7
LANDASAN TEORI 1.1 Teori Umum
Pada sub bab ini akan dijelaskan beberapa konsep dasar yang akan dijadikan landasan penyusunan Skripsi ini.
1.1.1 Sistem
Menurut (O'Brien & Marakas, 2010:573), sistem merupakan sekelompok elemen yang saling berhubungan atau berinteraksi hingga membentuk satu kesatuan. Kumpulan komponen yang saling berhubungan ini bekerja bersama dengan satu tujuan yang sama dengan cara menerima inputan dan menghasilkan output dalam sebuah proses transformasi yang terorganisasi.
Menurut (Williams & Sawyer, 2011:492), sistem didefinisikan sebagai kumpulan dari komponen berkaitan yang berinteraksi melakukan sebuah tugas dalam rangka menyelesaikan sebuah tujuan.
Dapat disimpulkan bahwa, sistem adalah kumpulan komponen yang berinteraksi dan bekerja sama untuk satu tujuan dengan cara menerima inputan, memprosesnya, dan kemudian menghasilkan output.
1.1.2 Informasi
Menurut (O'Brien & Marakas, 2010:565), informasi adalah data yang diberikan dalam bentuk yang bermakna dan sesuai dengan konteks bagi pengguna akhir.
Menurut (Williams & Sawyer, 2011:25), informasi adalah data yang telah diringkas atau dimanipulasi untuk digunakan dalam pengambilan keputusan.
Berdasarkan penjelasan di atas, dapat disimpulkan bahwa informasi adalah data yang dimengerti oleh manusia yang dapat membantu untuk memecahkan masalah atau membuatan keputusan.
1.1.3 Data
Menurut (Williams & Sawyer, 2011:25), data adalah fakta dan angka-angka yang dapat diproses menjadi informasi.
Menurut (O'Brien & Marakas, 2010:560), data adalah fakta atau observasi mengenai fenomena fisik atau transaksi bisnis. Secara spesifik, data adalah ukuran objektif dari atribut (karakteristik) dari entitas seperti orang, tempat, benda, serta kejadian.
Dari penjelasan di atas, dapat disimpulkan bahwa data adalah kumpulan fakta yang belum diolah menjadi informasi.
1.1.4 Database
Menurut (Connolly & Begg, 2005:15), database adalah kumpulan relasi data yang logis dan deskripsi dari data tersebut, yang didesain untuk memenuhi kebutuhan suatu perusahaan.
Menurut (O'Brien & Marakas, 2010:560), database adalah kumpulan terintegrasi dari elemen data yang berhubungan secara logis. Sebuah database terdiri dari banyak record yang sebelumnya disimpan dalam file yang terpisah agar kumpulan data yang sejenis dapat digunakan oleh banyak aplikasi.
Jadi dapat disimpulkan bahwa, database adalah kumpulan relasi data yang berhubungan secara logis yang digunakan untuk merepresentasikan informasi menarik untuk suatu sistem informasi yang digunakan untuk memenuhi kebutuhan perusahaan.
1.1.5 Data Warehouse
Menurut (Connolly & Begg, 2005:1151), data warehouse adalah sekumpulan data yang bersifat subject-oriented, terintegrasi, time-variant, dan non-volatile yang digunakan untuk mendukung proses manajemen pengambilan keputusan.
Menurut (O'Brien & Marakas, 2010:561), data warehouse adalah kumpulan terpadu dari data yang diambil dari database operasional, historis dan eksternal, yang dibersihkan, diubah dan dikatalogkan untuk penelusuran dan analisis untuk menyediakan kecerdasan bisnis bagi pengambil keputusan bisnis.
Berdasarkan penjelasan di atas, dapat disimpulkan bahwa, data warehouse adalah kumpulan data yang telah terintegrasi, berorientasi subjek yang diambil dari database operasional dan digunakan untuk mendukung pengambilan keputusan.
1.1.5.1 Konsep Pemodelan Data Warehouse
Menurut (Connolly & Begg, 2005:1182) dalam pemodelan data warehouse, digunakan teknik pemodelan dimensional. Dengan teknik tersebut, maka dapat dibuat tabel fakta, tabel dimensi, dan membangun relasi antar masing – masing tabel dimensi dan tabel fakta.
1. Dimensionality Modelling (Model Dimensional)
Menurut (Connolly & Begg, 2005:1183), dimesionality modelling ialah teknik logical design yang bertujuan untuk menyajikan data dalam bentuk yang standar dan intuitif yang memungkinkan pengaksesan database dengan performance yang tinggi.
1. Star Schema
Menurut (Connolly & Begg, 2005:1183), Star schema merupakan sebuah dimesional data model yang memiliki tabel fakta di tengah, dan dikelilingi oleh tabel dimensi denormalisasi. Star schema / star join mengeksploitasi karakteristik data faktual sehingga fakta-fakta yang dihasilkan oleh peristiwa yang terjadi di masa lalu, dan tidak mungkin berubah, terlepas dari bagaimana mereka dianalisis. 2. Snowflake Schema
Menurut (Connolly & Begg, 2005:1184), snowflake schema adalah variasi bentuk dari skema bintang dimana pada tabel dimensi tidak mengandung data yang telah di-denormalisasi.
3. Starflake Schema
Menurut (Connolly & Begg, 2005:1185), starflake schema merupakan struktur hybrid yang berisi kombinasi antara skema bintang yang telah didenormalisasi dan snowflake yang telah dinormalisasi. Beberapa dimensi dapat
menggunakan bentuk tertentu untuk memenuhi berbagai kebutuhan query.
1.1.6 Keuntungan Data Warehouse
Menurut (Connolly & Begg, 2005:1152), data warehouse yang telah diimplementasikan dengan sukses dapat memberikan keuntungan bagi organisasi, keuntungan – keuntungan tersebut adalah:
1. Tingkat pengembalian investasi yang tinggi
Sebuah organisasi menangani sumber daya dalam jumlah besar untuk memastikan implementasi data warehouse yang berhasil dan biayanya bisa sangat bervariasi. Berdasarkan penelitian dari International Data Corporation (IDC), rata – rata tingkat pengembalian investasi data warehouse dalam 3 tahun mencapai 401% pada tahun 1996.
2. Keunggulan kompetitif
Pengembalian dari investasi yang tinggi bagi perusahaan yang mengimplementasikan data warehouse dengan berhasil akan memberikan mereka keuntungan kompetitif. Keuntungan tersebut didapat dengan mengizinkan pembuat keputusan mengakses data yang sebelumnya tidak tersedia, tidak diketahui dan informasi yang belum dimanfaatkan, contohnya seperti tren dan permintaan.
3. Meningkatkan produktivitas para pembuat keputusan perusahaan. Data warehouse meningkatkan produktivitas dari pembuat keputusan perusahaan dengan menciptakan database yang terintegrasi, konsistensi, berorientasi subjek dan data historis. Contohnya seperti: dengan merubah data menjadi informasi yang berarti, data warehouse memungkinkan manajer untuk melakukan analisis dengan lebih akurat dan konsisten.
1.1.7 Sembilan Tahap Perancangan Data Warehouse
Sembilan tahap perancangan data warehouse ini dikemukaan pertama kali oleh Ralph Kimball pada tahun 1996 yang dikenal sebagai ‘Nine-Step Methodology’ (Connolly & Begg, 2005:1187). Langkah-langkahnya sebagai berikut:
1. Pemilihan Proses (Choosing the Process)
Proses yang dimaksud adalah bagian subjek bisnis yang inigin dibuat ke dalam data warehouse. Subjek pertama yang sebaiknya dibuat adalah subjek yang sangat mungkin disajikan tepat waktu, memiliki alokasi dana yang cukup, dan merupakan jawaban yang paling penting secara komersil dari pertanyaan bisnis yang ada. Pilihan terbaik untuk subjek pertama biasanya yang berhubungan dengan penjualan.
2. Pemilihan Grain (Choosing the Grain)
Pemilihan grain berarti menentukan secara tepat hal-hal yang direpresentasikan oleh tabel fakta. Hanya jika grain telah ditentukan barulah dimensi dapat diidentifikasi untuk tabel fakta tersebut. Penentuan grain untuk tabel fakta juga menentukan grain untuk tabel dimensi.
3. Identifikasi dan Penyesuaian Dimensi (Identifying and Conforming the Dimensions)
Dimensi menentukan konteks pertanyaan mengenai fakta yang ada pada tabel fakta. Kumpulan dimensi yang dibuat dengan baik membuat data mudah digunakan dan dimengerti. Dimensi diidentifikasi dalam detail yang cukup untuk menjelaskan hal-hal seperti asset pada grain yang sesuai. 4. Pemilihan Fakta (Choosing the Facts)
Grain dari tabel fakta menentukan fakta yang dapat digunakan. Seluruh fakta harus dibuat dalam level yang sesuai dengan grainnya. Fakta tambahan dapat dibuat kapan saja selama tetap konsisten dengan grain dari tabel yang ada.
5. Menyimpan Calculation pada Tabel Fakta (Storing Pre-Calculations in the Fact Table)
Setelah fakta telah ditentukan, masing-masing fakta perlu dicek kembali untuk mengetahui kemungkinan adanya kesempatan untuk menggunakan pre-kalkulasi. Hal ini berguna untuk peningkatan performa data warehouse..
6. Melengkapi Tabel Dimensi (Rounding Out the dimension tables)
Pada tahap ini, perancangan kembali pada tabel dimensi untuk memberikan sebanyak mungkin deskripsi teks pada dimensi. Deskripsi yang ada harus sejelas mugkin dan dapat dimengerti oleh pengguna.
7. Pemilihan Durasi Database (Choosing the Duration of the Database) Durasi database mengukur rentan waktu suatu tabel fakta diisi. Pada kebanyakan perusahaan, terdapat kebutuhan yang perlu dilihat pada periode yang sama satu atau dua tahun sebelumnya. Sedangkan pada perusahaan lain, mungkin bisa sampai 5 tahun ke belakang atau lebih.
8. Melacak Perubahan Dimensi Perlahan (Tracking Slowly Changing Dimension)
Masalah perubahan dimensi perlahan berarti bahwa deskripsi dari klien yang lama pada cabang yang lama harus digunakan pada catatan transaksi yang lama. Oleh karena itu, data warehouse perlu memberikan penanda pada dimensi dalam rangka membedakan beberapa set dari data tiap periode waktu yang ada.
9. Memutuskan Prioritas dan Mode dari Query (Deciding the Query Priorities and the Query Mode)
Pada tahap ini kita menentukan desain fisik dari data warehouse dan mulai merancangnya. Desain yang dibuat bisa meliputi administrasi, proses backup, performa, keamanan, proses yang akan dijalankan, dan penyimpanan.
1.1.8 Proses Extract, Transform and Load (ETL)
ETL merupakan proses yang sangat penting, dengan ETL data dapat dimasukkan ke dalam data warehouse. ETL juga dapat digunakan untuk mengintegrasikan data dengan sistem yang sudah ada sebelumnya. Proses ETL meliputi ekstraksi data dari sumber, mentransformasikannya ke dalam format baru sesuai dengan kebutuhan bisnis, dan kemudian memasukkannya pada struktur data target (Gour, Sarangdevot, Tanwar, & Sharma, 2010).
Tujuan ETL adalah mengumpulkan, menyaring, mengolah dan menggabungkan data yang relevan dari berbagai sumber untuk disimpan ke dalam data warehouse. Hasil dari proses ETL adalah dihasilkannya data yang memenuhi kriteria data warehouse seperti data historis, terpadu, terangkum, statis dan memiliki struktur yang dirancang untuk keperluan proses bisnis.
1. Extract
Extract merupakan proses pembacaan data dari sebuah database sumber yang spedifik dan mengekstraksi bagian data yang diinginkan (Gour, Sarangdevot, Tanwar, & Sharma, 2010). Langkah pertama pada proses ETL adalah mengekstrak sumber-sumber data. Kebanyakan proyek data warehouse menggabungkan data dari sumber-sumber yang berbeda. Pada umumnya, proses ekstraksi adalah proses penguraian, pembersihan dari data yang diekstrak untuk mendapatkan struktur atau pola data yang diharapkan.
2. Transform
Transform merupakan proses mengkonversi data yang sudah diekstraksi dari bentuk sebelumnya ke dalam bentuk yang diinginkan agar dapat dimasukkan ke dalam database lain (Gour, Sarangdevot, Tanwar, & Sharma, 2010). Tahapan transformasi menggunakan serangkaian aturan atau fungsi untuk mengekstrak data dari sumber dan selanjutnya akan dimasukkan ke dalam data warehouse. Berikut hal-hal yang dapat dilakukan di tahap transformasi:
1. Hanya memilih kolom tertentu saja untuk dimasukkan ke dalam data warehouse.
2. Menterjemahkan nilai-nilai yang berupa kode, tidak ada pembersihan secara manual dalam proses ETL.
3. Mengkodekan nilai-nilai ke dalam bentuk bebas. 4. Melakukan perhitungan nilai-nilai baru.
5. Menggabungkan data secara bersama-sama dari berbagai sumber. 6. Membuat ringkasan dari sekumpulan basis data.
3. Load
Load merupakan proses pengisian data ke dalam database target (Gour, Sarangdevot, Tanwar, & Sharma, 2010). Tahapan ini berfungsi untuk memasukkan data ke dalam data warehouse. Jangka waktu proses ini tergantung pada kebutuhan organisasi. Beberapa data warehouse dapat setiap minggu mencatat seluruh informasi yang ada secara kumulatif, data diubah, sementara data warehouse yang lain dapat menambahkan data baru dalam bentuk historikal, contohnya setiap jam. Waktu dan jangkauan untuk mengganti atau menambah data tergantung dari perancangan data warehouse pada waktu menganalisis keperluan informasi.
1.1.9 Staging (STG)
Staging merupakan wilayah sementara yang digunakan untuk mengumpulkan data dari source table. Staging menerima sebagian atau keseluruhan data, melakukan kalkulasi yang dibutuhkan dan mengembalikan data yang telah diolah untuk dimasukkan ke dalam ODS (Operational Data Store) atau DWH (Data Warehouse). Data dalam staging biasa tersimpan untuk jangka waktu yang terbatas dan memiliki periode waktu tertentu.
1.1.10 Operational Data Store (ODS)
Operational data store (ODS) adalah suatu media penyimpanan atas data operasional yang terbaru dan terintegrasi yang digunakan untuk analisis. ODS menyusun dan menyediakan data dengan cara yang sama seperti data warehouse, tetapi sesungguhnya bertindak secara sederhana sebagai tempat penampungan sementara sebelum data dipindahkan ke warehouse. ODS diciptakan ketika sistem operasional ditemukan tidak mampu untuk mencapai keberhasilan sistem pelaporan. ODS menyediakan manfaat yang berguna dari suatu relational database dalam mengambil keputusan yang mendukung fungsi data warehouse.
1.1.11 Dimensional Table
Menurut (Connolly & Begg, 2005:1183), dimensional table ialah satu set dari table kecil. Setiap dimensional table memiliki primary key sederhana yang sesuai persis dengan salah satu komponen composite key dalam tabel fakta.
1.1.12 Fact Table
Menurut (Connolly & Begg, 2005:1183), fact table merupakan setiap model dimensional yang terdiri dari satu table dengan sebuah composite primary key.
1.1.13 Online Transaction Processing (OLTP)
Menurut (Connolly & Begg, 2005:1149), OLTP adalah sistem yang telah dirancang untuk menangani pemrosesan transaksi tingkat tinggi, dengan transaksi yang secara umum membuat perubahan kecil pada data operasional organisasi, yang dibutuhkan oleh organisasi untuk menangani operasi sehari – hari.
Menurut (O'Brien & Marakas, 2010:569), OLTP adalah sistem pemrosesan transaksi secara real-time.
Berdasarkan pengguna dan orientasi sistemnya, OLTP berorientasi pelanggan dan digunakan pada transaksi dan pemrosesan query oleh pramuniaga, klien, dan profesional IT (Reddy, Srinivasu, M., & Rikkula, 2010).
Jadi dapat disimpulkan bahwa OLTP merupakan sistem pemrosesan data secara real-time yang menyimpan transaksi data operasional dalam perusahaan.
1.1.14 Online Analytical Processing (OLAP)
Menurut (Kimball, Ross, Thornthwaite, Mundy, & Becker, 2008:529), OLAP adalah suatu set yand didefinisikan secara bebas (lepas) yang menyediakan kerangka dimensi bagi business intelligence.
Menurut (O'Brien & Marakas, 2010:569), OLAP adalah sebuah kemampuan dari manajemen, pendukung keputusan, dan sistem informasi eksekutif yang mendukung pengecekan interaktif dan manipulasi dari data yang sangat besar melalui berbagai perspektif.
Berdasarkan pengguna dan orientasi sistemnya, OLAP berorientasi pasar dan digunakan untuk analisis data oleh manajer, eksekutif serta analis (Reddy, Srinivasu, M., & Rikkula, 2010). OLAP mengacu pada software yang memungkinkan analisis data yang interaktif melalui antarmuka manusia dengan komputer. Hal ini memungkinkan akses data dan analisis berdasarkan dimensinya.
Jadi, OLAP merupakan sautu set data yang sangat besar yang menyediakan kerangka dimensi dan berfungsi untuk melakukan pengecekan interaktif dan manipulasi data melalui berbagai tingkat perspektif.
1.2 Teori Khusus 1.2.1 Cloud Computing
Cloud Computing adalah istilah umum tentang segala sesuatu yang berhubungan dengan jasa layanan pengiriman data yang terdapat di internet. Cloud Computing pada dasarnya adalah teknologi yang digunakan untuk mengakses layanan-layanan berbeda yang berada di Internet (the cloud) (Aljabre, 2012).
Terbagi menjadi 3 kategori: 1. Infrastructure as a Service(IaaS)
Infrastructure as a Service (IaaS) adalah salah satu model jasa layanan cluod computing yang dikenal juga dengan sebutan Hardware as a Service. Pelanggan menyewa peralatan yang digunakan untuk mendukung kegiatan operasional seperti penyimpanan, perangkat keras, server dan komponen jaringan.
2. Platform as a Service (PaaS)
Platform as a Service (PaaS) adalah salah satu cara menyewa jasa komputasi dan komponen perangkat lunak untuk menjalankan perintah. Server yang disewa tersebut akan digunakan dalam running aplikasi atau developing dan testing aplikasi.
3. Software as a Service (SaaS)
Software as a Service (SaaS) adalah layanan jasa penyewaan software. Aplikasi disewa oleh pelanggan dan untuk menggunakan software tersebut harus terhubung dengan Internet dan software itu nantinya akan terhubung dengan sistem dari host dari penjual software tersebut.
Tabel 1.1 Kategori Software Service
Kategori Contoh
Infrastructure as a Service (IaaS)
Virtual machines, storage
Platform as a service (PaaS) Google Hadoop, Windows Azure
Software as a service (SaaS) Yahoo Mail, GMail
Cloud Computing merupakan teknologi yang cukup baru, dan seperti dengan teknologi lainnya, Cloud Computing memiliki kelebihan maupun kekurangan. Cloud Computing dapat dilihat sebagai alat yang menguntungkan bagi bisnis (Aljabre, 2012).
Keunggulan menggunakan Cloud Computing:
1. Bisnis dapat menggunakan komputer dengan harga rendah bagi pengguna.
2. Perusahaan tidak perlu investasi yang tinggi pada komputer server. 3. Pengurangan biaya software bagi perusahaan.
4. Penyediaan kapasitas memori penyimpanan yang tinggi. 5. Meningkatkan kompatibilitas di antara berbagai sistem operasi.
6. Kemampuan bagi beberapa pengguna untuk berkolaborasi pada sebuah proyek atau dokumen di cloud.
7. Dapat diakses dari mana saja.
8. Pengguna tidak perlu mengurusi pembuatan dan pemeliharaan sistem. Kelemahan menggunakan Cloud Computing:
1. Membutuhkan koneksi Internet yang stabil dan cepat secara konstan. 2. Fitur yang terbatas bagi software cloud jika dibandingkan dengan
software non-cloud sejenis.
1.2.2 Multifinance
Multifinance atau biasa disebut juga non-banking financial company adalah lembaga keuangan bukan bank yang bergerak di bidang jasa sewa usaha (leasing), pembiayaan anjak piutang (factoring), pembiayaan konsumen dan pembiayaan kartu kredit.
Jadi multifinance adalah bisnis pembiayaan di mana perusahaan pembiayaan menalangi terbih dahulu pembayaran ke dealer (motor, mobil, alat berat, dan sebagainya), selanjutnya pelanggan akan menyicil hutangnya kepada perusahaan pembiayaan tersebut.
Sewa guna usaha (leasing), Kelompok ini mencakup pembiayaan perusahaan dalam bentuk “finance lease” untuk digunakan oleh penyewa guna usaha (leese) selama jangka waktu tertentu, berdasarkan pembayaran secara berkala. Apabila jangka waktunya sudah habis leese boleh membeli barang modal yang bersangkutan atau memperpanjang jangka waktu leasing berdasarkan nilai sisa yang telah disepakati bersama.
Pembiayaan anjak piutang (factoring), kelompok ini mencakup usaha yang kegiatan utamanya melakukan kegiatan pembiayaan dalam bentuk pembeli atau pengalihan piutang atau tagihan jangka pendek suatu perusahaan dari transaksi perdagangan dalam atau luar negeri.
Pembiayaan konsumen kredit (consumer credits), kelompok ini mencakup usaha yang kegiatan utamanya melakukan kegiatan pembiayaan pengadaan barang dan jasa berdasarkan kebutuhan konsumen dengan sistem pembayaran secara angsuran atau berkala.
Pembiayaan kartu kredit (credit card), kelompok ini mencakup usaha yang kegiatan utamanya melakukan pembiayaan dalam transaksi pembelian barang dan jasa para pemegang kartu kredit. Secara umum kepemilikan multifinance terdiri dari bank, afiliasi kelompok perusahaan ATPM (Agen Tunggal Pemegang Merek) dan prinsipal asing yang bergerak dalam bidang finance. Perusahaan yang kuat hanyalah yang berafiliasi dengan bank atau produsen mobil dan ATPM. Sementara itu berdasarkan kelompok kepemilikan, bank tercatat memiliki anak perusahaan multifinance terbanyak dibandingkan dengan kelompok ATPM dan kelompok lainnya.
1.2.3 Multitenancy
Multitenancy merupakan sebuah arsitektur yang memungkinkan vendor untuk menyewakan sebuah aplikasi, infrastruktur, dan platform yang digunakan oleh lebih dari satu pelanggan menggunakan koneksi internet. Server fisiknya hanya satu, tetapi dapat melayani lebih dari satu pelanggan. Setiap pelanggan tersebut biasanya dipanggil tenant. Tenant memiliki aplikasi yang sama dan berkemungkinan menambah table dan formula sesuai dengan kebutuhan masing-masing tenant.
Multitenancy sangat ekonomis karena pengembangan software dan biaya pemeliharaannya kebanyakan saling berbagi dan menjadi satu, dibandingkan single-tenancy yang arsitektur setiap pelanggannya berbeda-beda dan memiliki aplikasi di masing-masing perusahaan. Multitenancy memudahkan penyewa untuk melakukan update sekali saja, sedangkan single-tenancy mengharuskan penyewa untuk melakukan update pada masing-masing pelanggan.
Menurut (Wilder, 2012, p. 78), multitenancy dianggap sebagai fitur yang penting dari Cloud Computing.
1.2.4 Slowly Changing Dimension (SCD)
Slowly Changing Dimension (SCD) merupakan nama dari sebuah proses yang digunakan untuk memasukkan data ke dalam dimensional table. Data dalam proses ini berubah secara perlahan, bukan berubah berdasarkan waktu ataupun jadwal rutin. Dimensional table dibuat berstruktur sehingga table bisa menampung perubahan data yang terjadi pada table. Data-data yang telah berubah memberikan kemampuan dasar untuk analisis.
Ada 3 type dasar yang menjadi dasar dari SCD:
1. Type 1 (Overwrite): tidak menyimpan perubahan data yang terjadi
Data yang baru menimpa data yang lama sehingga dimensional table tidak menyimpan perubahan data yang terjadi. SCD type 1 lebih berguna untuk memelihara kolom yang kurang signifikan dan tidak memerlukan analisis perubahan data.
2. Type 2 (Add a Row): menyimpan perubahan data yang terjadi
Data yang baru langsung masuk menambah baris dalam dimensional table tanpa menimpa data yang lama. Data yang baru dan data yang lama biasanya dibedakan dengan menambah kolom baru yang berisi key
khusus sebagai identifikasi, bisa juga mengganti key tersebut dengan tanggal. Kumpulan lengkap dari perubahan data yang terjadi merupakan tujuan utama dari SCD type 2.
3. Type 3 (Add a Column): menyimpan perubahan data yang terjadi tetapi terbatas
Pada SCD type 3 menambah jumlah kolom pada dimensional table. Mempertahankan riwayat perubahan yang terbatas menggunakan kolom yang ditambahkan. Contohnya menambah kolom untuk data yang lama dan data yang terbaru. Data berpindah dari kolom ke kolom selama proses memasukkan data. SCD type 3 memiliki nilai analisis yang lebih rendah daripada type 2.
Pada tahun 1996, Ralph Kimball memperkenalkan SCD yang merupakan kombinasi atau penyatuan dari type 1 yaitu Overwrite, type 2 yaitu Add a row, dan type 3 yaitu Add a column, yang disebut sebagai SCD type 6 atau yang lebih dikenal dengan type Hybrid.
Type 6 atau Hybrid menggabungkan semua type dasar yang dimiliki SCD, menambah kolom untuk sebagai penanda, menambah row untuk data yang baru, serta menimpa data yang lama, atau terlihat seperti contoh di bawah ini:
1.2.5 IBM Informix
IBM Informix adalah salah satu database server yang digunakan oleh beberapa perusahaan di dunia dimana memiliki kemampuan untuk memproses data yang berjumlah besar dan beraneka ragam serta mengurangi adanya replikasi data.
IBM Informix mempunyai keunggulan daripada database server lain: 1. Real-time Analytics
Informix dapat memaksimalkan kinerja dari OLTP dan OLAP secara real time sehingga hasil yang dikeluarkan dapat bagus dan sesuai keingginan dari user.
2. Fast, Always-on Transactions
Informix berusaha menjadi database server yang dapat menyimpan banyak data sampai bertahun-tahun dan meminimalkan downtime dalam maintenance.
3. Sensor data management
Informix dapat memproses banyak data yang memiliki tipe data yang berbeda-beda dengan high performance and scalability managing data. 4. Easy to use
Informix dapat mudah digunakan banyak orang karena informix memberikan self-help, self-error-handling dan self-managing sehingga orang dapat berusaha sendiri tanpa perlu panduan dari informix developer.
5. Best-of-breed embeddability
Informix memiliki kemampuan untuk dapat memproses data dari berbagai macam bentuk dan dapat bekerja dalam berbagai macam sistem operasi (compatible). Sehingga dapat menghasilkan solusi database management yang bagus.
1.2.6 IBM Informix Warehouse Feature Design Studio
IBM Informix Warehouse Feature Design Studio (Design Studio) merupakan software yang terintegrasi di dalam IBM Informix dan berfungsi untuk membuat pemodelan proses ETL bagi data warehouse. Software ini berisi berbagai tools yang dapat digunakan untuk membuat rangkaian proses
ETL, diantaranya: Select list, Join, Source Table, Table Target, Group by, Order By, Union, dan lain-lain.
Design Studio membantu dalam:
1. Membuat koneksi database untuk sumber data JDBC.
2. Menjelajahi skema tabel atau untuk lebih memahami struktur database.
3. Menampilkan isi sampel tabel database.
4. Menjelajahi hubungan antara tabel satu dengan tabel yang lain.
5. Memproses suatu database OLTP untuk menjadi database yang dapat dibentuk menjadi OLAP.
1.2.7 IBM Cognos
IBM Cognos adalah salah satu software business intelligence dan manajemen performa yang dimiliki oleh IBM. Kemampuan IBM Cognos diantaranya adalah reporting, analisis, pembuatan dashboard serta scorecard yang disajikan melalui arsitektur web-based service-orinted. IBM Cognos terdiri dari puluhan komponen software yang berguna untuk mempermudah pengguna dalam proses pengambilan keputusan agar mencapai performa yang maksimal dalam bisnis.
