1
1.1
Latar Belakang Masalah
PT. Matahari Sentosa merupakan perusahaan produsen resleting (
zipper
manufacturers
). PT. Matahari Sentosa didirikan pada tahun 1985 dan berlokasi di
kawasan industri Cimahi yang tepatnya berada di Jl. Joyodikromo 42, Kp. Hujang
RT 09 RW 07 Cimahi. Produk yang diproduksi oleh PT. Matahari Sentosa
memiliki kualitas yang tinggi dan harga yang ekonomis guna untuk memenuhi
permintaan pasar. PT. Matahari Sentosa dipercaya sebagai
supplier
bagi produsen
lain, seperti produsen pembuat tas, jaket, celana, dan pembuatan barang yang
membutuhkan resleting. Kelancaran proses industri sangat dipengaruhi oleh
ketersediaan sumber daya manusia dan kehandalan peralatan/mesin serta
ketersediaan bahan baku dan produk yang diproduksi dalam memenuhi
permintaan pasar.
PT. Matahari Sentosa melakukan banyak sekali produksi yang dihasilkan
setiap harinya. Dengan banyaknya produksi yang dihasilkan, maka data hasil
produksi semakin banyak. Data hasil produksi tersebut dimasukkan ke dalam
sistem yang sudah ada atau sistem OLTP pada divisi produksi dan disimpan ke
dalam basis data. Data tersebut dianalisis dan diolah oleh divisi produksi untuk
dijadikan informasi yang berguna bagi perusahaan. Sebagai contoh, divisi
produksi melakukan analisis terhadap data produksi seperti jumlah produk yang
diproduksi berdasarkan tipe produk pertahun, perbulan dan perhari, jumlah
produk yang sudah diproses pencelupan berdasarkan tipe produk pertahun,
perbulan dan perhari, serta jumlah pemakaian bahan baku tertentu pertahun,
perbulan dan perhari. Manajer produksi menganalisis data produksi dalam waktu
tertentu. Hasil analisa yang dilakukan oleh manajer produksi yaitu untuk
pengambilan keputusan dalam penanganan stok produk yang sudah diproduksi
serta penanganan bahan baku untuk produksi selanjutnya.
Saat ini dalam pembuatan laporan akhir produksi yang multidimensi atau
suatu sistem untuk mendukung dalam pembuatan laporan yang multidimensi.
Dalam menyajikan informasi yang memiliki periode waktu akan membutuhkan
waktu yang cukup lama untuk menyajikannya dikarenakan oleh pencarian data
dan pemrosesannya yang lambat serta belum adanya suatu sistem yang dapat
menyajikan informasi secara cepat dan detail, maka akan menghambat dalam
suatu pengambilan keputusan yang dilakukan oleh manajer produksi dalam
penanganan stok produk yang sudah diproduksi serta penanganan bahan baku
untuk produksi selanjutnya. Untuk itu perlu dibangunnya
data mart
untuk
memudahkan pihak manajer produksi untuk mendapatkan informasi strategis
dengan cepat sehingga dapat digunakan untuk perencanaan jangka panjang.
Data
mart
juga dapat menyajikan informasi yang multidimensi dan ringkas,
mempercepat proses penganalisaan sehingga dapat memaksimalkan suatu
keputusan yang dibuat oleh manajer produksi untuk penanganan stok produk yang
sudah diproduksi dan penanganan bahan baku untuk produksi selanjutnya.
Berdasarkan permasalahan yang ada pada divisi produksi di PT. Matahari
Sentosa, maka perlu dibangun sebuah perangkat lunak
data mart
, karena dapat
memudahkan dalam mendapatkan informasi yang dibutuhkan secara cepat dan
detail yang digunakan untuk melakukan analisa data dan juga mendukung dalam
pembuatan laporan yang multidimensi atau memiliki periode waktu berupa tabel
dan grafik.
Data mart
merupakan bagian dari
data warehouse
yang mendukung
pembuatan laporan dan analisis data pada suatu unit.
Data mart
dapat
menampilkan informasi strategis dengan cepat dan detail dari data produksi serta
mendukung dalam pembuatan laporan akhir produksi yang multidimensi atau
memiliki periode waktu untuk memudahkan dalam pengambilan keputusan yang
dilakukan oleh manajer produksi.
1.2
Rumusan Masalah
Berdasarkan latar belakang masalah, maka dirumuskan sebuah masalah yaitu
1.3
Maksud dan Tujuan
Maksud dari penelitian ini adalah untuk membangun perangkat lunak
data
mart
pada PT. Matahari Sentosa. Sedangkan tujuannya adalah sebagai berikut :
1.
Memudahkan pihak manajer produksi untuk mendapatkan informasi strategis
dengan cepat sehingga dapat digunakan untuk perencanaan jangka panjang
serta dapat menyajikan informasi yang multidimensi dan ringkas,
mempercepat proses penganalisaan sehingga dapat memaksimalkan suatu
keputusan yang dibuat oleh manajer produksi untuk penanganan stok produk
yang sudah diproduksi dan penanganan bahan baku untuk produksi
selanjutnya.
2.
Membantu pihak manajer produksi dalam pembuatan laporan akhir produksi
yang multidimensi.
1.4
Batasan Masalah
Batasan masalah dalam pembangunan perangkat lunak
data mart
pada PT.
Matahari Sentosa adalah sebagai berikut :
1.
Data yang akan digunakan berasal dari Divisi Produksi, yaitu data produksi,
pencelupan, stok produksi, dan stok keluar.
2.
Data untuk pengujian
data mart
yaitu dari tahun 2010 sampai dengan tahun
2014.
3.
Proses pembuatan
data mart
dengan proses ETL (
Extract Transform
Loading
).
4.
Pengujian
data mart
menggunakan OLAP (
On-Line Analytical Processing
).
5.
DBMS menggunakan
SQL Server
2012.
6.
Pembangunan perangkat lunak menggunakan
Visual Studio
2012.
7.
Analisis dan perancangan perangkat lunak menggunakan analisis berorientasi
objek.
1.5
Metodologi Penelitian
Metodologi penelitian yang digunakan adalah metode deskrpitif. Metode
menjelaskan suatu masalah dan menjabarkan suatu keadaan atau fenomena yang
terjadi saat ini.
1.5.1
Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah
sebagai berikut :
1.
Wawancara
Wawancara merupakan teknik pengumpulan data yang dilakukan dengan cara
tanya jawab dengan pihak perusahaan terkait dengan permasalahan yang
diambil.
2.
Observasi
Observasi merupakan teknik pengumpulan data yang dilakukan dengan cara
melakukan pengamatan secara langsung terhadap permasalahan yang ada di
perusahaan.
3.
Studi Literatur
Studi literatur merupakan teknik pengumpulan data dengan cara
mengumpulkan literatur, jurnal, dan bacaan lainnya yang berkaitan dengan
topik penelitian.
1.5.2
Metode Pembangunan Perangkat Lunak
Metode pembangunan perangkat lunak menggunakan paradigma peangkat
lunak
waterfall
. Paradigma
waterfall
ini dipilih dikarenakan model ini
memberikan pendekatan-pendekatan sistematis dan berurutan dalam pembuatan
perangkat lunak. Tahapan-tahapan yang ada pada metode
waterfall
menurut
Communication
Planning
Modeling
Construction
Deployment Project initation
reqiurements gathering Estimating scheduling tracking
Analisys design
Code test
Delivery support feedback
Gambar 1.1 Model Waterfall
[1]
Penjelasan Gambar 1.1 adalah sebagai berikut :
1.
Communication
Pada tahap ini dilakukan analisis dan kebutuhan perangkat lunak dan
pengumpulan data berdasarkan hasil wawancara dengan pihak perusahaan.
2.
Planning
Pada tahap ini dilakukan analisis kebutuhan perusahaan mengenai hal-hal apa
saja yang dibutuhkan dalam pembuatan perangkat lunak.
3.
Modeling
Pada tahap ini dilakukan perancangan struktur data, arsitektur perangkat
lunak, dan perancangan antarmuka dari perangkat lunak yang akan dibangun,
disesuaikan dengan kebutuhan perangkat lunak dari perusahaan.
4.
Construction
Pada tahap ini dilakukan pembangunan perangkat lunak yang disesuaikan
dengan kebutuhan perangkat lunak dari perusahaan serta dilakukan
pengimplementasian dari proses perancangan yang telah dilakukan dan
pengujian terhadap perangkat lunak yang telah dibangun.
5.
Deployment
1.6
Sistematika Penulisan
Sistemaktika penulisan penelitian ini disusun untuk memberikan gambaran
umum tentang penelitian yang akan dijalankan. Sistematika penulisannya adalah
sebagai berikut :
BAB 1 PENDAHULUAN
Pada bab ini menguraikan tentang latar belakang masalah, rumusan masalah,
maksud dan tujuan, batasan masalah, metodologi penelitian, serta sistematika
penulisan.
BAB 2 TINJAUAN PUSTAKA
Pada bab ini menjelaskan sekilas tentang perusahaan beserta teori-teori yang
dijadikan sebagai referensi untuk menunjang dalam pembuatan sistem.
BAB 3 ANALISIS DAN PERANCANGAN
Pada bab ini menguraikan analisis dan perancangan sistem, yaitu analisis
masalah, analisis sistem yang sedang berjalan, analisis kebutuhan informasi,
analisis OLTP, analisis arsitektur
data mart
, analisis spesifikasi kebutuhan
perangkat lunak, analisis kebutuhan non-fungsional, analisis kebutuhan
fungsional, perancangan struktur menu, perancangan antarmuka, perancangan
pesan, perancangan jaringan semantik, dan perancangan method untuk aplikasi
yang akan dibangun sesuai dengan hasil analisis.
BAB 4 IMPLEMENTASI DAN PENGUJIAN
Pada bab ini berisi tahap implementasi dari perancangan sistem yang
kemudian akan dilakukan pengujian terhadap perangkat lunak yang dibuat dengan
pengujian
black box
, yaitu berfokus pada fungsionalitas perangkat lunak.
BAB 5 KESIMPULAN DAN SARAN
Pada bab ini berisi tentang kesimpulan yang diperoleh dari permasalahan serta
7
2.1
Profil Perusahaan
PT. Matahari Sentosa didirikan pada tahun 1985 oleh Mr. Sung Yaw Kwok.
PT. Matahari Sentosa telah berkembang dengan pesat untuk dikenal sebagai salah
satu produsen resleting terbesar dan terbaik dan eksportir. Mr. Sung Yaw Kwok
adalah investor asing. Beliau membawa pengalaman dan teknologi formosanya
dari Republik Cina (Taiwan) ke Indonesia. PT. Matahari Sentosa sekarang dikenal
atas pelayanan mereka yang baik dan produk yang berkualitas tinggi. Semua
barang diproduksi secara hati-hati dari bahan baku sampai jadinya resleting
terhadap Asia, Eropa, Timur Tengah, dan Amerika Selatan.
PT. Matahari Sentosa menempati lebih dari setengah juta meter persegi di
Bandung Indonesia dan dengan pabrik yang ada di Shenzhen Cina. Pabrik ini
dilengkapi dengan teknologi terbaru dari Taiwan dan Jerman seperti mesin
pemutar pama dan mesin formosa mono film. Produk PT. Matahari Sentosa yang
berkualitas, kuantitas, dan yang paling penting harga ekonomis dalam setiap tahun
dapat memenuhi permintaan pasar.
Produk PT. Matahari Sentosa meliputi berbagai warna dan berbagai macam
koleksi resleting, seperti berbagai macam penggeser dan pembuatan penggeser
untuk pribadi. Pilihan ini mungkin termasuk desain penggeser yang diminta oleh
pelanggan pribadi dan juga dapat dipersiapkan untuk disempurnakan menjadi
berbagai nama merek.
PT. Matahari Sentosa akan memastikan pelanggannya tersenyum, karena PT.
Matahari Sentosa menjamin kliennya dengan produk yang berkualitas paling baik
dengan harga yang terbaik dan pengiriman tanpa penundaan. Ini akan menjadi
suatu kehormatan dan kesenangan perusahaan ini untuk melayani pelanggan
2.1.1
Visi dan Misi Perusahaan
Visi dari PT. Matahari Sentosa adalah menjadi perusahaan resleting yang
terbaik.
Adapun misi dari PT. Matahari Sentosa adalah menghasilkan produk yang
berkualitas tinggi, mempertahankan harga yang kompetitif, melayani pelanggan
dengan ramah, meningkatkan sumber daya manusia, teknologi dan proses
produksi secara terus menerus, menjaga akuntabilitas sosial terhadap karyawan
dengan menyediakan wilayah kerja yang ramah lingkungan dan sadar terhadap
kesehatan.
2.1.2
Struktur Organisasi
Struktur organisasi adalah pola hubungan antara bagian-bagian dari instansi
atau menggambarkan dengan jelas pemisah kegiatan pekerjaan antar bagian dalam
suatu instansi. Berikut struktur organisasi divisi produksi di PT. Matahari Sentosa
dapat dilihat pada Gambar 2.1.
Head of Electrician
Head of QC and
Packing
Asst. Production
Manager
Head of Repair Bay
Head of Tape
Head of Sewing
Head of Mono
Head of Khalax
Head of AutoF
Head of PET
Head of Cord Filler
Head of Twisting
Head of Dyeing
Head of Boiler
Administrator
2.2
Landasan Teori
Pada sub bab ini berisi teori-teori yang digunakan dalam proses analisis dan
perancangan serta implementasi dalam tugas akhir ini.
2.2.1
Data Warehouse
Data warehouse
merupakan kumpulan data yang berorientasi subjek,
terintegrasi, tidak dapat di-
update
, memiliki dimensi waktu, yang digunakan
untuk mendukung proses manajemen pengambilan keputusan [2]. Karakteristik
data warehouse
menurut Inmon adalah sebagai berikut :
1.
Berorientasi Subjek (
Subject Oriented
)
Data warehouse
berorientasi subjek artinya
data warehouse
didesain untuk
menganalisa data berdasarkan subjek-subjek tertentu dalam organisasi, bukan
pada proses atau fungsi aplikasi tertentu.
Data warehouse
diorganisasikan
disekitar subjek-subjek utama dari perusahaan (
customers, product
dan
sales
),
hal ini dikarenakan kebutuhan dari
data warehouse
untuk menyimpan
data-data yang bersifat penunjang suatu keputusan.
2.
Terintegrasi (
Integrated
)
Data warehouse
dapat menyimpan data-data yang berasal dari
sumber-sumber yang terpisah kedalam suatu format yang konsisten dan saling
terintegrasi satu dengan yang lainnya.
3.
Rentang Waktu (
Time variant
)
Seluruh data pada
data warehouse
dapat dikatakan akurat atau
valid
pada
rentang waktu tertentu. Untuk melihat interval waktu yang digunakan dalam
mengukur keakuratan suatu
data warehouse
dapat menggunakan beberapa
cara, antara lain :
a.
Cara yang peling sederhana adalah menyajikan
data warehouse
pada
rentang waktu tertentu, misal antara 5 sampai 10 tahun ke depan.
b.
Cara yang kedua, dengan menggunakan variasi atau perbedaan waktu yang
disajikan dalam
data warehouse
dengan unsur waktu dalam hari, minggu,
4.
Nonvolatile
Data warehouse
tidak dapat di-
update
secara
real time
tetapi di-
referesh
dari
sistem operasional secara reguler. Data yang baru selalu ditambahkan
kedalam
database
itu sendiri.
Database
tersebut secara terus-menerus
menerima dan menyimpan data baru, kemudian disatukan dengan data
sebelumnya.
2.2.2
Data Mart
Data mart
merupakan suatu bagian dari
data warehouse
yang mendukung
pembuatan laporan dan analisis data pada suatu unit.
Data mart
berisi informasi
yang relefan bagi pengguna yang ingin mengambil keputusan.
Ada empat tugas yang dapat dilakukan dengan adanya
data mart
[3], empat
tugas tersebut adalah sebagai berikut :
1.
Pembuatan laporan
Pembuatan laporan merupakan salah satu kegunaan
data mart
yang paling
umum dilakukan. Dengan menggunakan
query
sederhana didapatkan laporan
per hari, per bulan, per tahun, atau jangka waktu kapanpun yang diinginkan.
2.
On-Line Analytical Processing
(OLAP)
Dengan adanya
data mart
, semua informasi baik detail maupun hasil
summary
yang dibutuhkan dalam proses analisa mudah didapat. OLAP
merupakan konsep data multidimensi dan memungkinkan pada pemakai
menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah
SQL. Fasilitas lain adalah
roll-up
dan
drill-down
.
Drill-down
adalah
kemampuan untuk melihat detail dari suatu informasi dan
roll-up
adalah
kebalikannya.
3.
Data Mining
Data mining
merupakan proses untuk menggali (
mining
) pengetahuan dan
informasi baru dari data yang berjumlah banyak pada
data mart
.
4.
Proses informasi
executive
Data mart
dapat membuat ringkasan informais yang penting dengan tujuan
menggunakan
data mart
segala laporan telah diringkas dan dapat pula
mengetehaui segala rinciannya secara lengkap, sehingga mempermudah
proses pengambilan keputusan.
2.2.2.1
Model Dimensional Data Mart
Model dimensional pada
data mart
terdiri dari tabel fakta dan tabel dimensi.
Tabel fakta merupakan tabel yang berisi kumpulan
foreign key
dari
primary
key
yang terdapat pada masing-masing tabel dimensi, sedangkan tabel dimensi
merupakan tabel yang berisi data detail yang menjelaskan
foreign key
yang
terdapat pada tabel fakta.
Ada beberapa model skema yang terdapat pada pemodelan
data mart
, yaitu
skema
star
, skema
snowflake
, dan skema
constellation
. Penjelasan dari
masing-masing model skema adalah sebagai berikut :
1.
Skema Bintang (
Star Schema
)
Skema ini mengikuti bentuk bintang, dimana terdapat satu tabel fakta di pusat
bintang dengan beberapa tabel dimensi yang mengelilinginya. Semua tabel
dimensi berhubungan dengan ke tabel fakta. Tabel fakta memiliki beberapa
primary key
dalam tabel dimensi. Berikut adalah contoh skema bintang dapat
dilihat pada Gambar 2.2.
2.
Skema Bola Salju (
Snowflake Schema
)
Skema bola salju merupakan perluasan dari skema bintang dengan tambahan
beberapa tabel dimensi yang tidak berhubungan secara langsung dengan tabel
fakta. Tabel dimensi tersebut berhubungan dengan tabel dimensi yang lain.
Berikut adalah contoh skema bola salju dapat dilihat pada Gambar 2.3.
Gambar 2.3 Skema Bola Salju
3.
Skema
Constellation
Pada skema ini terdapat beberapa tabel fakta yang menggunakan satu atau
beberapa tabel dimensi. Berikut adalah contoh skema constellation dapat
Gambar 2.4 Skema Constellation
2.2.2.2
ETL (Extract, Transform, Loading)
Proses ETL (
Extract, Transform, Loading
) merupakan proses yang harus
dilalui dalam pembentukan
data mart
[4]. ETL merupakan fase pemrosesan data
dari sumber data kemudian masuk ke dalam
data mart
. Tujuan ETL adalah
mengumpulkan, menyaring, mengolah dan menggabungkan data dari berbagai
sumber untuk disimpan ke dalam
data mart
. Berikut adalah penjelasan dari tiap
proses ETL :
1.
Ekstraksi Data (
Extract
)
Ekstraksi data adalah proses pengambilan data dari berbagai sistem
operasional, baik menggunakan
query
atau aplikasi ETL. Terdapat beberapa
fungsi ekstraksi data, yaitu :
a.
Ekstraksi data secara otomatis dari aplikasi sumber.
b.
Penyaringan atau seleksi data hasil ekstraksi.
c.
Pengiriman data dari berbagai
platform
aplikasi ke sumber data.
e.
Penyimpanan dalam
file
sementara untuk penggabungan dengan hasil
ekstraksi dari sumber lain.
2.
Transformasi Data (
Transformation
)
Transformasi adalah proses dimana data hasil ekstraksi disaring dan diubah
sesuai dengan aturan bisnis yang berlaku. Langkah-langkah dalam
transformasi data adalah sebagai berikut :
a.
Memetakan data input dari skema data aslinya ke skema
data mart
.
b.
Melakukan konversi tipe data.
c.
Membersihkan dan membuang data yang sama (duplikasi).
d.
Memeriksa referensi data.
e.
Mengisi nilai-nilai yang kosong dengan nilai
default
.
f.
Menggabungkan data.
3.
Pengisian Data (
Loading
)
Pengisian data adalah proses memasukkan data yang didapatkan dari hasil
transformasi ke dalam
data mart
. Cara untuk memasukkan data adalah
dengan menjalankan
SQL
script
secara periodik.
2.2.2.3
OLAP (On-Line Analytical Processing)
OLAP (
On-Line Analytical Processing
) adalah teknologi yang memproses
data ke dalam struktur multidimensi, menyediakan jawaban yang cepat untuk
query
analisis yang kompleks dengan tujuan untuk mengorganisir sejumlah data
yang besar, agar bisa dianalisa dan dievaluasi dengan cepat serta menyediakan
kecepatan dan fleksibelitas untuk mendukung analisa dalam waktu nyata [2].
Ada beberapa karakteristik OLAP, yaitu :
1.
Mengijinkan pelaku bisnis melihat data dari sudut pandang
logical
dan
multidimensional pada
data warehouse
.
2.
Memfasilitasi
query
yang kompleks dan analisa bagi pengguna.
3.
Mengijinkan pengguna melakukan
drill-down
untuk menampilkan data yang
lebih detail atau
roll-up
untuk agregasi dari suatu dimensi atau beberapa
dimensi.
5.
Menampilkan hasil dalam bentuk tabel atau grafik.
Keuntungan dari OLAP, yaitu :
1.
Meningkatkan produktivitas pemakai akhir bisnis, pengembang IT, dan
keseluruhan organisasi.
2.
Pengawasan yang lebih dan akses tepat waktu terhadap informasi strategis
dapat membuat pengambilan keputusan lebih cepat.
3.
Mengurangi pengembangan aplikasi bagi staf IT dengan membuat pemakaian
akhir dapat mengubah skema dan membuat model sendiri.
4.
Penyimpanan pengawasan organisasi melalui integritas data koorporasi
sebagai aplikasi OLAP tergantung pada
data warehouse
dan sistem OLTP
untuk memperbaharui sumber tingkatan data.
OLAP dapat digunakan untuk melakukan seperti [2] :
1.
Konsolidasi (
roll-up
)
Konsolidasi melibatkan pengelompokan data.
2.
Drill-down
Suatu bentuk yang merupakan kebalikan dari konsolidasi untuk menjabarkan
data yang ringkas menjadi data yang lebih detail. Gambaran untuk
roll-up
dan
drill-down
dapat dilihat pada Gambar 2.5.
3.
Slicing
dan
dicing
Menjabarkan pada kemampuan untuk melihat data dari sudut pandang.
Gambaran untuk
slicing
dan
dicing
dapat dilihat pada Gambar 2.6.
Gambar 2.6 Slicing dan Dicing
2.2.3
Microsoft SQL Server
Microsoft SQL Server
adalah sebuah sistem manajemen basis data relasional
(RDBMS) produk
Microsoft
. Bahasa
query
utamanya adalah
Transact-SQL
yang
merupakan implementasi dari
SQL
standar ANSI/ISO yang digunakan oleh
Microsoft
dan
Sybase
. Umumnya
SQL Server
digunakan di sunia bisnis yang
memiliki basis data yang berskala kecil sampai dengan menengah, tetapi
kemudian berkembang dengan digunakannya
SQL Server
pada basis data besar
[5]. Pengguna yang menggunakan
SQL Server
dapat menyimpan banyak data dan
dapat untuk diimplementasi untuk kepentingan bisnis dan perusahaan.
2.2.4
SSIS (SQL Server Integration Service)
SSIS (
SQL Server Integration Services
) adalah suatu platform untuk
membangun sistem yang handal untuk integrasi data,
extraction
,
transformation
,
dalam menghadapi permasalahan data integrasi. Selain itu,
tools
ini membatu
untuk menigkatkan efisiensi waktu pembuatan.
Arsitektur
SQL Server Integration Services
secara umum berisi berbagai
macam komponen, diantaranya yaitu :
1.
SSIS Deginer
. Merupakan
tools
yang digunakan untuk membuat dan
mengatur paket
integration service
. Pada
SQL Server 2012
,
tools
ini sudah
terintegrasi dengan
Visual Studio 2010
yang merupakan bagian
project
Bussiness Intelegence
.
2.
Runtime Engine
. Komponen ini berguna untuk menjalankan semua paket
SSIS yang sudah dibuat.
3.
Task
dan
executable binary
.
4.
Data Flow Engine
dan
Data Flow
. Komponen
data flow
merupakan
enkapsulasi
data flow engine
yang menyediakan
buffer
didalam memori dan
bertugas memindahkan data dari sumber data ke tujuan data. Sedangkan
data
flow
merupakan sumber data, tujuan data, dan transformasi.
5.
Integration Services service
. Memungkinkan
SQL Server Management Studio
dapat digunakan untuk melakukan monitoring paket SSIS dan mengatur SSIS
storage
yang digunakan.
6.
SQL Server Import
dan
Export Wizard
.
Tools
ini digunakan untuk melakukan
copy
data dari sumber ke tujuan data.
2.2.5
UML (Unified Modeling Language)
UML (
Unified Modelling Language
) adalah salah satu alat bantu yang sangat
handal di dunia pengembangan sistem yang berorientasi objek. Hal ini disebabkan
karena UML menyediakan bahasa pemodelan visual yang memungkinkan bagi
pengembang untuk membuat cetak biru atas visi mereka dalam bentuk yang baku,
mudah untuk dimengerti serta dilengkapi dengan mekanisme yang efektif untuk
berbagi (
sharing
) dan mengkomunikasikan rancangan mereka yang lain [7].
UML merupakan kesatuan dari bahasa pemodelan yang dikembangkan oleh
Booch,
Object Modelling Technique
(OMT) dan
Object Oriented Software
dengan nama metode
Design Object Oriented
. Metode ini menjadikan proses
analisis dan design ke dalam empat tahapan iteratif, yaitu identifikasi kelas-kelas
dan objek-objek, identifikasi semantik dari hubungan objek dan kelas tersebut,
perincian interface dan implementasi. Keunggulan metode Booch adalah pada
detail kayanya dengan notasi dan elemen. Pemodelan OMT yang dikembangkan
oleh Rumbaugh didasarkan pada analisis terstruktur dan pemodelan
entity-relationship
. Tahapan utama dalam metodologi ini adalah analisis, design sistem,
design objek dan implementasi. Keunggulan metode ini adalah dalam penotasian
yang mendukung semua konsep OO. Metode OOSE dari Jacobson lebih memberi
penekanan pada
use case
. OOSE memiliki tiga tahapan yaitu membuat model
requirement
dan analisis, design dan implementasi, dan model pengujian (
test
model
). Keunggulan metode ini adalah mudah dipelajari karena memiliki notasi
yang sederhana namun mencakup seluruh tahapan dalam rekayasa perangkat
lunak.
Dengan UML, metode Booch, OMT dan OOSE digabungkan dengan
membuang elemen-elemen dari metode lain yang lebih efektif dan elemen-elemen
baru yang belum ada pada metode terdahulu sehingga UML lebih ekspresif dan
seragam daripada metode lainnya.
2.2.5.1
Use Case Diagram
Use Case
adalah deskripsi fungsi dari sebuah sistem dari perspektif
pengguna.
Use case
bekerja dengan cara mendeskripsikan tipikal interaksi antara
user
(pengguna) sebuah sistem dengan sistemnya sendiri melalui sebuah cerita
bagaimana sebuah sistem dipakai. Urutan langkah-langkah yang menerangkan
antara pengguna dan sistem disebut skenario. Setiap skenario mendeskripsikan
urutan kejadian. Setiap urutan diinisialisasi oleh orang, sistem lain, perangkat
keras atau urutan waktu. Dengan demikian secara singkat biasa dikatakan
use case
adalah serangkaian skenario yang digabungkan bersama-sama oleh tujuan umum
Berikut ini adalah contoh
Use Case Diagram
:
Gambar 2.7 Use Case Diagram
[8]
2.2.5.2
Use Case Scenario
Sebuah diagram yang menunjukkan kasus penggunaan dan aktor dapat
menjadi titik awal yang bagus, tetapi tidak memberikan cukup detail untuk
desainer sistem untuk benar-benar memahami persis bagaimana kekhawatiran
sistem akan dipenuhi. Use Case Skenario adalah cara terbaik untuk
mengungkapkan informasi penting ini dalam bentuk penggunaan description
Berikut ini adalah contoh
Use Case Scenario
:
Gambar 2.8 Use Case Scenario
[8]
2.2.5.3
Class Diagram
Class Diagram adalah diagram yang digunakan untuk menampilkan beberapa
kelas serta paket-paket yang ada dalam sistem/perangkat lunak yang sedang kita
kembangkan. Diagram kelas memberikan gambaran/diagram statis tentang
sistem/perangkat lunak dan relasi-relasi yang ada di dalamnya [9].
Berikut ini adalah contoh
Class Diagram
:
2.2.5.4
Sequence Diagram
Sequence Diagram
digunakan untuk menggambarkan perilaku pada sebuah
skenario. Diagram ini menunjukkan sejumlah contoh objek dan
message
(pesan)
yang diletakkan diantara objek-objek ini dalam
use case
.
Komponen utama
sequence diagram
terdiri atas objek yang dituliskan dengan
kotak segiempat bernama.
Message
diwakili oleh garis dengan tanda panah dan
waktu yang ditunjukkan dengan
progress
vertikal [7].
Berikut ini adalah contoh
Sequence Diagram
:
Gambar 2.10 Sequence Diagram
[8]
2.2.5.5
Activity Diagram
Activity Diagram
adalah teknik untuk mendeskripsikan logika prosedural,
proses bisnis dan aliran kerja dalam banyak kasus.
Activity Diagram
mempunyai
peran seperti halnya
flowchart
, akan tetapi perbedaannya dengan
flowchart
adalah
Berikut ini adalah contoh
Activity Diagram
:
109
5.1
Kesimpulan
Berdasarkan penelitian yang telah dilakukan mengenai analisis, perancangan,
implementasi, dan pengujian terhadap perangkat lunak
data mart
untuk divisi
produksi di PT. Matahari Sentosa ini, maka dapat disimpulkan sebagai berikut :
1.
Penerapan
Data Mart
memberikan kemudahan dalam mendapatkan informasi
strategis dengan cepat yang diperlukan oleh manajer produksi PT. Matahari
Sentosa untuk perencanaan jangka panjang, dapat menyajikan informasi yang
multidimensi dan ringkas, serta mempercepat proses penganalisaan sehingga
dapat memaksimalkan suatu keputusan yang dibuat oleh manajer produksi
untuk penanganan stok produk yang sudah diproduksi dan penanganan bahan
baku untuk peoruksi selanjutnya.
2.
Penerapan
Data Mart
membantu dalam pembuatan laporan akhir produksi
yang multidimensi yang dibutuhkan oleh manajer produksi di PT. Matahari
Sentosa.
5.1
Saran
Berikut ini saran yang dapat digunakan dalam pengembangan perangkat lunak
data mart
lebih lanjut adalah sebagai berikut :
1.
Sistem tidak hanya menganalisis Divisi Produksi saja, tetapi menganalisis
seluruh divisi yang ada di PT. Matahari Sentosa guna untuk memenuhi
informasi strategis perusahaan.
2.
Untuk pengembangan perangkat lunak
data mart
yang sudah dibuat dapat
dikembangkan kembali untuk pembuatan
data mart
pada divisi lainnya atau
NIM
: 10110326
Nama Lengkap
: Ihsan Mukhlish Shidiq
Jenis Kelamin
: Laki-laki
Tempat & Tgl Lahir
: Bandung, 14 Januari 1992
Alamat
: Jl. Melong No. 194 RT 01 RW 03 Kel. Melong
Kec. Cimahi Selatan Kota Cimahi
No. Telepon / HP
: (+62) 8999485998
: ihsanmukhlishshidiq@gmail.com
PENDIDIKAN FORMAL
1998 - 2004
: SDN Karya Bhakti I Cimahi
2004 - 2007
: SMPN 4 Cimahi
Disusun untuk Skripsi
Semester Genap Tahun Akademik 2014/2015
Oleh :
Ihsan Mukhlish Shidiq
10110326
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS KOMPUTER INDONESIA
v
ABSTRACT ... ii
KATA PENGANTAR ... iii
DAFTAR ISI ... v
DAFTAR GAMBAR ... viii
DAFTAR TABEL ... x
DAFTAR SIMBOL ... xiii
DAFTAR LAMPIRAN ... xv
BAB 1
PENDAHULUAN ... 1
1.1
Latar Belakang Masalah ... 1
1.2
Rumusan Masalah ... 2
1.3
Maksud dan Tujuan ... 3
1.4
Batasan Masalah ... 3
1.5
Metodologi Penelitian ... 3
1.5.1
Metode Pengumpulan Data ... 4
1.5.2
Metode Pembangunan Perangkat Lunak ... 4
1.6
Sistematika Penulisan ... 5
BAB 2
TINJAUAN PUSTAKA ... 7
2.1
Profil Perusahaan ... 7
2.1.1
Visi dan Misi Perusahaan ... 8
2.1.2
Struktur Organisasi ... 8
vi
2.2.4
SSIS (
SQL Server Integration Service
) ... 16
2.2.5
UML (
Unified Modeling Language
) ... 17
BAB 3
ANALISIS DAN PERANCANGAN ... 23
3.1
Analisis Sistem ... 23
3.1.1
Analisis Masalah ... 23
3.1.2
Analisis Sistem Yang Sedang Berjalan ... 23
3.1.3
Analisis Kebutuhan Informasi ... 27
3.1.4
Analisis Sumber Data ... 27
3.1.5
Analisis OLTP PT. Matahari Sentosa ... 28
3.1.6
Analisis Arsitektur Data Mart ... 31
3.1.7
Analisis Spesifikasi Kebutuhan Perangkat Lunak ... 42
3.1.8
Analisis Kebutuhan Non-Fungsional ... 42
3.1.9
Analisis Kebutuhan Fungsional ... 44
3.2
Perancangan Sistem ... 76
3.2.1
Perancangan Struktur Menu ... 77
3.2.2
Perancangan Antar Muka ... 77
3.2.3
Perancangan Pesan ... 82
3.2.4
Perancangan Jaringan Semantik ... 83
3.2.5
Perancangan Method ... 84
BAB 4
IMPLEMENTASI DAN PENGUJIAN ... 91
4.1
Implementasi Sistem ... 91
vii
4.2
Pengujian Sistem ... 95
4.2.1
Rencana Pengujian ... 95
4.2.2
Skenario Pengujian ... 96
4.2.3
Hasil Pengujian ... 98
4.2.4
Evaluasi ... 106
BAB 5
KESIMPULAN DAN SARAN ... 109
5.1
Kesimpulan ... 109
5.2
Saran ... 109
111
[2] M. Y. Pusadan, Rancang Bangun Data Warehouse, Yogyakarta: Graha Ilmu,
2013.
[3] M. Golfarelli and S. Rizzi, Data Warehouse Design, Modern Principles and
Methodologies, New York: Mc Graw Hill, 2009.
[4] R. Kimball and M. Ross, The Data Warehouse Toolkit, Indianapolis: John
Wiley & Sons, Inc, 2013.
[5] A. Prabawati, SQL Server 2012, Yogyakarta: Andi, 2013.
[6] B. Knight, D. Knight, M. Davis and W. Snyder, Microsoft SQL Server 2012
Integration Services, Indianapolis: John Wiley & Sons, Inc, 2013.
[7] Munawar, Pemodelan Visual Dengan UML, Yogyakarta: Graha Ilmu, 2005.
[8] K. Hamilton and R. Miles, Learning UML 2.0, Sebastopol: O'Reilly Media,
Inc., 2006.
[9] A. Nugroho, Rational Rose Untuk Pemodelan Berorientasi Objek, Bandung:
Informatika, 2005.
[10]
D. Irwanto, Perancangan Object Oriented Software Dengan UML,
Ihsan Mukhlish Shidiq
11 Program Studi Teknik Informatika
Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia Jl. Dipatiukur No 112-116 Bandung - Indonesia
E-mail : ihsanmukhlishshidiq@gmail.com
ABSTRAK
PT. Matahari Sentosa merupakan perusahaan resleting. Perusahaan ini dipercaya sebagai supplier bagi produsen lain. Saat ini dalam pembuatan laporan akhir produksi yang multidimensi menjadi kurang efektif belum adanya suatu sistem untuk mendukung dalam pembuatan laporan yang multidimensi. Dalam menyajikan informasi yang memiliki periode waktu akan membutuhkan waktu yang cukup lama untuk menyajikannya.
Berdasarkan permasalahan yang ada pada divisi produksi perlu dibangun sebuah perangkat lunak data mart yang dapat memudahkan dalam mendapatkan informasi strategis dengan cepat sehingga dapat digunakan untuk perencanaan jangka panjang, dapat menyajikan informasi yang multidimensi dan ringkas, mempercepat proses penganalisaan sehingga dapat memaksimalkan suatu keputusan yang dibuat oleh manajer produksi untuk penanganan stok produk dan penanganan bahan baku untuk produksi selanjutnya.
Dengan dibangunnya perangkat lunak data mart ini dapat diambil kesimpulan yaitu, memberikan kemudahan dalam mendapatkan informasi strategis dengan cepat yang diperlukan oleh manajer produksi PT. Matahari Sentosa untuk perencanaan jangka panjang, dapat menyajikan informasi yang multidimensi dan ringkas, serta mempercepat proses penganalisaan sehingga dapat memaksimalkan suatu keputusan yang dibuat oleh manajer produksi untuk penanganan stok produk yang sudah diproduksi dan penanganan bahan baku untuk produksi selanjutnya, dan membantu dalam pembuatan laporan akhir produksi yang multidimensi yang dibutuhkan oleh manajer produksi di PT. Matahari Sentosa.
Kata kunci : Data Mart, Data Warehouse, Skema Constellation
1.
PENDAHULUAN
PT. Matahari Sentosa merupakan perusahaan resleting. Perusahaan ini dipercaya sebagai supplier bagi produsen lain, seperti produsen pembuat tas,
jaket, celana, dan pembuatan barang yang membutuhkan resleting
Saat ini pembuatan laporan akhir yang multidimensi atau memiliki periode waktu menjadi kurang efektif dan efisien, karena belum ada suatu sistem untuk mendukung dalam pembuatan laporan yang multidimensi. Dalam menyajikan informasi yang memiliki periode waktu akan membutuhkan waktu yang cukup lama dalam menyajikannya dikarenakan oleh pencarian data dan pemrosesannya yang lambat serta belum adanya suatu sistem yang dapat menyajikan informasi yang cepat dan detail. Untuk itu perlu dibangunnya data mart untuk memudahkan pihak manajer produksi untuk mendapatkan informasi strategis dengan cepat sehingga dapat digunakan untuk perencanaan jangka panjang dan juga dapat menyajikan informasi yang multidimensi dan ringkas, mempercepat proses penganalisaan sehingga dapat memaksimalkan suatu keputusan yang dibuat oleh manajer produksi untuk penanganan stok produk dan penanganan bahan baku untuk produksi selanjutnya.
Tujuan dari membangun perangkat lunak data mart pada PT. Matahari Sentosa ini adalah untuk : 1. Memudahkan pihak manajer produksi untuk
mendapatkan informasi strategis dengan cepat sehingga dapat digunakan untuk perencanaan jangka panjang serta dapat menyajikan informasi yang multidimensi dan ringkas, mempercepat proses penganalisaan sehingga dapat memaksimalkan suatu keputusan yang dibuat oleh manajer produksi untuk penanganan stok produk yang sudah diproduksi dan penanganan bahan baku untuk produksi selanjutnya.
2. Membantu pihak manajer produksi dalam pembuatan laporan akhir produksi yang multidimensi.
Batasan masalah yang diterapkan dalam pembangunan perangkat lunak data mart ini antara lain, yaitu :
1. Data yang digunakan berasal dari Divisi Produksi, yaitu data produksi, pencelupan, stok produksi, dan stok produk.
Line Analytical Processing).
5. DBMS menggunakan SQL Server 2012.
6. Pembangunan perangkat lunak menggunakan Visual Studio 2012.
7. Analisis dan perancangan perangkat lunak menggunakan analisis berorientasi objek.
1.1Data Mart
Data mart merupakan suatu bagian dari data
warehouse yang mendukung pembuatan laporan dan
analisis pada suatu unit. Data mart berisi informasi yang relefan bagi pengguna yang ingin mengambil keputusan.
Ada empat tugas yang dapat dilakukan dengan adanya data mart [1], empat tugas tersebut adalah sebagai berikut :
1. Pembuatan laporan
Pembuatan laporan merupakan salah satu kegunaan data mart yang paling umum dilakukan. Dengan menggunakan query sederhana didapatkan laporan perhari, perbulan, pertahun, dan jangka waktu kapanpun yang diigninkan.
2. On-Line Analytical Processing (OLAP)
Dengan adanya data mart, semua informasi baik detail maupun hasil summary yang dibutuhkan dalam proses analisa mudah didapat. OLAP merupakan konsep data multidimensi dan memungkinkan pada pemakai menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah SQL. Fasilitas lain adalah roll-up dan drill-down. Drill-down adalah kemampuan untuk melihat detail dari suatu informasi dan roll-up adalah kebalikannya.
3. Data Mining
Data mining merupakan proses untuk menggali (mining) pengetahuan dan informasi baru dari data yang berjumlah banyak pada data mart. 4. Proses informasi executive
Data mart dapat membuat ringkasan informais yang penting dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi keseluruhan data. Dengan menggunakan data mart segala laporan telah diringkas dan dapat pula mengetehaui segala rinciannya secara lengkap, sehingga mempermudah proses pengambilan keputusan.
1.2Model Dimensional Data Mart
Model dimensional pada data mart terdiri dari tabel fakta dan tabel dimensi. Tabel fakta merupakan tabel yang berisi kumpulan foreign key dari primary key yang terdapat pada masing-masing tabel dimensi, sedangkan tabel dimensi merupakan tabel yang berisi data detail yang menjelaskan foreign key yang terdapat pada tabel fakta. Ada beberapa model skema yang terdapat pada pemodelan data mart,
1. Skema Bintang (Star Schema)
[image:32.595.310.525.212.441.2]Skema ini mengikuti bentuk bintang, dimana terdapat satu tabel fakta di pusat bintang dengan beberapa tabel dimensi yang mengelilinginya. Semua tabel dimensi berhubungan dengan ke tabel fakta. Tabel fakta memiliki beberapa primary key dalam tabel dimensi. Contoh skema bintang dapat dilihat pada Gambar 1 berikut ini:
Gambar 1 Skema Bintang 2. Skema Bola Salju (Snowflake Schema)
[image:32.595.309.527.538.716.2]Skema bola salju merupakan perluasan dari skema bintang dengan tambahan beberapa tabel dimensi yang tidak berhubungan secara langsung dengan tabel fakta. Tabel dimensi tersebut berhubungan dengan tabel dimensi yang lain. Contoh skema bola salju dapat dilihat pada Gambar 2 berikut ini:
Gambar 2 Skema Bola Salju 3. Skema Constellation
Gambar 3 Skema Constellation
1.3ETL (Extract, Transform, Loading)
Proses ETL (Extract, Transform, Loading) merupakan proses yang harus dilalui dalam pembentukan data mart [2]. ETL merupakan fase pemrosesan data dari sumber data kemudian masuk ke dalam data mart. Tujuan ETL adalah mengumpulkan, menyaring, mengolah dan menggabungkan data dari berbagai sumber untuk disimpan ke dalam data mart. Berikut adalah penjelasan dari tiap proses ETL :
1. Ekstraksi Data (Extract)
Ekstraksi data adalah proses pengambilan data dari berbagai sistem operasional, baik menggunakan query atau aplikasi ETL. Terdapat beberapa fungsi ekstraksi data, yaitu :
a. Ekstraksi data secara otomatis dari aplikasi sumber.
b. Penyaringan atau seleksi data hasil ekstraksi. c. Pengiriman data dari berbagai platform aplikasi
ke sumber data.
d. Perubahan format layout data dari format aslinya.
e. Penyimpanan dalam file sementara untuk penggabungan dengan hasil ekstraksi dari sumber lain.
2. Transformasi Data (Transformation)
Transformasi adalah proses dimana data hasil ekstraksi disaring dan diubah sesuai dengan aturan bisnis yang berlaku. Langkah-langkah dalam transformasi data adalah sebagai berikut :
a. Memetakan data input dari skema data aslinya ke skema data mart.
b. Melakukan konversi tipe data.
c. Membersihkan dan membuang data yang sama (duplikasi).
d. Memeriksa referensi data.
e. Mengisi nilai-nilai yang kosong dengan nilai default.
f. Menggabungkan data. 3. Pengisian Data (Loading)
Pengisian data adalah proses memasukkan data yang didapatkan dari hasil transformasi ke dalam data mart. Cara untuk memasukkan data adalah dengan menjalankan SQLscript secara periodik.
teknologi yang memproses data ke dalam struktur multidimensi, menyediakan jawaban yang cepat untuk query analisis yang kompleks dengan tujuan untuk mengorganisir sejumlah data yang besar, agar bisa dianalisa dan dievaluasi dengan cepat serta menyediakan kecepatan dan fleksibelitas untuk mendukung analisa dalam waktu nyata [3].
Ada beberapa karakteristik OLAP, yaitu :
1. Mengijinkan pelaku bisnis melihat data dari sudut pandang logical dan multidimensional pada data warehouse.
2. Memfasilitasi query yang kompleks dan analisa bagi pengguna.
3. Mengijinkan pengguna melakukan drill-down untuk menampilkan data yang lebih detail atau roll-up untuk agregasi dari suatu dimensi atau beberapa dimensi.
4. Menyediakan proses kalkulasi dan perbandingan data.
5. Menampilkan hasil dalam bentuk tabel atau grafik.
Keuntungan dari OLAP, yaitu :
1. Meningkatkan produktivitas pemakai akhir bisnis, pengembang IT, dan keseluruhan organisasi.
2. Pengawasan yang lebih dan akses tepat waktu terhadap informasi strategis dapat membuat pengambilan keputusan lebih cepat.
3. Mengurangi pengembangan aplikasi bagi staf IT dengan membuat pemakaian akhir dapat mengubah skema dan membuat model sendiri. 4. Penyimpanan pengawasan organisasi melalui
integritas data koorporasi sebagai aplikasi OLAP tergantung pada data warehouse dan sistem OLTP untuk memperbaharui sumber tingkatan data.
OLAP dapat digunakan untuk melakukan seperti [3]: 1. Konsolidasi (roll-up)
Konsolidasi melibatkan pengelompokan data.
2. Drill-down
Gambar 4 Roll-up dan Drill-down 3. Slicing dan dicing
Menjabarkan pada kemampuan untuk melihat data dari sudut pandang. Gambaran untuk slicing dan dicing dapat dilihat pada Gambar 5 berikut ini:
Gambar 5 Slicing dan Dicing
1.5SSIS (SQL Server Integration Service)
SSIS (SQL Server Integration Services) adalah suatu platform untuk membangun sistem yang handal untuk integrasi data, extraction, transformation, dan loading yang digunakan pada
data warehousing [4]. SSIS menawarkan solusi
dalam menghadapi permasalahan data integrasi. Selain itu, tools ini membatu untuk menigkatkan efisiensi waktu pembuatan.
Arsitektur SQL Server Integration Services secara umum berisi berbagai macam komponen, diantaranya yaitu :
1. SSIS Deginer. Merupakan tools yang digunakan untuk membuat dan mengatur paket integration service. Pada SQL Server 2012, tools ini sudah terintegrasi dengan Visual Studio 2010 yang merupakan bagian project Bussiness Intelegence. 2. Runtime Engine. Komponen ini berguna untuk menjalankan semua paket SSIS yang sudah dibuat.
3. Task dan executable binary.
4. Data Flow Engine dan Data Flow. Komponen
data flow merupakan enkapsulasi data flow
engine yang menyediakan buffer didalam
memori dan bertugas memindahkan data dari sumber data ke tujuan data. Sedangkan data flow
SQL Server Management Studio dapat digunakan
untuk melakukan monitoring paket SSIS dan mengatur SSIS storage yang digunakan.
6. SQL Server Import dan Export Wizard. Tools ini digunakan untuk melakukan copy data dari sumber ke tujuan data.
2
ISI PENELITIAN
Terdapat beberapa tahapan analisis dalam pembangunan perangkat lunak data mart ini, yaitu:
2.1Analisis Kebutuhan Informasi
Analisis kebutuhan informasi merupakan tahap untuk menganalisis apa saja yang dibutuhkan oleh PT. Matahari Sentosa untuk data mart yang akan dibangun. Informasi yang akan disajikan secara detail. Berdasarkan hasil wawancara dengan manajer produksi, informasi yang dibutuhkan untuk pembangunan data mart adalah sebagai berikut : 1. Informasi jumlah produk yang diproduksi
pertahun, perbulan, dan perhari.
2. Informasi jumlah produk yang diproduksi berdasarkan tipe produk pertahun, perbulan dan perhari.
3. Informasi jumlah produk yang sudah diproses pencelupan pertahun, perbulan, dan perhari. 4. Informasi jumlah produk yang sudah diproses
pencelupan berdasarkan tipe produk pertahun, perbulan dan perhari.
5. Informasi jumlah pemakaian bahan baku pertahun, perbulan, dan perhari.
6. Informasi jumlah pemakaian bahan baku berdasarkan bahan baku tertentu pertahun, perbulan dan perhari.
2.2Sumber Data
Database OLTP yang sekarang berada di PT. Matahari Sentosa menjadi sumber data untuk membangun data mart. Diagram relasi OLTP PT. Matahari Sentosa dapat dilihat pada Gambar 6 berikut ini: Produk Celup Produksi StokProduksi DetailProduksi BahanBaku StokMasuk StokKeluar id_produk PK tipe_produk id_celup PK id_produk FK jml_celup id_produksi PK id_produk FK jml_produksi id_stok_produksi PK id_produk FK jml_stok_produksi id_detail_produksi PK id_produksi FK id_bahan_baku FK jml_bahan_baku_terpakai id_bahan_baku PK nama_bahan_baku jml_bahan_baku id_stok_masuk PK id_bahan_baku FK jml_bahan_baku_masuk jml_bahan_baku_awal tgl_stok_masuk id_stok_keluar PK id_bahan_baku FK jml_bahan_baku_keluar jml_bahan_baku_awal tgl_stok_keluar id_detail_produksi FK tgl_proses tgl_proses tgl_proses
data mart adalah menggunakan model two-layer architecture. Analisis arsitektur ini terbagi dalam empat layer, yaitu analisis source layer, analisis data stagging, analisis data mart layer, dan analisis menggunakan OLAP.
1. Analisis Source Layer
Pada lapisan ini, data masih berupa data operasional. Sumber data yang digunakan dalam pembangunan data mart ini sudah berupa data logic yang ada di database.
2. Analisis Data Stagging
Pada lapisan ini, data operasional akan diekstrak dengan proses ETL (Extract Transform Loading) ke dalam data mart.
a. Extract
[image:35.595.79.272.447.712.2]Proses ini merupakan pemilihan data dari sumber data untuk pembuatan data mart, yaitu tabel produk, tabel produksi, tabel celup, tabel bahan baku, tabel stok keluar, dan tabel stok produksi serta tabel yang tidak dijadikan untuk pembuatan data mart, yaitu tabel detail produksi dan tabel stok masuk karena tidak dibutuhkan dalam kebutuhan informasi. Atribut-atribut yang ada pada tabel yang akan diekstrak tidak ada perubahan menambah atau mengurangi atribut-atributnya, masih tetap sama dengan sumber data. Proses ekstraksi data dari sumber data ke dalam data mart adalah sebagai berikut :
Tabel 1 Extract
No Nama Tabel Field
1 Tabel Produk id_produk
tipe_produk
2 Tabel Produksi
id_produksi id_produk jml_produksi tgl_proses
3 Tabel Celup
id_celup id_produk jml_celup tgl_proses
4 Tabel Bahan Baku
id_bahan_baku nama_bahan_baku jml_bahan_baku
5 Tabel Stok Keluar
id_stok_keluar id_bahan_baku id_detail_produksi jml_bahan_baku_keluar jml_bahan_baku_awal tgl_stok_keluar
6 Tabel Stok Produksi
id_stok_produksi id_produk jml_stok_produksi tgl_proses
b. Transform
Proses transform yang dilakukan terdiri dari 2 proses, yaitu :
tabel yang sudah diekstrak, yaitu menghilangkan field yang tidak terpakai. Berikut merupakan nama field yang dihilangkan dalam proses cleaning :
a) Pada tabel produksi tidak memerlukan field id_produksi dan tgl_proses.
b) Pada tabel celup tidak memerlukan field id_celup dan tgl_proses.
c) Pada tabel bahan baku tidak memerlukan field jml_bahan_baku.
d) Pada tabel stok keluar tidak memerlukan field id_stok_keluar, id_detail_produksi, dan tgl_stok_keluar.
e) Pada tabel stok produksi tidak memerlukan field id_stok_produksi dan tgl_proses.
2) Conditioning
Proses conditioning dilakukan untuk mengubah format dari data oprasional menjadi format data mart. Tabel di-condotioning dilakukan pada tabel produksi, tabel celup, tabel stok keluar, dan tabel stok produksi. Proses conditioning dilakukan untuk memastikan tidak adanya redudansi data, sehingga pada suatu tabel fakta bisa memiliki lebih dari satu tabel dimensi. Pada Tabel 2 akan dijelaskan contoh dari tahapan conditioning pada tabel produksi.
Tabel 2 Conditioning Tabel Produksi Tabel Produksi Fact_produksi
No Field No Field
1 id_produk 1 id_produk
2 jml_produksi 2 jml_produksi
3 tgl_proses 3 id_waktu
Tabel Produksi Dim_waktu
tgl_proses date id_waktu integer
tanggal integer
bulan integer
nama_bulan nvarchar(50)
tahun integer
full_date date
c. Loading
Setelah data di extract dan di transform, selanjutnya data tersebut dimasukkan ke dalam data mart. Proses loading pada aplikasi data mart akan dilakukan secara otomatis setelah proses transform selesai. Teknik yang digunakan adalah update, dimana proses ini akan langsung meng-updatedata mart tanpa merubah data yang sudah ada.
3. Analisis Data Mart Layer
Dim_produk Dim_bahan_baku Fact_celup Fact_stok_keluar Fact_stok_produksi id_produk PK tipe_produk id_bahan_baku PK nama_bahan_baku bulan tahun jml_produksi id_produk FK jml_celup id_waktu FK id_bahan_baku FK jml_stok_keluar id_waktu FK full_date id_produk FK jml_stok_produksi id_waktu FK nama_bulan
Gambar 7 Skema Constellation
[image:36.595.312.525.145.258.2]Tabel 3 menunjukkan jenis dari masing-masing tabel yang ada pada skema relasi yang ditunjukkan pada Gambar 7.
Tabel 3 Penjelasan Skema Data Mart No Nama Tabel Jenis Tabel
1 Fact_Produksi Fakta
2 Fact_Celup Fakta
3 Fact_Stok_Keluar Fakta 4 Fact_Stok_Produksi Fakta
5 Dim_Produk Dimensi
6 Dim_Bahan_Baku Dimensi
7 Dim_Waktu Dimensi
2.4Spesifikasi Kebutuhan Perangkat Lunak Analisis spesifikasi kebutuhan perangkat lunak berisi deskripsi dari kebutuhan perangkat lunak yang akan dibangun baik kebutuhan fungsional maupun kebutuhan non fungsional. Tabel spesifikasi kebutuhan perangkat lunak dapat dilihat pada Tabel 4 dan Tabel 5.
Tabel 4 Spesifikasi Kebutuhan Perangkat Lunak Fungsional
Kode
Kebutuhan Kebutuhan
SKPL-F-1 Administrator dan manajer produksi dapat mengakses aplikasi.
SKPL-F-2 Sistem dapat melakukan update data pada data
mart.
SKPL-F-3 Sistem dapat melakukan proses ETL (Extract
Transform Loading).
SKPL-F-4 Manajer produksi dapat melakukan analisis terhadap data mart. SKPL-F-5 Sistem dapat menampilkan hasil analisis berupa
tabel dan grafik.
[image:36.595.102.251.269.358.2]SKPL-F-6 Sistem dapat memberikan laporan tercetak.
Tabel 5 Spesifikasi Kebutuhan Perangkat Lunak Non Fungsional
Kode
Kebutuhan Kebutuhan
SKPL-NF-1 Sistem dapat berjalan pada platfromwindows. SKPL-NF-2
Sistem dapat berjalan pada hardware
berspesifikasi menengah.
SKPL-NF-3
Bahasa pemrograman yang digunakan adalah C#.
2.5Analisis Kebutuhan Fungsional
Analisis kebutuhan fungsional bertujuan untuk menguraikan proses kegiatan dan kebutuhan yang akan diterapkan pada sistem yang akan dibangun.
diagram pada perangkat lunak dapat dilihat pada Gambar 8 berikut ini:
Gambar 8 Use Case Diagram
2.5.2 Activity Diagram
[image:36.595.323.508.333.482.2]Activity diagram memodelkan aliran kerja dari urutan aktivitas dalam suatu proses yang mengacu pada use case diagram yang ada. Activity diagram dari update ETL dapat dilihat pada Gambar 9 berikut ini:
Gambar 9 Activity Diagram Update ETL
2.5.3Sequence Diagram
Sequence diagram menggambarkan interaksi
antar masing-masing objek pada setiap use case dalam urutan waktu. Sequence diagram untuk update ETL dapat dilihat pada Gambar 10 berikut ini:
Gambar 10 Sequence Diagram Update ETL
System Update ETL Proses extract Proses transform Proses loading Melihat data mart Login <<include>> <<include>> <<include>> Menganalisis data mart Mencetak laporan Melihat grafik Manajer Produksi Administrator <<include>><<extend>> <<include>> <<include>> Lupa password <<extend>> Administrator Sistem Menekan tombol
Update ETL Proses extract
[image:36.595.65.290.465.686.2]Proses transform Proses loading Data destination alt [True] [False] [True] [False] : Administrator
: FormAdmin : ETL
1 : btnStartSSIS()
2 : ETL() <<create>>
3 4 : ExtractTransformLoading()
5
6 : Pesan berhasil
Class diagram perangkat lunak yang akan dibangun dapat dilihat pada Gambar 11 berikut ini:
Gambar 11 Class Diagram
2.6Implementasi Basis Data
Pembuatan basis data dilakukan dengan menggunakan aplikasi DBMS Microsoft SQL Server 2012. Implementasi basis data dalam bahasa SQL adalah sebagai berikut :
Tabel 6 Implementasi Tabel dim_produk Dimensi Produk
[image:37.595.70.283.153.442.2] [image:37.595.58.535.297.744.2] [image:37.595.311.525.486.740.2]CREATE TABLE [dbo].[dim_produk]( [id_produk] [int] NOT NULL,
[tipe_produk] [varchar](20) NOT NULL, CONSTRAINT [PK_dim_produk] PRIMARY KEY CLUSTERED
(
[id_produk] ASC
)WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, IGNORE_DUP_KEY = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY]
) ON [PRIMARY] GO
Tabel 7 Implementasi Tabel dim_waktu Dimensi Waktu
CREATE TABLE [dbo].[dim_waktu](
[id_waktu] [int] IDENTITY(1,1) NOT NULL, [tanggal] [int] NOT NULL,
[bulan] [nvarchar](50) NOT NULL, [tahun] [int] NOT NULL,
[full_date] [date] NOT NULL,
CONSTRAINT [PK_dim_waktu] PRIMARY KEY CLUSTERED (
) ON [PRIMARY] GO
Tabel 8 Implementasi Tabel fact_produksi Fakta Produksi
CREATE TABLE [dbo].[fact_produksi]( [id_produk] [int] NOT NULL, [jml_produksi] [int] NOT NULL, [id_waktu] [int] NOT NULL ) ON [PRIMARY]
GO
ALTER TABLE [dbo].[fact_produksi] WITH CHECK ADD CONSTRAINT [FK_fact_produksi_dim_produk] FOREIGN KEY([id_produk])
REFERENCES [dbo].[dim_produk] ([id_produk]) GO
ALTER TABLE [dbo].[fact_produksi] CHECK CONSTRAINT [FK_fact_produksi_dim_produk] GO
ALTER TABLE [dbo].[fact_produksi] WITH CHECK ADD CONSTRAINT [FK_fact_produksi_dim_waktu] FOREIGN KEY([id_waktu])
REFERENCES [dbo].[dim_waktu] ([id_waktu]) GO
ALTER TABLE [dbo].[fact_produksi] CHECK CONSTRAINT [FK_fact_produksi_dim_waktu] GO
2.7Implementasi Antar Muka
Implementasi antar muka pada perangkat lunak ini terdiri dari beberapa halaman. Berikut implementasi antar muka perangkat lunak data mart.
Gambar 12 Halaman Login
Gambar 14 Halaman Menganalisis Data Mart
Gambar 15 Halaman Melihat Grafik
Gambar 16 Halaman Mencetak Laporan
3
PENUTUP
3.1Kesimpulan
Berdasarkan penelitian yang telah dilakukan mengenai analisis, perancangan, implementasi, dan pengujian terhadap perangkat lunak data mart untuk divisi produksi di PT. Matahari Sentosa ini, maka dapat disimpulkan sebagai berikut :
1. Penerapan Data Mart memberikan kemudahan dalam mendapatkan informasi strategis dengan cepat yang diperlukan oleh manajer produksi PT. Matahari Sentosa untuk perencanaan jangka panjang, dapat menyajikan informasi yang multidimensi dan ringkas, serta mempercepat proses penganalisaan sehingga dapat memaksimalkan suatu keputusan yang dibuat oleh manajer produksi untuk penanganan stok produk yang sudah diproduksi dan penanganan bahan baku untuk peoruksi selanjutnya.
2. Penerapan Data Mart membantu dalam pembuatan laporan akhir produksi yang
3.2Saran
Berikut ini saran yang dapat digunakan dalam pengembangan perangkat lunak data mart lebih lanjut adalah sebagai berikut :
1. Sistem tidak hanya menganalisis Divisi Produksi saja, tetapi menganalisis seluruh divisi yang ada di PT. Matahari Sentosa guna untuk memenuhi informasi strategis perusahaan.
2. Untuk pengembangan perangkat lunak data mart yang sudah dibuat dapat dikembangkan kembali untuk pembuatan data mart pada divisi lainnya atau data warehouse untuk PT. Matahari Sentosa.
DAFTAR PUSTAKA
[1] M. Golfarelli and S. Rizzi, Data Warehouse Design, Modern Principles and Methodologies, New York: Mc Graw Hill, 2009.
[2] R. Kimball and M. Ross, The Data Warehouse Toolkit, Indianapolis: John Wiley & Sons, Inc, 2013.
[3] M. Y. Pusadan, Rancang Bangun Data Warehouse, Yogyakarta: Graha Ilmu, 2013. [4] B. Knight, D. Knight, M. Davis and W. Snyder,
Ihsan Mukhlish Shidiq
11
Department Of Informatics Enginering
Faculty of Enginering and Computer Science University Computer of Indonesia
Jl. Dipatiukur No 112-116 Bandung - Indonesia
E-mail : ihsanmukhlishshidiq@gmail.com
ABSTRACT
PT. Matahari Sentosa is a zipper company. The company is believed to be a supplier to other manufacturers. Nowadays, in making the multidimensional final report production becomes less effective due to there is not any systems which support the creation of multidimensional reports. In presenting information it requires a lot of time will to present it.
Based on the existing problems in the production division, it is necessary to build a data mart software that can ease in obtaining strategic information quickly so that it can be used for long-term planning, present a multidimensional and concise information, speed up the process of analyzing in order to maximize a decision made by production manager for handling stock of products and the handling of raw materials for further production.
By developing this data mart software, it may conclude that it eases in obtaining strategic information quickly which is required by the production manager of PT. Matahari Sentosa for long-term planning, present a multidimensional and concise information, and to accelerate the process of analyzing in order to maximize a decision made by the production manager for handling stock the products that have been produced and handling of raw materials for further production, and assist in making a multidimensional final report production which is required by the production manager at PT. Matahari Sentosa.
Keywords : Data Mart, Data Warehouse, Constellation Scheme
1.
INTRODUCTION
PT. Matahari Sentosa is a zipper company. The company is believed to be a supplier to other manufacturers, such as the manufacturer of bags, jackets, pants, and the manufacture of goods that require a zipper.
Nowadays, in making the multidimensional final report production or have a time period become less effective and efficient becomes less effective due to
there is not any systems which support the creation of multidimensional reports. In presenting information it requires a lot of time will to present it due to data retrieval and processing is slow and the lack of a system that can provide quick information and detail. For that necessary the construction of data mart to ease the production manager to get strategic information quicly so that it can be used for long-term planning and also can present a multidimensional and concise information, speed up the process of analyzing in order to maximize a decision made by production manager for handling stock of products and the handling of raw materials for further p
