memberikan kombinasi informasi yang beragam sesuai

dengan kebutuhan pihak rumah sakit.

6.2 Saran

Saran yang diberikan setelah melihat hasil evaluasi dan saran pengembang aplikasi untuk mengembangkan aplikasi ini lebih lanjut yaitu

• Dimensi pada data cube tidak hanya terbatas tiga dimensi saja. Dimensi dapat ditambahkan sampai 4 atau 5 dimensi.

• Aplikasi ini dapat dikembangkan menjadi sistem OLAP, sehingga pengguna dapat melakukan analisis secara online.

• Menggunakan format database lain selain PostgreSQL. Kesulitan yang ditemui pada saat mengumpulkan sumber data tidak akan terjadi, jika aplikasi data warehouse ini mendukung berbagai macam format database, sehingga tidak perlu melakukan konversi database. Sehingga aplikasi ini membutuhkan konektor database

atau driver yang mendukung koneksi dari masing-masing database.

(32)

• Penggunaan seluruh operator multidimensional dapat dikombinasikan. Kombinasi yang dimaksud adalah misalnya pemakaian operator seperti slice pada data cube kemudian dilanjutkan menggunakan operator dice dan kombinasi lainnya.

• Untuk memembuat skema data warehouse, aplikasi ini masih menggunakan wizard dan skema data warehouse yang telah dibuat tidak dapat diubah. Saran dari pengembang aplikasi ini adalah agar setiap elemen-elemen seperti tabel dimensi dan tabel fakta pada skema data warehouse dapat diubah.

(33)

229

DAFTAR PUSTAKA

Chan, Patrick. (2002). The JavaTM Developers Almanac 1.4. Volume 1. Indianapolis : Pearson Education.

Gajah Mada University : Master of Information Technology. (2001). Data Warehouse or Data Market. Retrieved November 28, 2008 from

http://mti.ugm.ac.id/~adji/courses/resources/CICC/Short%20Cicc/te xt/or8_text/ch1.htm.

Gray, Jim. (1997). Data Cube: A Relational Aggregation Operator Generalizing Group-By, Cross-Tab, and Sub-Totals. Netherlands :

Kluwer Academic Publishers.

Han, Jiawei, & Kamber, Micheline. (2006). Data Mining Concepts and Techniques. 2nd Edition. San Fransisco: Morgan Kaufman.

Kay, Russel. (2004). QuickStudy : Data Cubes. Retrieved June 7, 2008, from http://www.computerworld.com/action/article.do?command

=viewArticleBasic&articleId=91640.

Munandar, Devi. (2008). OLAP dan Terminologi Multi-Dimensional Database. Retrieved September 1, 2008, from

http://www.informatika.lipi.go.id/olap-dan-terminologi-multi dimen sional-database/

Pendse, Nigel. (2006). OLAP Architectures. Retrieved June 7, 2008 from http://www.olapreport.com/achitectures.htm.