80 BAB 4
PERANCANGAN DATA WAREHOUSE
4.1 Arsitektur Data Warehouse
Dalam merancang data warehouse untuk PT. Saga M achie, arsitektur yang diterapkan adalah arsitektur data warehouse terpusat. Alasan memilih arsitektur data warehouse terpusat yaitu :
• Mempermudah dalam melakukan pengawasan dan pemeliharaan data yang ada di data warehouse karena semua data terintegrasi pada sebuah tempat penyimpanan.
• Mengurangi redundansi data dan meningkatkan konsistensi data karena data dikelola dalam satu tempat penyimpanan terpusat.
• Data yang disimpan dalam data warehouse merupakan hasil integrasi dari berbagai sumber yang berbeda sehingga menghasilkan informasi yang lebih reliable.
Dibalik kelebihan, arsitektur data warehouse terpusat memiliki beberapa kekurangan, yaitu membutuhkan biaya yang cukup besar dan waktu pembuatannya yang relatif lama, tergantung dari seberapa tinggi tingkat kompleksitas data yang ada pada perusahaan.
Gambar 4.1 Arsitektur Data Warehouse Terpusat pada PT. Saga M achie
Bagian – bagian yang terdapat pada arsitektur di atas adalah sebagai berikut : 1. Data Source
Data source merupakan sumber data yang berasal dari kegiatan operasional pada PT. Saga M achie. Data operasional yang digunakan yaitu data operasional penjualan, pembelian dan persediaan. Dari data tersebut akan dilakukan proses ETL yang kemudian hasilnya akan disimpan ke dalam data warehouse.
2. ETL
ETL terdiri dari 3 proses yaitu Extract, Transform dan Load. Pada proses extract akan dilakukan pengambilan, penguraian, dan pemilihan data dari data source untuk mendapatkan struktur atau pola data yang diharapkan. Data yang sudah di extract akan ditransformasi ke bentuk yang konsisten dan seragam.
Kemudian akan dilakukan proses load, yaitu penyimpanan hasil data yang sudah ditransformasi ke dalam data warehouse.
3. Data Warehouse
Data warehouse merupakan tempat penyimpanan data operasional yang telah disaring. Data dalam data warehouse bersifat subjek oriented, terintegrasi, historis dengan jangka waktu tertentu dan datanya tidak mengalami perubahan (non volatile).
4. User
User merupakan pengguna akhir yang akan menggunakan atau mengakses data yang tersimpan di dalam data warehouse melalui aplikasi yang dihasilkan. Dengan aplikasi tersebut, user dapat melakukan kegiatan seperti analisis data dan membuat laporan untuk mendukung pengambilan keputusan.
4.2 Rancangan Data Warehouse
Dalam membuat data warehouse ini, diperlukan beberapa tahap agar proses pembuatan data warehouse menjadi teratur. Tahap – tahap perancangan data warehouse yang digunakan dalam penulisan ini berdasarkan pada sembilan tahap metodologi (nine steps methodology), yaitu :
4.2.1 Memilih Proses (Choosing the process)
Proses dari PT. Saga M achie yang digunakan untuk merancang data warehouse adalah sebagai berikut :
• Penjualan
Proses penjualan pada PT. Saga M achie yang dimaksud adalah proses penjualan produk berupa sepatu dan sandal dengan sistem penjualan yang
terbagi menjadi dua, yaitu sistem penjualan konsinyasi (titip jual) dan penjualan di toko sendiri milik PT. Saga M achie. Termasuk juga di dalamnya proses retur dari Outlet yang disebabkan oleh kesalahan produk atau produk yang rusak.
Dokumen yang ada meliputi : Sales Trans, Retur Penjualan.
Data yang ada meliputi : Product, Outlet, Location, Colour, transaksi penjualan produk, dan transaksi retur penjualan.
• Pembelian
Proses pembelian meliputi proses pembelian produk berupa sepatu dan sandal dari beberapa supplier. Pembelian produk akan dilakukan jika stok produk di gudang PT. Saga M achie telah mencapai titik minimum stok produk. Termasuk pula proses retur pembelian apabila terjadi kesalahan dalam pengiriman produk.
Dokumen yang ada meliputi : PO, Retur Pembelian.
Data yang ada meliputi : Product, Supplier, Colour, transaksi pembelian produk, dan transaksi retur pembelian.
• Persediaan
Proses persediaan meliputi proses yang terkait dengan masuk serta keluarnya produk yang ada di gudang yang dipengaruhi oleh proses penerimaan produk, pengeluaran produk, retur penjualan, dan retur pembelian.
Dokumen yang ada meliputi : Penerimaan Produk, Pengeluaran Produk, Retur Penjualan, Retur Pembelian.
Data yang ada meliputi : Product, Colour, Outlet, Supplier, transaksi retur penjualan, transaksi retur pembelian, transaksi penerimaan produk, dan transaksi pengeluaran produk.
4.2.2 Memilih Grain (Choosing the grain)
Grain merupakan data dari calon fakta yang dapat dianalisis. Dengan memilih grain berarti menentukan apa yang digambarkan oleh record dalam tabel fakta. Setelah menentukan grain tabel fakta, dimensi untuk setiap tabel fakta dapat diidentifikasi. Grain dari PT. Saga M achie yang digunakan untuk merancang data warehouse adalah :
• Penjualan
Analisis pada penjualan sepatu dan sandal meliputi sepatu dan sandal yang paling banyak terjual/diminati, warna sepatu dan sandal yang paling diminati, outlet dengan tingkat penjualan tertinggi dan terendah, lokasi dengan tingkat penjualan tertinggi, dari segi umur masyarakat yang paling tinggi tingkat penjualannya, jumlah penjualan produk, total penjualan, serta perbandingan harga pesaing dengan harga pada outlet. Analisis tersebut akan dilakukan per periode waktu hari, bulanan, dan tahunan.
• Retur Penjualan
Analisis pada retur penjualan meliputi produk yang paling banyak diretur dari outlet, outlet dengan tingkat retur paling tinggi, lokasi dengan tingkat retur tinggi dan rendah, jumlah retur penjualan dan total retur penjualan.
Analisis tersebut akan dilakukan per periode waktu hari, bulanan, dan tahunan.
• Pembelian
Analisis pada pembelian meliputi produk yang paling banyak dipesan dari supplier, supplier dengan tingkat pembelian yang tinggi dan rendah, jumlah pembelian dan total pembelian. Analisis tersebut akan dilakukan per periode waktu hari, bulanan, dan tahunan.
• Retur Pembelian
Analisis pada retur pembelian meliputi produk yang paling banyak diretur ke supplier, supplier dengan tingkat retur paling tinggi atau rendah, jumlah retur pembelian dan total retur pembelian. Analisis tersebut akan dilakukan per periode waktu hari, bulanan, dan tahunan.
• Persediaan
Analisis pada persediaan meliputi jumlah produk yang masuk dan jumlah produk yang keluar dari outlet. Analisis tersebut akan dilakukan per periode waktu hari, bulanan, dan tahunan.
4.2.3 Identifikasi dan Penyesuaian Dimensi (Identifying and conforming the dimensions)
Pada tahapan ini, dilakukan penyesuaian hubungan dimensi dengan grain dari tabel fakta dalam bentuk matriks :
Tabel 4.1 Tabel Grain vs Dimensi pada Penjualan Produk Grain Produk yang paling banyak terjual Warna produk yang paling diminati Outlet dengan tingkat penjualan tertinggi Lokasi dengan tingkat penjualan tertinggi Umur dengan tingkat penjualan tertinggi Jumlah penjualan Total penjualan Harga jual produk Harga pesaing Dimensi Waktu X X X X X X X X X Outlet X X X X X Location X X X Product X X X X X Colour X Pesaing X X X X Penduduk X
• Pembelian
Tabel 4.2 Tabel Grain vs Dimensi pada Pembelian Produk
Grain Produk yang paling banyak dipesan dari supplier Supplier dengan tingkat pembelian tertinggi Jumlah pembelian Total pembelian Dimensi Waktu X X X X Supplier X Product X X X Colour X • Persediaan
Tabel 4.3 Tabel Grain vs Dimensi pada Persediaan Produk Grain Jumlah produk
yang masuk Jumlah produk yang keluar Dimensi Waktu X X Product X X Colour X X Outlet X Supplier X • Retur Penjualan
Tabel 4.4 Tabel Grain vs Dimensi pada Retur Penjualan
Grain paling sering Outlet yang melakukan retur Lokasi dengan tingkat retur tinggi Jumlah retur penjualan Total retur penjualan Dimensi Waktu X X X X Outlet X X X Location X X X Product X X Colour X X
• Retur Pembelian
Tabel 4.5 Tabel Grain vs Dimensi pada Retur Pembelian
Grain Supplier dengan tingkat retur paling tinggi Produk yang sering diretur Jumlah retur pembelian Total retur pembelian Dimensi Waktu X X X X Supplier X X X Product X X X Colour X X X
4.2.4 Memilih Fakta (Choosing the facts)
Pada tahap ini dilakukan pemilihan fakta. Setiap fakta memiliki data yang dapat dihitung (numerik) yang kemudian ditampilkan dalam bentuk laporan, grafik, atau diagram lainnya. Berikut fakta - fakta yang akan ditampilkan pada data warehouse :
• Fakta Penjualan
M eliputi WaktuID, OutletID, LocationID, ProductID, ColourID, jumlah penjualan produk, total penjualan produk, harga jual produk dan harga pesaing.
• Fakta Pembelian
M eliputi WaktuID, SupplierID, ProductID, ColourID, jumlah pembelian produk dari supplier dan total pembelian produk dari supplier.
• Fakta Persediaan
M eliputi WaktuID, OutletID, SupplierID, ProductID, ColourID, jumlah produk masuk dan jumlah produk keluar.
• Fakta ReturPenjualan
M eliputi WaktuID, OutletID, LocationID, ProductID, ColourID, jumlah retur penjualan produk dan total retur penjualan produk.
• Fakta ReturPembelian
M eliputi WaktuID, SupplierID, ProductID, ColourID, jumlah retur pembelian dan total retur pembelian produk.
4.2.5 Menyimpan Pre-kalkulasi pada Tabel Fakta (Storing pre-calculations in fact table)
Pada tabel fakta terdapat kalkulasi awal terhadap data yang dapat dihitung. Pre-kalkulasi yang dapat dilakukan untuk kemudian disimpan dalam tabel fakta berupa kalkulasi total. Kalkulasi awal yang ada pada tabel fakta antara lain :
• Fakta Penjualan
- Jumlah penjualan produk merupakan jumlah penjualan produk yang terjadi di setiap outlet.
- Total penjualan produk merupakan jumlah penjualan produk yang terjadi pada setiap outlet dikali dengan harga jual per produk.
- Harga Jual Produk dan Harga Pesaing merupakan perbandingan antara harga jual produk pada outlet PT. Saga M achie dengan harga jual pada outlet pesaing.
• Fakta Pembelian
- Jumlah pembelian produk merupakan jumlah pembelian produk terhadap beberapa supplier.
- Total pembelian produk merupakan jumlah pembelian produk terhadap beberapa supplier dikalikan dengan harga beli per produk. • Fakta Persediaan
- Jumlah barang masuk merupakan jumlah penerimaan barang dari supplier ditambah dengan jumlah retur penjualan dari outlet.
- Jumlah barang keluar merupakan jumlah pengeluaran barang ke outlet ditambah dengan jumlah retur pembelian ke supplier.
4.2.6 Melengkapi Tabel Dimensi (Rounding out the dimension table)
M enambahkan deskripsi teks pada dimensi agar mudah dimengerti oleh user. Berikut ini adalah deskripsi dari tabel dimensi :
1. Tabel Rounding Out Dimension
Tabel 4.6 Tabel Rounding Out Dimension
Dimensi Deskripsi Waktu Laporan dapat dilihat per waktu seperti tahunan, bulanan,
dan harian
Outlet Daftar outlet yang dimiliki oleh perusahaan. Outlet di sini adalah toko dan counter
Location Daftar lokasi – lokasi outlet
Product Daftar produk berisi model – model sepatu dan sandal perusahaan
Colour Daftar warna sepatu dan sandal perusahaan Supplier Pemasok sepatu dan sandal untuk perusahaan
Pesaing Daftar pesaing bagi perusahaan Penduduk Daftar range umur dan jenis umur
2. Daftar Tabel Dimensi
• Dimensi Waktu
Tabel 4.7 Tabel Dimensi Waktu
Attributes Data Type Length WaktuID INT 5 Tahun INT 5 Bulan INT 5 Hari INT 5 • Dimensi Outlet
Tabel 4.8 Tabel Dimensi Outlet
Attributes Data Type Length OutletID Int 5 OutletCode Char 5 OutletName Varchar 100
• Dimensi Location
Tabel 4.9 Tabel Dimensi Location
Attributes Data Type Length LocationID Int 5 LocCode Char 10 Lokasi Varchar 100
• Dimensi Product
Tabel 4.10 Tabel Dimensi Product
Attributes Data Type Length ProdukID Int 5 ProdCode Char 10 ProductName Varchar 100
Category Varchar 100
• Dimensi Colour
Tabel 4.11 Tabel Dimensi Colour
Attributes Data Type Length ColourID Int 5 ColourCode Char 4 Colour Varchar 100
• Dimensi Supplier
Tabel 4.12 Tabel Dimensi Supplier
Attributes Data Type Length SupplierID Int 5 SupCode Char 6 SupplierName Varchar 100
• Dimensi Pesaing
Tabel 4.13 Tabel Dimensi Pesaing
Attributes Data Type Length PesaingID Int 5 PesaingCode Char 5 NamaPesaing Varchar 100 ProductName Varchar 100 HargaPesaing Varchar 100 • Dimensi Penduduk
Tabel 4.14 Tabel Dimensi Penduduk
Attributes Data Type Length TransID Int 5 TransCode Char 5
RangeUmur Varchar 100
JenisUmur Varchar 100
ProductName Varchar 100
4.2.7 Memilih Durasi dari Database (Choosing the duration of the database) Tabel 4.15 Tabel Durasi Database
Nama Database
Database Ada Sejak Tahun
Data yang Masuk ke Data Warehouse
Data dalam Data Warehouse SM _OLTP 2007
Januari 2007 - Januari
2010 3 tahun
4.2.8 Melacak Perubahan dari Dimensi Secara Perlahan (Tracking slowly changing dimensions)
Perubahan dari dimensi pada tabel dimensi dapat dilakukan dengan 3 cara, yaitu :
• Atribut dimensi yang diubah dituliskan ulang secara langsung (overwritten). Contoh : ketika ada Harga Produk yang berubah, maka data Harga Produk yang berubah langsung ditulis ulang.
• Pembentukan record baru untuk setiap perubahan baru. Contoh : Harga Produk yang berubah akan membentuk record baru pada tabel Product. • Perubahan data yang membentuk kolom baru yang berbeda. Contoh :
penambahan Harga Produk baru pada tabel Product untuk melihat perubahan harga produk, sehingga dapat diketahui juga Harga Produk yang lama. Kemudian akan dibuat record baru untuk data produk dengan harganya yang baru.
Pada perancangan data warehouse PT. Saga M achie ini, perubahan atribut dari dimensi akan mengakibatkan pembuatan record baru pada tabel dimensi setiap ada perubahan yang terjadi. Tujuannya adalah untuk menjaga agar data yang lama tetap ada sehingga dapat diketahui perubahaan yang terjadi dari data lama ke data baru.
4.2.9 Memutuskan Prioritas dan Mode dari Query (Deciding the query priorities and the query modes)
Tahap ini membahas mengenai proses ETL (Extract, Transformation and Load), backup yang dilakukan secara berkala, analisis media penyimpanan, dan analisis pertumbuhan data.
ETL merupakan proses ekstraksi data dari sumber data, yaitu database operasional ke dalam data warehouse.
Tabel 4.16 Tabel Proses ETL
Pelaku ETL Waktu Keterangan Server Dilakukan setiap hari
ETL dilakukan secara otomatis oleh server
Proses ETL dilakukan setiap hari untuk menjaga keakuratan data, jika sewaktu - waktu para manajer tingkat atas ingin melihat laporan yang datanya diambil dari data warehouse.
Berikut ini adalah proses ETL ke data warehouse pada PT.Saga M achie :
Gambar 4.2 Gambar Transform Data
Contoh Transform FaktaPenjualan
Gambar 4.3 Query Transformasi
Gambar 4.5 Database Tujuan dan Tabel Tujuan Data Transformasi
Gambar 4.7 Execute SQL Task Editor
• Proses Backup
Proses backup dijalankan terlebih dahulu secara otomatis sebelum proses ETL berlangsung. Hal ini dimaksudkan agar data hasil dari proses ETL sebelumnya dapat disimpan terlebih dahulu, sehingga dapat mengurangi resiko bila terjadi kegagalan.
Tabel 4.17 Tabel Proses Backup
Pelaku Backup Waktu Keterangan
Server Dilakukan setiap hari sebelum proses ETL dilakukan Backup data warehouse dilakukan untuk menanggulangi proses ETL yang
gagal
• Analisis Kapasitas Media Penyimpanan
Dalam pengolahan data, kapasitas media penyimpanan menjadi salah satu aspek yang perlu dipertimbangkan. Transaksi sehari - hari yang terjadi pada OLTP sangat mempengaruhi pertumbuhan data dalam database maupun pertumbuhan data dalam data warehouse. Oleh karena itu, diperlukan analisis kapasitas media penyimpanan agar mampu menampung pertumbuhan data yang terus – menerus meningkat selama beberapa tahun ke depan.
Rumus yang akan digunakan untuk perhitungan kebutuhan penyimpanan record dalam SQL Server 2008 adalah :
1. Num_Row = jumlah baris / jumlah record. 2. Num_Col = jumlah kolom dalam tabel.
3. Fixed_Data_Size = jumlah bytes yang dibutuhkan oleh semua kolom yang mempunyai tipe data dengan ukuran yang pasti.
4. Num_Variable_Cols = jumlah kolom yang mempunyai tipe data dengan ukuran tidak pasti, seperti varchar, nvarchar, varbinary.
5. M ax_Var_Size = ukuran bytes terbesar dari semua kolom yang mempunyai tipe data dengan ukuran tidak pasti.
6. Null_Bitmap = bit status null kolom = 2 + ((num_col +7)/8).
7. Variable_Data_Size = jumlah bytes yang dibutuhkan untuk semua kolom variabel = 2 + (num_variable_cols x 2) + max_var_size.
8. Row_Size = fixed_data_size + null_bitmap + 4. 9. Rows_Per_Page = 8096 / (row_size + 2). 10. Num_Of_Pages = num_row / rows_per_page. 11. Heap_Size (Bytes) = 8192 x num_of_pages. 12. Heap_Size (Kbytes) = num_of_bytes / 1024 13. Heap_Size (Mbytes) = num_of_kytes / 1024
Analisis perkiraan kapasitas media penyimpanan data pada data warehouse PT. Saga M achie untuk perhitungan fakta adalah sebagai berikut : Rn = R x (n+(1+i) n ) Keterangan : n = Tahun ke – R = Jumlah record
Perhitungan untuk dimensi yang mengalami pertumbuhan data adalah sebagai berikut :
Rn = R x (1+i) n
Keterangan :
n = Tahun ke – R = Jumlah record
I = Persentase pertumbuhan record per tahun
Berikut adalah analisis perkiraan kapasitas media penyimpanan untuk 3 tahun mendatang dengan asumsi persentase pertumbuhan sebesar 10% per tahun.
1. Table FaktaPenjualan
Asumsi record 3 tahun kedepan diperkirakan : R5 = 182.500x ( 3 + ( 1+0,1)3)
= 790.407
Jumlah record FaktaPenjualan pada tahun ke-3 = 790.407
M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : • Num_Row = 790.407 • Num_Col = 11 • Fixed_Data_Size = 5+5+5+5+5+5+5+5+5+5+5=55 • Num_Variable_Cols = 0 • Max_Var_Size = 5 • Null_Bitmap = 2 + ((11+7)/8) = 4,25 • Variable_Data_Size = 2 + (0 x 2) + 5 = 7
• Row_Size = 55+ 4,25 + 4 = 63,25 bytes
• Rows_Per_Page = 8096 / (63,25 + 2) = 124,07rows • Num_Of_Pages = 790.407/ 204,34 = 3868,09pages
• Heap_Size (Bytes) = 8192 x 3868,09= 31.687.452,99Bytes • Heap_Size (Kbytes) =31.687.452,99Bytes /1024 =
30.944,77Kbytes
• Heap_Size (Mbytes) = 30.944,77Kbytes / 1024 = 30,21Mbytes
2. Table FaktaPembelian
Asumsi record 3 tahun kedepan diperkirakan : R5 = 4200 x ( 3 + ( 1+0,1)3)
= 18.190
Jumlah record FaktaPembeliaan pada tahun ke-3 = 18.190
M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : • Num_Row = 18.190 • Num_Col = 6 • Fixed_Data_Size = 5+5+5+5+5+5=30 • Num_Variable_Cols = 0 • Max_Var_Size = 5 • Null_Bitmap = 2 + ((6+7)/8) = 3,625 • Variable_Data_Size = 2 + (0 x 2) + 5 = 7 • Row_Size = 30 + 3,625 + 4 =37,62 bytes • Rows_Per_Page = 8096 / (37,62+ 2) = 204,34rows
• Num_Of_Pages = 18.190/ 204,34 = 89,01pages • Heap_Size (Bytes) = 8192 x 89,01 = 729.237,93Bytes
• Heap_Size (Kbytes) =729.237,93Bytes /1024 = 712,14Kbytes • Heap_Size (Mbytes) = 712,14Kbytes/ 1024 = 0,70Mbytes
3. Table FaktaPersediaan
Asumsi record 3 tahun kedepan diperkirakan : R5 = 2400 x ( 3 + ( 1+0,1)3)
= 10.394
Jumlah record FaktaPersediaan pada tahun ke-3 = 10.394
M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : • Num_Row = 10.394 • Num_Col = 7 • Fixed_Data_Size = 5+5+5+5+5+5+5=35 • Num_Variable_Cols = 0 • Max_Var_Size = 5 • Null_Bitmap = 2 + ((7+7)/8) = 3,75 • Variable_Data_Size = 2 + (0 x 2) + 5 = 7 • Row_Size = 35+ 3,75 + 4 = 42,75 bytes • Rows_Per_Page = 8096 / (42,75+ 2) = 180,91rows • Num_Of_Pages = 10.394,4/ 180,91 = 57,45 pages • Heap_Size (Bytes) = 8192 x 57,45= 470.681.13Bytes
• Heap_Size (Mbytes) = 459,64Kbytes / 1024 = 0,44Mbytes
4. Table FaktaReturPenjualan
Asumsi record 3 tahun kedepan diperkirakan : R5 = 105 x ( 3 + ( 1+0,1)3)
= 454
Jumlah record FaktaReturPenjualan pada tahun ke-3 = 454
M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : • Num_Row = 454 • Num_Col = 7 • Fixed_Data_Size = 5+5+5+5+5+5+5=35 • Num_Variable_Cols = 0 • Max_Var_Size = 5 • Null_Bitmap = 2 + ((7+7)/8) = 3,75 • Variable_Data_Size = 2 + (0 x 2) + 5 = 7 • Row_Size = 35+ 3,75 + 4 = 42,75 bytes • Rows_Per_Page = 8096 / (42,75 + 2) = 180,91rows • Num_Of_Pages = 454/ 180,91 = 2,5pages
• Heap_Size (Bytes) = 8192 x 2,5 = 20.558,11Bytes
• Heap_Size (Kbytes) =20.558,11Bytes /1024 = 20,07Kbytes • Heap_Size (Mbytes) = 20,07Kbytes/ 1024 = 0,01Mbytes
5. Table FaktaReturPembelian
Asumsi record 3 tahun kedepan diperkirakan : R5 = 100 x ( 3 + ( 1+0,1)3)
= 433
Jumlah record FaktaReturPembelian pada tahun ke-3 = 433
M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : • Num_Row = 433 • Num_Col = 6 • Fixed_Data_Size = 5+5+5+5+5+5=30 • Num_Variable_Cols = 0 • Max_Var_Size = 5 • Null_Bitmap = 2 + ((6+7)/8) = 3,62 • Variable_Data_Size = 2 + (0 x 2) + 5 = 7 • Row_Size = 30+ 3,62 + 4 = 37,62 bytes • Rows_Per_Page = 8096 / (37,62+ 2) = 204,34rows • Num_Of_Pages = 433 / 204,34 = 2,1pages
• Heap_Size (Bytes) = 8192 x 2,1 = 17.203,2 Bytes
• Heap_Size (Kbytes) =17.203,2Bytes /1024 = 16,8Kbytes • Heap_Size (Mbytes) = 16,8Kbytes / 1024 = 0,01Mbytes
6. Dimensi Waktu
Asumsi jumlah record data untuk satu tahun adalah 365 record. M aka dapat dihitung jumlah record sampai pada tahun ke 3 adalah :
R = R1+R2+R3
= 365 + 365 + 365 = 1095
M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : • Num_Row = 1095 • Num_Col = 6 • Fixed_Data_Size = 5 + 5 + 5 + 5 + 5 + 5 = 30 bytes • Num_Variable_Cols = 0 • Max_Var_Size = 0 • Null_Bitmap = 2 + ((6 +7)/8) = 3.62 • Variable_Data_Size = 2 + (0 x 2) + 0= 2bytes • Row_Size = 30 + 3.62 + 4 = 37.62bytes • Rows_Per_Page = 8096 / (37.62+ 2) = 204.34rows • Num_Of_Pages = 1095 / 204.34 = 5,35pages • Heap_Size (Bytes) = 8192 x 5,35 = 43.827,2Bytes
• Heap_Size (Kbytes) = 43.827,2Bytes /1024 = 42,8Kbytes • Heap_Size (Mbytes) = 42,8Kbytes / 1024= 0,04 Mbytes
7. Dimensi Product
Asumsi record 3 tahun kedepan diperkirakan : R5 = 100 x ( 1+0,1)3
= 133
Jumlah record Dimensi Product pada tahun ke-3 = 133
M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : • Num_Row = 133 • Num_Col = 4 • Fixed_Data_Size = 5 + 10 + 10 + 100 = 125bytes • Num_Variable_Cols = 100 • Max_Var_Size = 100 • Null_Bitmap = 2 + ((4 +7)/8) = 3.38 • Variable_Data_Size = 2 + (100 x 2) + 100 = 302 • Row_Size = 125 + 3.38 + 4 =132,38bytes • Rows_Per_Page = 8096 / 132,38 + 2) = 59,80 rows • Num_Of_Pages = 133 /59,80= 2,22pages
• Heap_Size (Bytes) = 8192 x 2,22 = 181.86,24 Bytes • Heap_Size (Kbytes) =181.86,24 /1024 = 17,76Kbytes • Heap_Size (Mbytes) = 17,76Kbytes / 1024 = 1,70 Mbytes
8. Dimensi Colour
Asumsi record 3 tahun kedepan diperkirakan : R5 = 173 x ( 1+0,1)3
= 230
Jumlah record Dimensi Colour pada tahun ke-3 = 230
M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : • Num_Row = 230 • Num_Col = 3 • Fixed_Data_Size = 5 + 4 + 100 = 109bytes • Num_Variable_Cols = 100 • Max_Var_Size = 100 • Null_Bitmap = 2 + ((3 +7)/8) = 3,25 • Variable_Data_Size = 2 + (100 x 2) + 100 = 302 • Row_Size = 109 + 3,25 + 4 = 115,25bytes • Rows_Per_Page = 8096 / (115,25+ 2) = 67,89rows • Num_Of_Pages =230 / 67,89 = 3,38 pages
• Heap_Size (Bytes) = 8192 x 3,38 =2.423,66Bytes
• Heap_Size (Kbytes) =2.423,66 Bytes /1024 = 2,36Kbytes • Heap_Size (Mbytes) = 2,36 Kbytes / 1024 = 2,31Mbytes
9. DimensiOutlet
Asumsi record 3 tahun kedepan diperkirakan : R5 = 84 x ( 1+0,1)3
= 111
Jumlah record Dimensi Outlet pada tahun ke-3 = 111
M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : • Num_Row = 111 • Num_Col = 3 • Fixed_Data_Size = 5 + 5 + 100 = 110bytes • Num_Variable_Cols = 100 • Max_Var_Size = 100 • Null_Bitmap = 2 + ((3 +7)/8) = 3,25 • Variable_Data_Size = 2 + (100 x 2) + 100 = 302 • Row_Size = 110 + 3,25 + 4 = 117,25bytes • Rows_Per_Page = 8096 / (117,25+ 2) =67,89 rows • Num_Of_Pages =111/ 67,89 =1,63 pages
• Heap_Size (Bytes) = 8192 x 1,63 =133.52,96 Bytes
• Heap_Size (Kbytes) =133.52,96 Bytes /1024 = 13,04Kbytes • Heap_Size (Mbytes) = 13,04Kbytes / 1024 = 0,01Mbytes
10. DimensiLocation
Asumsi record 3 tahun kedepan diperkirakan : R5 = 17 x ( 1+0,1)3
= 22
Jumlah record Dimensi Lokasi pada tahun ke-3 = 22
M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : • Num_Row = 22 • Num_Col = 3 • Fixed_Data_Size = 5+ 10+ 100 = 115bytes • Num_Variable_Cols = 100 • Max_Var_Size = 100 • Null_Bitmap = 2 + ((3 +7)/8) = 3,25 • Variable_Data_Size = 2 + (100 x 2) + 100 = 302 • Row_Size = 115+ 3,25 + 4 = 122,25bytes • Rows_Per_Page = 8096 / (122,25+ 2) = 65,15rows • Num_Of_Pages =22/ 65,15=0,33 pages
• Heap_Size (Bytes) = 8192 x 0,33 = 2.703,36Bytes
• Heap_Size (Kbytes) =2.703,36Bytes /1024 Bytes = 2,64Kbytes • Heap_Size (Mbytes) = 2,64Kbytes / 1024 = 0,002Mbytes
11. DimensiSupplier
Asumsi record 3 tahun kedepan diperkirakan : R5 = 21x ( 1+0,1)3
= 28
Jumlah record Dimensi Supplier pada tahun ke-3 = 28
M aka media penyimpanan yang dibutuhkan dalam 3 tahun adalah : • Num_Row = 28 • Num_Col = 3 • Fixed_Data_Size = 5 + 6+ 100 = 111bytes • Num_Variable_Cols = 100 • Max_Var_Size = 100 • Null_Bitmap = 2 + ((3 +7)/8) = 3,25 • Variable_Data_Size = 2 + (100 x 2) + 100 = 302 • Row_Size = 111+ 3,25 + 4 = 118,25bytes • Rows_Per_Page = 8096 / (118,25+ 2) = 67,32rows • Num_Of_Pages =28/ 67,32 = 0,41pages
• Heap_Size (Bytes) = 8192 x 0,41 = 3.358,72Bytes
• Heap_Size (Kbytes) =3.358,72 Bytes /1024 = 3,28Kbytes • Heap_Size (Mbytes) = 3,28Kbytes / 1024 = 0,003Mbytes
Tabel 4.18 Analisis Kapasitas M edia Penyimpanan Tabel Fakta untuk Jangka Waktu 3 Tahun
Tabel 4.19 Analisis Kapasitas M edia Penyimpanan Tabel Dimensi untuk Jangka Waktu 3 Tahun
Nama Tabel Besar Record (Bytes) Jumlah Current Record Jumlah Record 3 tahun mendatang Jumlah bytes (Kbytes) Dimensi Waktu 37,62 - 1095 42,8 Dimensi Product 132,38 100 133 17,76 Dimensi Colour 115,25 173 230 2,36 Dimensi Outlet 117,25 84 111 13,04 Dimensi Location 122,25 17 22 2,64 Dimensi Supplier 118,25 21 28 3,28 Total 81,88
4.3 Rancangan Skema Bintang
Pada perancangan ini, bentuk skema yang dipilih adalah star schema, karena skema ini merupakan skema yang mudah dipahami dan digunakan oleh pengguna daripada skema yang lain. Bentuk star schema yang ada pada data warehouse ini terdiri atas tabel fakta yang berhubungan dengan tabel dimensi. Berikut gambar star schema PT. Saga M achie yang dihasilkan dalam perancangan ini:
Nama Tabel Besar Record (Bytes) Jumlah Current Record Jumlah Record 3tahun mendatang Jumlah bytes (Mbytes) Fakta Penjualan 42,75 180.000 790.407 30,21 Fakta Pembelian 27,37 4200 18.190 0,70 Fakta Persediaan 32,5 2400 16.394 0,44 FaktaReturPenjualan 32,5 105 454 0,01 FaktaReturPembelian 27,37 95 433 0,01 Total 31,37
1. Star Schema Penjualan
2. Star Schema Pembelian
3. Star Schema Persediaan
4. Star Schema Retur Penjualan
5. Star Schema Retur Pembelian
Gambar 4.13 Star Schema Fakta Retur Pembelian
4.4 Metadata
M etadata pada data warehouse Saga M achie meliputi beberapa hal informasi yang disajikan berupa nama tabel beserta detail rincian informasinya. Tabel tersebut adalah :
Tabel 4.20 Tabel Dimensi Waktu
Nama Field Tipe Panjang
Field Deskripsi
Sumber Data
Transformasi
Nama Field Tipe Length Tabel
WaktuID Int 5 Surrogate Key
create
Tahun Int 5 Year(SalesTransDate) Year(POTransDate) Year(ReturPenjualanDa te) Year(ReturPembelianD ate) Year(PenerimaanProdu kDate) Year(PengeluaranProdu kDate) datetime 8 H_SalesTrans H_PO H_ReturPenjuala n H_ReturPembelia n H_PenerimaanPr oduct H_PengeluaranPr oduk copy
Bulan Int 5 M onth(SalesTransDate) M onth(POTransDate) M onth(ReturPenjualan Date) M onth(ReturPembelian Date) M onth(PenerimaanProd ukDate) M onth(PengeluaranPro dukDate) datetime 8 H_SalesTrans H_PO H_ReturPenjuala n H_ReturPembelia n H_PenerimaanPr oduct H_PengeluaranPr oduk copy
Hari Int 5 Day(SalesTransDate) Day(POTransDate)
datetime 8 H_SalesTrans H_PO
Day(ReturPenjualanDat e) Day(ReturPembelianDa te) Day(PenerimaanProduk Date) Day(PengeluaranProdu kDate)) H_ReturPenjuala n H_ReturPembelia n H_PenerimaanPr oduct H_PengeluaranPr oduk PK_Waktu dateti me
8 PK_Waktu datetime 8 DimensiWaktu Create
Status varch ar
Tabel 4.21 Tabel Dimensi Oulet
Nama Field Tipe Panjang Field
Deskripsi
Sumber Data
Transformasi Nama
Field Tipe Length
Tabel
OutletID Int 5 Surrogate Key create
OutletCode Char 5 Kode Outlet Outlet
Code Char 5
M _Outl
et copy
OutletName Varchar 100 Nama Outlet Outlet
Name varc
har 100
M _Outl
et copy
Tabel 4.22 Tabel Dimensi Location
Nama Field Tipe Panjang Field
Deskripsi
Sumber Data
Transformasi Nama
Field Tipe Length
Tabel
LocationID Int 5 Surrogate Key create
LocCode Char 10 Kode Lokasi LocCo
de Char 10
M _Loca
tion copy
Lokasi Varchar 100 Nama Lokasi Lokasi Varch
ar 100
M _Loca
Tabel 4.23 Tabel Dimensi Product
Nama Field Tipe Panjang Field
Deskripsi
Sumber Data
transformasi Nama
Field Tipe Length Tabel
ProductID Int 5 Surrogate Key - - - - create
ProdCode Char 10 Kode Poduk ProdC
ode Char 10
M _Produ
ct copy
ProductName Varchar 100 Nama Produk Produc
tName
Varc
har 100
M _Produ
ct copy
Tabel 4.24 Tabel Dimensi Colour
Nama Field Tipe Panjang Field
Deskripsi
Sumber Data
Transformasi Nama
Field Tipe Lenght Tabel
ColourID Int 5 Surrogate Key - - - - create
ColourCode Char 4 Kode Warna Colour
Code Char 4
M _Colou
r copy
Colour Varchar 100 Nama Warna Colour Varc
har 100
M _Colou
Tabel 4.25 Tabel Dimensi Supplier
Nama Field Tipe Panjang Field
Deskripsi
Sumber Data
Transformasi Nama
Field Tipe Length Tabel
SupplierID Int 5 Surrogate Key - - - - create
SupCode Char 6 Kode Supplier SupCode Char 6 M _Supplier copy
SupplierName varchar 100 Nama Supplier Supplier
Name
Varch
ar 100 M _Supplier copy
Tabel 4.26 Tabel Dimensi Pesaing
Nama Field Tipe Panjang Field
Deskripsi
Sumber Data
Transformasi Nama Field Tipe Length Tabel
PesaingID Int 5 Surrogate Key - - - - create
PesaingCode Char 5 Kode Pesaing PesaingCode Char 5 EPesaing copy NamaPesaing varchar 100 Nama Pesaing NamaPesaing varchar 100 EPesaing copy
ProductNam
e varchar 100 Nama Supplier ProductName varchar 100 EPesaing copy HargaPesaing varchar 100 Harga Pesaing HargaPesaing varchar 100 EPesaing copy
Tabel 4.27 Tabel Dimensi Penduduk
Nama Field Tipe Panjang Field
Deskripsi
Sumber Data
Transformasi Nama Field Tipe Length Tabel
TransCode Int 5 Surrogate Key - - - - create
RangeUmur Char 5 Range Umur RangeUmur Char 5 EUmurPe
nduduk copy JenisUmur varchar 100 Jenis Umur JenisUmur varchar 100 EUmurPe
nduduk copy
ProductNam
e varchar 100 Nama Product ProductName varchar 100
EUmurPe
Tabel 4.28 Tabel Fakta Penjualan Nama Field Tipe Panjang Field Deskripsi Sumber Data Transformasi Nama Field Tipe Length Tabel
WaktuID Int 5 Foreign Key
WaktuID int 5 DimensiWaktu copy WaktuID dimana year(HJ.SalesTransDate) = DimWk.Tahun AND month(HJ.SalesTransDate) = DimWk.Bulan AND day (HJ.SalesTransDate) = DimWk.Hari AND DimWk.status like '%Penjualan%'
OutletID Int 5 Foreign
Key OutletID int 5
DimensiOutlet Copy OutletID dimana
DimOut.OutletCode = O.OutletCode
LocationID Int 5 Foreign
Key LocationID int 5
DimensiLocation Copy LocationID dimana
DimLoc.LocCode = Lc.LocCode
ProductID Int 5 Foreign
Key ProductID int 5
DimensiProduct Copy ProductID dimana
DimPro.ProdCode = Pr.ProdCode
ColourID Int 5 Foreign
Key ColourID int 5
DimensiColour Copy ColourID dimana
DimCol.ColourCode = C.ColourCode
PesaingID Int 5 Foreign
Key PesaingID int 5
DimensiPesaing Copy PesaingID dimana
Dimpes.PesaingCode = Pes.PesaingCode
TransID Int 5 Foreign
Key TransID int 5
DimensiPenduduk Copy TransID dimana DimPen.TransCode =
Um.TransCode JumlahPenj ualanProdu k Int 5 sum( DJ.Qt y ) Int 5 D_SalesTrans calculate TotalPenju alanProduk nume ric 5 sum( DJ.Qt y * Pr.HargaJua l) Int 5 D_SalesTrans calculate HargaJualP roduk nume ric 30,2 sum (Pr.HargaJu al) Int 5 DimensiProduct calculate HargaPesai ng nume ric 30,2 sum (Pes.HargaP esaing) Int 5 EPesaing calculate
Tabel 4.29 Tabel Fakta Pembelian
Nama Field Tipe Panjang
Field Deskripsi
Sumber Data
Transformasi Nama Field Tipe Length Tabel
WaktuID Int 5 Foreign Key
WaktuID int 5 Dimensi waktu
copy WaktuID dimana
year( HB.POTransDate) = DimWk.Tahun AND month( HB.POTransDate) = DimWk.Bulan AND day(HB.POTransDate) = DimWk.Hari AND DimWk.status like '%Pembelian%'
SupplierID Int 5 Foreign
Key
SupplierID int 5 Dimensi
Supplier
Copy SupplierID dimana
DimSup.SupCode = S.SupCode
ProductID Int 5 Foreign
Key
ProductID int 5 Dimensi
Product
Copy ProductID dimana
DimPel.ProdCode = Pr.ProdCode
ColourID Int 5 Foreign
Key
ColourID int 5 Dimensi
Colour
Copy ColourID dimana
DimCol.ColourCode = C.ColourCode
JumlahPembelian Produk
Int 5 sum(DB.Qty) Int 5 D_PO calculate
TotalPembelianPr oduk
numeric 30,2 sum(DB.Qty * Pr.HargaBeli)
Tabel 4.30 Tabel Fakta Persediaan
Nama Field Tipe Panjang Field
Deskripsi
Sumber Data
Transformasi Nama Field Tipe Length Tabel
WaktuID Int 5 Foreign Key WaktuID int 5 Dimensi Waktu
copy WaktuID dimana
year( HTP.Penerimaan ProdukDate) = DimWk.Tahun AND month(HTP.Penerimaa nProdukDate) = DimWk.Bulan AND day( HTP.Penerimaan ProdukDate) = DimWk.Hari
OutletID Int 5 Foreign Key OutletID int 5 Dimensi
Outlet
Copy OutletID dimana
DimOut.OutletCode = O.OutletCode
ProductID Int 5 Foreign Key ProductID int 5 Dimensi
Product
Copy ProductID
dimana
DimPro.ProdCode = Pr.ProdCode
ColourID Int 5 Foreign Key ColourID int 5 Dimensi
Colour
Copy ColourID
dimana
DimCol.ColourCode = C.ColourCode
SupplierID Int 5 Foreign Key SupplierID int 5 Dimensi
Supplier
Copy SupplierID
dimana
S.SupCode
jmlhbrgmasuk int 5 sum
(DTP.Qty) sum (DTP.Qty) int 5 D_Pener imaanPr oduct D_Retur Penjuala n Calculate calculate
jmlhbrgkeluar int 5 sum
(DKP.Qty) sum(DRB.Qt y int 5 D_Peng eluaranP roduct D_Retur Pembeli an Calculate calculate
Tabel 4.31 Tabel ReturPenjualan
Nama Field Tipe Panjang Field
Deskripsi
Sumber Data
Transformasi Nama Field Tipe Length Tabel
WaktuID Int 5 Foreign Key WaktuID int 5
Dimensi waktu
copy WaktuID dimana
HRJ.ReturPenjualanDat e = DimWk.PK_Waktu
OutletID Int 5 Foreign Key OutletID int 5
Dimensi
Outlet
Copy OutletID dimana
DimOut.OutletCode = O.OutletCode
LocationID Int 5 Foreign Key LocationID int 5
Dimensi
Location
Copy LocationID
dimana Lc.LocCode = DimLoc.LocCode
ProductID Int 5 Foreign Key ProductID int 5
Dimensi
Product
Copy ProductID dimana DimPro.ProdCode = Pr.ProdCode
ColourID Int 5 Foreign Key ColourID int 5
Dimensi
Colour
Copy ColourID dimana DimCol.ColourCode = C.ColourCode JumlahReturPe njualan numeric 30,2 sum (DRJ.Qty) num eric 30,2 D_ReturP enjualan Calculate TotalReturPenj ualan numeric 30,2 sum (DRJ.Qty * Pr.HargaJua l) num eric 30,2 D_ReturP enjualan Calculate
Tabel 4.32 Tabel ReturPembelian
Nama Field Tipe Panjang Field
Deskripsi
Sumber Data
Transformasi Nama Field Tipe Length Tabel
WaktuID Int 5 Foreign
Key WaktuID int 5
Dimensi waktu copy WaktuID dimana HRB.ReturPembelia nDate = DimWk.PK_Waktu
SupplierID Int 5 Foreign
Key SupplierID int 5
Dimensi
supplier
Copy SupplierID
dimana S.SupCode = DimSup.SupCode
ProductID Int 5 Foreign
Key ProductID int 5
Dimensi Product Copy ProductID dimana Pr.ColourCode = C.ColourCode
ColourID Int 5 Foreign
Key ColourID int 5
Dimensi Colour Copy ColourID dimana C.ColourCode = DimCol.ColourCode JumlahReturPem belian numeric 30,2 sum (DRJ.Qty) numeri c 30,2 D_Retur Pembelia n calculate TotalReturPemb elian numeric 30,2 sum (DRJ.Qty * Pr.HargaJual) numeri c 30,2 D_Retur Pembelia n Calculate
4.5 Rancangan Layar Aplikasi
Pada layar login, user akan diminta untuk memasukkan Username, password, dan memilih manager type. Jika username dan password tidak sesuai dengan manager type akan muncul message box. Jika username dan password tidak di isi maka akan muncul juga message box sebagai berikut:
Gambar 4.14 Rancangan Form Login
Bila User memasukkan username, password dan manager type dengan benar, maka user akan masuk ke layar M enu Utama.
Gambar 4.15 Rancangan M enu Utama
Jika user memilih report, maka akan masuk ke tampilan report. Pada halaman ini user bisa memilih laporan ditampilkan pivot tabel penjualan, Pembelian, Persediaan, ReturPenjualan dan laporan ReturPembelian produk. User dapat menampilkan informasi yang diinginkan dalam bentuk multidimensi. User dapat menentukan field mana saja yang akan di tampilkan. Selain itu, user dapat melihat laporan dalam bentuk grafik.
0 2 0 4 0 6 0 8 0 10 0 A B C Gambar 4.16 Rancangan Laporan Penjualan
0 20 40 60 80 100 A B C 0 20 40 60 80 100 A B C Gambar 4.17 Rancangan Laporan Pembelian
0 20 40 60 80 100 A B C 0 20 40 60 80 100 A B C Gambar 4.18 Rancangan Laporan Persediaan
0 20 40 60 80 100 A B C 0 20 40 60 80 100 A B C
Gambar 4.19 Rancangan Laporan ReturPenjualan 0 20 40 60 80 100 A B C 0 20 40 60 80 100 A B C
Gambar 4.20 Rancangan Laporan ReturPembelian
Jika user memilih menu about us pada M DI Form, maka akan muncul tampilan berikut ini.
Gambar 4.21 Rancangan About Us
4.6 Rancangan Implementasi
PT. Saga M achie telah menggunakan teknologi informasi dalam mendukung kegiatan operasional atau kegiatan bisnis sehari-hari. Teknologi yang digunakan meliputi penggunaan perangkat keras (hardware) dan perangkat lunak (software).
4.6.1 S pesifikasi Hardware
Perangkat keras atau hardware yang digunakan untuk keperluan operational pada PT. Saga M achie sebagai berikut:
a. Satu buah PC server dengan spesifikasi sebagai berikut : • Care 2 Duo processor 3,2 GHz.
• Memory 4 GB RAM . • Hard disk 320MB.
• Monitor 14” LCD.
b. Empat Belas buah PC Client dengan spesifikasi sebagai berikut : • Dual Core 2.8 GHz.
• Memory 2 GB RAM . • Hard disk 180MB. • Monitor 14” LCD
c. Tujuh buah printer tipe Printer HP P200
d. Satu buah modem ADSL untuk koneksi internet dan Switch D-Link 24 port untuk mendukung jaringan / local area network (LAN)
4.6.2 S pesifikasi Software
Perangkat Lunak atau software yang digunakan untuk keperluan operational pada PT. Saga M achie adalah sebagai berikut :
a. Server :
- Sistem Operasi : Microsoft Windows Server 2003 - Database : Microsoft SQL Server 2008
- Front End Tool : Microsoft Visual Studio 2008 b. Client :
- Sistem Operasi : Windows XP
- Office Tools : Ms Office Word dan Ms Office Excel
Selain komponen di atas dibutuhkan juga pendukung lain, yaitu Dev Express sebagai tools grafik dan pivot table.
4.7 Estimasi Waktu Implementasi Data warehouse
Untuk waktu implementasi data warehouse, kegiatan diawali dengan instalasi software dan aplikasi yang dibutuhkan untuk mengisi hardware yang sudah ada. Kemudian dilanjutkan dengan melakukan konversi data operasional perusahaan dan proses transformasi data. Setelah semua selesai dilakukan, tahap selanjutnya yaitu melakukan uji coba aplikasi yang sudah jadi. Tahap uji coba dilakukan selama seminggu. Kemudian dilakukan training untuk pemahaman user selama 2 minggu. Dari hasil yang didapat, dilakukan evaluasi untuk melihat kemajuan dari pengimplementasian aplikasi tersebut.
Berikut ini adalah tabel rencana implementasi sistem pada PT. Saga M achie : Tabel 4.33 Tabel Rencana Implementasi Sistem pada PT. Saga M achie
No. Kegiatan
Minggu
1 2 3 4 1 Instalasi software dan aplikasi
2 Transformasi data
3 Uji coba aplikasi
4 Pelatihan user